راهنمای مطالعه نمودارهای کنترل

نمودارهای کنترل یکی از سخت ترین چیزها برای کسانی است که برای درک شش سیگما مطالعه می کنند. در اینجا یک راهنمای مطالعه نمودار کنترل آسان برای شما وجود دارد. هنگامی که من در حال تحصیل در آزمون Six Sigma Black Belt Belt بودم ، متوجه شدم که سوالات زیادی در مورد نمودارهای کنترل وجود دارد. علاوه بر این ، من متوجه شدم که انواع مختلفی از نمودارهای کنترل وجود دارد. شما مجبور بودید از یکی برای انواع خاصی از داده ها یا تعداد واحدها در نمونه استفاده کنید و سپس مجبور شدید در موارد مختلف از نمودارهای کنترل دیگر استفاده کنید.

فراتر از آن ، انواع مختلف توزیع مرتبط با چندین مجموعه داده. چیزی که شما در صورت پرسیدن سؤالی که به طور خاص به داده ها پرسیده می شود ، به شما اعطا می شود ، اما فهمیدم که هنگام ترکیب با سؤالات نمودار کنترل ، می توان در امتحان آسان شد.

بنابراین ، با روحیه بهبود مستمر ، ما راهنمای مطالعه نمودارهای کنترل زیر را تهیه کردیم.

نمودارهای کنترل راهنمای مطالعه بررسی اجمالی

نمودارهای کنترل: نمودار کنترل یکی از تکنیک های اصلی کنترل فرآیند آماری (SPC) است. نمودار کنترل یک نمایش گرافیکی از خصوصیات کیفیت است که از یک نمونه در مقابل شماره یا زمان نمونه اندازه گیری یا محاسبه شده است. نمودار کنترل توسط والتر شوارت در آزمایشگاه بل در سال 1920 اختراع شد.

کنترل فرآیند آماری - کنترل فرآیند آماری (SPC) یک روش آماری برای اندازه گیری ، نظارت و کنترل یک فرآیند است. به عبارت دیگر ، SPC روشی برای کنترل کیفیت است که از روشهای آماری برای اندازه گیری ، نظارت و کنترل یک فرآیند استفاده می کند.

علت مشترک: علت تغییر در فرآیند به دلیل شانس است ، اما به هیچ عامل قابل تعیین نیست. این تنوع ذاتی در روند است. فرآیند تحت تأثیر علت مشترک همیشه پایدار و قابل پیش بینی خواهد بود.

علت قابل اختصاص ("علت ویژه"): تغییر در فرآیندی که به دلیل شانس نیست ، بنابراین می توان شناسایی و از بین برد. فرآیند تحت تأثیر علت خاص پایدار و قابل پیش بینی نخواهد بود.

زیر گروه بندی عقلانی: گروه بندی فرعی منطقی فرایند سازماندهی داده ها به گروههایی است که اساساً در همان شرایط تولید می شوند. زیر گروه های منطقی در فرآیند تخمین تغییرات کوتاه مدت کمک می کنند. بنابراین ، گروه بندی فرعی منطقی پایه و اساس نمودارهای کنترل عملیاتی به روشی موفق است. این تغییرات بعداً به ما کمک می کند تا بسته به نوع علل تغییر (خاص یا مشترک) ، تغییرات طولانی مدت و محدودیت کنترل آنها را پیش بینی کنیم.

نمودارهای کنترل را بر اساس نوع داده کنترل کنید

نمودار کنترل نموداری است که برای بررسی چگونگی تغییر فرآیند در طول زمان استفاده می شود. نمودار کنترل همیشه یک خط مرکزی برای میانگین، یک خط بالا برای حد کنترل بالایی و یک خط پایین برای حد کنترل پایین دارد. محدودیت های کنترل ±3σ از خط مرکزی است.

انتخاب نمودار کنترل مناسب در نگاشت نمودارهای کنترلی بسیار مهم است، در غیر این صورت محدودیت های کنترلی نادرست برای داده ها به پایان می رسد. همه نمودارهای کنترلی یکسان نیستند. انواع داده های مختلف به نمودارهای متفاوتی نیاز دارند.

