17.7: פירוש תרשימי X̄

Interpreting X̄ Charts
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Interpreting X̄ Charts
Please note that all translations are automatically generated. Click here for the English version.

67 Views

01:13 min
January 09, 2025

Overview

פירוש תרשימי x̄, סוג של תרשים בקרה המשמש בבקרת תהליכים סטטיסטיים מסייע לעקוב אחר השונות בתהליכים לאורך זמן. תרשים x̄ מבוסס על ממוצע המדגם ומאפשר מעקב אחר שינויים בממוצע התהליך לאורך זמן. תרשימים אלה הם מרכזיים לאבטחת איכות בתעשייה ובמגזרים אחרים.

תרשים x̄ משרטט את הערכים של מדידות בודדות לאורך זמן כנגד מגבלות בקרה המחושבות מנתונים היסטוריים. הקו המרכזי מייצג את ממוצע התהליך, בעוד שגבולות הבקרה העליונים והתחתונים מגדירים את הגבולות שבתוכם משתנה התהליך נחשבת נורמלית. בעת פירוש תרשים x̄, שים לב לנקודות המפתח הבאות:

יציבות: אם כל נקודות הנתונים נמצאות בגבולות הבקרה ומציגות דפוס אקראי, התהליך יציב ונמצא תחת שליטה.

מגמות: רצף של נקודות הנעות ללא הרף למעלה או למטה מצביע על מגמה. זה מצביע על שינויים שיטתיים בתהליך, כגון שחיקת כלים או שינויים חומריים.

מחזורים: דפוסים חוזרים עשויים לחשוף השפעות כמו גורמים סביבתיים או הגדרות מכונה המשפיעות על התהליך מעת לעת.

חריגים: נקודות מחוץ לגבולות הבקרה מצביעות על סיבות מיוחדות לשונות. אלה צריכים להיחקר ולתקן.

שימוש יעיל בתרשימי x̄ מאפשר זיהוי מוקדם של בעיות בתהליך, ומאפשר התערבויות בזמן כדי לשמור על תקני איכות. ראוי לציין כי יש להעריך את תרשים R לפני תרשים x̄, מכיוון שאם תרשים R אינו נמצא בבקרה סטטיסטית, מגבלות הבקרה עבור תרשים x̄ אינן אמינות.

Transcript

תרשימי x̄ חיוניים לשמירה על עקביות ואיכות התהליכים.

חשבו על מפעל שמודד עובי על פני עשר אצוות עוגיות כדי להעריך את העובי הממוצע.

התחל בקביעת הממוצע של העובי הממוצע והממוצע של טווחי המדגם.

עבור גודל מדגם של עשר, הערך A2 בטבלה הסטנדרטית הוא 0.308. זהו קבוע תרשים בקרה שהוא חיוני לקביעת גבולות בקרה.

לבסוף, ערכים אלה משמשים לחישוב גבולות הבקרה העליונים והתחתונים, הקובעים את הגבולות המקובלים של שונות העובי.

תהליך הייצור נחשב יציב אם העובי הממוצע של אצוות נשאר בגבולות אלה.

נקודות החורגות מגבולות אלה מאותתות על חוסר יציבות סטטיסטית ואנומליות אפשריות בתהליך הייצור הדורשות ניתוח נוסף.

שמירה על אחידות קובצי Cookie מסייעת למנוע תלונות של לקוחות ולהפחית בזבוז חומרים.

כאשר מתעוררות אי-התאמות, מפעלים צריכים לבחון את מקורות המרכיבים ולכייל מחדש את הציוד כדי לתקן את השונות.

Key Terms and definitions​

  • x̄ Chart - A type of control chart used for monitoring variations in processes over time.
  • Sample Mean - The average of a set of observations, forming the central line in an x̄ chart.
  • Control Limits - The upper and lower boundaries defining normal variability in an x̄ chart.
  • Stability - A state where all data points in an x̄ chart are within control limits and exhibit randomness.
  • R Chart - Another type of control chart, the validity of which should be checked prior to x̄ chart evaluation.

Learning Objectives

  • Define x̄ Chart - Explain what an x̄ chart is and how it's used in statistical process control (e.g., monitoring variation).
  • Contrast Stability vs Trends - Explain the difference between stable data points and trending patterns in x̄ charts (e.g., tool wear versus randomness).
  • Explore Examples - Describe scenarios where x̄ charts are beneficial (e.g., quality control in manufacturing).
  • Explain Interpretation Mechanism - Briefly describe how to read and interpret an x̄ chart.
  • Apply R Chart in Context - Discuss the significance of evaluating the R chart before analyzing the x̄ chart.

Questions that this video will help you answer

  • What is an x̄ chart and how can it monitor variation in processes?
  • What does stable data in an x̄ chart signify, and what do trends indicate?
  • Why should the R chart be evaluated before the x̄ chart?

This video is also useful for

  • Students of Statistics and Quality Control – Helps grasp essential concepts of statistical process control and chart interpretation.
  • Manufacturing Professionals – Lays foundation for understanding and utilizing control charts for quality assurance.
  • Researchers – Offers contextual knowledge for scientific studies concerning process variability and control.
  • Data Analysts – Provides insights into a powerful tool for visually understanding and controlling variance in data sets.