Wykres c śledzi liczbę defektów w jednostce inspekcyjnej o stałym rozmiarze, podczas gdy wykres u śledzi defekty na jednostkę, gdy ilość kontrolowana zmienia się między próbkami. Oba są wykresami atrybutowymi opartymi na rozkładzie Poissona i oba odpowiadają na to samo pytanie: czy mój współczynnik defektów jest stabilny, czy coś się zmieniło? Jeśli wybierzesz niewłaściwy, granice kontrolne będą albo zbyt ciasne, albo zbyt luźne, więc albo będziesz gonić za zjawiskami losowymi, albo przegapisz rzeczywiste zmiany. Ten przewodnik obejmuje podstawy statystyczne, wzory oraz przepracowany przykład z rzeczywistymi liczbami.
Pytanie wykres c kontra wykres u pojawia się tylko wtedy, gdy liczysz defekty, więc zacznij od rozgraniczenia dwóch słów, które mieszają się na hali produkcyjnej. Defekt to pojedyncza niezgodność: jedna rysa, jedno brakujące połączenie lutownicze, jeden mikropor w powłoce. Sztuka wadliwa to cała jednostka, która nie przechodzi inspekcji, niezależnie od liczby defektów, które zawiera. Wykresy c i u liczą defekty; wykresy p i np klasyfikują sztuki wadliwe. Jeden pomalowany panel może mieć pięć defektów, więc liczenie defektów zachowuje informacje, które etykieta zaliczony/niezaliczony by zgubiła. Wszystkie cztery należą do rodziny wykresów dla danych atrybutowych w ramach statystycznej kontroli procesu, stosowanej gdy liczysz zdarzenia zamiast mierzyć ciągły wymiar.
Oba wykresy zakładają, że liczby defektów podlegają rozkładowi Poissona, co ma sens gdy spełnione są cztery warunki:
Cechą rozkładu Poissona, która upraszcza rachunki, jest równość wariancji i średniej. Odchylenie standardowe liczby defektów to po prostu pierwiastek ze średniej, więc granice trzy-sigma wychodzą bezpośrednio z linii środkowej bez potrzeby oddzielnego wykresu rozpiętości.
Użyj wykresu c, gdy każda próbka odsłania ten sam obszar możliwości: jedna szafka sterownicza, jedna płytka PCB o stałym projekcie, dziesięć metrów kwadratowych tkaniny, skrzynia 24 butelek. Wzory:
Ponieważ obszar inspekcji nigdy się nie zmienia, granice są dwiema prostymi liniami, co sprawia, że wykresy c łatwo utrzymać na tablicy przy linii produkcyjnej.
Gdy ilość kontrolowana zmienia się między próbkami (na przykład kontrolujesz wszystko, co wyprodukuje zmiana, a zmiany mają różne wydajności), surowe liczby przestają być porównywalne. Dwanaście defektów na 8 panelach i dwanaście defektów na 30 panelach opisują bardzo różne procesy. Wykres u normalizuje do defektów na jednostkę:
Ponieważ n występuje we wzorze na granice, granice zmieniają się skokowo dla każdej próbki: małe próbki mają szerokie granice, duże próbki mają wąskie. Wielu praktyków używa średniego n jeśli wielkości indywidualnych próbek mieszczą się w około 25% tej średniej, co przywraca płaskie granice przy niewielkim koszcie dokładności.
Linia powłok maluje stalowe panele obudów, a kontrola jakości sprawdza mikropory, spływy i inkluzje.
Scenariusz wykresu c. Inspektorzy sprawdzają dokładnie jeden panel referencyjny na zmianę. Przez 25 zmian zanotowali 150 defektów, więc c̄ = 150 / 25 = 6.0 defektów na panel. Odchylenie standardowe to sqrt(6.0) = 2.45, więc UCL = 6.0 + 3 × 2.45 = 13.35, a ponieważ 6.0 − 7.35 jest ujemne, LCL = 0. Zmiana, która zanotuje 14 defektów na panelu referencyjnym, przekracza górną granicę i wywoła dochodzenie; 13 już nie.
Scenariusz wykresu u. Zakład przechodzi na 100% inspekcję, ale produkcja zmienia się w zależności od zmiany. Przez 20 zmian inspektorzy sprawdzili 400 paneli i zanotowali 520 defektów, więc ū = 520 / 400 = 1.30 defektu na panel. Dla powolnej zmiany z 8 panelami granice to 1.30 plus/minus 3 × sqrt(1.30 / 8) = 1.30 plus/minus 1.21, dając UCL = 2.51 i LCL = 0.09. Dla busy zmiany z 32 panelami 3 × sqrt(1.30 / 32) = 0.60, dając UCL = 1.90 i LCL = 0.70. Zwróć uwagę na wpływ rozmiaru próbki: współczynnik 2.50 defektu na panel prześlizguje się poniżej granicy przy zmianie z 8 panelami (2.50 < 2.51), ale daje wyraźny sygnał przy zmianie z 32 panelami. Małe próbki po prostu nie potrafią oddzielić umiarkowanych zmian współczynnika od szumu.
Zasada jest krótka: stały obszar inspekcji → użyj wykresu c; zmienny obszar lub ilość → użyj wykresu u. Potem unikaj błędów, które cicho unieważniają wykresy atrybutowe:
Wykresy kontrolne są tak dobre, jak dane, które je zasilają. Fabrico to platforma zbudowana w UE z przechowywaniem danych w UE, która daje fabrykom podstawę danych w czasie rzeczywistym niezbędną do pracy nad jakością: monitorowanie OEE i produkcji na żywo oraz wizja komputerowa, która odczytuje zachowanie maszyn nawet na sprzęcie bez PLC. Gdy wykres c lub u sygnalizuje przyczynę specjalną, pętla zamyka się w CMMS Fabrico: zgłoś zlecenie robocze, przydziel naprawę, zaloguj przyczynę źródłową względem zasobu i zaplanuj zadanie prewencyjne, aby ten sam źródło defektów nie powróciło. Sygnały jakości przestają ginąć w arkuszach kalkulacyjnych i zaczynają napędzać prace utrzymaniowe oraz działania procesowe w jednym systemie.
Tak. Przy stałym n wykres u niesie dokładnie te same informacje co wykres c; po prostu dzieli każdą liczbę przez n. Wiele zespołów standaryzuje się na wykresach u, aby metoda przetrwała przyszłe zmiany w ilości inspekcji, podczas gdy wykres c pozostaje prostszym wyborem, gdy jednostka inspekcji rzeczywiście nigdy się nie zmienia.
Dostatecznie duża, aby średnia liczba defektów na próbkę wynosiła przynajmniej około pięciu. Poniżej tego poziomu rozkład Poissona jest tak skośny, że dolna granica zapada do zera i wykres traci moc potwierdzania usprawnień. Jeśli pojedyncze panele mają średnio 0.5 defektu, zdefiniuj jednostkę inspekcyjną jako dziesięć paneli zamiast jednego.
To nadrozproszenie, powszechne gdy defekty się skupiają lub gdy międzydniowe źródła zmienności działają na sam współczynnik. Klasyczne granice c i u będą wtedy generować stale fałszywe alarmy. Wykres u' Laneya, który poszerza granice przez estymatę dodatkowej zmienności, jest standardowym remedium.
Gotowy uruchomić swoje wykresy defektów na danych produkcyjnych na żywo zamiast w końcowotygodniowych arkuszach? Zarezerwuj demo Fabrico i zobacz monitorowanie w czasie rzeczywistym oraz przepływy CMMS na swoich liniach.
Zaloguj
Blog
