Ohjauskartat ovat olennainen työkalu prosessin vakauden seurannassa. Vaikka perinteiset ohjauskartat ottavatkin tiedon normaalista jakelusta, monet reaalimaailman datakokonaisuudet eivät täytä tätä oletusta. Muodostamalla ei-normaaleja datanjakeluja varten räätälöidyt omat valvontakartat voivat parantaa prosessivaihtelujen havaitsemista ja varmistaa tarkemman seurannan.

Epätavanomaisten tietojen jakelun ymmärtäminen

Epänormaali datajakeluja esiintyy usein eri toimialoilla, kuten valmistus-, terveydenhuolto- ja rahoitusalalla. Nämä jakelut voivat olla vinossa, raskaita tai multimodaalisia. Jakelutyypin tunnistaminen on ratkaisevan tärkeää valittaessa tai suunniteltaessa asianmukaisia ohjaustauluja, jotka heijastavat tarkasti prosessin käyttäytymistä.

Menetelmät räätälöityjen ohjauskaavioiden suunnittelua varten

On olemassa useita lähestymistapoja, joilla voidaan luoda ei-normaaleja tietoja varten soveltuvia ohjauskarttoja. Näitä ovat muun muassa ei-parametriset menetelmät, datan muunnokset tai simulaatioon perustuvat tekniikat. Tavoitteena on kehittää kaavioita, jotka säilyttävät herkkyyden prosessimuutoksille luottamatta normaalisuusoletuksiin.

Esimerkkejä omavalvontakaavioista

  • Media- ja aluekaaviot:[ Käytä mediaania sen sijaan, että vähentäisit vinoviivaisten tietojen vaikutusta.
  • Peruskaaviot:[ Seurataan erityisiä prosenttilukuja, jotta voidaan havaita jakohännän siirtymiä.
  • Espiraaliset ohjauskaaviot:[) Ajoohjausrajat suoraan datasta olettamatta tiettyä jakelua.
  • Bootstruked Control Charts: Käytä uudelleennäytteenottotekniikoita arvioidaksesi ohjausrajat kestävät jakelun muotoon.