SPC 데이터에 대한 올바른 샘플링 속도 결정안녕하십니까,
UCL = 12.015 및 LCL = 12(목표는 120.007)인 SPC 데이터가 있습니다. 첨부 파일을 참조하십시오.
OOC(Out Of Control) 값이 너무 높아 샘플링 속도가 올바른지 확인하고 싶습니다.
현재 샘플 속도는 0.1(10개 부품 중 1개 측정됨)이고 OOC 측정이 누락되었습니다(동일한 한계를 가진 SPC 값의 2개 그룹: "Measure Depth 7" 및 "Measure Depth 1").
표본 크기와 검정력을 사용해 보았지만 대화 상자에서 어떤 옵션을 선택해야 할지 잘 모르겠습니다.
고마워요, 요니
Re: SPC 데이터에 대한 올바른 샘플링 속도 결정두 가지 답변이 있습니다. 아마도 다른 전문가가 이 토론에 추가할 것입니다. (힌트 힌트)
첫째, 그림은 두 단계에 적용된 동일한 과거 제한을 보여줍니다. 2단계에서 프로세스 성능이 동일하게 유지될 것으로 예상했습니까? 두 단계 사이의 프로세스 변경의 특성은 무엇입니까? 분산 감소를 위한 것입니까, 아니면 대상에 집중하기 위한 것입니까?공정 평균이 2단계에서 위쪽으로 이동했으며 이것이 OOC 신호가 풍부한 이유입니다. 언더샘플링이나 낮은 샘플링 주파수의 문제가 아닙니다.
둘째, 샘플링 빈도의 결정은 무작위 오류(예: 정규 분포)에 대한 모델보다 특수 원인의 특성과 더 관련이 있습니다. 특별한 원인은 무엇입니까? 근본 원인 분석 또는 실패 모드 및 영향 분석을 수행했습니까? 특수 원인의 영향은 얼마나 큽니까? 언제 발생할 수 있습니까? 얼마나 자주 또는 자주 발생할 수 있습니까?
개인 차트의 LCL, Center 및 UCL이 두 단계에서 정확히 동일하지 않다는 범례를 볼 수 있지만 이 데이터로 2단계 제한이 계산되었다는 것이 믿기지 않습니다. 사실, 나의 이전 차트는 2단계가 분산 감소와 더 높은 중심을 나타낸다는 것을 보여줍니다.
Re: SPC 데이터에 대한 올바른 샘플링 속도 결정고마워요 마크!
나는 분명히 할 것입니다 - 1단계와 2단계는 제가 수동으로 데이터에 추가했습니다 - 언급한 요점에 실수가 있습니다 - 무시하십시오.
내 주요 문제는 차트의 높은 OOC 비율입니다(첨부된 파일에서 노란색으로 표시된 참조). UCL은 제품 요구 사항의 일부이므로 수정할 수 없습니다.
모든 부품 배치에서 10개 중 1개의 부품이 측정되고 데이터베이스에 기록됩니다.
내 주요 관심사는 샘플링 속도(1/10)가 너무 낮아서 OOC 부품의 작은 부분만 포착하고 있지만 실제로 동일한 배치에 훨씬 더 많은 OOC 부품이 있다는 것입니다.
이러한 OOC 부품은 나중에 생산 라인에서만 포착됩니다(재작업이 더 복잡하고 부품 품질이 저하될 수 있음).
모집단이 정규 분포를 따른다고 생각하면 배치의 모든 OOC 부분을 포착할 수 있는 올바른 샘플링 비율을 어떻게 찾을 수 있습니까?(90% 검정력)?
Re: SPC 데이터에 대한 올바른 샘플링 속도 결정
고마워요 마크!
나는 분명히 할 것입니다 - 1단계와 2단계는 제가 수동으로 데이터에 추가했습니다 - 언급한 요점에 실수가 있습니다 - 무시하십시오.
내 주요 문제는 차트의 높은 OOC 비율입니다(아래 노란색으로 표시된 참조). UCL은 제품 요구 사항의 일부이므로 수정할 수 없습니다.
모든 부품 배치에서 10개 중 1개의 부품이 측정되고 데이터베이스에 기록됩니다.
내 주요 관심사는 샘플링 속도(1/10)가 너무 낮아서 OOC 부품의 작은 부분만 포착하고 있지만 실제로 동일한 배치에 훨씬 더 많은 OOC 부품이 있다는 것입니다.
이러한 OOC 부품은 나중에 생산 라인에서만 포착됩니다(재작업이 더 복잡하고 부품 품질이 저하될 수 있음).
모집단이 정규 분포를 따른다고 생각하면 배치의 모든 OOC 부분을 포착할 수 있는 올바른 샘플링 비율을 어떻게 찾을 수 있습니까?(90% 검정력)?
Re: SPC 데이터에 대한 올바른 샘플링 속도 결정맞습니다. 표본 크기 계산기는 관리도용이 아닙니다. 특정 가설 테스트를 위한 것입니다(예: 티 -테스트). 관리도는 다음을 기반으로 합니다. 합리적인 하위 그룹 . 크기와 빈도는 프로세스 출력에서 부자연스러운 편차의 특수 원인의 특성을 고려하여 결정됩니다. 하위 그룹의 크기와 구성은 특별한 원인 변동이 없어야 합니다. 빈도는 특별한 원인의 가능성을 최대화해야 합니다.
나는 당신의 데이터 샘플을 사용했습니다. 연속 모델링 방식으로 시간을 수치 데이터로 변환한 후 데이터 테이블을 날짜와 시간으로 정렬했다. Measure Depth 1 및 Measure Depth 7에 대한 XmR 차트를 얻었습니다. (정렬은 나중에 기록에서 두 개의 관측치가 2 대신 위상 = 1에 할당되는 잠재적인 데이터 문제를 드러냈습니다.)
이 차트에서 겪고 있는 문제를 설명할 수 있습니까?
