עקרונות עיצוב רב-הוריט לוחות בקרה במפעלים מורכבים מערכות

הבנת טבלאות בקרה מרובות-Variate בייצור מודרני

בסביבות הייצור המורכבות של היום, איכות המוצר או ביצועי תהליך מתוארים על ידי מאפיינים רבים הקשורים איכות. ⁇ שליטה רב-variate הופיעו ככלי סטטיסטי חיוני למעקב אחר משתנים תהליך מקושרים אלה בו-זמנית, מתן יצרנים עם גישה מקיפה לשליטה איכותית כי הרבה יותר עולה על היכולות של שיטות מסורתיות לא-ivariate.

כאשר איכות המוצר או השירות מוגדר על ידי יותר מנכס אחד, כל הנכסים צריכים ללמוד בו זמנית כדי לשלוט ולשפר את האיכות.עקרון בסיסי זה מניע אימוץ של טכניקות בקרת תהליכים סטטיסטיים רב-תחומיים (MSPC) בתעשיות החל תרופות ומוליכים למחצה לעיבוד כימי וייצור רכב.

הצמיחה המהירה של רכישת נתונים באינטרנט מאפשרת לאסוף וללמוד נכסים רבים, ויש צורך להשתמש תרשימים שליטה כדי לפקח על כל התכונות, או מאפיינים איכותיים, בו זמנית, מערכות ייצור מודרניות מצוידות חיישנים מתקדמים יכול ללכוד מאות או אפילו אלפי מאפיינים איכותיים בזמן אמת, יצירת הזדמנויות אתגרים לאנשי מקצוע איכותיים.

מגבלות של טבלת הבקרה הבלתי רצונית במערכות מורכבות

⁇ בקרה מסורתיים ללא גירוי, בעוד ערך למעקב אחר מדדים בודדים, להתמודד עם מגבלות משמעותיות כאשר חלים על תהליכי ייצור מורכבים ורב-תחומיים.שימוש ב ⁇ בקרה לא-מחדשים רבים מגביר את הסיכון של אזעקה כוזבת: לכל תרשים יש שיעור חיובי קטן כוזב, ועם עשרות ⁇ הזדמנות שאחד יסמן נקודה מחוץ לשליטה על ידי Sheerness גדל באופן משמעותי.

אם יש תכונות איכות p ו ⁇ בקרה נפרדים נשמרים על כל אחד עם ±3 ⁇ גבולות, ההסתברות של אות כוזב מכל תרשים שליטה אחד הוא 0.0027 ואת ARL0=370. עם זאת, ההסתברות של אות כוזבת לפחות אחד ⁇ p שליטה גדל ל 1-0027)p, ואת ARL0 הכולל יהיה מופחת מאוד וכתוצאה מכך אותות שקריים לעתים קרובות.

מעבר לבעיה המעוררת השקרית, תרשימים לא מצליחים ללכוד אינטראקציות קריטיות בין משתנים.אם סחף למעלה בטמפרטורה עולה בקנה אחד עם ירידה קלה ב- pH, תרשימים נפרדים לא יכולים להעלות כל אזעקה אם כל פרמטר נשאר בגבולותיו - אך יחד שינויים אלה יכולים להצביע על בעיה מתפתחת.

מהנדסים ומדענים יצטרכו לבחון ⁇ בודדים רבים כדי להעריך את מצב התהליך הכולל, מנסה לחבר בין הנקודות הנפשיות.גישה זו היא זמן-consuming ו-cumbersome, מה שהופך ניתוח שורש-כיבוי וגילוי מוקדם של תקלות קשה.

מושגים בסיסיים של Multivariate Control Charts

מה הופך את הטבלה ל- Multivariate שונה

⁇ בקרה רב-variate משמשים כדי לשלוט בתהליכים מרובים בתרשים בקרה אחד.הם מנצלים את הקורלציה בין התהליכים הרבים. הבדל יסודי זה מאפשר ⁇ אלה לפקח לא רק על ביצועים משתנים בודדים, אלא גם את היחסים בין משתנים לאורך זמן.

