Den eksponentielt vektede flytende gjennomsnittet (EWMA) er en statistikk for overvåking av prosessen som gjennomsnittlig dataene på en måte som gir mindre og mindre vekt på data etter hvert som de blir fjernet i tide. Sammenligning av Shewhart kontroll diagram og EWMA kontroll diagram teknikker For Shewhart diagram kontroll teknikken, avgjørelsen om tilstanden av kontroll av prosessen når som helst, (t), er bare avhengig av den nyeste måling fra prosessen og, selvfølgelig, graden av sannhet av estimatene av kontrollgrensene fra historiske data. For EWMA-kontrollteknikken er avgjørelsen avhengig av EWMA-statistikken, som er et eksponentielt vektet gjennomsnitt av alle tidligere data, inkludert den siste måling. Ved valg av vektningsfaktor (lambda) kan EWMA-kontrollprosedyren gjøres følsom for en liten eller gradvis drift i prosessen, mens Shewhart-kontrollprosedyren kun kan reagere når det siste datapunktet ligger utenfor en kontrollgrense. Definisjon av EWMA Statistikken som beregnes er: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1, 2, ldots ,, n. hvor (mbox 0) er middelverdien av historiske data (mål) (Yt) er observasjonen til tiden (t) (n) er antall observasjoner som skal overvåkes inkludert (mbox 0) (0 Tolkning av EWMA kontrollkort Den røde punktene er de rå dataene som den kippede linjen er EWMA-statistikken over tid. Tabellen forteller oss at prosessen er i kontroll fordi alle (mbox t) ligger mellom kontrollgrensene. Det ser imidlertid ut til å være en trend oppover for de siste 5 Periods. Control Diagrammer for Moving Averages PowerPoint PPT Presentasjonskontrollkort for Moving Averages og R diagrammer sporer ytelsen til prosesser som har lange produksjonsløp eller gjentatte tjenester. Noen ganger kan det være utilstrekkelig antall prøveemålinger for å lage en tradisjonell og R-diagram. For eksempel kan bare én prøve tas fra en prosess. I stedet for å plotte hver enkelt lesning, kan det være mer hensiktsmessig å bruke flytte gjennomsnittlige og flytteintervalldiagrammer for å kombinere en rekke individuelle verdier for å opprette et gjennomsnitt. Kontroll C harts for Moving Gjennomsnitt Når en ny individuell avlesning er tatt, blir den eldste verdien som danner det forrige gjennomsnittet kassert. Den nye lesningen kombineres med de gjenværende verdiene fra forrige gjennomsnitt for å danne et nytt gjennomsnitt. Dette er ganske vanlig i kontinuerlig prosesskjemisk industri, hvor bare en lesing er mulig om gangen. Kontrolldiagrammer for bevegelige gjennomsnittsverdier Ved å kombinere individuelle verdier som produseres over tid, flytter gjennomsnittene glatt ut kortsiktige variasjoner og gir trender i dataene. Av denne grunn blir glidende gjennomsnittlige diagrammer ofte brukt til sesongprodukter. Kontrolldiagrammer for bevegelige gjennomsnittsverdier et punkt utenfor kontrollgrenser tolkning er det samme som før - prosessen er ute av kontroll går over eller under sentrallinjen eller kontrollgrensinterpretasjon er ikke den samme som før - de etterfølgende punktene er ikke uavhengige av hverandre Eksempel: Atten suksessive varmer av en stållegering testes for RC-hardhet. De resulterende dataene er vist nedenfor. Still inn kontrollgrenser for flytte-gjennomsnittet og flytteområdet for en prøvestørrelse på n3. Heat Hardness Gjennomsnittlig Range Heat Hardness Gjennomsnittlig Range Eksempel: Atten suksessive varmer av en stållegering testes for RC hardhet. De resulterende dataene er vist nedenfor. Still inn kontrollgrenser for flytte-gjennomsnittet og flytteområdet for en prøvestørrelse på n3. Varmhårdhet Gjennomsnittlig rekkevidde Varmehårdhet Gjennomsnittlig rekkevidde 1 0.806 100.809 0.810 0.002 2 0.814 11 0.808 0.809 0.003 3 0.810 0.810 0.008120.810 0.809 0.002 4 0.820 0.815 0.010 130.812 0.810 0.004 5 0.819 0.816 0.010140.810 0.811 0.002 6 0.815 0.818 0.005 150.880 0.810 0.003 0,817 0,817 0,004 160,807 0,809 0,003 8 0,810 0,814 0,007 170,807 0,808 0,002 9 0,811 0,813 0,007 180,800 0,805 0,007 Eksponensielt vektet flytende gjennomsnitt (EWMA) EWMA-verdiene er oppnådd som følger: Kontrollgrenser er satt til diagram med en lineær trend Som verktøyet eller døen bærer en gradvis endring i gjennomsnittet som forventes og anses å være normalt, målingene gradvis øker. R-diagrammet vil trolig forbli i kontroll - estimatet kan ikke endres. Forskjellen mellom