프로세스 거동에 대한 가정 중 하나는 각 측정이 독립적이고 연속적인 측정 사이에 관계가 없다는 것입니다. 모든 프로세스가 독립적인 측정을 생성하는 것은 아닙니다. "많은 산업 응용 분야에서 데이터는 주기적으로 수집되며 이러한 값의 시퀀스 중 많은 경우 연속 값 사이에 어떤 관계가 있을 것입니다.", 통계 공정 제어의 고급 주제, Donald J. Wheeler.
프로세스 데이터에 자기 상관이 있는 경우 표준 프로세스 동작 차트의 제어 한계가 너무 좁고 잘못된 경보가 발생하기 쉽습니다. 이 추가 기능은 lag1 자기상관 계수를 계산하고, IMR 제어 차트에서 제어 한계를 읽고, 1/sqrt(1-r^2)만큼 넓어지는 새 제어 한계를 계산하고 차트를 새 한계로 업데이트합니다. Donald Wheeler는 12장 통계적 공정 제어의 고급 주제에서 이 방법을 제안합니다. 이는 자동 상관된 프로세스 데이터에 대한 프로세스 동작 차트를 생성하는 여러 방법 중 하나입니다. 항상 최고가 아닐 수도 있습니다.이 방법 또는 다른 방법이 데이터에 사용하기에 적합한지 여부는 사용자가 결정합니다. 다른 방법은 다음과 같습니다.
*EWMA 잔차 차트 - JMP의 EWMA 보고서의 일부
*공정의 시계열 모델에서 잔차에 대한 IMR 차트는 JMP의 시계열 플랫폼을 사용합니다.
영감을 준 JMP 교육팀에 감사드립니다. 이 스크립트는 무료 온라인 SPC 과정에서 사용되는 절차를 복제합니다.
https://community.jmp.com/t5/Learning-Center/JMP-Statistical-Process-Control-Course
일반적으로 자기 상관 데이터 및 SPC에 대한 컨트롤 차트를 이해하는 과정을 수강하는 것이 좋습니다. 설명이 간결하고 따라하기 쉬우며 연습 문제가 있습니다.
추가 절차:
1. 자동 상관 프로세스 데이터가 있는 데이터 테이블을 열거나 이미 열려 있는 테이블에서 선택합니다.
2. 프로세스 데이터가 포함된 열을 선택합니다.
해석:
_Lag1 열과 lag1 상관 계수를 얻는 데 사용되는 Fit Y by X 보고서를 진단 목적으로 열어 두었습니다. 보고서를 사용하여 데이터의 자기 상관 정도를 이해하는 것이 좋습니다. 비교 목적으로 표준 IMR 차트를 생성하는 것도 유익합니다. 표준 IMR 차트 생성은 추가 기능에서 수행되지 않습니다.
