การย้าย ค่าเฉลี่ย การควบคุม แผนภูมิ แม่แบบ

Excel Tips and Tricks ในบทความนี้ we8217 จะแสดงวิธีการสร้างแผนภูมิควบคุม Excel เพื่อวิเคราะห์ข้อมูลและปรับปรุงประสิทธิภาพ แผนภูมิควบคุมจะเป็นประโยชน์สำหรับการตรวจสอบกระบวนการที่มีรูปแบบ 8211 เช่นการบรรจุภาชนะบรรจุที่มีจำนวนรายการ สามารถอธิบายได้ว่ากระบวนการของคุณทำงานภายใต้พารามิเตอร์ที่ตั้งใจไว้หรือไม่ 1. รวบรวมและจัดรูปแบบข้อมูลของคุณเมื่อคุณมีข้อมูลที่รวบรวมจากกระบวนการของคุณขั้นตอนแรกในการสร้างแผนภูมิควบคุมของ Excel คือการตรวจสอบให้แน่ใจว่าได้จัดรูปแบบอย่างถูกต้อง ชุดข้อมูลของคุณควรจัดตามค่าเฉลี่ย (average) 8211 นั่นคือจุดเป้าหมายที่จุดข้อมูลอยู่ในกลุ่ม หากไม่เป็นไรไม่ใช้แผนภูมิควบคุมของคุณจะไม่เป็นประโยชน์ 2. จัดระเบียบคอลัมน์ข้อมูลประการที่สองสร้างคอลัมน์เพื่อจัดระเบียบข้อมูลของคุณ ตั้งชื่อช่วง, จำนวน, ข้อมูล, Lower, Upper และ Average เติมคอลัมน์ข้อมูลด้วยจุดข้อมูลที่ทำการจัดไว้และเติมคอลัมน์จำนวนด้วยค่าที่มากไปหาได้ตามลำดับตัวเลขโดยเริ่มต้นด้วย 1. 3 รับค่า Upper and Lower Limits Here8217s ที่สูตรของคุณมาในคอลัมน์แรกของคอลัมน์ Range, ป้อนสูตร Abs (C2-C3) เลือกเซลล์แล้วลากลงเพื่อคัดลอกสูตรไปยังจุดสิ้นสุดของข้อมูล ในคอลัมน์ด้านล่างให้ทำเช่นเดียวกันกับสูตร Average (C: C) -2.66Average (A: A) และในคอลัมน์ด้านบนใช้ Average (C: C) 2.66Average (A: A) 4. จัดทำข้อมูลเฉลี่ยของคุณในที่สุดตั้งค่าสูตรสำหรับคอลัมน์เฉลี่ยของคุณ ใน F2 ให้พิมพ์ Average (C: C) หลังจากที่คุณกด Enter ป้อนข้อมูลสูตรลงไปที่จุดสิ้นสุดของข้อมูล ซึ่งจะสร้างค่าเฉลี่ยเป้าหมาย 5. สร้างแผนภูมิควบคุม Excel ของคุณตอนนี้คุณมีกรอบการทำงานสำหรับแผนภูมิควบคุม Excel และข้อมูลของคุณนำเข้าให้เลือกข้อมูลในคอลัมน์ B ถึง F แล้วไปที่แท็บแทรกและหากลุ่มแผนผังในเมนู เลือกประเภทแผนภูมิกระจาย สำหรับขั้นตอนสุดท้ายคุณต้องสร้างเขตข้อมูลสำหรับส่วนเบี่ยงเบนของคุณ แผนภูมิอาจดูสมบูรณ์ แต่ไม่ได้อยู่ในรูปแบบที่เหมาะสมเพียง แต่ คลิกขวาที่จุดข้อมูลในบรรทัดขีด จำกัด ล่างของคุณและเลือกเปลี่ยนประเภทแผนภูมิชุดระเบียน