نمودارهای کنترل برای داده های پیوسته

خروجی را در مقیاس پیوسته اندازه گیری کنید. اندازه گیری ویژگی های کیفی یک محصول امکان پذیر است. هنگامی که متوجه شدید که یک نمودار کنترلی برای داده های پیوسته می سازید، باید تعیین کنید که آیا جمعیت شما نرمال است یا خیر و حجم نمونه (n) که در حال ترسیم آن هستید.

مهم نیست که چه تصمیمی می گیرید، من فکر می کنم که می توانید فقط یک نمودار Run اولیه تهیه کنید و ببینید که این نمودار شما را به کجا می آورد. این فقط یک نمودار اساسی است که مقادیر داده ها را به ترتیب زمانی نمایش می دهد. می تواند برای شناسایی روندها یا تغییرات در فرآیند مفید باشد، اما همچنین به شما امکان می دهد تصادفی بودن فرآیند را آزمایش کنید.

داده ها نرمال هستند

اندازه زیرگروه n = 1، سپس از نمودار X-MR یا I-MR استفاده کنید. نمودار محدوده متحرک فردی (I-MR) زمانی استفاده می شود که داده ها پیوسته هستند و در زیر گروه ها جمع آوری نمی شوند. به عبارت دیگر مشاهده منفرد را در یک زمان جمع آوری کنید. نمودار I-MR تغییرات فرآیند را در طول زمان در روش گرافیکی فراهم می کند.

Else, If n >= 10، سپس از نمودار X bar-S استفاده کنید. اغلب برای بررسی میانگین فرآیند و انحراف معیار در طول زمان استفاده می شود. از نمودار X bar-S زمانی استفاده کنید که زیرگروه‌ها حجم نمونه زیادی دارند و همچنین نمودار S درک بهتری از گسترش داده‌های زیرگروه را نسبت به محدوده ارائه می‌دهد.

توجه ویژه: اگر داده های شما عادی نیست

توجه داشته باشید که گفتگوهای قوی در این صنعت در این مورد وجود دارد. برای اهداف درخواستی خود، پیشنهاد می کنم موارد زیر را بخوانید و خودتان تصمیم بگیرید (اگر فقط برای صدور گواهینامه مطالعه می کنید، احتمالاً می توانید از آن صرف نظر کنید):

کنترل نمودارها برای داده های گسسته / ویژگی

نمودارهای کنترل ویژگی برای داده های ویژگی استفاده می شود. به عبارت دیگر داده هایی که تعداد اقلام معیوب یا تعداد عیوب در هر واحد را می شمارد. به عنوان مثال تعدادی از لوله ها در یک طبقه مغازه خراب شد. بر خلاف نمودارهای متغیر، تنها یک نمودار برای ویژگی ها رسم می شود.

چهار نوع نمودار کنترل برای داده های ویژگی وجود دارد. نمودار p نسبت اقلام معیوب را ترسیم می کند و نمودار np برای تعداد عیوب است. نمودار u برای میانگین تعداد عیوب در واحد و نمودار c برای تعداد عیوب است.

هنگامی که چندین نقص وجود دارد (یعنی احتمال نقص): محدودیت های کنترل را بر اساس توزیع پواسون محاسبه می کند.

نمودار c - نمودار کنترل برای نقص. معمولاً برای نظارت بر تعداد عیوب در واحدهای اندازه ثابت استفاده می شود.

نمودار u - نمودار کنترل برای نقص در واحد. معمولاً برای نظارت بر تعداد داده‌ها در مواردی که حجم نمونه بیشتر از یک است استفاده می‌شود. میانگین تعداد عیوب در هر واحد نمونه را رسم کنید.

هنگامی که چندین نقص وجود ندارد:

این جمعیت عیوب را به 2 شمع دسته بندی می کند (این دو جمله ای است). نمونه ها یا خوب هستند یا بد، مثبت یا منفی، درست یا غلط.

نمودار np - نمودار کنترل برای نقص. عموماً برای نظارت بر تعداد موارد ناسازگار یا معیوب در فرآیند اندازه گیری استفاده می شود.

نمودار p - نمودار کنترل نسبت. معمولاً برای تجزیه و تحلیل نسبت موارد ناسازگار یا معیوب در یک فرآیند استفاده می شود.

