Kluczowe wnioski
Krótka odpowiedź: X-bar & R i X-bar & S to wykresy kontrolne dla zmiennych, które monitorują mierzony parametr w czasie; różnią się wyłącznie sposobem śledzenia rozrzutu procesu.
Oba używają wykresu X-bar do śledzenia średniej podgrupy (centrum procesu).
Na miarę zmienności X-bar & R łączy go z wykresem rozstępu, gdzie rozrzut mierzony jest prostą różnicą między największą a najmniejszą wartością w każdej podgrupie, natomiast X-bar & S łączy wykres średniej z wykresem odchylenia standardowego.
Rozstęp jest łatwy do obliczenia i dobrze sprawdza się przy małych podgrupach; odchylenie standardowe wykorzystuje wszystkie dane i jest bardziej efektywne przy większych. Czynnik decydujący to wielkość podgrupy. Oba porównuje się do limitów kontroli, a nie limitów specyfikacji.
Oba wykresy mają tę samą pierwszą połowę: wykres X-bar, który rysuje średnią każdej podgrupy w czasie, aby śledzić centrum procesu.
Podgrupa to niewielki zbiór kolejnych pomiarów, powiedzmy pięć elementów pobranych razem, a jej średnia to jeden punkt na wykresie X-bar. Obserwacja średnich podgrup pokazuje, czy centrum procesu jest stabilne czy dryfuje.
Jednak samo centrum nie wystarcza: proces może utrzymywać średnią idealnie, podczas gdy jego zmienność rośnie, powodując coraz szerszy rozrzut wokół stałej średniej.
Dlatego wykres X-bar zawsze sparowany jest z drugim wykresem śledzącym rozrzut, trzeba monitorować zarówno centrum, jak i zmienność, aby wiedzieć, że proces naprawdę jest pod kontrolą.
Oba typy wykresów, X-bar & R i X-bar & S, są identyczne w części X-bar i różnią się tylko sposobem, w jaki wykres towarzyszący mierzy rozrzut.
Stąd prawdziwe pytanie nigdy nie brzmi „X-bar czy coś innego”, lecz raczej: skoro śledzisz średnią, jak powinieneś równolegle śledzić zmienność, przez rozstęp czy przez odchylenie standardowe?
X-bar & R paruje wykres X-bar (średniej) z wykresem R, gdzie R to rozstęp każdej podgrupy, po prostu największa wartość minus najmniejsza.
Rozstęp jest najstarszą i najprostszą miarą rozrzutu: dla podgrupy pięciu odczytów znajdujesz maksimum i minimum i odejmujesz je od siebie.
Wykres R rysuje ten rozstęp dla każdej podgrupy w czasie, sygnalizując, kiedy zmienność wewnątrz podgrupy zmienia się poza normalne granice.
X-bar & R to klasyczne, tradycyjne połączenie, a jego wielką zaletą jest prostota: rozstęp jest trywialny do obliczenia ręcznie, dlatego dominował w dekadach, gdy wykresy kontrolne prowadzone były ręcznie na hali produkcyjnej ołówkiem i papierem.
Dla małych podgrup jest też statystycznie w pełni wystarczający, kiedy masz tylko kilka wartości, rozstęp wychwytuje rozrzut niemal tak dobrze jak bardziej wyrafinowane miary.
X-bar & R pozostaje domyślnym i najczęściej nauczanym wykresem kontrolnym dla zmiennych, idealnym dla powszechnego przypadku małych podgrup zbieranych w regularnych odstępach.
X-bar & S paruje wykres X-bar (średniej) z wykresem S, gdzie S to odchylenie standardowe każdej podgrupy.
W przeciwieństwie do rozstępu, które używa tylko dwóch wartości skrajnych, odchylenie standardowe wykorzystuje każdy pomiar w podgrupie, obliczane jest z wszystkich danych i odzwierciedla, jak każdy punkt waha się względem średniej podgrupy.
Wykres S rysuje to odchylenie standardowe dla każdej podgrupy w czasie.
Ponieważ uwzględnia wszystkie wartości zamiast tylko maksimum i minimum, odchylenie standardowe jest dokładniejszą i statystycznie bardziej efektywną miarą rozrzutu, zwłaszcza gdy podgrupy stają się większe.