เมื่อเมนูเปิดขึ้นให้เลือกแผนภูมิเส้น ทำซ้ำการกระทำนี้สำหรับชุดข้อมูล 8220Upper8221 และ 8220Average8221 ของคุณ คลิก OK เพื่อยืนยันและแผนภูมิการควบคุม Excel ของคุณจะเสร็จสมบูรณ์ ในตัวอย่าง FredPyor SeminarsExcel Control ChartPractice นี้เล่นรอบ ๆ ด้วยตัวเลขเพื่อดูว่าเส้นเฉลี่ยและเส้นขีด จำกัด อื่นเปลี่ยนแปลงเมื่อข้อมูลเปลี่ยนหรือลองใช้กระบวนการนี้ด้วยตัวคุณเอง คุณมีข้อมูลกลุ่มตัวอย่างหรือกลุ่มตัวอย่างที่เหมาะกับแผนภูมิประเภทนี้อะไรที่คุณสามารถใช้แผนภูมิควบคุมสำหรับเขียนโดย Excel เคล็ดลับและเคล็ดลับจาก Pryor Excel เคล็ดลับเคล็ดลับ amp เขียนโดยผู้เชี่ยวชาญ Microsoft Excel ที่ Fred Pryor Seminars และ CareerTrack รู้จักการฝึกอบรม Excel ที่กว้างขวางของเราเรามอบสิ่งที่ดีที่สุดในธุรกิจ อย่าเสียเวลาอันมีค่าพยายามคิดสิ่งต่างๆด้วยตัวคุณเอง เข้าร่วมหลักสูตร Excel ที่โดดเด่นและได้รับความรู้ที่คุณต้องการใช้ Excel อย่างมีประสิทธิภาพและประสิทธิผล ตรวจสอบหลักสูตร Excel ที่จะมาถึงตำแหน่งที่อยู่ใกล้คุณเมื่อคุณคลิกที่นี่ แสดงความคิดเห็นของแต่ละบุคคลในแผนภูมิหนึ่งพร้อมกับแผนภูมิอื่นในช่วงของการสังเกตแต่ละครั้งโดยปกติจากจุดข้อมูลแต่ละจุดติดต่อกัน แผนภูมินี้ใช้เพื่อพล็อตข้อมูล CONTINUOUS แผนภูมิบุคคล (I) แปลงแต่ละการวัด (บางครั้งเรียกว่าการสังเกต) เป็นจุดข้อมูลที่แยกต่างหาก จุดข้อมูลแต่ละจุดมีอยู่ด้วยตัวของมันเองและหมายความว่าไม่มีกลุ่มย่อยที่มีเหตุผลและขนาดกลุ่มย่อย 1. แผนภูมิทั่วไปอื่น ๆ ที่ใช้กับกลุ่มย่อย gt1 ได้แก่ แผนภูมิแบบเคลื่อนย้ายทั่วไปใช้ค่าดีฟอลต์เท่ากับ 2 ซึ่งหมายความว่าแต่ละ จุดข้อมูลแปลงความแตกต่าง (ช่วง) ระหว่างสองจุดข้อมูลต่อเนื่องตามที่ได้จากกระบวนการตามลำดับ ดังนั้นจะมีจุดข้อมูลน้อยกว่าหนึ่งในแผนภูมิ MR มากกว่าหนึ่งจุด อย่างไรก็ตามค่านี้สามารถปรับได้ในซอฟต์แวร์ทางสถิติส่วนใหญ่ แผนภูมิ I-MR ควรอยู่ในการควบคุมตามการทดสอบการควบคุมที่คุณเลือกใช้ มีหลายประเภทของการทดสอบที่สามารถตรวจสอบการควบคุมและจุดภายในขีด จำกัด ของการควบคุมยังสามารถออกจากการควบคุมหรือสาเหตุพิเศษ ตัวอย่างที่หนึ่งข้อมูลด้านล่างของการวัดได้มาจากความยาวโดยรวมของ 30 