مجموعه ای از ابزارهای حل مشکل که بتواند باعث ثبات در فرایند تولید شده و کیفیت را افزایش دهد.
کی باید این ابزار استفاده شود؟ 1- در هنگام وقوع خطا و مغایرت در فرایند2- همیشه یا طی هر ماه فرایند باید آنالیز و بررسی شود
تابع نرمال:
در كنترل آماري فرآيند به فرآيندي تحت كنترل مي گويند كه شكل توزيع ميانگين نمونه هاي آن شبيه به توزيع نرمال باشد در اينصورت مي تموان
گفت كه رفتار فرآيند اصلي ثابت بوده و تحت کنترل است.
ابزارهای کیفی: 1- برگه ثیت داده ها2- هیستوگرام 3- پارتو 4- علت و معلول 5- تمرکز نقض ها 6- پراکندگی 7- نمدار کنترل
R پراکندگی- دامنه- دقت X میانگین – صحت
انواع نمودارهای کنترلی
نمودار کنترلی X-R: وقتی که تعداد نمونه ها کمتر از 10 عدد باشد از این نمودار استفاده می شود تا نیازی به محاسبه انحراف معیار نداشته باشیم
نمودار X-S : وقتی که تعداد نمونه بین 30-25 عدد باشد
نمودار I-MR: برای نمونه گیری انفرادی استفاده می شود مثل درجه حرارت کوره یا فشار یک سیال( I کنترل میانگین- MR تغییر پذیری فرایند)
انواع نمودار وصفی
تفاوت U و C: در هر نمونه گیری در نمودار C شما تعداد عیب را می یابید ولی در نمودار U در هر قطعه از محصول خروجی اگر عیب یا تعداد عیب پیدا کردید باید نمودار رسم نمود
شاخص های مهم:
CP( توانایی فرایند) یا پراکندگی R: اگر فقط تولیدات در محدوده مشخصات نقشه( محدوده مورد نظر مشتری) باشد قابل قبول است- هر فرایندی می تواند تحت کنترل و تحت فرایند باشند اما باید خواسته مشتری را در نظر گرفت ( چون p داره پس پراکندگی J) دقت
برد عبارت است اختلاف بین بزرگترین اندازه با کوچکترین ، در واقع برد یا پراکندگی فقط فاصله پراکندگی را نشان می دهد
با توجه به اينكه برد فقط به بيان فاصله پراكندگي اكتفا ميكند و به چگونگي پراكندگي داخل اعضا نمي پردازد لذا از مقياس انحراف معيار كه داراي حساسيت بيشتر براي تعيين پراكندگي بوده استفاده می شود( در صورتیکه بخواهیم فراوانی داده ها(توزیع) را مثل اینکه بخواهیم بدونیم از 125 نمونه 50 تا در مرکز و یا در کدام منطقه قرار داد و تعدادش چقدر هست از انحراف معیار استفاده می شود)
چرا از تابع نرمال استفاده می کنند؟
فرایندهای تولیدی به علت وجود تغییرات ، احتمالی هستند برای اطلاع درباره فرایند احتمالی ، لازم است تابع احتمال را بشناسیم . در طبیعت ، تعداد بسیار زیادی تابع توزیع احتمال شناخته شده است که معمولا شناختن تابع توزیع جامعه آماری آن دشوار است
به عنوان مثال پس از شناخت توزیعی مثل پواسون ، محاسبه میانگین و پراکندگی تابع مشکل تر از تابع نرمال خواهد بود
شکل توزیع نرمال باید متقارن و یا زنگوله ای باشد
پارامترهای توزیع نرمال ، میانیگن و انحراف معیار می باشد
تمرکز نقاط ( نمونه ها) بیشتر باید در مرکز خط رسم شده باشد
چولگی نامتقارن یک تابع نرمال نمی باشد
اثبات شده كه چنانچه از توزيع هاي دلخواه ولي ثابت ) شكل , ميانگين و انحراف معيار( نمونه هاي به حد كافي بزرگ را انتخاب نمائیم ,ميانگين نمونه ها به سمت نرمال ميل مي كند
CP بزرگتراز یک بیانگرتواانا بودن فرایند را نشان می دهد و قطعات سالم تولید می شوند CP برابر یک احتمال ریسک تولید قطعات معیوب وجود دارد و فرایند دقیقا برابر با تلرانس نقشه است CP کوچکتر از یک بیان گر خارج از کنترل بودن تولیدات است
CPK (مرکزیت یا میانگین و صحت) معیاری جهت تشخیص اینکه تولیدات در کدام نقطه بیشتر تمرکز دارند! ایا در مرکزیت یا حد بالا و یا حد پایین هستن یا خیر!
وفاق ملی جهت تعجیل در ظهور...
برچسب : نویسنده : kahroba62 بازدید : 27