控制卡（或控制卡）

本文解释什么是控制图（或控制图）以及它们的用途。因此，您将了解什么是不同类型的控制图、控制图是如何制作的以及如何解释它。

什么是控制图？

控制图（或控制图）是表示质量特性演变的图表。因此，控制图是一种统计过程控制工具，用于监控重要参数的值。

控制图中主要由三个部分组成：中心值、控制上限和控制下限。

• 控制上限 (LCS) ：这条线表示过程中可接受的最大值。
• 控制下限 (LCI) ：这条线表示过程中可接受的最小值。
• 中心值：这是代表控制图平均值的线。点越接近这条线，过程就越稳定。

控制图由 Walter Andrew Shewhart 于 1920 年创建，因此也称为Shewhart 图。

在质量管理中，控制图有很多应用。例如，控制图可用于控制生产过程中的缺陷单元数量，也可用于分析财务操作绩效的变化。

控制图在统计过程控制中非常有用，事实上，它被认为是七种基本质量工具之一。

控制图的类型

控制图（或控制图）有多种类型，它们是：

• 变量控制图：用于控制连续数据。变量控制图分为三种类型：
  • XR 控制图：分析平均值的演变和质量特征的程度。
  • XS控制图：评估质量特性的平均值和偏差。
  • I-MR 变量控制图：个别观测值和随时间变化的移动范围绘制在地图上。
• 属性控制图：用于控制所研究的单元是否具有某种特征或属性。它们可以分为四种不同的亚型：
  • 控制卡P ：表示缺陷单元比例的演变。
  • NP 控制图：绘制恒定大小的多个样本中的缺陷单元数。
  • 控制图C ：表示每单位测量中现象发生的次数。
  • 控制图 U ：表示当现象可变时每测量单位出现的现象的次数。

您可以在以下链接中查看所有控制图类型的更详细说明以及每种类型的示例：

如何制作控制图

创建控制图的步骤是：

1. 定义目标：首先，您需要定义对过程进行统计控制的目标是什么以及您想要分析的质量特性是什么。
2. 选择控制图类型：根据过程的特点和要研究的质量参数，应选择最适合调查需要的控制图类型。
3. 收集数据：一旦选择了要创建的控制方案类型，您必须从过程中收集数据才能表示它。为此，您需要决定分析样本的大小、采样频率、分析样本中每个元素的方式等。
4. 计算控制限：根据收集的数据，您需要计算控制图的中心值及其控制限。请记住，每种类型的控制图的控制限计算方式都不同，您可以在上面的链接中查看每种类型的控制图是如何完成的。
5. 表示数据：以图表的形式表示分析的样本值和上一步计算的值，得到的图表是所研究过程的控制图。
6. 分析结果：最后，必须分析获得的控制图并得出结论。在下一节中，我们将解释如何解释控制图。

解释控制图

要解释控制图，首先要做的是验证没有任何绘制点超出图表的控制限。

接下来，您应该验证是否没有发生以下异常情况：

• 循环– 当点仅出现在中心值的一侧时，控制图上就会出现循环。如果这些循环中的任何一个包含 7 个点，则该过程将失败。而且，如果 11 个连续点中有 10 个，或者 14 个连续点中有 12 或 13 个，或者 14 个或超过 17 个连续点，或者 16 个或超过 20 个连续点，都在同一侧，则有 c这也是过程中的一个反常现象。
• 趋势：当一系列点持续增加或减少时，就会出现趋势。更准确地说，当六个或更多点连续增加或减少时，即为异常。
• 周期性：当点以相等的间隔表现出相同的行为模式时就会发生。
• 粘附到中心值线：当控制图上的点围绕中心值一小段距离时发生。在这种情况下，要知道是否存在异常，需要在控制图上画两条线，使它们将中心值和控制限之间的空间减半。如果大多数点落在这两条线内，则出现异常。
• 坚持控制限制线：当地图上的多个点非常接近控制限制时发生。为了确定这一点，需要在图表上画四条线，将中心值和每个控制限之间的空间分为三部分。如果 3 点中有 2 点、7 点中有 3 点或 10 点中有 4 点位于外侧三分之一，则为异常。

控制图用于查看过程是否随时间稳定。因此，在识别出任何这些模式的情况下，过程变异很可能是由于应调查和消除的可归因原因造成的。

总之，如果上述异常情况均不存在，并且图表上的所有点都在控制限内，则表明过程处于受控状态，因此无需进行任何进一步的调整。修改。

控制卡的优点

控制图具有以下优点或优势：

• 问题检测：控制图可以及早发现问题，也就是说，在问题变得太重要并因此对公司产生非常负面的后果之前发现问题。
• 质量改进——通过监控过程变异性，控制图有助于维持过程中给定的质量水平。
• 降低成本——通过预防问题和缺陷，控制图可以帮助降低与流程或产品质量相关的成本。
• 提高效率：由于控制图有助于检测问题并提高流程质量，因此它们还提高了所分析流程的效率。
• 它有助于决策：正如我们在整篇文章中所看到的，控制图提供了有关流程性能的客观且可量化的信息，这有助于做出数据驱动的决策，而不是基于假设或直觉。