⁇ בקרה רב-variate מבוססים על מרחקים רב-לשוניים מרובעים (כלליים) מן המשמעות הכללית. גישה סטטיסטית זו הופכת מספר משתנים מתואמות לסטטיסטיקות ניטור יחיד שלוכדות את מצב התהליך הכולל.

הכוח של תרשימים רב-variate הופך ברור כאשר שוקלים משתנים תואמים.שני ⁇ univariate בצד שמאל להרים שינוי במשמעות או השחלות של המשתנים, אבל רק תרשים רב-variate מציין שינוי במבנה הקורלציה. יכולת זו לזהות שינויים במערכות יחסים שונות חיונית לשמירה על יציבות במערכות ייצור מורכבות.

יתרונות מרכזיים מעל גישות לא חיוניות

⁇ בקרה רב-תחומית מציעים מספר יתרונות משכנעים שהופכים אותם הכרחיים לייצור מודרני:

התהליך מטופל כמערכת רב-תחומית אחת עם קבוצה אחת של גבולות שליטה, כך שההסתברות של אזעקה כוללת נשארת סביב 0.27% טיפוסית (עבור גבולות תלת-ממדיים) במילים אחרות, תרשים רב-לשוני אחד מחליף עשרות גרפים לא-מסוגים מבלי לפוצץ את שיעור השגיאה מסוג I.ההפחתה דרמטית זו בתרשים תוך שמירה על נוקשות סטטיסטית או מייצגת שיפור תפעולי משמעותי.

זה מקטין רעש ומונע "עייפות של החמרה" שבו הצוות עשוי להיות מתפוגג בשל אזהרות שווא רבות מדי.בסביבות ייצור בינוניות גבוהות, צמצום האזעקות שווא תוך שמירה על רגישות לשינויים אמיתיים הוא קריטי עבור יעילות תפעולית ואבטחת איכות.

⁇ בקרה רב-variate רגישים מאוד לשינויי תהליכים משמעותיים. סחף קטן על פני כמה פרמטרים (כל אחד קטן מדי כדי לגרום תרשים הבקרה הבלתי-ממריץ שלה) יכול לדחוף במשותף את הסטטיסטיקה הרב-תחומית מעבר לסף הבקרה - התראה לצוות לסטיה אמיתית כי אחרת לא תספוג.

פרמטרים רבים של תהליכים קשורים זה לזה, למשל, עבור שלב תהליך מסוים אנו עשויים לצפות כי ערך הלחץ להיות גדול כאשר הטמפרטורה גבוהה.חשב כל פרמטר תהליך בנפרד אינו בהכרח אופציה טובה ואולי אפילו מטעה.

סוגים עיקריים של Multivariate Control Charts

כתובת: T2 Control Chart

המחקר המקורי הראשון ב multivariate איכות שליטה הוצג על ידי Hotelling, הקמת הקרן עבור מודרני רב-variate תהליך שליטה תהליך סטטיסטית שליטה.האחד המוכר ביותר של אלה הוא תרשים בקרת מלוןling T2 או רק תרשים הבקרה T2.

המקבילים הרב-variate של X, X-bar ו- S ⁇ הם תרשים Hotelling T2 ואת תרשים Variance כללי. במקום לשלוט ערכי X יחיד או אמצעים, וסטיות סטנדרטיות, תרשים ה-T2 של Hotelling מאפשר שליטה של וקטור של אמצעי עבור מאפיינים מרובים, ואת השחלות או covariance או covariance ממטריקס של המשתנים כדי לשלוט בתהליך פנויות.

מלון ה-T2 הוא תרשים מרחק, והנקודות המקובעות (T2) מצביעות על המרחק של וקטורים פשוטים (מדגם) מנקודת המרכז (אדריכל של ערכי קוליין, או אמצעי) בחלל רב-לשוני. פרשנות גיאומטרית זו מסייעת למתרגלים להבין מה הטבלה מדידה – באופן משמעותי, עד כמה רחוק התהליך הנוכחי הוא מבסיס מבוסס בחלל רב-ממדי.

