مقدمة

وتشكل دراسات القدرة العملية حجر الزاوية في مراقبة الجودة الإحصائية، وتوفر قياسا كميا لكيفية نجاح عملية التصنيع أو الخدمات في الوفاء بمواصفاتها، وفي حين أن الدراسات التقليدية غير المتغيرة تدرس خصائص نوعية واحدة في وقت ما، فإن العديد من عمليات العالم الحقيقي تنطوي على متغيرات مترابطة متعددة يجب النظر فيها معا، وأن إجراء دراسة للقدرات العملية في سياق متعدد الأشكال أمر أساسي عندما تكون الخصائص مترابطة، لأن تقييم كل متغير يؤدي بصورة منفصلة يمكن أن يؤدي إلى استنتاجات مضللة بشأن الأداء الشامل للعمليات.

فهم القدرة على العمل المتعدد الأطراف

وتمتد القدرة على العمليات المتعددة النطاقات إلى مبادئ تحليل القدرات غير المتغيرة إلى الحالات التي تكون فيها سمتان أو أكثر من خصائص الجودة في آن واحد وترابطاً في كثير من الأحيان، ففي عملية تصنيع كيميائية، مثلاً، قد يلزم أن يظل تركيز المنتج ودرجته في حدود محددة، وكثيراً ما تتفاعل هذه المتغيرات، وفي هذه الحالات، يمكن أن يفوت تقييم القدرة باستخدام مؤشرات كل متغير على حدة، السلوك المشترك الذي يحدد جودة المنتجات.

(ب) الفرق الرئيسي بين القدرة غير المتغيرة والمتعددة التقارب هو معالجة العلاقة بين المتغيرات، وقد تبدو عملية قادرة على كل متغير منفردة، ولكن تركيبة المتغيرات يمكن أن تنتج نسبة عالية من الوحدات غير المطابقة التي تقع خارج منطقة مواصفات متعددة.

وثمة مفهوم هام آخر هو استخدام تحليل المكونات الرئيسية للتقليل من البعد مع الحفاظ على الهيكل الأساسي للبيانات، ومن خلال تحويل المتغيرات الأصلية المتصلة بالعلاقة إلى عناصر رئيسية غير متصلة بها، يمكن للمحللين أن يحسبوا مؤشرات القدرة على تلك المكونات أو مباشرة في الفضاء الأصلي باستخدام إحصاءات T2 في الفنادق، ويتوقف اختيار الأسلوب على طبيعة المواصفات والافتراضات الأساسية للطبيعية والسطرية.

خطوات لإجراء دراسة للقدرات المتعددة العمليات

1 - تحديد العملية والتغيرات

بداية بتحديد حدود العمليات وخصائص الجودة الرئيسية التي يجب التحكم فيها بوضوح، وإشراك مهندسي العمليات، والمشغلين، ومديري الجودة في اختيار متغيرات ذات أهمية حاسمة بالنسبة لاحتياجات العملاء، ومن المرجح أن تظهر صلة بينها، وتوثيق الحدود المحددة لكل متغير، مع ملاحظة ما إذا كانت ثنائية (على نحو أعلى وأقل) أو أحادية الطرف، وعندما تُعرَّف المواصفات بأنها منطقة (مثلا، سجلاً مستقيماً أو غير مكتمل) في بعدين.

ومن المهم أيضا تحديد ما إذا كانت العملية مستقرة وفي حالة مراقبة إحصائية قبل محاولة تحليل القدرات، واستخدام خرائط مراقبة (مثل خريطة مراقبة الفنادق T2) للتحقق من أن العملية لا تظهر تغيرا في الأسباب الخاصة خلال فترة جمع البيانات.