เครื่องมือที่แตกต่างกัน การคำนวณใช้การประมาณการในระยะสั้นกับค่าคงที่ไม่ต่อเนื่องเนื่องจากเป็นไปได้ว่าจะมีการสุ่มตัวอย่างซึ่งแสดงถึงผลการดำเนินงานในระยะสั้นของกระบวนการ โปรดจำไว้ว่ามีค่าประมาณสำหรับ sigma (ค่าเบี่ยงเบนมาตรฐาน) และการใช้แต่ละครั้งควรได้รับการตกลงกับลูกค้าและเหตุผลในการคัดเลือก จุดข้อมูลแรกในแผนภูมิ RANGE ตั้งแต่ช่วงการย้าย 2 ถูกเลือกค่าสัมบูรณ์ (หรือผลต่างบวก) 5.77 - 4.57 1.20 การวัดต่อหนึ่งส่วนโดยไม่มีกลุ่มย่อยที่มีเหตุผล xa0 มีช่วงข้อมูลน้อยกว่าส่วนที่วัดได้ xa0 ใช้ MR-bard2 สำหรับการประมาณค่าของ sigma (ประมาณการระยะสั้นสำหรับส่วนเบี่ยงเบนมาตรฐาน) แผนภูมิทั้งสองระบุกระบวนการที่มีเสถียรภาพและอยู่ในการควบคุม นี้จะเพียงพอสำหรับส่วนเสถียรภาพของ MSA หากข้อมูลนี้เป็นข้อมูลใหม่ (หลัง) จากการปรับปรุงกระบวนการและประสิทธิภาพนี้ดีกว่าและเป็นที่น่าพอใจมากกว่าประสิทธิภาพของ BEFORE ขีด จำกัด การควบคุมเหล่านี้อาจถูกตั้งเป็นขีด จำกัด การควบคุมกระบวนการใหม่ หากข้อมูลนี้เป็นข้อมูลก่อนหน้า (ก่อนหน้า) ของกระบวนการและรูปแบบทั้งหมดจะอธิบายโดยรูปแบบทั่วไปที่ทำให้เกิดความเปลี่ยนแปลงโดยทั่วไปจะมีการเปลี่ยนแปลงขั้นพื้นฐาน (หวังว่าจะเป็นการปรับปรุง) เพื่อเปลี่ยนแปลงและรักษาประสิทธิภาพนี้ วัตถุประสงค์ของทีมคือการกำจัดหรืออธิบายถึงรูปแบบของเหตุพิเศษและทำให้เกิดการปรับปรุงขั้นพื้นฐานที่เป็นประวัติการณ์เพื่อขับเคลื่อนระดับที่มีอยู่ของสาเหตุที่พบโดยทั่วไปให้มีรูปแบบที่ลดลงและประสิทธิภาพที่แม่นยำขึ้นรอบ ๆ เป้าหมาย ตัวอย่างที่สองก่อนหลัง I-MR Chart ด้านล่างเป็นตัวอย่างข้อมูลที่รวบรวมในตอนท้ายของขั้นตอน IMPROVE จากการศึกษาช่วงเวลาก่อนและหลังการปรับปรุงได้ถูกนำมาใช้ในกระบวนการตรวจสอบ ครั้งที่ถูกทำเป็นสถานที่เกิดเหตุในแต่ละครั้งที่เป็นตัวแทนกลุ่มของตัวเอง (กลุ่มย่อยขนาด 1) เวลาเป็นชนิดข้อมูลที่ต่อเนื่องซึ่งจะเป็นแผนภูมิ SPC เช่น I-MR คุณสามารถดูจากแผนภูมิค่าเฉลี่ยสำหรับเวลาการวัดแต่ละครั้งลดลงเหลือ 9.79 นาทีและ โดยการตรวจสอบกราฟด้านล่างคุณสามารถดูรูปแบบในช่วงเวลาที่ยังลดลง หากต้องการวิเคราะห์ทางสถิติว่าค่าเฉลี่ยมีการเปลี่ยนแปลงหรือไม่คุณสามารถใช้การทดสอบตัวอย่างที 