Tipos de modelos de controle do processo estatístico

controlo estatístico de processo é utilizado para monitorizar e, em seguida, administrar o processo a controlar. Para sistemas complexos, pode ser necessário para gerar um modelo para determinar como o gráfico SPC vai olhar dado estados variáveis ​​específicas. Esta gestão também permite calcular uma média e um desvio esperado para criar um gráfico de controle de SPC para as variáveis ​​de entrada específicos, em vez de ter de deixar o sistema funcionar e criar uma nova carta de cada vez as entradas processo de mudança.

SPC recolhe uma série de valores sobre as características (altura, peso, dimensões) sendo observados. Estes valores são estabelecidos. A média é calculada processo. Esta é utilizada como a linha de centro do gráfico de SPC. Em seguida, o desvio padrão é calculado. Um limite de controlo superior e inferior são determinados e, em seguida, colocado sobre o gráfico. O gráfico de SPC é então monitorizada. Todas as tendências são gravadas. Todas as tendências que se aproximam dos limites de controle superior ou inferior irá resultar em uma ação corretiva.

modelagem de séries temporais mede um processo em intervalos de tempo específicos. Uma série de linhas de tendência ou curvas é então calculada para os dados de séries temporais existentes. A linha de tendência é uma equação algébrica simples. Um modelo de séries temporais podem então prever o que linha de tendência será no futuro. Uma linha de tendência pode ser plana, tendendo para cima ou tendendo para baixo.

Multivariada significa muitas variáveis. Um modelo multivariada tem várias variáveis, todos com suas próprias equações associados. Estas variáveis ​​podem incluir o tempo, velocidade de processo, as variações do material e qualquer outra variável do processo. Um modelo multivariada é criado com base em tomar todos esses fatores em conta. Um modelo multivariado para o gráfico de controlo estatístico de processo irá então ser criado introduzindo tempos diferentes. Este modelo pode, em seguida, mostrar como o gráfico SPC deve olhar ao longo do tempo para diferentes valores de variáveis.

processos estocásticos são essencialmente aleatória. Estes processos são modelados por atribuir uma probabilidade a cada resultado possível. O modelo é então criado pela execução da equação muitas vezes para gerar um resultado mais provável e probabilidades de outros resultados. modelos estocásticos são também chamados de simulações de Monte Carlo.

Este tipo de modelo de controlo estatístico de processo é abreviado para RNAs. RNAs são a forma mais complexa de modelos de controlo estatístico do processo. Eles simular processos com múltiplas entradas que podem variar, passos intermédios que podem variar, e diferentes saídas resultantes. A ANN, então, dar os resultados resultantes. Se o processo tem quaisquer processos estocásticos, juntamente com as variáveis ​​definidas por equações lineares, o RNA pode dar um intervalo de resultados. Se executar muitas vezes, isso vai lhe dar a mais provável e, portanto, resultado ldquo-meanrdquo- para um gráfico de CCP para um processo tão complexo.