2 - جمع البيانات المتعلقة بالممثلين

ويتطلب جمع البيانات من أجل القدرة المتعددة الأنواع تخطيطا دقيقا لضمان أن تمثل العينة على نحو كاف تغير العمليات في ظروف التشغيل العادية، وتتمثل قاعدة مشتركة من الإبهام في جمع ما لا يقل عن 100 إلى 150 ملاحظة عندما يكون عدد المتغيرات صغيرا (مثلا 2 إلى 5)، ولكن العينات الأكبر تصبح ضرورية مع زيادة البعد، وينبغي أن تمتد العينة فترة كافية لالتقاط تغير الأسباب المشتركة، مثل التحولات في المواد الخام، أو التغيرات البيئية، أو الأدوات.

تسجيل بيانات في الوقت المناسب للتمكين من إجراء عمليات فحص للتسيير الآلي والاتجاهات، وإذا كانت العملية موجهة نحو دفعة، فإن النظر في أخذ العينات عبر البطاريات وفي الخفافيش لاستخلاص كل من التباين القصير الأجل والطويل الأجل، وتوثيق أي تعديلات في العمليات أو أحداث الصيانة تحدث أثناء أخذ العينات، حيث يمكن أن تساعد على شرح حالات الشذوذ في وقت لاحق.

3- تقييم نوعية البيانات واستهلاكها

وقبل بناء أي نموذج متعدد الأشكال، فحص البيانات للمتطرفين، والقيم المفقودة، والمغادرة عن الحالة الطبيعية، ولتعددية الظروف، يمكن استخدام اختبار مارديا أو مؤامرة كمية للمسافات المربعة للمحلانبي، وإذا كانت البيانات تنحرف عن الطبيعة، فإن البيانات تعتبر التحولات (مثلاً، البوكس) أو النهج غير المتكافئة.

(أ) التحقق من تعددية الألوان باستخدام مصفوفات الوصل وعوامل التضخم المتفاوتة - يمكن أن يؤدي ارتفاع تعددية الألوان إلى زعزعة حسابات مؤشرات القدرة وقد يتطلب تخفيضاً في البُعد عن طريق التقييم الذاتي المتعدد الأطراف أو اختيار المجموعات الفرعية المتغيرة، والتحقق أيضاً من أن العملية مستقرة برسم البيانات حسب الترتيب الزمني واستخدام خرائط مراقبة متعددة الاختلاف.

4 - تحليل العلاقات المتغيرة

ويعتبر فهم هيكل الترابط أمراً أساسياً في القدرة المتعددة الأنواع، إذ يُكمِّل مصفوفة الربط العيني ويُصورها باستخدام مصفوفات أو تضخم حراري، وإذا كانت المتغيرات ذات صلة وثيقة، فإن التحليل الرئيسي للعناصر الأساسية (PCA) يُحوّلها إلى عناصر غير متصلة بها، ولا يُبسّط التحليل فحسب، بل يكشف أيضاً عن الاتجاهات التي تسهم في الحيز المتغير بشكل أكبر في التغير العام.

وثمة تقنية مفيدة أخرى هي تحليل العوامل، التي يمكن أن تحدد العوامل الكامنة التي تدفع الروابط، غير أنه يفضل، بالنسبة لمعظم الدراسات المتعلقة بالقدرات، أن يكون التقييم القطري المشترك متصلاً اتصالاً مباشراً بالفروق التي تم حسابها ويمكن استخدامها في حساب مؤشرات القدرات على النقاط المكوّنة.

5 - نموذج العملية

وتوجد عدة نُهج نموذجية لتحليل القدرات المتعددة الأنواع:

  • Hotelling’s T2 statistic:] For a process that is multivariate normally distributed, the T2 statistic measures the distance from the sample mean to the target. You can compute the proportion of data points that fall within a specified T2 control limit, which serves as a capacity measure.
  • Principal component analysis (PCA):] After PCA, you can compute univariate capacity indices on each principal component, because the components are independent. However, the original specification limits must be transformed to the component space, which can be complex if the limits are not elliptical.
  • Multivariate capacity indices (Cp]MV] and Cpk]MV): These indices are extensions of Cp and Cpk that use the concept of a multivariate tolerance region

وعندما تشكل المواصفات منطقة غير نظامية (الحالة الأكثر شيوعاً في الممارسة العملية)، يتمثل النهج المشترك في استخدام نسبة الوحدات غير المطابقة المقدرة من التوزيع العادي المتعدد الوسائط، ويمكن تحويل هذه النسبة إلى مؤشر للقدرات مماثل لرقم Cpk باستخدام تحول طبيعي عكسي.