øvre og nedre spesifikasjonsgrenser er vanligvis sett vesentlig større enn 6. For å gi en viss sikkerhetsmargin mot produksjon av defekte produkterChart med en lineær trend Trinn 1: En trendlinje oppnås for diagrammet. En forenklet formel er tilgjengelig hvis det er et uvanlig antall undergrupper, blir undergrupper tatt med jevne mellomrom, og opprinnelsen antas i den midterste undergruppen Diagram med et lineært Trend Trinn 2: For hver undergruppe oppnås et eget par kontrollgrenser over og under trendlinjen (så er kontrollgrensene skrånende linjer parallelt med trendlinjen) Figur med en lineær trend Trinn 3: Estimat. For k 3, 4 etc. er den innledende målte middelverdien satt k over grenseverdien for nedre grense og prosessen stoppes for justering (et nytt oppsett er gjort, tooldie endres) når den observerte middelverdien når k under øvre spesifikasjonsgrense. Tekstproblem 10.25: En viss produksjonsprosess har vist en lineær økende trend. Eksempel gjennomsnitt og intervaller for de siste 15 undergruppene, tatt hvert 15. minutt i undergruppen av 5 elementer, er gitt i følgende tabell. Tilpass den lineære trendlinjen til disse dataene, og skriv et trended kontrollskjema med 3-sigma grenser. Tekstproblem 10.26: Spesifikasjoner på prosessen i problem 10.25 er 20030. Prosessen kan stoppes når som helst og justeres. Hvis ved justering skal gjennomsnittet angis nøyaktig 4 over nedre spesifikasjonen, og prosessen skal stoppes for justering når gjennomsnittet når et nivå nøyaktig 4 under den øvre spesifikasjonen: (a) Beregn de målrettede start - og stoppverdiene for (b) Estimere varigheten av en runde mellom justeringer Lesing og øvelser Kapittel 10 (glidende gjennomsnittlig og lineær trend): s. 382-391 (Seksjoner 10.6-7) SPC-glidende gjennomsnitt. ppt - KONTROLL CHARTS FOR VARIABLES. KONTROLL CHARTS FOR VARIABLES INDIVIDUELLE MÅL OG FLYGNINGSOMRÅDE Individuelle målinger De viktigste dataene som dette diagrammet skal brukes til, er følgende: 61558 Regnskapsmuligheter av alle slag, inkludert forsendelser, fravær, eplusmnciencies, tap, inspeksjonsforhold, vedlikeholdskostnader, ulykke rapporter, opptak av medisinske tester mv. 61558 Produksjonsdata som temperaturer, trykk, spenninger, fuktighet, ledningsevne, ovnvarme, gassammensetning, resultatene av kjemisk analyse etc. I alle disse tilfellene er det bare ett tall som er tilgjengelig for å representere en gitt tilstand. Denne forhåndsvisningen har forsettlig sløret seksjoner. Registrer deg for å se fullversjonen. TRINNER FOR Å Gjøre et kort med ldquoMOVING RANGErdquo LIMITS KONTROLL CHARTS FOR VARIABLES 1. Start med en serie med individuelle tall. Har 20 eller flere tall hvis mulig, men ikke mindre enn 10 tall. 2. Ta forskjellen mellom det første og det andre tallet, og skriv det da forskjellen mellom andre og tredje nummer osv. Fortsett på denne måten til du har tatt forskjellen mellom neste til siste og siste tall . Antall forskjeller eller ldquorangesrdquo skal være en mindre enn dette. Dette er slutten av forhåndsvisningen. Registrer deg for å få tilgang til resten av dokumentet. Dette dokumentet ble lastet opp på 09092016 for emnet IE ie123 på Mapa Institute of Technology. What er et glidende gjennomsnittlig diagram En type tidsvektet kontrollskjema som plotter det uveide glidende gjennomsnittet over tid for individuelle observasjoner. Dette diagrammet bruker kontrollgrenser (UCL og LCL) for å bestemme når en situasjon utenom kontrollen har skjedd. Flytte gjennomsnittlige (MA) diagrammer er mer effektive enn Xbar-diagrammer for å oppdage små prosessskift, og er spesielt nyttige når det bare er 1 observasjon per undergruppe. Imidlertid er EWMA-diagrammer generelt foretrukket over MA-diagrammer fordi de vektar observasjonene. Observasjonene kan enten være individuelle målinger eller undergrupper. Flytte gjennomsnitt er beregnet fra kunstige undergrupper som er opprettet fra påfølgende observasjoner. Eksempel på et glidende gjennomsnittskart En produsent av sentrifugrotorer ønsker å spore diameteren på alle rotorer produsert i løpet av en uke. Diametrene må være nær målet, fordi selv små skift forårsaker problemer. Poengene ser ut til å variere tilfeldig rundt senterlinjen og ligger innenfor kontrollgrensene, men det er ett punkt som kommer nær kontrollgrensen som du kanskje vil undersøke.
No comments:
Post a Comment