2 หรือการทดสอบคู่ (ขึ้นอยู่กับข้อมูลและสมมติว่าข้อมูลมีการแจกแจงตามปกติ) การทดสอบสมมุติฐานโดยใช้ข้อมูลในแผนภูมิด้านบนการทดสอบ t-test 2 ตัวอย่างมีความเสี่ยง alpha ตั้งไว้ที่ 0.05 เพื่อดูว่ามีความแตกต่างกันอย่างมีนัยสำคัญในประสิทธิภาพของค่าเฉลี่ยก่อนและหลัง หมายเหตุ: แม้ว่าตัวอย่างทั้ง 52 ชิ้นจะถูกนำมาใช้ทั้งก่อนและหลังการจับคู่จะไม่ได้รับการจับคู่เนื่องจากมีการประเมินชิ้นส่วนที่แตกต่างกันและเป็นผลการศึกษาที่ทำลายล้าง หากมีการประเมินผลโดยใช้ชิ้นส่วนเดียวกันและชิ้นส่วนที่ไม่สามารถทำลายได้การทดสอบ t-pair สามารถใช้ได้ xa0 สมมุติฐาน Null Ho: ค่าเฉลี่ยก่อนหมายถึงหลังสมมติฐานทางเลือก H A. xa0Mean AFTER lt mean before ทำแบบทดสอบแบบหนึ่งทาง สมมติฐานที่เป็นโมฆะถูกปฏิเสธ มีสองวิธีในการสรุปข้อนี้ สถิติทดสอบ 26.42 มากกว่าค่าวิกฤตที่ t-value 0.05 และ dF 76 เท่ากับ 1.67 สำหรับการทดสอบแบบหนึ่งเทลด์ dF Degrees of Freedom ค่า p มีค่าน้อยกว่า 0.05 ด้วยหลักฐานทางสถิติว่ามีการเปลี่ยนแปลงเกิดขึ้นในช่วงเวลา 19.65 นาทีถึง 9.79 นาที ประสิทธิภาพของ AFTER ยังผ่านการทดสอบ SPC ทั้งหมดดังนั้นควรใช้ขีด จำกัด การควบคุมใหม่ในการดำเนินการตรวจสอบกระบวนการนี้ นี่เป็นส่วนสำคัญของขั้นตอนการควบคุมและ FMEA. aa0 ที่ได้รับการแก้ไข FMEA ที่ได้รับการปรับปรุงควรมีการระบุถึงขีด จำกัด การควบคุมใหม่สำหรับกระบวนการนี้และเพื่อให้สามารถระบุได้อย่างรวดเร็วว่าประสิทธิภาพของกระบวนการในอนาคตยังคงอยู่ในการควบคุมและยั่งยืนอยู่หรือไม่ xa0 ใช้รุ่นเก่า ขีด จำกัด การควบคุมด้านบนและด้านล่างเพื่อตรวจสอบกระบวนการปรับปรุงที่ได้รับการพิสูจน์แล้วจะไม่แสดงพฤติกรรมการทำงานใด ๆ ที่หดหรือเริ่มถอยกลับไปสู่รูปแบบเดิม และเป้าหมายคือไม่ให้ปัญหานี้แสดงปัญหาอย่างรวดเร็วและเห็นได้ชัดเพื่อให้สามารถจัดการได้และดำเนินการกับกระบวนการที่เรียกอีกครั้ง xa0 การทดสอบการลดรูปแบบเพื่อลดความแปรปรวนเพื่อดูว่ารูปแบบมีการเปลี่ยนแปลงหรือไม่ก่อนที่คุณจะใช้ F-Test ได้ สำหรับ Equal Variances เนื่องจากตัวอย่างนี้ใช้ความเชื่อมั่นระดับ 95 แล้วค่าพีเอช 0.05 