תרשים Hotelling T2 יכול לזהות תנועות קטנות או סחף בחלל רב-לשוני שלא ניתן להרים בשלב מוקדם יותר באמצעות מיפוי בקרה פשוט ללא גירוי. לכן, ⁇ T2 מלוןling יכול לספק שיטה שליטה רגישה ורבת עוצמה עבור מספר גדול של משתנים, גילוי אפילו שינויים קטנים או סחף כי בו זמנית להשפיע על המשתנים.

עם זאת, בתרשים T2 יש מגבלות. ⁇ הבקרה של המלון T2 אינם רגישים מאוד לשינויים קטנים או בינוניים בקטור מתכוון, שכן הם רק משתמשים במידע מהדגם הנוכחי.תכונה זו הופכת את ⁇ T2 בדומה ל ⁇ Shewhart בתגובתם לעבד שינויים.

MEWMA (Multivariate Exponential Weighted Moving Average)

כדי לטפל במגבלות של תרשים T2 של Hotelling בזיהוי שינויים תהליכים קטנים, החוקרים פיתחו את תרשים MEWMA. טבלת MEWMA היא הכללה רב-תחומית של ה- univariate Exnentially Weighted Moving ממוצע (EWMA) תרשים.הטבלה בנויה מ וקטורים של ממוצעים רבים במשקל גבוה באופן אקספוננציאלי, במקום מעקב אחר ממוצע נע במהירות עבור משתנה יחיד.

MEWMA, שהוצג על ידי Lowry et al., הוא הרחבה רב-לשונית של EWMA univariate לספק יותר רגישות לשינויים קטנים במיקרו-מיקרו-המידות המוגברת הזו הופכת את ⁇ MEWMA יקר במיוחד בשלב השני ניטור שבו גילוי התדרדרות תהליך הדרגתית הוא קריטי.

החוקרים הציעו את הפיתוח של בעיות בקרת איכות רב-variate למשתנים קטנים. ⁇ בקרה אלה, לספק גישה יעילה על ידי ניטור הסטיגיות המצטברות של הדגימה משמעה ערך היעד או על ידי יישום משקולות להתבוננות בהתאם לזמן התרחשות.

ה ⁇ הבקרה הרב-variate הנפוצים ביותר הם MCUSUM ו- MEWMA על הרגישות שלהם בזיהוי שינויים קטנים בתהליך. פופולריות זו משקפת את יעילותם המעשית ביישומים לייצור בעולם האמיתי, שבו גילוי מוקדם של תהליך סחף הוא חיוני.

MCUSUM (Multivariate Cumulative Sum) Charts

שלושה מהסטטיסטיקות הנפוצות ביותר של שליטה רב-תחומית הן T2 של Hotelling, MEWMA (Multivariate Exponentially-Weighted Moving Average) ו- MCUSUM (Multivariate Cumulative Sum) טבלת MCUSUM מרחיבה את מתודולוגיית CUSUM ללא ivariate במקרה הרב-מולט, סטיית משלימה ממטרות מרובות על פני משתנים.

תרשימים בקרת T2 משתמשים במידע מהדגימה האחרונה וחסר רגישות לשינויים קטנים עד בינוניים וקטורים.לאחר מכן, MCUSUM ו- MEWMA לשקול את הדגימה האחרונה, כמו גם את הדגימה הקודמת, ולכן הם פותחו כדי להתגבר על המגבלות של T2.

הבחירה בין סוגי תרשים אלה תלויה בהקשר הייצור הספציפי, גודל השינויים הצפוי, ואת הדרישות התפעוליות לזיהוי מהירות מול סובלנות מדאיגה כוזבת.