Historycznie X-bar & S było mniej popularne jedynie dlatego, że obliczanie odchylenia standardowego ręcznie dla każdej podgrupy było uciążliwe, ale przy oprogramowaniu wykonującym rachunki natychmiast ta przeszkoda zniknęła i wielu praktyków rutynowo używa dziś X-bar & S.
Jego przewaga ujawnia się najbardziej przy większych podgrupach, gdzie użycie wszystkich danych zamiast tylko rozstępu sprawia, że wykres rozrzutu jest zauważalnie bardziej czuły i wiarygodny. X-bar & S jest lepszym wyborem, gdy podgrupy są duże.
Powód, dla którego wielkość podgrupy decyduje, sprowadza się do tego, jak każda miara wykorzystuje dane. Rozstęp używa tylko dwóch wartości, maksimum i minimum, niezależnie od liczby pomiarów w podgrupie.
Dla podgrupy pięciu oznacza to, że rozstęp odzwierciedla dwie z pięciu wartości i ignoruje środkowe trzy; dla podgrupy piętnastu odzwierciedla dwie z piętnastu i ignoruje trzynaście.
W miarę wzrostu podgrupy rozstęp wyrzuca coraz więcej informacji, stając się coraz mniej efektywną i mniej czułą estymatą rozrzutu.
Odchylenie standardowe z kolei zawsze wykorzystuje każdą wartość, więc jego efektywność nie pogarsza się wraz ze wzrostem podgrupy.
Dla małych podgrup (w przybliżeniu n równe 8, 10 lub mniej) rozstęp ignoruje tak niewiele, że jest niemal tak dobry jak odchylenie standardowe, a przy tym znacznie prostszy, więc X-bar & R jest rozsądnym wyborem.
Dla większych podgrup (w przybliżeniu n większe niż 10) zwyczaj rozstępu polegający na pomijaniu większości danych sprawia, że jest on istotnie gorszy, a X-bar & S, które używa wszystkich danych, staje się wyraźnie lepsze.
To przecięcie właśnie tłumaczy, dlaczego reguła kciuka opiera się na wielkości podgrupy.
Załóżmy, że monitorujesz średnicę wałka. W jednym scenariuszu próbkujesz podgrupy po pięć.
W tym przypadku rozstęp wykorzystuje dwie z pięciu odczytów, niewielka strata, więc X-bar & R jest w pełni wystarczające, proste i dostatecznie czułe; to przykład podręcznikowy i wykres z wyboru.
Teraz załóżmy, że twój schemat próbkowania daje podgrupy po piętnaście (może mierzysz piętnaście części przy każdej kontroli).
Gdybyś wciąż używał rozstępu, byłby on obliczany zaledwie z dwóch z tych piętnastu wartości, największej i najmniejszej, całkowicie ignorując pozostałe trzynaście.
To czyni wykres R mało czułym: rzeczywista zmiana rozrzutu środkowych trzynastu wartości mogłaby pozostać niezauważona, ponieważ rozstęp obserwuje tylko ekstrema.
X-bar & S, obliczając odchylenie standardowe ze wszystkich piętnastu wartości, wychwytuje zmiany rozrzutu, które rozstęp mógłby pominąć, dostarczając węższy, bardziej wiarygodny wykres zmienności.
Ta sama cecha, ten sam cel, ale podgrupa pięcioelementowa wskazuje na X-bar & R, a piętnastoelementowa na X-bar & S, czysto z powodu tego, ile danych każda miara rozrzutu pozostawia „na stole” wraz ze wzrostem podgrupy.
Ramę decyzyjną wyznacza bezpośrednio wielkość podgrupy. Dla podgrup jednoelementowych, gdy możesz mierzyć tylko pojedyncze jednostki, a nie grupy, żaden z tych wykresów nie ma zastosowania; użyj wykresu indywidualnych wartości i ruchomego rozstępu (I-MR).
Dla małych podgrup, w przybliżeniu n od 2 do 8 lub 10, używaj X-bar & R: rozstęp jest prosty, tradycyjny i statystycznie odpowiedni przy tych rozmiarach.
Dla większych podgrup, w przybliżeniu n większe niż 10, używaj X-bar & S: odchylenie standardowe wykorzystujące wszystkie dane czyni je dokładniejszym i bardziej czułym wyborem.