จะมีนัยสำคัญทางสถิติและคุณจะปฏิเสธสมมติฐานที่เป็นโมฆะและสรุปได้ว่ามีความแตกต่างกัน VISUAL AID อีกแนวทางหนึ่งคือการตรวจสอบช่วงความเชื่อมั่นที่แสดงเป็นสีน้ำเงินสำหรับข้อมูลก่อน (1) และหลัง (2) หากช่วงของเส้นวงช่วงไม่ทับซ้อนกันจะไม่มีความแตกต่างกันทางสถิติระหว่างรูปแบบก่อนและหลัง ถ้าช่วงของเส้นวงไม่ซ้อนทับกันมีความแตกต่างกันอย่างมีนัยสำคัญระหว่างรูปแบบก่อนและหลัง ยิ่งเส้นห่างจากการทับซ้อนกันที่ต่ำกว่าค่า p จะเป็นเท่าไหร่และความเชื่อมั่นที่คุณมีมากขึ้นก็มีความแตกต่างกันอย่างเห็นได้ชัด ถ้าขอบของเส้นอยู่ใกล้กัน (เช่นขอบด้านซ้ายของบรรทัดด้านบนและขอบด้านขวาของบรรทัดล่างในตัวอย่างของเรา) ค่า p จะใกล้เคียงกับศูนย์และสถิติ F จะ จะเหมือนกับค่า F-critical RECALL: เป้าหมายของโครงการ Six Sigma ส่วนใหญ่คือการปรับปรุงค่าเฉลี่ยของเป้าหมาย (เพิ่มความถูกต้อง) และลดรูปแบบ (เพิ่มความแม่นยำ) สามารถใช้การทดสอบ Levenes กับชุดข้อมูลที่ไม่ปกติเพื่อทดสอบความเท่าเทียมกัน ด้วยกระบวนการใหม่ (AFTER) ในการควบคุมคุณสามารถดำเนินการเพื่อประเมินความสามารถขั้นตอนสุดท้ายและมาพร้อมกับ z-score ใหม่หรือใช้ดัชนีความสามารถ การวิเคราะห์ทางเดียว (One-Way ANOVA) นอกจากนี้ยังมีข้อเสนอที่น่าสนใจในการพิจารณาว่ามีความแตกต่างกันอย่างมีนัยสำคัญระหว่างผู้ประเมินทั้งสี่รายในการศึกษาหลังเลิกเรียน ซึ่งอาจช่วยระบุผู้ประเมินราคารายใดรายหนึ่งหรือหลายคนที่อาจได้รับประโยชน์จากการฝึกอบรมเพิ่มเติมและตรวจสอบว่ารูปแบบใหม่มาจาก (ในผู้ดำเนินการแต่ละรายหรือทั้งสองอย่าง) โดยใช้ ANOVA แบบทางเดียวกับอัลฟาที่ 0.05 ผลการดำเนินงานต่อไปนี้ของ AFTER ข้อมูลถูกสร้างขึ้น xa0 เตือนมีการอ่าน 52 ครั้ง dF 51 สรุปได้ว่าไม่มีความแตกต่างกันทางสถิติระหว่างผู้ให้บริการ มีหลายสิ่งที่สนับสนุนข้อสรุป ค่า p - ดีกว่า 0.05 (กล่าวคืออย่าปฏิเสธสมมุติฐานที่เป็นโมฆะ) F-statistic ค่า F-critical ของ 2.81 ช่วงความเชื่อมั่นที่ทับซ้อนกันอย่างหนัก จิมและเดฟมีผลเหมือนกันเกือบเหมือนกัน ความแตกต่างระหว่าง Paul และ Dave มีค่ามากที่สุด แต่ก็ยังไม่เป็นนัยสำคัญทางสถิติที่ระดับความเสี่ยง alpha 0.05 เป็นหลักฐานทั้งหมดว่าไม่มีความแตกต่างระหว่างคู่ใด