עקרונות עיצוב קריטיים עבור Multivariate Control Charts

ניתוח אפשרויות ושחיתות

הבסיס של עיצוב טבלת בקרה רב-תחומית יעילה מתחיל עם בחירה משתנה מתחשב.לא כל המשתנים של תהליך קובעים הכללה בתכנית ניטור רב-תחומית.מקצועי איכות חייבים לזהות אילו משתנים הם באמת קריטיים לביצועים איכותיים ותהליךיים, בהתחשב בחשיבותם האישית ובאינטראקציות שלהם עם משתנים אחרים.

הבנה של מבנים בין משתנים נבחרים היא חיונית.מאפיינים אלה הם לעתים קרובות מתואמות. ⁇ בקרה רב-לשונית ניתן להשתמש כדי לשלוט בקורלציה, כדי לוודא כי היחסים בין המשתנים יציבים לאורך זמן.שינויים בדפוסי קורלציה יכולים להצביע על שינויים יסודיים בהתנהגות תהליך שאולי לא ניתן לראות מ ניטור משתנה אינדיבידואלי.

בעת בחירת משתנים עבור ניטור רב-תחומי, מתרגלים צריכים לשקול:

• יחסים פיזיים או כימיים בין הפרמטרים של תהליכים
• נתונים היסטוריים המציגים אילו משתנים נוטים לנוע יחד
• ידע הנדסי על מנגנוני תהליכים
• הכוח והיציבות של הקוראות לאורך זמן
• היכולת המעשית למדוד משתנים באופן מדויק ועקבי

כדי להימנע מבעיות עם הסטיות האלה, מספר התצפיות או הדגימות הרב-variate חייב להיות גדול יותר ממספר המשתנים (K), ו covariance matrix צריך להיות מותנה היטב (משתנים מתוקשרים באופן אור) דרישה מתמטית זו יש השלכות מעשיות חשובות על עיצוב תרשים ואסטרטגיות איסוף נתונים.

קביעת גבולות בקרה

קביעת גבולות בקרה מתאימים ל ⁇ רב-תחומיות דורשות שיקול סטטיסטי זהיר.בניגוד ל ⁇ בלתי-ivariate שבו גבולות הבקרה הם פשוטים לחישוב ולפרש, גבולות בקרה רב-תחומיים כרוכים בהתפלגות סטטיסטית מורכבת יותר והנחות.

עבור ניתוח שלב I, שבו נתונים היסטוריים משמשים כדי לבסס התנהגות תהליך בסיס, נתונים מספיקים חייבים לאסוף כדי להעריך באופן אמין את הקטור וקטורת ה- covariance matrix. זה היה מומלץ כי לפחות 25 קבוצות של נתונים ישמש בשלב I ללמוד כדי לקבל הערכות מדויקות של תהליך בקרה פירושו וסטייה סטנדרטית כאשר תכונה אחת היא תרשים.

מגבלות בקרה של תרשים בקרה רב-variate נקבעות לעתים קרובות באמצעות הנחות על הפצת הנתונים, כגון נורמליות. למעשה, עם זאת, הנתונים עשויים לא להיות מחולקים בדרך כלל.ללא הנחה על הפצה הבסיסית, הגישה המגפיים יכולה להעריך את ההפצה של הסטטיסטיקה של עניין (כגון סטייה או סטנדרטית) מהנתונים המדגם.

שיטת המגפיים היא אלטרנטיבה חשובה כאשר הנחות נורמליות ניתנות להשאלה, המציעות גישה המונעת על ידי נתונים לקביעת גבולות בקרה שמוטב משקפים התנהגות של תהליכים אמיתיים.

איזון רגישות וקצבי אזעקה כוזבים

אחת ההחלטות העיצוביות הקריטיות ביותר כרוכה איזון הרגישות של התרשים לתהליך אמיתי משתנה כנגד הסיכון של אזעקות כוזבות. ⁇ בקרה מרובה-ארוייט ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

אורך הריצה הממוצע (ARL) משמש כמדד ביצועי מפתח להערכת האיזון הזה.הבחירה של הפרמטרים תלויה באורך הריצה הממוצע (ARL) כאשר התהליך נמצא בשליטה ומחוץ לשליטה.מעצבים חייבים לציין ערכי ARL מקובלים הן מבחינת שליטה והן מחוץ לשליטה, ולאחר מכן לבחור פרמטרים הקובעים מטרות אלה.

