İstatistiksel süreç kontrolü, izlenen süreci izlemek ve daha sonra yönetmek için kullanılır. Karmaşık sistemler için, SPC grafiğinin belirli değişken durumlarında nasıl görüneceğini belirlemek için bir model oluşturmak gerekebilir. Bu aynı zamanda yönetimin, işlem girişleri her değiştiğinde sistemin çalışmasına ve yeni bir grafik oluşturmasına izin vermek yerine, belirli giriş değişkenleri için bir SPC kontrol çizelgesi oluşturmak için bir ortalama ve beklenen sapma hesaplamasına izin verir.
İstatistiksel Proses Kontrolüne Genel Bakış
SPC, gözlemlenen özelliklerde (boy, ağırlık, boyutlar) bir dizi değer toplar. Bu değerler grafiklendirilmiştir. İşlem ortalaması hesaplanır. Bu, SPC grafiğinin merkez çizgisi olarak kullanılır. Ardından standart sapma hesaplanır. Bir üst ve alt kontrol limiti belirlenir ve daha sonra tabloya yerleştirilir. SPC şeması daha sonra izlenir. Herhangi bir trend kaydedildi. Üst veya alt kontrol sınırlarına yaklaşan herhangi bir eğilim düzeltici eylemle sonuçlanacaktır.
Zaman Serileri Modellemesi
Zaman serisi modellemesi, bir işlemi belirli zaman aralıklarında ölçer. Mevcut zaman serisi verileri için bir dizi trend çizgisi veya eğrisi hesaplanır. Eğilim çizgisi basit bir cebirsel denklemdir. Bir zaman serisi modeli daha sonra bu trend çizgisinin gelecekte ne olacağını tahmin edebilir. Bir trend çizgisi düz olabilir, yükselebilir veya düşebilir.
Çok Değişkenli Modelleme
Çok değişkenli birçok değişken anlamına gelir. Çok değişkenli bir model, tümü kendi ilişkili denklemlerine sahip, çeşitli değişkenlere sahiptir. Bu değişkenler zaman, işlem hızı, malzeme değişimleri ve diğer işlem değişkenlerini içerebilir. Tüm bu faktörlerin göz önünde bulundurulmasıyla çok değişkenli bir model oluşturulmuştur. İstatistiksel süreç kontrol şeması için çok değişkenli bir model daha sonra farklı zamanlar girilerek oluşturulacaktır. Bu model daha sonra SPC grafiğinin farklı değişken değerleri için zaman içinde nasıl görünmesi gerektiğini gösterebilir.
Stokastik Modeller
Stokastik süreçler esasen rastgeledir. Bu süreçler her olası sonuca bir olasılık atayarak modellenir. Daha sonra model, daha muhtemel bir sonuç ve diğer sonuçların olasılıklarını ortaya çıkarmak için denklemi birçok kez çalıştırarak yaratılır. Stokastik modeller ayrıca Monte Carlo simülasyonları olarak da adlandırılır.
Yapay Sinir Ağları
Bu tip bir istatistiksel süreç kontrol modeli YSA'lara kısaltılmıştır. YSA'lar istatistiksel süreç kontrol modellerinin en karmaşık şeklidir. Değişebilen ara girişler, değişken ara ara adımlar ve farklı sonuç çıktıları ile işlemleri simüle ederler. YSA daha sonra ortaya çıkan sonuçları verecektir. Sürecin, doğrusal denklemlerle tanımlanan değişkenlerle birlikte stokastik süreçleri varsa, YSA bir dizi sonuç verebilir. Birçok kez çalıştırılırsa, bu böyle karmaşık bir süreç için bir SPC çizelgesinin en muhtemel ve dolayısıyla “ortalama” sonucunu verecektir.