ๆ หรือการรวมกันของพวกเขา ค่า F ต่ำสุดของ 0.27 บอกว่าการเปลี่ยนแปลงภายในผู้ประเมินราคามีค่ามากกว่าการเปลี่ยนแปลงในหมู่พวกเขาและไม่อยู่ในขอบเขตการปฏิเสธการสำรวจ: แผนงานสำหรับการใช้แผนภูมิควบคุมเวลาถ่วงน้ำหนัก Vishwajit Joshi 0 การเลือกชนิดของแผนภูมิการควบคุมที่เหมาะสมคือ จุดเริ่มต้นที่สำคัญสำหรับการควบคุมกระบวนการเชิงสถิติ (SPC) แผนภูมิที่จะใช้ขึ้นอยู่กับการจัดหมวดหมู่ของข้อมูลประเภทของการแจกจ่ายและความตั้งใจของแอพพลิเคชัน การเลือกชนิดที่ไม่ถูกต้องอาจส่งผลให้เกิดสัญญาณเตือนผิดพลาดจำนวนมากซึ่งนำไปสู่การค้นหาที่มีราคาแพงและไร้ผลสำหรับสาเหตุที่กำหนดได้ ด้วยตัวเลือกแผนภูมิควบคุมที่หลากหลายการเลือกแผนภูมิที่เหมาะกับกระบวนการเฉพาะอาจเป็นงานที่ยาก ความสับสนเพิ่มขึ้นเมื่อมีการประยุกต์ใช้แผนภูมิควบคุม 2 แบบสำหรับข้อมูลเดียวกัน โดยเฉพาะอย่างยิ่งเมื่อใช้แผนภูมิควบคุมน้ำหนักถ่วงน้ำหนัก ตัวอย่างเช่นชุดข้อมูลเดียวกันสามารถวิเคราะห์ได้โดยใช้แผนภูมิช่วงที่มีการเคลื่อนย้ายเฉพาะบุคคล (I-MR) รวมถึงแผนภูมิควบคุมที่มีการคำนวณตามเวลาเช่นแผนภูมิควบคุมการถ่วงน้ำหนักแบบถ่วงน้ำหนักแบบทวีคูณ (EWMA) หรือแผนภูมิควบคุมสะสมรวม (cusum) อย่างไรก็ตามเจตนาและวิธีการประยุกต์ใช้แผนภูมิทั้งสองแบบมีความแตกต่างกันอย่างสิ้นเชิง ผู้ปฏิบัติงานมักไม่เน้นที่ 8220intent8221 มากพอในการใช้แผนภูมิควบคุมเฉพาะซึ่งอาจนำไปสู่การตีความผลลัพธ์ที่ไม่ถูกต้อง เมื่อใดและอย่างไรที่จะใช้แผนภูมิควบคุมที่มีการถ่วงน้ำหนักเป็นช่วงที่เกิดความสับสนสำหรับผู้บังคับบัญชาที่มีคุณภาพในสายการผลิต (ความเข้าใจในการปฏิบัติงาน) และผู้ปฏิบัติงานของ SPC (การเปรียบเทียบประสิทธิภาพทางสถิติ) ตัวอย่างของผลลัพธ์ของแผนภูมิควบคุมที่ต่างกันชุดข้อมูลต่อไปนี้เป็นตัวอย่างของข้อสรุปที่แตกต่างกันซึ่งมีสองแผนภูมิควบคุมที่แตกต่างกัน ข้อมูลจะถูกวิเคราะห์โดยใช้แผนภูมิ I-MR รวมถึงแผนภูมิ EWMA และการอนุมานที่วาดจะขัดแย้งกัน เป็นการยากที่จะตัดสินใจหากเจตนาในการวิเคราะห์ไม่เป็นที่เข้าใจ กรณีที่ 1: แผนภูมิ I-MR แสดงขั้นตอนการควบคุมที่ไม่อยู่ในการควบคุมและไม่พบสัญญาณดังกล่าวในแผนภูมิควบคุมที่มีการคำนวณเวลา