تجزیه و تحلیل نمودار کنترل

هدف اصلی نمودار کنترل بهبود فرآیند است. این «صدای فرآیند» را ارائه می‌کند که به تیم‌ها کمک می‌کند تا دلایل خاص تغییر در فرآیند را شناسایی کنند. با حذف علت خاص از فرآیند، روند فرآیند پایدارتر و سازگارتر می شود.

خارج از کنترل: یک فرآیند "خارج از کنترل" است، به این معنی که علل خاصی در نمودار متوسط یا نمودار محدوده یا هر دو وجود دارد. تیم ها باید علل خاص را شناسایی کرده و سعی در حذف آنها داشته باشند تا به یک روند پایدار برسند. اگر هر نقطه در نمودار کنترل خارج از محدوده کنترل باشد یا دارای الگوهای تغییرپذیری غیرعادی باشد، می توانیم بگوییم فرآیند خارج از کنترل است.

حد کنترل 3 انحراف استاندارد بالاتر و پایین تر از میانگین است. اگر فرآیند تحت کنترل باشد، 99. 73 درصد از میانگین ها در این محدوده ها قرار می گیرند. همین امر در مورد محدودیت های کنترل برد نیز صادق است. زیرا در هر نمودار کنترلی دو جزء وجود دارد - میانگین و محدوده.

چهار شرط ممکن در هر فرآیندی ممکن است رخ دهد.

میانگین پایدار، تغییر متغیر (مثال)

پنج قانون رایج برای تفسیر نمودار کنترل

قوانین نمودار کنترل

ویدئوهای راهنمای مطالعه نمودارهای کنترل

سایر مقالات مفید

نکات عملی در مورد استفاده از نمودارهای کنترل و محدودیت های کنترل برای ایجاد بهبود فرآیند

کاربردهای عملی و سوالات در نمودارهای کنترلی. عکس از runran

در اینجا برخی از یادداشت های عملی در مورد استفاده از نمودارهای کنترل و محدودیت های کنترل برای پیشرفت فرآیند آورده شده است. من به تازگی در مورد LinkedIn به بحث و گفتگوی عالی رسیدم و قبل از پاسخ به پستی می خواستم افکار خود را روشن کنم. خوب ، 1300 کلمه بعد و تعداد زیادی از حفر در انجمن ها و این همان چیزی است که من کشف کردم. امیدوارم این کمک کند تا در مورد کاربردهای عملی نمودارهای کنترل وضوح ایجاد کند - این یک تمرین جالب صبح یکشنبه بود!

چرا باید از نمودارهای کنترل برای نقشه برداری از روند خود استفاده کنید؟

نمودار کردن فرآیند ابزارهایی را برای تأیید عملکرد به شما می دهد - ببینید که آیا یک فرآیند تحت کنترل آماری است یا خیر. همچنین به شما کمک می کند تا تأثیر تلاش های بهبود را کنترل کنید.

چرا می خواهید روند شما تحت کنترل آماری باشد؟

پس از رسیدن به یک سطح قابل قبول از ثبات ، می توانید اطمینان داشته باشید که این روند به روشی مداوم انجام می شود. بی معنی است که بگوییم اگر رفتار آن به مرور زمان یا ناپایدار نباشد ، این روند 4. 5 سیگما است.

همچنین ، هنگامی که یک فرآیند تحت کنترل آماری باشد ، می توانید برخی از ابزارهای دیگر را برای بهبود عملکرد استفاده کنید. تلاش برای بهبود عملکرد قبل از کنترل یک فرآیند ، در واقع می تواند اوضاع را بدتر کند. برای نمایش تصویری عالی در این مورد ، نمایش Quincunx را ببینید.

چرا می خواهید محدودیت های کنترل کمتر از 3 سیگما باشد؟

هدف از نمودارهای کنترل منعکس کننده ثبات فرآیند یا رفتار معادل آن در طول زمان است. با توجه به توزیع عادی 99. 73-چیزی از توزیع شما در 6 انحراف استاندارد یا سیگما قرار می گیرد. در یک نمودار کنترل ، نیمی از آن بالاتر و نیمی از پایین خواهد بود. بنابراین ، 3 سیگما مثبت برای UCL - حد کنترل فوقانی و 3 سیگما منفی برای حد کنترل پایین تر.