עבור ⁇ MEWMA, פרמטר החלקה (lambda) ממלא תפקיד מכריע בקביעת הרגישות. ערכים קטנים יותר של כעה כרזה מספקים רגישות רבה יותר לשינויים קטנים אך עשוי להגדיל את שיעורי האזעקה השקריים, בעוד ערכים גדולים מציעים יותר יציבות אבל זיהוי איטי יותר של שינויים הדרגתיים.

עקבו אחרי High-Dimensional Data Challenges

מערכות ייצור מודרניות יותר ויותר לייצר זרמי נתונים תלת-ממדיים שמאתגרים את הגישות המסורתיות של טבלת הבקרה הרב-תחומית.עם הופעת חיישנים מתקדמים במערכות ייצור חכמות, ניתן לכבוי יותר ממאות מאפיינים איכותיים ולנתח בו זמנית.

באופן כללי, הבנייה של תרשימים בקרה קונבנציונליים לפקח על תהליכים רב-תחומיים בסביבה תלת-ממדית יש כמה מגבלות סטטיסטית ומובילה לאינטראקציות מטעות. כתוצאה מכך, טכניקות שליטה חדשניות הוצעו לאחרונה כדי לייעל את היעילות של תוכניות ניטור תחת זרמי נתונים על-ממדיים גבוהים.

טכניקות הפחתת ממד הופכות חיוניות כאשר מדובר בנתונים עתירי משקל גבוהים.כאשר מספרי הפרמטרים של תהליכים גדלים באופן משמעותי, ויש מתאם גדול יותר בין משתנים, שיטות רב-תחומיות מבוססות הקרנה הוא בדרך כלל מיושם.

טכניקות מתקדמות: PCA- Based Multivariate Control Charts

ניתוח ראשוני ב- Process Monitoring

ניתוח רכיב ראשי (PCA) וחלקי לפחות ריבוע (PLS) הם השיטות הבסיסיות בקטגוריה זו. PCA מתמקד רק במשתנהי חיזוי (X), בעוד PLS מחשיבים משתנים (X) כמו גם משתנים תגובה (Y) בתהליך התעשייתי, X ניתן לתאר כמאפיינים של תהליך, בעוד Y ניתן לתאר כמאפיינים איכותיים של מוצר.

מטרת ניתוח הרכיב העיקרי היא לפשט את המורכבות של הנתונים.אם יש צורך במספר גדול של גורמים כדי להגדיר את המימד של הנתונים, אז יש מעט מאוד צורך בניתוח רכיב הראשי.המטרה של ניתוח הרכיב העיקרי היא להפחית את המימדליות הכוללת בנתונים.

תרשים בעל מודל רב-variate שליטה (MDMVCC) משפר את תרשים T2 עם בחירה מודל אוטומטי המבוסס על ניתוח מרכיבים ראשי (PCA) של הנתונים. גישה זו משלבת את נקודות החוזק של רב-תחומית מסורתית עם ירידה ממדית, מה שהופך אותו מתאים במיוחד לתהליכים עם משתנים רבים מתואמות.

תרשים T2 על הרכיבים העיקריים שולט רק את ההוראות החשובות בנתונים ולא רכיבי הרעש.MDMVCC מתאים מודל PCA לנתונים, ולאחר מכן שומרת על מספר הרכיבים המסבירים לפחות 85% מהגמישות בנתונים, ולאחר מכן מחשב סטטיסטיקאי T2 על משתנים חדשים אלה.

טבלאות לבדיקות מקיףות

כאשר משתמשים בגישות מבוססות PCA, מתרגלים בדרך כלל משתמשים בשני תרשימים משלימים כדי לספק כיסוי תהליכים מלא. ⁇ בקרה רב-לשונית המבוססת על מלוןling T2 ניתן לבנות על בסיס מחשבי A הראשונים, שבו מספיק. זה רק מגלה אם הריאציות של משתנים איכותיים במטוס של מחשבי A הראשון גדול יותר שניתן להסביר על ידי חיזוי משותף (SPE) צריך להיות בנוי בנוסף לערך של T2.

