Typen controlekaarten (met diagram) | Industries
Dit artikel werpt licht op de twee belangrijkste soorten controlekaarten. De typen zijn: 1. Controlekaarten voor variabelen 2. Controlekaarten voor kenmerken.
Type 1. Controlekaarten voor variabelen:
Deze kaarten worden gebruikt om een aanvaardbaar kwaliteitsniveau te bereiken en te behouden voor een proces waarvan het outputproduct kan worden onderworpen aan kwantitatieve metingen of dimensionale controles, zoals de grootte van een gat, dwz diameter of diepte, lengte van een schroef / bout, wanddikte van een pijp etc.
Deze worden gebruikt voor meetbare kwaliteitskenmerken. Laat de kwaliteitskenmerken van alle producten in subgroepen worden gemeten. De subgroepen zijn de monsters met een vast aantal items / producten / componenten die willekeurig in de loop van de tijd zijn genomen.
Het gemiddelde en de standaardafwijkingen van de kwaliteitskenmerken worden voor elk monster berekend en de volgende situaties met betrekking tot het proces kunnen zich tijdens de oefening voordoen:
Voordelen van controlekaarten:
Verschillende voordelen van controlekaarten voor variabelen zijn als volgt:
(1) Controlekaarten waarschuwen tijdig, indien nodig wordt rectificatie uitgevoerd, ruim op tijd kunnen het schroot en percentage afwijzing worden verminderd.
(2) Aldus zorgt het productkwaliteitsniveau.
(3) Een controlediagram geeft aan of het proces onder controle of uit de hand loopt, zodat informatie over de selectie van proces- en tolerantielimieten wordt verstrekt.
(4) Het inspectiewerk wordt verminderd.
(5) De controlekaarten scheiden de toevals- en toewijsbare oorzaken van variaties in de waarneming en dus is een substantiële kwaliteitsverbetering mogelijk.
(6) Bepaalt de procesvariabiliteit die en detecteert ongebruikelijke variaties die plaatsvinden. Dus de reputatie van het concern / bedrijf kan worden opgebouwd door toepassing van deze grafieken.
Doelstellingen of doel van controlekaarten voor variabelen:
Verschillende doelstellingen van controlekaarten voor variabelen zijn als volgt:
(1) Vaststellen of het proces in statistische controle is en in welk geval de variabiliteit aan toeval te wijten is. De variabiliteit die inherent is aan het proces kan niet worden verwijderd, tenzij er een verandering is in de basisvoorwaarden waaronder het productiesysteem / proces functioneert.
(2) Het begeleidt de productie-ingenieur bij het bepalen of de procescapaciteit compatibel is met de ontwerpspecificaties.
(3) De trend van de waarnemingen detecteren voor verdere hulpmiddelen voor planning, aanpassing en resetten.
(4) Voorafgaande informatie krijgen over het proces, als dat waarschijnlijk uit de hand loopt.
Deze kaarten zijn als volgt getekend:
Stap 1:
Een aantal monsters van componenten die uit het proces komen, worden gedurende een tijdsperiode genomen, waarbij elk monster bestaat uit een aantal eenheden n (n is gewoonlijk 4 of 5 eenheden of enkele malen meer). De kwaliteitsmetingen x 1, x 2, x 3 ......... ..x n zijn genomen.
Stap 2:
Voor elk monster wordt de gemiddelde waarde x van alle metingen en het bereik R (dwz het verschil tussen de hoogste en laagste waarden) berekend.
Stap 3:
Na het berekenen van x en R worden de besturingslimieten van de X- en R-kaarten als volgt berekend met UCL en LCL als afkorting voor bovenste besturingslimiet en lagere besturingslimieten.
waarbij de factoren Al, D2 en D3 afhankelijk zijn van het aantal items per monster en hoe groter dit aantal, hoe dichter de limieten liggen. Tabel 9.1 geeft waarden voor deze factoren voor verschillende steekproefgroottes. Zolang de X- en R-waarden voor elk monster binnen de controlegrenzen liggen, wordt gezegd dat het proces in statistische controle is.
Type 2. Controlekaarten voor kenmerken:
Deze grafieken worden gebruikt om een acceptabel kwaliteitsniveau te bereiken en te behouden voor een proces waarvan de outputproducten niet onderworpen zijn aan dimensionele of kwantitatieve metingen, maar kan worden geclassificeerd als goed of slecht of acceptabel en niet-acceptabel, bijvoorbeeld oppervlakte-afwerking van een producthelderheid van een item is acceptabel of niet acceptabel.
Bij inspectie door variabelen zoals gedaan in x- en R-diagrammen, is daadwerkelijke meting van de afmetingen vereist die soms moeilijk en oneconomisch is.
Er is ook een andere manier van inspectie, bijv. Inspectie door attributen. Bij deze methode worden geen werkelijke metingen uitgevoerd, maar wordt het aantal fouten of defecten geteld. De grootte van het defect en de locatie zijn niet zo belangrijk.
