X-Bar-Chart
Die X-Bar- und die R-Chart sind Qualitätsregelkarten, die zur Überwachung des Mittelwerts und der Streuung eines Prozesses auf der Grundlage von Stichproben in einer bestimmten Zeit verwendet werden. Die Kontrollgrenzen beider Chats werden verwendet, um den Mittelwert und die Schwankung des Prozesses in der Zukunft zu überwachen. Wenn ein Punkt außerhalb der Kontrollgrenzen liegt, bedeutet dies, dass der Mittelwert oder die Schwankung des Prozesses außer Kontrolle geraten ist; an diesem Punkt können zuordenbare Ursachen vermutet werden. In der X-Balken-Karte zeigt die Y-Achse den Gesamtmittelwert und die Kontrollgrenzen, während die X-Achse die Stichprobengruppe anzeigt. Werfen wir einen Blick auf den R-Code, der das qcc-Paket verwendet, um ein x-Bar-Diagramm zu erstellen.
Das von R generierte x-bar chart liefert wichtige Informationen für seine Interpretation, Dazu gehören die Stichproben (Anzahl der Gruppen), die Kontrollgrenzen, der Gesamtmittelwert (Center), die Standardabweichung (StdDev) und vor allem die Punkte jenseits der Kontrollgrenzen und die verletzenden Läufe. Ingenieure müssen einen besonderen Blick auf diese Punkte werfen, um Ursachen zu identifizieren und zuzuordnen, die auf Veränderungen im System zurückzuführen sind, die dazu geführt haben, dass der Prozess außer Kontrolle geraten ist.
R-Diagramm
Um das R-Diagramm zusammen mit dem x-Balken-Diagramm zu verwenden, muss der Stichprobenumfang n größer als 1 und kleiner als 11 sein. Bei größeren Stichproben muss stattdessen das s-Diagramm verwendet werden, um die Standardabweichung der Stichprobe und nicht ihren Bereich zu überwachen. Im R-Diagramm zeigt die y-Achse den großen Mittelwert des Bereichs und die Kontrollgrenzen an, während die x-Achse die Stichprobengruppe anzeigt. Sobald Sie ein x-Balken-Diagramm erstellt haben, müssen Sie nur noch die folgenden Codezeilen hinzufügen, um das R-Diagramm zu erstellen.
Das von R generierte R-Diagramm liefert ebenso wie das oben generierte x-bar-Diagramm wichtige Informationen für seine Interpretation. In gleicher Weise müssen Ingenieure einen besonderen Blick auf Punkte jenseits der Kontrollgrenzen und auf verletzende Läufe werfen, um Ursachen zu identifizieren und zuzuordnen, die auf Veränderungen im System zurückzuführen sind, die dazu geführt haben, dass der Prozess außer Kontrolle geraten ist.
Prozessfähigkeitsanalyse
Die Prozessfähigkeit ist ein statistisches Maß für die inhärente Prozessvariabilität eines bestimmten Merkmals. Mit anderen Worten, die Fähigkeit eines Prozesses, die vorgegebenen Spezifikationen (z.B. Kundenanforderungen, technische Toleranzen oder andere Spezifikationen) zu erfüllen.
Wenn Sie die x-bar und R-Diagramme mit R erstellt haben, müssen Sie nur noch die folgenden Codezeilen hinzufügen, die die untere Kontrollgrenze, die obere Kontrollgrenze und das Ziel angeben. Fügen Sie anschließend die letzte Codezeile hinzu, um die Übersichtskarte der Prozessfähigkeit zu erstellen.
Das obige Diagramm zur Prozessfähigkeitsanalyse liefert dem Ingenieur wichtige Informationen und Fähigkeitsschätzungen zur Interpretation der Fähigkeit des Prozesses, die vorgegebenen Spezifikationen zu erfüllen. Möchten Sie mehr darüber erfahren, was diese Fähigkeitsschätzungen bedeuten? Besuchen Sie die Website der ASQ (American Society for Quality), indem Sie hier klicken.
Abschließende Überlegungen
Wir haben eine der vielen ingenieurwissenschaftlichen Anwendungen durchgespielt, die R und das qcc-Paket zu bieten haben. Wie Sie vielleicht bemerkt haben, waren wir in der Lage, mit wenigen Zeilen Code Qualitätsregelkarten zu erstellen und wichtige Informationen zu erhalten, die bei Lean Six Sigma- und DMAIC-Projekten zur Prozessverbesserung verwendet werden können. Ich lade Sie noch einmal ein, die erstaunlichen Dinge zu entdecken, die Sie als Wirtschaftsingenieur mit R durchführen können.
– –
Wenn Sie diesen Artikel nützlich fanden, können Sie gerne meinen persönlichen Code auf GitHub herunterladen. Sie können mich auch direkt per E-Mail an [email protected] erreichen und mich auf LinkedIn finden. Möchten Sie mehr über Datenanalyse, Datenwissenschaft und Anwendungen des maschinellen Lernens im technischen Bereich erfahren? Entdecken Sie meine früheren Artikel auf meinem Medium-Profil. Vielen Dank fürs Lesen.
– Robert