תרשים T2 עוקב אחר וריאציות בתוך החלל הרכיב העיקרי, גילוי שינויים בדפוסים העיקריים של וריאציות.SPE או Q תרשים לפקח על וריאציות מחוץ לחלל זה, לתפוס דפוסים יוצאי דופן לא נתפס על ידי המרכיבים העיקריים. יחד, ⁇ אלה מספקים כיסוי מקיף של מקורות נפוצים ויוצא דופן של וריאציות.

יישום הפרקטיקה הטובה ביותר לייצור מערכות

שלב I: הקמת התנהגות של תהליכים בסיסיים

יישום רב-תחומי מוצלח של בקרת טבלת הבקרה מתחיל בשלב קפדני של מחקר I כדי לבסס את התנהגות תהליך בסיס.בשלב הראשון, קבוצה היסטורית או התייחסות מתאימה של נתונים (המפורט מתקופות שונות של פעולת צמח או תהליך אנליטי כאשר הביצועים היו טובים) נבחר, אשר מגדיר את התנאים הרגילים או בשליטה של תהליך מסוים המתאים למגוון של חומרים משותפים.

בשלב הראשון, מתרגלים צריכים:

• איסוף נתונים מספיק בתנאי יציבות, בשליטה
• לבדוק איכות נתונים ושלמות לפני הניתוח
• לזהות ולחקור כל אותות מחוץ לשליטה בנתונים ההיסטוריים
• הסר או להסביר הבדלים מיוחדים סיבה לפני סיום גבולות השליטה
• אימות הנתונים הנותרים מייצג התנהגות תהליכים טיפוסית
• מסמך כל ההחלטות וההיגיון למענה עתידי

איכות ניתוח שלב I משפיע ישירות על יעילות של ניטור מתמשך.מידע בסיסי או טיפול לא תקין גורמים מיוחדים יניבו תוצאות שליטה כי או ליצור אזעקה כוזבת מוגזמת או לא לזהות שינויים אמיתיים.

שלב 2: מעקב אחר תהליכים

ברגע שהתנהגות בסיס מבוססת, שלב II ניטור מתחיל.ה מעקב מתמשך זה דורש שיקולים שונים מאשר ניתוח שלב I. כאשר p מתואם את מאפייני תהליך נמדד בו זמנית, לעתים קרובות תצפיות בודדות נאספות בתחילה.נתוני התהליך הם מעקב וגורמים מיוחדים של וריאציות מזוהים על מנת לקבוע שליטה ולקבל דגימת התייחסות "נקיה" לשימוש כבסיס לקביעת הגבולות לתצפיות עתידיות.

מעקב שלב 2 יעיל דורש:

• זמן אמת או ליד זמן איסוף נתונים וניתוח
• נהלים ברורים להגיב לסימנים חיצוניים
• חקירה שיטתית של גורמים הניתנים להגדרה
• תיעוד של שינויים בתהליך ופעולות נכונות
• סקירה תקופתית ועדכון של גבולות בקרה במידת הצורך
• הכשרה למפעילים ולמהנדסים בפרשנות תרשים

המונחים: out-of-Control Signals

אתגר משמעותי אחד עם ⁇ בקרה רב-variate הוא זיהוי אילו משתנים גרמו אות מחוץ לשליטה.אחד החסרונות של ⁇ בקרה סטטיסטית רב-variate הוא חוסר מנגנון המתמקד זיהוי מקור של וריאציות שיוצר אות מתוך שליטה סטטיסטית בתרשים.התוצאה השלילית הנגרמת על ידי חוסר פרשנות של אותות האזהרה המיוצרים ב ⁇ בקרה רב-תחומית היא אובדן של זמן ושקע לאתר את המקור של המערכת.