Praktyczna, nowoczesna uwaga: ponieważ oprogramowanie oblicza odchylenie standardowe bez trudu, niektóre organizacje standaryzują się na X-bar & S dla wszystkiego, aby uniknąć zmiany wykresów w zależności od wielkości podgrupy, to uzasadnione uproszczenie, ponieważ X-bar & S nigdy nie jest gorsze, jedynie historycznie było bardziej pracochłonne.
Niezależnie od wyboru, oba wykresy zależą od sensownego grupowania podgrup, zbierania każdej podgrupy tak, aby zmienność w jej obrębie reprezentowała jedynie przyczyny zwykłe, i oba są wykresami kontrolnymi ocenianymi względem limitów kontroli, oddzielnych od limitów specyfikacji.
Dopasuj wykres rozrzutu do wielkości podgrupy, a sygnał o zmienności będzie godny zaufania.
Wykresy kontrolne zmiennych chronią składnik jakości (Quality) OEE, wykrywając zmiany w zmienności procesu zanim wygenerują wady.
Wykres rozrzutu (R lub S) jest półką wczesnego ostrzegania: rosnąca zmienność w obrębie podgrup oznacza, że proces staje się mniej spójny i, jeśli nie zostanie zatrzymana, zacznie produkować części poza tolerancją i obniżać składnik jakości.
Wczesne wykrycie wzrostu rozrzutu, przy użyciu odpowiedniego wykresu dla wielkości podgrupy, pozwala interweniować zanim pojawią się wady i straty jakości.
Ma to bezpośredni związek z zdolnością procesu: proces, którego zmienność rośnie, zmierza ku niższemu Cpk i w końcu ku produktowi poza specyfikacją, nawet jeśli nadal mieści się w swoich limitach kontroli (różnica opisana w kontroli vs limitach specyfikacji).
Wiarygodne wykresy zależą od wiarygodnych pomiarów, kwestia poruszana w Gauge R&R vs kalibracja. Wybór odpowiedniego wykresu zmiennych utrzymuje sygnał o zmienności wpływający na składnik jakości wiarygodnym.
Fabrico uwidacznia straty jakości, które wykresy kontrolne zmiennych mają zapobiegać, w kontekście żywego OEE, więc kiedy rosnąca zmienność procesu zaczyna przekładać się na wady, widzisz to w składniku jakości i możesz powiązać to z procesem wychodzącym z kontroli.
Poprzez ujawnianie strat jakości i ich czasu, uzupełnia wykresy SPC na hali o widok kosztów produkcji wynikających z pozostawienia zmienności bez kontroli. Umów demonstrację, aby utrzymać dane jakościowe stojące za twoimi wykresami widoczne i możliwe do działania.
Oba łączą wykres X-bar (średnia podgrupy) z wykresem rozrzutu. X-bar & R używa rozstępu, czyli największej minus najmniejszej wartości, podczas gdy X-bar & S używa odchylenia standardowego. Rozstęp jest prostszy i wystarczający dla małych podgrup; odchylenie standardowe wykorzystuje wszystkie dane i jest lepsze dla większych podgrup.
Używaj X-bar & R dla małych podgrup, w przybliżeniu n równe 8, 10 lub mniej, gdzie rozstęp jest prosty i statystycznie odpowiedni. Używaj X-bar & S dla większych podgrup, w przybliżeniu n większe niż 10, gdzie użycie wszystkich danych przez odchylenie standardowe czyni je dokładniejszym i bardziej czułym.
Ponieważ rozstęp używa tylko dwóch wartości, maksimum i minimum, niezależnie od wielkości podgrupy, więc wraz ze wzrostem podgrupy ignoruje więcej danych i traci czułość. Odchylenie standardowe wykorzystuje każdą wartość, więc jego efektywność nie pogarsza się. Małe podgrupy pasują do rozstępu; duże do odchylenia standardowego.
Nie X-bar & R ani X-bar & S, one wymagają podgrup dwu- lub więcej elementowych. Dla pojedynczych pomiarów (podgrupy jednoelementowe) użyj wykresu indywidualnych wartości i ruchomego rozstępu (I-MR), który śledzi każdą wartość i ruchomy rozstęp między kolejnymi wartościami.
Chronią składnik jakości, wykrywając zmiany w zmienności procesu zanim spowodują wady. Wykres rozrzutu (R lub S) ostrzega, gdy rośnie zmienność wewnątrz podgrup, sygnalizując, że proces staje się mniej spójny i zmierza ku częściom poza tolerancją oraz stratom jakości, które obniżą OEE.
Zaloguj
Blog
