Анализ возможностей процесса

Возможности процесса являются оценкой изменчивости, процесса, находящегося в состоянии статистической устойчивости. Если данные процесса распределяются по нормальному закону (в форме «колоколообразной зависимости»), возможности процесса определяются термином «разброс» процесса и обычно измеряются величиной стандартных 6 отклонений распределения процесса. Этот разброс содержит 99,73% совокупности.

Возможности процесса лучше всего могут быть выражены индексом, связывающих, изменчивость, реального процесса с полем допуска, установленным в технических требованиях. Широко используется так называемый индекс воспроизводимости для количественных данных «Ср», который рассчитывается как допуск, деленный на 6 стандартных отклонений. Другой широко используемый индекс - «Cpk», описывающий возможности не центрированного процесса. Существуют и другие индексы, используемые для упрощения расчета долго - и краткосрочной изменчивости и определения вариации вокруг установленного целевого значения.

Если данные процесса включают в себя такие признаки, как процент несоответствующих единиц продукции или число несоответствий на единицу продукции, возможности процесса могут быть определены как средний процент несоответствующих единиц продукции или как среднее число несоответствий.

Анализ возможностей процесса является исследованием изменчивости и распределения процесса с целью оценки его способности изготавливать продукций в рамках разброса вариации, разрешенной в технических требованиях.

Анализ возможностей процесса используется для определения способности процесса производить продукцию, соответствующую установленным требованиям, и оценки ожидаемого количества несоответствующей продукции.

С помощью анализа возможностей процесса осуществляется проверка изменчивости процесса и оценка доли несоответствующей продукции. Это позволяет поставщику оценить издержки, от несоответствий и помогает принять решения по улучшению процесса.

Кроме того, установление минимального значения на индекс возможностей процесса помогает поставщику в выборе процессов и оборудования, способных производить продукцию необходимого качества,

Понятие возможностей процесса применяется только к стабильному процессу. Тем не менее, разработаны подходы для вычисления и объяснения возможностей нестабильных процессов с определенными систематическими причинами вариации, например для изнашивания инструмента.

Анализ возможностей процесса должен использоваться совместно с методами управления для обеспечения объективности результатов управления.

Для распределений, отличающихся от нормального закона, использование индексов возможностей может привести к ошибке, поэтому оценка доли несоответствующей продукции должна основываться на методах анализа возможностей процесса, специально разработанных для процессов с ненормальным законом распределения.

Высокие требования к возможностям процесса (т. е. при Cpk >2) предъявляются к отдельным элементам и подсистемам для обеспечения приемлемого уровня надежности комплексных систем.

Понятие возможностей процесса используется для установление рациональных технических требований к произведенной продукции путем обеспечения (согласованности между вариациями комплектующих деталей годовой продукции и установленными допусками. Наоборот, если необходим жесткий допуск, производители комплектующих деталей должны достичь определенного уровня возможностей процесса, чтобы обеспечить требуемый объем выпуска продукции и минимальные потери.

B автомобилестроении, космической технике, электронике, пищевой и медицинской промышленности повсеместно используют индексы возможностей процесса в качестве основного критерия оценки материалов и продукции. Это позволяет производителю ослабить входной контроль закупаемой продукции и материалов.

Некоторые предприятия и обслуживающие компании используют индексы возможностей процесса для определения необходимости улучшения процесса или для проверки, эффективности таких улучшений.

РЕГРЕССИОННЫЙ АНАЛИЗ

Регрессионный анализ связывает поведение изучаемой характеристики (часто называемой «переменной отклика») с потенциальными причинами (часто называемыми «переменными причин»). Целью регрессионного анализа является помощь при выявлении причины вариации отклика и определении влияния каждой возможной причины на подобную вариацию. Это достигается путем статистической связи вариации в переменной отклика с вариацией в переменных причин.

Регрессионный анализ позволяет следующее:

- проверять гипотезы о влиянии переменных причин на отклик и использовать полученную информацию при работе над откликом;

- прогнозировать значение переменной отклика при известных значениях переменных причин;

- прогнозировать (с определенным уровнем доверия) диапазон значений, в котором будет находиться отклик, при наличии установленных значений переменных причин;

- оценить характер и степень зависимости между переменной отклика и переменными причин; такая информация может быть использована для определения эффекта изменения фактора, такого, например, как температура или объем выпуска продукции исследуемого, процесса при неизменности других.

Регрессионный анализ обеспечивает понимание связи между различными факторами и ожидаем им откликом, что помогает в принятии решений, связанных с изучаемым процессом, и в конечном счетё улучшает процесс.

Выявление связи с помощью регрессионного анализа основываемся на его способности создавать модели данных процесса, сравнивать различные, связанные подгруппы данных и анализировать их с различных точек зрения. Такой путь может использоваться в причинно-следственном анализе.

Если связи хорошо смоделированы, регрессия может обеспечить оценку относительного влияния переменных причин и их ранжирование. Данная информация имеет важное значение для управления и улучшения результатов процесса.

Кроме того, регрессионный анализ обеспечивает оценку воздействия на отклик неизмеренных или не включенных в анализ факторов. Эта информация может быть использована для улучшения системы измерений или для управления процессом.

Регрессионный анализ может быть использован для прогнозирования значения переменной отклика, если известны значения одной или нескольких причин. Также он может быть использован для прогнозирования отклика из-за изменения причин. Полезно провести такой прогноз, чтобы напрасно не затрачивать средства и время на решение проблемы, когда эффективность такой процедуры неизвестна.

При моделировании процесса требуется навык в определении наилучших условий регрессионной модели и использовании диагностики для улучшения модели. Влияние случайной вариации на отклик может превратить такое моделирование в комплексную и трудную задачу.

Включенные или не включенные в анализ отдельные наблюдение или небольшие сгруппированные данные могут повлиять на оценку отклика. Поэтому факторы влияния должны быть выявлены и отделены от спорных экстремальных величин.

Важно упросить модель путем сокращения количества переменных причин. Включение ненужных причин может усложнить определение зависимости от действительных причин и снизить точность прогнозов. Однако исключение важной причины может ограничить полезность всей системы во многих отношениях.

Регрессионный анализ используется для моделирования производственных процессов, анализе произведенной продукции, показателей качества производственных процессов, времени циклов, вероятности успешного проведения проверок или инспекции и дефицита различных материалов в процессе производства.

Регрессия используется для прогнозирования результатов эксперимента, планирования или изучения предшествующих изменений условий производства продукции или материалов.

Примерами использования нелинейной регрессии может служить моделирование концентрации лекарств от времени и веса входящих ингредиентов, моделирование химических реакций от времени, температуры, давления и т. д.

ВЫБОРОЧНЫЙ КОНТРОЛЬ

Выборочный контроль является систематическим статистическим методом для получения информации о характеристиках совокупностей путем изучения представительной выборки этой совокупности. Применяемыми методами выборочного контроля могут быть простой, случайный, систематический, последовательный и другие методы.