כאשר דגימה מחוץ לשליטה מזוהה, אתה יכול ליצור תרשים מעקב אחר פאארוטו (כמו) לזהות את המשתנים האחראים על האזעקה. משתנים אלה יכולים לאחר מכן להיבדק עוד בתקן X, X-bar, S, R, או MR תרשימים. גישה זו ⁇ עוזר מתרגלים לזהות במהירות ולענות את שורש הפרעות תהליכים.

גישות מתקדמות משלבות בינה מלאכותית כדי לשפר את פרשנות האותות.המתודולוגיה משלבת את תרשים בקרת הסכום המצטבר הרב-לשוני ואת הרשת העצבית הרב-שכבת perceptron מלאכותית לזיהוי ופרשנות של המקור (s) של וריאציות שנוצרו בתהליכי הייצור.גישות היברידיות כאלה יכולות להפחית משמעותית את הזמן הנדרש כדי לאבחן בעיות תהליכים.

איכות נתונים ואינטגרליות

יעילותם של ⁇ בקרה רב-תחומית תלויה באופן ביקורתי באיכות הנתונים.המידע המלא (ללא ערכים) נדרשים לפעול בנתוני ה-T2 או MEWMA2 לכל מדגם מסוים.

ארגונים צריכים להקים מערכות איסוף נתונים חזקות המבטיחות:

• נהלי מדידה עקביים על פני שינויים ומפעילים
• תחזוקה סדירה ותחזוקה של ציוד מדידה
• נתונים אוטומטיים ללכוד היכן ניתן להפחית שגיאות הקרנה
• בדיקות אימות נתונים כדי לזהות את ה-Outliers או ערכים בלתי אפשריים
• אחסון נתונים מאובטח עם תהליכי גיבוי ושיקום מתאימים
• פרוטוקולים ברורים לטיפול בחסר או חשוד

טכנולוגיות וטכנולוגיות

יישום רב-תחומי מודרני של בקרה דורש בדרך כלל תוכנה מיוחדת.Minitab, SAS, Statgraphics ו Qual Stat הם חלק מהם. Qualstat היא חבילת התוכנה הראשונה לספק פתרון מקיף בקרת תהליכים סטטיסטיים רב-variate. Qual Stat כל הכלים הדרושים כדי לבצע Multivariate SPC כולל ⁇ T2, ⁇ רכיב הראשי ואת decom של אות לתוך משתנים וכתוצאה מכך.

בעת בחירת תוכנה עבור Multivariate SPC, ארגונים צריכים לשקול:

• אינטגרציה עם מערכות איסוף נתונים קיימות
• תמיכה בסוגי תרשים שונים (T2, MEWMA, MCUSUM, PCA-based)
• אפשרויות ל-Decomposition ו- שורש גורם לניתוח
• ניטור בזמן אמת ואזהרה של פונקציונליות
• דוחות ותיעוד תכונות לציות רגולטוריות
• ממשק המשתמש מתאים לשימוש רצפת החנות
• תמיכה והדרכה משאבים

עבור תעשיות מוסדרות כמו תרופות, שיקולים נוספים חלים.זה פתרון קורא אימות, כלומר הוא תואם לדרישות רגולטוריות עבור רשומות אלקטרוניות (כמו 21 CFR חלק 11) וניתן לאמת אותו לשימוש ב- GMP.זה חיוני לכל מערכת המשמשת למעקב ודיווח של תהליך רשמי.

יישומים תעשייתיים-מדעיים ושיקולים

ייצור תרופות

היתרונות של ⁇ בקרה רב-תחומית הם בעיקר השפעה על ייצור התרופות, שבו מספר רב של פרמטרים תהליכים קריטיים ומדכאות איכות קריטית חייב להיות נשלט הדוק.תעשיית התרופות מתמודדת עם אתגרים ייחודיים כולל דרישות רגולטוריות מחמירות, ניסוחים מורכבים, ואת הצורך להפגין אימות המשך תהליך.