6 - مؤشرات القدرة على الحاسوب

فلنبحث حساب CpMV] بشكل أوثق، ويفترض أن لدينا متغيرين (X1, X2) مع توزيع طبيعي ثنائي، وتُعرّف منطقة المواصفات بمقياسين أدنى وأعلى للمواصفات (LSL1, USL2, USL2).

Cp]MV] = (Volume of specification region) / (Volume of process variation region)]

The process variation region is defined as the smallest ellipsoid that contains a certain proportion (usually 99.73%) of the process output, corresponding to a 3-sigma sphere in the multivariate space. The volume of a p-dimensional ellipsoid is proportional to the square root of the determinant of the covariancemel. therefore, CpMV[1]

Cp]MV] = (USLi - LSL]]i) /(F2)

Where 2,]p, 0.9973] is the chi-square critical value with p degrees of freedom for 99.73% coverage.

(أ) بالنسبة لـ [(FLT:0]MV، الذي يمثل مركز العمليات، يكون الرقم القياسي المشترك هو الرقم الذي اقترحته تشان وتشنغ وروح (1988) ويستخدم نسبة المسافة من العملية إلى الحد الأدنى للمواصفات على طول الاتجاه المتعدد الشوارع إلى تفاوت العملية في ذلك الاتجاه.

7 - تفسير النتائج وتحديد مجالات التحسين

Cp[FLT:]MV[FT:]]قيمة أكبر من 1 تشير إلى أن تغير العملية يحتل منطقة أصغر من منطقة التحديد، ولكنها لا تضمن أن العملية مركزية.

(ب) دراسة المتغيرات التي تسهم في معظمها في نقص القدرات - يمكن أن تبين المتغيرات الأصلية التي تدفع المكونات الرئيسية ذات القدرة المنخفضة، مثلاً إذا كان العنصر الرئيسي الأول (الذي يفسر أكثر التباين) يبين مؤشراً منخفضاً للقدرة، فإن المتغيرات التي تنطوي على تحميلات عالية على ذلك العنصر هي مرشحات رئيسية لتحسين العمليات.

(ب) أن تُضخِّم البيانات ومنطقة المواصفات (مثلاً، تُنفق على مضخة ثقة قدرها 99.73 في المائة على قطعة من قطع القمامة) لتقييم مدى مقارنة العملية بالمواصفات، والبحث عن مجموعات من النقاط قرب حدّ واحد من المواصفات أو خارج المنطقة.

الأدوات والتقنيات

تحليل العناصر الرئيسية

ويحول قانون مكافحة الفساد مجموعة من المتغيرات المتصلة بالعلاقة إلى مجموعة أصغر من المكونات الرئيسية غير المتصلة به التي تستوعب الحد الأقصى للفروق، ومن المفيد بصفة خاصة أن يكون عدد المتغيرات كبيرا (مثل 10 أو أكثر) أو عندما يكون تعددية الألوان موجودة، وبعد التقييم القطري المشترك، يمكن أن تقارن مؤشرات القدرة غير المتغيرة على العناصر القليلة الأولى التي تمثل معظم التباين، غير أن تفسير هذه المؤشرات يتطلب من حيث الأصل.

رسوم مراقبة متعددة الأنواع

وقبل إجراء تحليل القدرات، تستخدم خرائط مراقبة متعددة الوسائط مثل خريطة ت-2 الخاصة بالفنادق (للتحليل التدريجي الأول) والخرائط المتعددة الأطراف لرصد المرحلة الثانية (للرصد)، وهي عملية مستقرة شرط أساسي لتقديرات القدرة الصحيحة، ويبين الرسم البياني T2 البعد العام عن الهدف؛ وتشير نقطة أعلى من الحد الرقابي إلى وجود تجاوز متعدد الأحواض أو إلى تحول في العملية.