กรณีที่ 2: แผนภูมิ I-MR แสดงกระบวนการควบคุมในขณะที่แผนภูมิที่มีการถ่วงเวลาแสดงแนวโน้มข้อมูลกระบวนการที่ชัดเจนขึ้น การเปรียบเทียบผลการปฏิบัติงานทางสถิติข้อเสียเปรียบหลักของแผนภูมิควบคุม Shewhart คือการใช้ข้อมูลเกี่ยวกับขั้นตอนในจุดที่วางแผนไว้และแผนภูมิเหล่านี้ไม่มีหน่วยความจำ ข้อสังเกตก่อนหน้านี้ไม่ได้มีอิทธิพลต่อความเป็นไปได้ที่จะเกิดสัญญาณควบคุมไม่ให้ออกไปในอนาคต อาจมีการใช้กฎแนวโน้มหรือกฎโซนเพื่อแนะนำหน่วยความจำบางส่วนซึ่งจะส่งผลให้มีการตรวจจับการเปลี่ยนแปลงขนาดเล็กได้เร็วขึ้น แผนภูมิควบคุมน้ำหนักถ่วงน้ำหนักเป็นอีกทางเลือกหนึ่งของแผนภูมิ Shewhart สำหรับการติดตามการเปลี่ยนแปลงขนาดเล็กในกระบวนการ ในทางตรงกันข้ามกับแผนภูมิ Shewhart พวกเขาใช้ประโยชน์จากจุดข้อมูลทางประวัติศาสตร์และตรวจจับการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ (น้อยกว่า 3 sigma) Roadmap for Time-weighted Control Charts แม้ว่าแผนภูมิควบคุมเวลาถ่วงน้ำหนักจะมีประโยชน์มาก แต่ก็ไม่ได้หมายถึงการแทนที่แผนภูมิ Shewhart อย่างสมบูรณ์ซึ่งสามารถใช้เพื่อตรวจสอบการแบ่งประเภทของผลกระทบได้มากขึ้น (เปลี่ยนลำดับที่ 3 sigma ขึ้นไป) เนื่องจากสาเหตุที่กำหนดได้ ขอแนะนำให้ใช้ Shewhart Limit ร่วมกับ EWMA หรือ cusum chart ความตั้งใจในการใช้แผนภูมิควบคุมสำหรับการวิเคราะห์จะต้องมีการทำความเข้าใจกันมาก่อน คำถามสำคัญสองข้อที่ต้องตอบคือทีมงานที่กำลังมองหาการตรวจสอบขนาดกะทัดรัดในกระบวนการเล็กกะทันหัน (ลำดับ 1 หรือ 2 ซิกม่า) มีความสำคัญสำหรับกระบวนการตอบคำถามเหล่านี้ช่วยให้ชัดเจนในการใช้ แผนภูมิควบคุมเวลาถ่วงน้ำหนัก จะกำหนดพารามิเตอร์ (น้ำหนักสำหรับแผนภูมิ EWMA และการเปลี่ยนแปลงและหย่อนสำหรับแผนภูมิ cusum) ของแผนภูมิที่มีการถ่วงเวลาและวิเคราะห์ข้อมูลที่กำหนดไว้ ทีมงานโครงการควรเริ่มต้นด้วยแผนภูมิการควบคุม Shewhart สำหรับความไม่มีเสถียรภาพของกระบวนการที่เห็นได้ชัดถ้ามีแล้วใช้แผนภูมิการควบคุมเวลาแบบถ่วงน้ำหนักเพื่อกำหนดการเปลี่ยนแปลงเล็ก ๆ น้อย ๆ ในกระบวนการ แผนงานสำหรับการใช้แผนภูมิควบคุมแบบถ่วงเวลาร่วมกับแผนภูมิควบคุมของ Shewhart อยู่ด้านล่าง: