Shewhart 관리도 100주년을 기념하기 위해 우리는 수상 경력이 있는 Virginia Tech 통계학 명예 교수인 Bill Woodall과 JMP의 수석 연구 통계 개발자인 Annie Dudley를 초대하여 모니터링 방법의 발전에 대해 생각해 보았습니다. 프로세스. 주제가 너무 호평을 받아서 답변할 시간보다 질문이 더 많았습니다. Bill과 Annie는 많은 지혜를 나누었으니 주문형 버전을 시청해 보시기 바랍니다. 나머지 질문에 대한 답변에서 더 많은 전문 지식과 통찰력을 얻으려면 계속 읽으십시오.
모니터링 중인 프로세스에 불필요한 경고를 피하기 위해 해결해야 하는 계절성이 있는 경우를 알고 계십니까?
산업 응용 분야의 정기적인 계절성은 프로세스 개선에 대한 단서를 제공할 수 있습니다. 예를 들어 월요일에 품질이 지속적으로 나쁘거나 좋아진다면 그 이유를 알아내는 것이 중요합니다. 그러나 공중 보건 응용 분야에서 전염병 비율을 모니터링할 때 정기적인 계절성은 피할 수 없으므로 시계열 모델이 적합한 경우가 많으며 시간이 지남에 따라 한 단계 앞선 예측 오류를 모니터링할 수 있습니다.
연속 데이터에 대한 관리도를 어떻게 설정합니까? 고려해야 할 사항은 무엇입니까?
길이나 무게와 같은 연속 측정을 위한 관리도에 대해 문의하신 것으로 가정합니다. 이 경우 프로세스를 이해하려면 먼저 기준 샘플이 필요합니다. 이는 다음 문서에서 논의된 대로 1단계로 간주됩니다.
Jones-Farmer, LA, Woodall WH, Steiner, SH 및 Champ, CW(2014). "프로세스 개선 및 모니터링을 위한 1단계 분석 개요". 품질기술학회지 46(3), 265-280.
2단계(지속적인 모니터링 부분)에서 수행할 작업은 1단계에서 발견된 내용에 따라 달라집니다. 종종 XBar 및 R 차트를 사용합니다.
온도와 같이 시간이 지남에 따라 지속적으로 측정할 수 있는 변수를 의미할 수도 있습니다. 이 경우 관리도가 아닌 엔지니어링 기반 한계를 사용하는 경우가 많습니다.
관리도를 작성할 때 어떤 표준편차를 사용해야 합니까? 내부적으로요, 아니면 전체적으로요? 둘 중 하나를 사용할 때의 장단점은 무엇입니까? 프로세스 성능을 측정하는 적절한 방법은 Cpk 또는 Ppk입니까?
관리도를 설정할 때 표본 변동 내에서 사용해야 합니다. 전체 표준 편차를 사용하면 할당 가능한 원인이 있음을 나타내는 비정상적인 변동을 숨길 수 있습니다. 두 공정 능력 지수 모두 유용합니다. 지수 Cpk는 공정의 잠재적 공정 능력을 제공하고 Ppk는 달성된 공정 능력을 제공합니다.
부분군 크기가 1보다 큰 경우 XBar 차트에 사양 한계를 두는 것이 정말로 좋은 생각이라고 생각하십니까? 사양은 부품 그룹의 평균이 아닌 개별 부품에 대한 것입니다. 평균은 개인에 따라 차이가 적습니다.
사양 한계는 개별 관찰이 있는 경우에만 관리도에 표시되어야 합니다.
현재 우리가 더 많은 컴퓨터 성능을 갖고 있고 더 많은 데이터를 보유하고 있기 때문에 제어 차트에서 인더스트리 3.0과 인더스트리 4.0 사이의 가장 큰 변화는 무엇입니까?
변경사항이 너무 많아 나열할 수 없습니다. 다음 논문을 살펴보는 것이 좋습니다.
Colosimo, BM, Jones-Farmer, LA, Megahed, FM, Paynabar, K., Ranjan, C. 및 Woodall, WH(2024). "산업 2.0에서 산업 4.0까지의 통계적 프로세스 모니터링: 연구 및 실무에 대한 통찰력." Technometrics에 출연합니다.
비정규성과 개인 차트의 잘못된 경고 비율에 미치는 영향에 대해 어떻게 생각하시나요? Wheeler 박사와 Shewhart 자신은 기본 데이터 배포에 덜 관심을 두는 반면, 다른 사람들은 데이터 변환을 권장합니다.
대략적인 정규성을 달성하기 위해 데이터의 비선형 변환을 사용하는 것은 특히 1단계에서 바람직하지 않은 경우가 많습니다. 다음 문서에서는 많은 문제를 논의합니다.
Khakifirooz, M., Tercero-Gómez, VG 및 Woodall, WH(2021). "통계적 프로세스 모니터링에서 정규 분포의 역할", 품질 엔지니어링 33(3), 497-510.
잘못된 경고율과 관련하여 표본 크기뿐만 아니라 비정규성 정도도 중요합니다.
인더스트리 4.0으로의 전환은 센서에서 더 많은 데이터가 생성되기 때문에 더 적은 수의 일변량 제어 차트와 더 많은 다변량 제어 차트를 의미합니까?
Industry 4.0에서는 다변수 방법이 필요합니다. 새로운 다변량 방법이 필요할 것입니다.
정성적(합격/불합격) 데이터에 대한 관리 차트 지침은 무엇입니까?
실패가 드물다면 p-차트나 기하학적 분포를 기반으로 하는 차트를 사용할 수 있습니다.
Shewhart 관리도는 항상 시간 경과에 따라야 한다고 제안하셨습니다. Shewhart의 1931년 책에서 그는 합리적인 하위 그룹화에 대해 이야기하고 시간에 초점을 맞추지 않은 관리도의 예(p. 310, 313, 331)를 제시했습니다. 여기서 당신의 생각은 무엇입니까?
시간 순서는 관리 차트의 기본 특성입니다. 이러한 예에서는 분산 분석을 사용하는 것이 더 적절해 보입니다.
인더스트리 4.0으로의 전환은 더 많은 다변량 SPC와 덜 단변량(예: 센서 데이터의 PCA 모델링)을 의미합니까? JMP에 MDMCC에 대한 경보 스크립트가 없는 이유는 무엇입니까?
JMP에는 모델 기반 다변량 관리도(MDMCC가 JMP 15에 추가됨)가 있지만 JMP에는 아직 해당 플랫폼에서 사용할 수 있는 경보 스크립트가 없습니다. 좋은 제안입니다!
특히 관리도에 사용되는 용어의 "정의"가 포함된 "용어집"을 제공하는 논문/책/출처를 추천해 주실 수 있나요?
최고의 책은 John Wiley & Sons에서 출판한 Douglas C. Montgomery의 "통계적 품질 관리 입문" 제8 판 입니다. 온라인에서 사용할 수 있는 용어집이 있지만 우리는 최고의 용어집을 모릅니다.
이번 통계적으로 말하기 에피소드의 주문형 버전 외에도 Bill이 작성한 백서 On 100 Years of the Shewhart Control Chart 를 적극 권장합니다. Bill은 자신이 언급한 문서를 공유하겠다고 친절하게 제안했습니다. bwoodall@vt.edu 로 이메일을 보내 요청하세요. 유용한 전문 지식을 많이 공유해준 Bill과 Annie에게 감사드립니다! Shewhart 컨트롤 차트 100 주년 을 축하하는 데 도움이 되는 여러분의 의견을 환영합니다. 지속적인 개선을 위해 여기에 있습니다!