نام بازی در اینجا استفاده از محدودیت های کنترل برای تصمیم گیری نه تنها در صورت شکسته شدن چیزی در فرآیند شما ، بلکه اگر این یک رویداد خاص یا یک رویداد مشترک باشد - زیرا این اقدامات بعدی شما را نشان می دهد.(به زیر مراجعه کنید).

یک نقطه خارج از آن باند 6 سیگما - بالاتر از UCL یا زیر LCL بدان معنی است که این روند از کنترل خارج است. استدلال این است که آنقدر بعید است که با این روند که به طور معمول رفتار می کند ، یک نکته ارائه شود که بتوانید گمان کنید که این روند دیگر تحت کنترل نیست.

اگر از محدودیت های کنترل در تعداد کمی از سیگما استفاده می کنید ، درصد احتمال اینکه یک نقطه در گروه فرود بیاید ، کاهش می دهید. بنابراین ، هرگونه تغییر کوچک در رفتار فرآیند تشخیص داده می شود ، اما در صورت عدم وجود دلیل خاص برای پرداختن به بسیاری از آلارم های کاذب ، شما نیز به طور اتفاقی نکات زیادی در خارج از محدودیت ها خواهید داشت.

اگر از محدودیت های کنترل در بسیاری از سیگما استفاده می کنید ، احتمال فرود نقطه در گروهها را افزایش می دهید. تقریباً کل جمعیت در محدوده قرار می گیرند و پس از آن هیچ زنگ هشدار دروغین وجود نخواهد داشت اما بیشترین تغییر در این روند را از دست نخواهید داد. این منجر به فرصت های از دست رفته برای بهبود می شود - در این صورت ، چرا روند را در مکان مشت می ترسید؟

نکته اصلی در اینجا مدیریت هزینه/ریسک است. ما در تلاش هستیم تا تجارت اقتصادی را بین قانون ترسیم روند و بررسی در مقابل هزینه از دست دادن نمونه ای از تنوع که باعث ایجاد مسائل مالی می شود - هزینه پایین کیفیت پیدا کنیم. محدودیت های کنترل در 3 سیگما یافت شد (و به طور گسترده پذیرفته شده است) تعادل خوبی است.

محدودیت های کنترل مبتنی بر داده های تاریخی و تغییر فرآیند است. از آنجا که قابلیت فرآیند شما باعث بهبود محدودیت های کنترل می شود.

چه زمانی باید محدودیت های کنترل خود را دوباره محاسبه کنم؟

پاسخ کوتاه هنگامی که نمودارهای کنترل از برنامه های تجاری معنی دار متوقف می شوند. این می تواند باشد که شما عمل اصلی را آنقدر بهبود یافته یا تغییر داده اید که در واقع یک روند جدید و متفاوت از آنچه شروع کرده اید ، دارید.

این در عمل چگونه به نظر می رسد؟پس از رسیدن فرآیند شما به یک نقطه کنترل آماری ، باید سابقه خوبی از داده ها داشته باشید. سپس می توانید با استفاده از تجزیه و تحلیل روند شروع کنید.

تجزیه و تحلیل روند اساسی:

• فقدان نقاط ترسیم شده در نزدیکی محدودیت های کنترل
• نقاط جلوگیری از مناطق بیرونی و سایر موارد خارج از کنترل.

در نتیجه کاهش تغییرات در فرآیند شما ، سیگما جدید کمتر از سیگما اصلی است. یعنی گسترش محدودیت های جدید +/- 3 سیگما کمتر از حد قبلی خواهد بود.

آیا نمودارهای کنترل می توانند سطح سیگما روند من را به من بگویند؟

نمودارهای کنترل سطح سیگما یک فرآیند کلی را اندازه گیری نمی کنند. آنها اندازه گیری می کنند که آیا یک فرآیند در کنترل آماری است ، یعنی: آیا این روند به طور کلی از توزیع عادی پیروی می کند.

"3 محدودیت کنترل سیگما" به ثبات - یا برابری رفتار در طول زمان اشاره دارد."کار در N Sigma" به عملکرد اشاره دارد.