แผนงานสำหรับการใช้แผนภูมิควบคุมที่มีการคำนวณตามเวลาข้อสรุป: แผนภูมิควบคุมสองรูปแบบแผนภูมิการควบคุมที่ดีกว่าแผนภูมิควบคุมเวลาหนึ่งชั่งน้ำหนักเป็นทางเลือกที่ดีสำหรับแผนภูมิควบคุม Shewhart สำหรับการตรวจจับขนาดเล็ก เปลี่ยนได้อย่างรวดเร็ว อย่างไรก็ตามผู้ใช้ต้องมีความชัดเจนเกี่ยวกับเจตนาในการใช้แผนภูมิควบคุมเหล่านี้ แผนงานที่ได้รับการพัฒนาผ่านประสบการณ์ช่วยให้บรรลุผลได้ดียิ่งขึ้นโดยใช้ทั้งแผนภูมิควบคุม Shewhart และ Weighted Time เป็นแผนภูมิควบคุมที่ด้านล่างของหน้าคุณสามารถคว้าตัวควบคุมแผนภูมิ Excel Templates ที่คุณสามารถดาวน์โหลดได้ฟรีก่อนอื่น: หนังสือทั้งเล่มและวิทยานิพนธ์ปริญญาเอก เขียนเกี่ยวกับ Charts ควบคุม ndash โพสต์สั้น ๆ นี้ wonrsquot ทำมันยุติธรรม ดังนั้นโปรดเรียนรู้ด้วยตัวคุณเองสิ่งที่ฉันมักไม่ครอบคลุมในบทความนี้ ทุกขั้นตอนแตกต่างกันไป มีรูปแบบโดยธรรมชาติ แต่จะแตกต่างกันไปตามขีด จำกัด ที่สามารถคาดเดาได้ มีสองรูปแบบของการเปลี่ยนแปลง: ldquocommon causerdquo และ ldquospecial causerdquo หากคุณกำลังตัดเพชรและมีคนกระแทกข้อศอกสาเหตุพิเศษอาจมีราคาแพง แต่ในการตัดเพชรและข้อศอกไม่ถูกกระแทกกระบวนการตัวเองจะมีรูปแบบ ndash ที่เรียกว่าสาเหตุทั่วไป สำหรับกระบวนการหลายอย่างเป็นสิ่งสำคัญที่จะสังเกตเห็นสาเหตุพิเศษของการเปลี่ยนแปลงทันทีที่เกิดขึ้นและตอบสนองได้อย่างเหมาะสม แผนภูมิควบคุมทั้งหมดมีองค์ประกอบพื้นฐาน 3 ส่วนคือเส้นกึ่งกลางซึ่งโดยปกติจะเป็นค่าเฉลี่ยทางคณิตศาสตร์ของตัวอย่างทั้งหมดที่วางแผนไว้ ขีด จำกัด การควบคุมเชิงสถิติด้านบนและด้านล่างที่กำหนดข้อ จำกัด ของรูปแบบสาเหตุทั่วไป ข้อมูลประสิทธิภาพที่วางแผนไว้เมื่อเวลาผ่านไป นี่คือตัวอย่างของแผนภูมิควบคุม: ต่อไปนี้คือแผนภูมิควบคุมที่เป็นที่นิยม (รวมอยู่ในการดาวน์โหลดด้านล่าง): ข้อมูลตัวแปรบุคคลและช่วงการย้าย (X และ MR หรือฉันและ MR) ค่าเฉลี่ยและช่วงหรือค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน (X-bar และ R หรือ X-bar และ S) ค่าเฉลี่ยเคลื่อนที่ที่ถ่วงน้ำหนักโดยประมาณ (EWMA) ยอดสะสม (CUSUM) ข้อมูลแอตทริบิวต์สัดส่วน (P และ NP) จำนวนข้อบกพร่อง (C และ U)