통계 프로세스 제어는 모니터링되는 프로세스를 모니터링하고 관리하는 데 사용됩니다. 복잡한 시스템의 경우 특정 변수 상태가 SPC 차트에 표시되는 방식을 결정하는 모델을 생성해야 할 수 있습니다. 이는 또한 경영진이 프로세스 입력이 변경 될 때마다 시스템이 새로운 차트를 실행하고 생성하도록하는 대신 특정 입력 변수에 대한 SPC 관리도를 생성하기 위해 평균 및 예상 편차를 계산할 수있게합니다.
통계 프로세스 제어 개요
SPC는 관찰되는 특성 (높이, 무게, 치수)에 대한 일련의 값을 수집합니다. 이 값은 차트로 표시됩니다. 프로세스 평균이 계산됩니다. 이것은 SPC 차트의 중심선으로 사용됩니다. 표준 편차가 계산됩니다. 상위 및 하위 제어 한계가 결정되고 차트에 배치됩니다. 그런 다음 SPC 차트가 모니터링됩니다. 추세가 기록됩니다. 상한 또는 하한 제어 한계에 접근하는 모든 추세는 시정 조치로 귀결됩니다.
시계열 모델링
시계열 모델링은 특정 시간 간격으로 프로세스를 측정합니다. 그런 다음 일련의 경향 선 또는 곡선이 기존 시계열 데이터에 대해 계산됩니다. 추세선은 간단한 대수 방정식입니다. 시계열 모델은 추세선이 미래에 어떻게 될지 예측할 수 있습니다. 추세선은 평탄하거나, 위로 기울어 지거나 기울어 질 수 있습니다.
다변량 모델링
다 변수는 많은 변수를 의미합니다. 다 변수 모델에는 여러 변수가 있으며 모두 모두 자체 방정식이 있습니다. 이러한 변수에는 시간, 프로세스 속도, 재료 변형 및 기타 프로세스 변수가 포함될 수 있습니다. 다 변수 모델은 이러한 모든 요인을 고려하여 작성됩니다. 다른 시간을 입력하여 통계 프로세스 관리 차트의 다 변수 모델을 만듭니다. 이 모델은 SPC 차트가 시간 경과에 따라 다양한 변수 값을 어떻게 보여야 하는지를 보여줍니다.
확률 모델
확률 론적 과정은 본질적으로 무작위 적이다. 이러한 프로세스는 각 가능한 결과에 확률을 할당하여 모델링됩니다. 그런 다음 방정식을 여러 번 실행하여 다른 결과의 가장 가능성있는 결과 및 확률을 생성하여 모델을 만듭니다. 확률 모델은 몬테 카를로 시뮬레이션이라고도합니다.
인공 신경망
이 유형의 통계 프로세스 제어 모델은 ANN으로 축약됩니다. ANN은 가장 복잡한 통계 프로세스 제어 모델입니다. 이들은 다양한 입력, 변화가 가능한 중간 단계 및 다른 결과 출력을 갖는 프로세스를 시뮬레이션합니다. 그러면 ANN은 결과 결과를 제공합니다. 프로세스에 선형 방정식으로 정의 된 변수와 함께 확률 론적 프로세스가있는 경우 ANN은 다양한 결과를 제공 할 수 있습니다. 여러 번 실행하면 이러한 복잡한 프로세스에 대한 SPC 차트에서 가장 가능성이 높고 결과가 "평균"이됩니다.