We kunnen ook zeggen dat de producten op dezelfde manier worden geïnspecteerd als met 'Go' en 'Not Go'-meters? De producten worden geaccepteerd of afgewezen en de werkelijke afmetingen worden niet gemeten, bijvoorbeeld 100 ventilatorbladen worden geïnspecteerd waarvan er 12 defect blijken te zijn, dus die 12 stuks worden afgekeurd.
De vier meest gebruikte controlekaarten voor kenmerken zijn:
(1) Controleschema's van breukdefecten (p-diagrammen)
(2) Controlediagrammen voor nummer Defectives (np-charts)
(3) Controlekaarten voor percent-defectmarges of 100 p-diagrammen.
(4) Controleschema's voor het aantal defecten per eenheid of C-kaart.
(1) Controleschema's voor breukdefect (p-diagram):
Laat monsters van maat n willekeurig uit het productieproces halen of met verschillende tijdsintervallen uitvoeren. Als d het aantal defecten in een monster is, is de fractie defect in het monster.
P = d / n = aantal defecte eenheden in een monster / totaal aantal eenheden of items in een monster
Of het werkelijke aantal defecten
d = np
Als p̅ de proportie defecten is die door de gehele bewerking is geproduceerd of de gemiddelde breuk is defect, wordt deze gegeven door
p̅ = Totaal aantal defecte items in alle onderzochte monsters / Totaal aantal artikelen in alle monsters.
De p-kaart is gebaseerd op binomiale verdeling. De binomiale verdeling heeft de standaarddeviatie σ p die wordt gegeven door de relatie.
Aangezien het aantal defecte producten niet negatief kan zijn als LCL soms negatief is, wordt het als nul beschouwd, wordt p-diagram gebruikt om breukdeficiënties uit te zetten en te regelen wanneer de steekproefomvang uniform blijft of varieert.
(2) Controleschema's voor aantal defecten (np-diagram):
Met dezelfde notaties als in p-chart zijn de standaarddeviatie en controlelimieten van np-chart als volgt:
(3) Controlediagrammen voor Percent Defective (100 p-diagram):
Met dezelfde notatie als in p, np-kaarten, zijn de standaarddeviatie en controlelimieten als volgt:
Toepasselijkheid van P-charts:
(i) np of het aantal defecte grafieken wordt gebruikt waar groepsgrootte of steekproefomvang ie n constant is.
(ii) een p-kaart van een grafiek met breukdefecten en 100 p of procent defecte grafieken kunnen worden gebruikt waar de steekproefomvang variabel of constant is.
Vergelijking van x̅ -R-kaarten en P-grafieken :
x̅ - R-grafieken:
1. Dit zijn controlekaarten voor variabelen.
2. De kosten voor het verzamelen van gegevens zijn meer het gevolg van werkelijke dimensionale metingen.
3. Steekproefmaten zijn klein.
4. De controlelimieten worden beïnvloed door de steekproefomvang.
5. Voor verschillende meetbare kwaliteitskenmerken moeten verschillende grafieken worden getrokken.
6. De methode is veel beter in het diagnosticeren van oorzaken van variabiliteit.
P-Charts:
1. Dit zijn controlekaarten voor attributen.
2. Het verzamelen van gegevens is relatief goedkoper.
3. Grotere monsters moeten worden genomen.
4. Er is minder effect van de steekproefomvang op controlegrenzen.
5. Hetzelfde P-diagram kan worden toegepast op een aantal kwaliteitskenmerken op een item dat wordt geïnspecteerd.
6. De methode is in vergelijking inferieur met betrekking tot het diagnosticeren van de oorzaken van problemen of afwijzingen.
(4) Controleschema's voor aantal gebreken per eenheid (C-kaart):
Dit is een andere methode om kenmerkkenmerken te plotten. In een aantal gevallen is het handiger om met een aantal defecten per eenheid te werken in plaats van met een defecte breuk. De r-kaart wordt gebruikt voor de controle van het aantal waargenomen defecten per eenheid.
Het verschil tussen de p-kaart en de r-kaart is dat de eerste rekening houdt met het aantal items die in een gegeven steekproefomvang defect zijn (elk defect item kan een of meer defecten bevatten), terwijl de laatste het aantal defecten registreert gevonden in een gegeven steekproefomvang.
Hoewel de toepassing van c-chart enigszins beperkt is, vergeleken met p-chart, zijn er voorbeelden in de industrie waar het zeer nuttig is, bijvoorbeeld bij de controle van het aantal defecten in een buslichaam, een vliegtuig een tv-toestel, een computer, lassen defect in een truss etc.
De constructie van de controlekaart is vergelijkbaar met die van de p-kaart, behalve dat hier de beheersingslimieten gebaseerd zijn op de Poisson-verdeling die vaak geschikt werd bevonden om de verdeling van defecten te beschrijven.
De standaarddeviatie in dit geval wordt gegeven door