از آنجا که +/- 3 سیگما 99. 73 ٪ از داده ها را در یک توزیع عادی محاصره می کند ، اگر پردازش کنید در آن حد قرار می گیرد ، فرایندی دارید که در کنترل آماری است.

محاسبه سیگما برای اندازه گیری عملکرد یا اثربخشی پروژه بر روی نتایج نهایی فرآیند استفاده می شود. فلسفه شش سیگما روشی برای بهبود مستمر است. دستیابی به 6 سیگما (3. 4 نقص در هر میلیون) به این دلیل تعیین شد که سطح قابل قبولی از هزینه کیفیت پایین بود - هر چه کمتر باشد و کسب و کار قابل دوام نیست یا به شدت تحت تأثیر قرار می گیرد. امروزه، بسیاری از صنایع به دنبال استانداردهای کیفیت بسیار سخت گیرانه تری هستند که باز هم توسط کسب و کار هدایت می شوند.

عملکرد این است که فرآیند شما تا چه حد متناسب با مشخصات است. توجه داشته باشید که "مشخصات" در نمودارهای کنترلی استفاده نمی شود، زیرا ربطی به پایداری ندارد. فرآیندی که در 6 سیگما کار می کند به این معنی است که میانگین فرآیند 3 سیگما از نزدیکترین حد مشخصات فاصله دارد - 3 از UCL و 3 از LCL. بنابراین، عملا هیچ خروجی خارج از مشخصات نیست.

روش دیگری برای بررسی این موضوع این است که فرآیند بدون توجه به اینکه آیا آن را نمودار می‌کنید یا نه، محدودیت‌های کنترلی شما چقدر است یا نمودار شما چگونه است، است. تغییر محدودیت‌های کنترل عملکرد فرآیند شما را تغییر نمی‌دهد، و از این رو "سیگما" را که در آن فرآیند شما عمل می‌کند، تغییر نمی‌دهد.

نمودار کنترل و محاسبات سیگما اندازه گیری های جداگانه ای هستند و همیشه باید به این صورت در نظر گرفته شوند.

اگر نقطه ای از محدوده کنترل خارج شود چه می کنید؟بالاتر از حد کنترل بالا یا زیر حد کنترل پایین؟

این بستگی به تاریخچه فرآیند شما دارد.

اگر تازه شروع کرده اید و نقاطی خارج از محدودیت وجود دارد، ابتدا باید فرآیند خود را تحت کنترل داشته باشید. با حذف یا کاهش تنوع، مرکز و گسترش مقادیر فرآیند خود را کاهش دهید.

اگر فرآیندی تحت کنترل آماری بود و سپس یک نقطه را در خارج از آن پیدا کردید، دلیل خاصی برای تغییر وجود دارد. ابتدا مطمئن شوید که این یک تغییر خاص و یکبار مصرف است. سپس سعی کنید کنترل هایی را برای حذف یا جلوگیری از بازگشت آن تنظیم کنید. استفاده از یک ابزار اولویت بندی مانند FMEA کمک می کند. توجه داشته باشید که اگر در نهایت فرآیند استاندارد خود را برای محاسبه تغییرات علت خاص تغییر دهید، باید محدودیت‌های کنترلی خود را مجدداً محاسبه کنید زیرا اکنون یک فرآیند جدید در اختیار دارید.

اگر چندین نقطه خارج از محدوده کنترل پیدا کردید، احتمالاً تغییر علت مشترک وجود دارد. این زمانی است که شما باید از متدولوژی های شش سیگما مانند DMAIC برای کاهش تنوع در فرآیند خود استفاده کنید.

نویسندگان

من در ابتدا SixSigmaStudyGuide. com را ایجاد کردم تا به من کمک کند برای امتحانات کمربند مشکی خودم آماده شوم. اضافه کاری سایت را توسعه داده ام تا به ده ها هزار داوطلب کمربند شش سیگما کمک کنم تا برای امتحانات کمربند سبز و کمربند مشکی خود آماده شوند. برای یادگیری نحوه قبولی در امتحان شش سیگما برای اولین بار به اینجا بروید!