我們最近與內華達州斯帕克斯市松下公司的數據科學團隊合作進行了質量演示，其中包括控製圖表自相關數據的方式。
Panasonic 在其連續生產線中進行了自相關（大滯後 1 相關）的測量。 這些類型的數據的模式與標準過程行為圖表中的預期不一致，並且控制限制往往太窄，導致許多錯誤警報。 松下數據的這個問題讓 6 sigma 團隊蒙上了一層陰影——數據科學經理 Dan Lund。
在演示中，我展示了時間序列模型的殘差圖表（殘差圖）並使用時間序列預測的置信帶來查看特殊原因變化的證據。 我沒有展示，但提到了使用 Wheeler 的建議，即使用樣本相關係數來縮放置信限 Rbar/d2(1-r^2)（統計過程控制中的高級主題，第 12 章）。
我的近期建議：
在控製圖生成器中包含計算 Wheeler 調整置信限的選項。
長期建議：
開發一個平台，可以直接生成剩餘運行、CUSUM 或 EWMA 圖表。
如果它對業務案例有幫助，我相信我們可以讓 Dan Lund 再次通過電話詳細解釋正確繪製自相關過程數據圖表為 Panasonic 帶來的好處。
謝謝！！
