Di recente abbiamo collaborato con il team di data science di Panasonic a Sparks, in Nevada, per una demo di qualità che includeva le modalità di controllo della creazione di grafici dei dati di correlazione automatica.
Panasonic dispone di misurazioni nelle sue linee di produzione continue soggette ad autocorrelazione (correlazioni di ampio ritardo 1). La configurazione di questi tipi di dati non è coerente con quanto previsto nelle tabelle di comportamento dei processi standard e i limiti di controllo tendono a essere troppo ristretti, causando molti falsi allarmi. Questo problema con i dati Panasonic ha dato un occhio nero al team six sigma - Dan Lund, Data Science Manager.
Nella demo ho mostrato di tracciare i residui da un modello di serie storica ( grafico residuo) e utilizzando le bande di confidenza sulle previsioni delle serie temporali per vedere le prove della variazione di cause speciali. Non ho mostrato, ma ho menzionato l'utilizzo della raccomandazione di Wheeler di utilizzare il coefficiente di correlazione del campione per scalare i limiti di confidenza Rbar/d2(1-r^2) (Argomenti avanzati nel controllo statistico del processo, Capitolo 12).
La mia proposta a breve termine:
Includere un'opzione per calcolare i limiti di confidenza rettificati di Wheeler nel generatore di grafici di controllo.
Proposta a lungo termine:
Sviluppare una piattaforma che genererà direttamente i grafici della corsa residua, CUSUM o EWMA.
Se può aiutare il business case, sono fiducioso che potremo richiamare Dan Lund al telefono per spiegare in dettaglio il vantaggio che la corretta creazione di grafici dei dati di processo correlati all'autocorrelazione apporta a Panasonic.
Grazie!!
Ho caricato un componente aggiuntivo allo scambio di file che amplia i limiti di controllo in un grafico IMR utilizzando il coefficiente di correlazione lag1.
Limiti di controllo del grafico IMR regolati per l'autocorrelazione
Questo dovrebbe funzionare a breve termine per clienti come Panasonic che hanno processi che mostrano autocorrelazione.