مؤشرات القدرة المتعددة الجنسيات

وإلى جانب CpMV] وCpk]MV، توجد مؤشرات أخرى، مثل مؤشر القدرة المتعددة الاختلاف الذي اقترحته شركة Wierda (1992) على أساس نسبة الوحدات غير المتجانسة.

ترجمة شفوية لنتائج القدرات المتعددة

عند تفسير ناتج دراسة متعددة النطاقات للقدرات، النظر في المبادئ التوجيهية التالية:

  • Cp]MV] ⁇ 1.33:] The process variation is well within the specification region, indicating excellent potential capacity.
  • 1.00 / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / /
  • Cp]MV < 1.00:] The process variation exceeds the specification region; immediate improvement is needed.
  • Cpk]MV] vs. CpMV:] A large gap indicates the process is off-center. Focus on adjusting the mean toward the target.
  • Univariate vs. multivariate indices:] If univariate Cp/Cpk values are all high but multivariable indices are low, correlation among variables is the likely culprit. Reducing correlation through design changes or better control of inputs may help.

(ب) مراعاة أن مؤشرات القدرة المتعددة الاختلاف حساسة لافتراض التطبيع المتعدد الاختلاف، وإذا لم تكن البيانات طبيعية، النظر في استخدام أساليب غير قياسية تقدر نسبة الوحدات غير المطابقة مباشرة من التوزيع التجريبي، مثل النهج المتعدد الاختلاف الذي وصفه شوري (2005).

أفضل الممارسات والخيوط المشتركة

أفضل الممارسات

  • Collect sufficient data:] Aim for at least 100 observations for low-dimensional cases, more for higher dimensions. Use power analysis to determine sample size for required precision.
  • Verify assumptions:] always test for multivariate normality and correlation structure before computing indices. Use transformations if necessary.
  • Usese appropriate software:] Leverage statistical packages that support multivariate capacity analysis, such as Minitab, JMP, R, or Python with Library like and . The NIST/SEMATECH e-Handbook of Statistical Methods provides detailed guidance and examples.[
  • Collaborate with domain experts:] Work with process engineers and statisticians to ensure that the selected variable variable variables and specifications are meaningful and that the analysis aligns with practical constraints.
  • Validate the model:] Use hold-out data or cross-validation to confirm that the capacity estimates are reliable and stable over time.

الروايات المشتركة

  • Ignoring correlation:] This is the most frequent mistake. Univariate capacity may look fine, but correlated variables can cause a high percentage of nonconforming units. always perform a multivariate analysis when variables are known or suspected to be correlated.
  • Using insufficient data:] Small samples lead to large sampling errors in covariance specriance spec estimates, resulting in unreliable capacity indices.
  • Overvis data quality:] Outliers and missing data can severely distort multivariate indices. Perform rigorous data clean.
  • Misinterpreting indices:] Cp]MV]] does not account for centering; always use Cpk]MV in conjunction. Also, remember that many indices rely on the specification region shapeations;
  • ] Applying multivariate methods to unstable processes:] Capability analysis is meaningless if the process is not in statistical control. Control the process first, then assess capacity.

خاتمة

(ب) إجراء دراسة عن القدرة على العمليات في سياق متعدد الأطراف أكثر تعقيداً من نظيرها غير المتغير، ولكنه يوفر صورة أدق بكثير عن أداء العمليات عندما تتفاعل المتغيرات، وبتحديد المتغيرات بعناية، وجمع البيانات التمثيلية، والتحقق من الافتراضات، واستخدام أدوات إحصائية ملائمة مثل مؤشرات القدرة على معالجة المنتجات المتعددة الأنواع في السوق، وحساب مؤشرات قوية على القدرة المتعددة الأنواع، يمكن للمنظمات أن تحدد الحالة الحقيقية لقدرات التصنيع، وتحسينات الإنتاج في الواقع.