Mit der statistischen Prozesskontrolle wird der überwachte Prozess überwacht und anschließend verwaltet. Bei komplexen Systemen kann es erforderlich sein, ein Modell zu generieren, um zu bestimmen, wie das SPC-Diagramm bei bestimmten Variablenzuständen aussieht. Auf diese Weise kann das Management auch einen Mittelwert und eine erwartete Abweichung berechnen, um ein SPC-Steuerungsdiagramm für bestimmte Eingangsvariablen zu erstellen, anstatt das System laufen zu lassen und jedes Mal ein neues Diagramm erstellen zu müssen, wenn sich die Prozesseingaben ändern.
Überblick über die statistische Prozesskontrolle
SPC erfasst eine Reihe von Werten zu den beobachteten Merkmalen (Höhe, Gewicht, Abmessungen). Diese Werte werden dargestellt. Der Prozessmittelwert wird berechnet. Diese wird als Mittellinie des SPC-Diagramms verwendet. Dann wird die Standardabweichung berechnet. Eine Ober- und Untersteuergrenze wird bestimmt und dann in der Tabelle platziert. Die SPC-Karte wird dann überwacht. Alle Trends werden aufgezeichnet. Alle Trends, die sich den oberen oder unteren Kontrollgrenzen nähern, führen zu Korrekturmaßnahmen.
Zeitreihen-Modellierung
Die Zeitreihenmodellierung misst einen Prozess in bestimmten Zeitintervallen. Eine Reihe von Trendlinien oder Kurven wird dann für die vorhandenen Zeitreihendaten berechnet. Die Trendlinie ist eine einfache algebraische Gleichung. Ein Zeitreihenmodell kann dann vorhersagen, wie diese Trendlinie in der Zukunft aussehen wird. Eine Trendlinie kann flach sein und aufwärts oder abwärts tendieren.
Multivariate Modellierung
Multivariate bedeutet viele Variablen. Ein multivariates Modell verfügt über mehrere Variablen, die alle ihre eigenen Gleichungen haben. Diese Variablen können Zeit, Prozessgeschwindigkeit, Materialvariationen und andere Prozessvariablen umfassen. Ein multivariates Modell wird erstellt, indem alle diese Faktoren berücksichtigt werden. Ein multivariates Modell für die statistische Prozesssteuerungskarte wird dann erstellt, indem verschiedene Zeiten eingegeben werden. Dieses Modell kann dann zeigen, wie das SPC-Diagramm für verschiedene Variablenwerte über die Zeit aussehen soll.
Stochastische Modelle
Stochastische Prozesse sind im Wesentlichen zufällig. Diese Prozesse werden modelliert, indem jedem möglichen Ergebnis eine Wahrscheinlichkeit zugeordnet wird. Das Modell wird dann erstellt, indem die Gleichung viele Male ausgeführt wird, um ein höchstwahrscheinliches Ergebnis und Wahrscheinlichkeiten anderer Ergebnisse zu generieren. Stochastische Modelle werden auch Monte-Carlo-Simulationen genannt.
Künstliche neurale Netzwerke
Dieser Typ eines statistischen Prozesssteuerungsmodells wird als ANN abgekürzt. ANNs sind die komplexeste Form statistischer Prozesskontrollmodelle. Sie simulieren Prozesse mit mehreren Eingängen, die variieren können, Zwischenstufen, die variieren können, und verschiedenen resultierenden Ausgaben. Das ANN gibt dann die resultierenden Ergebnisse an. Wenn der Prozess stochastische Prozesse mit durch lineare Gleichungen definierten Variablen aufweist, kann das ANN eine Reihe von Ergebnissen liefern. Bei einer mehrmaligen Ausführung ergibt sich für ein SPC-Diagramm für einen solch komplexen Prozess das wahrscheinlichste und somit „mittlere“ Ergebnis.