חברות השתמשו ב-Extant כדי לתמוך בתוכניות ה-Veration של תהליך המשך שלהם על ידי אוטומט איסוף וניתוח של נתוני תהליך, צמצום משמעותי את המאמץ הדרוש עבור ביקורות מוצר שנתי ודיווח רגולטורי. במקום להכין באופן ידני עשרות תרשימים בקרה עבור סקירה שנתית של איכות המוצר, לדוגמה, גילה יכול ליצור את ⁇ הבקרה הרב-variate וסיכום באופן אוטומטי, עם מעקב נתונים מלא.

Semiconductor ואלקטרוניקה

תהליכי ייצור סמי-מוליכים למחצה מודרניים, למשל, נמצאים במעקב מתמיד על ידי איסוף נתונים מחיישנים בנקודות בדיקה שונות.שימוש במדידות אלה, מהנדסי תהליכים יכולים להעריך אם התהליך נשלט היטב ולבצע את ההתאמות הדרושות כדי לשמור על האיכות הגבוהה של הפריטים המיוצרים לאורך מחזור הייצור.

בייצור לוח מעגלים מודפס, ישנם משתנים רבים נמדדים על כל לוח המגדיר את האיכות שלו.המורכבות והדרישות הדיוק של ייצור האלקטרוניקה להפוך גישות רב-variate חיוני לשמירה על הביקוש והסטנדרטים האיכותיים.

עיבוד כימי

בפלט של תהליך ייצור כימי, נוכחותם של מספר זיהומים מעידה על מחסור באיכות.ניתן לזהות את המכשולים הללו כפסגות על דו"ח chromatography, וכל מה שצריך כדי לשפר את האיכות.תהליכים כימיים בדרך כלל כרוכים במספר רב של משתנים אינטראקציה כולל טמפרטורות, לחץ, קצבי זרימה וריכוזים שיש לשלוט בהם בו זמנית.

האופי התואם מאוד של משתנים תהליך כימי עושה ניטור רב-variate במיוחד יקר.שינויים בפרמטר אחד לעתים קרובות להשפיע על מספר אחרים באמצעות מערכות יחסים פיזיות וכימיקליות, יצירת דפוסים של גרפים רב-תחומיים יכול לפקח ביעילות.

אתגרים ופתרונות

הפצת נתונים לא-Normal

שיטות רבות של בקרה רב-תחומית מניחות תפוצה נורמלית רב-תחומית.עם זאת, נתוני ייצור אמיתיים מפרים לעתים קרובות את ההנחה הזו.החולשות של שיטות MSPC מסורתיות אלה עדיין הניחו על הפצה gaussian.

כאשר הנחות נורמליות ניתנות להשאלה, למתרגלים יש כמה אפשרויות:

• החל שינויים בנתונים מתאימים כדי להשיג נורמליות משוערת
• השתמש בשיטות של Bootstrap כדי לקבוע גבולות שליטה ללא הנחות הפצה
• שיטות בקרה לא פרמטריות
• הגדלת גודל הדגימה כדי למנף את השפעות המשפט המרכזיות
• שקול סוגים של תרשים חלופי המיועד להתפלגות לא נורמלית ספציפית

מידע על תהליכים אוטומטיים

תהליכי ייצור מודרניים רבים מייצרים נתונים הקשורים לאוטומטיים שבהם תצפיות מוצלחות אינן עצמאיות.שיטות תרשים בקרה מסורתיות מניחות עצמאות, ואוטומטיות יכולות לנפח באופן חמור את שיעור האזעקה השקרית.

סוגים אחרים של תרשימים רב-variate כגון ⁇ MEWMA עשויים לשמש.האחרון עשוי להיות מתאים במיוחד לתהליכים הקשורים לאוטומטיים. ⁇ MEWMA ⁇ " ⁇ יכול לעזור להכיל קורלציה בינונית, אם כי אוטומטית חמורה עשויה לדרוש סידרה זמן מודלים גישות.

מורכבות

⁇ בקרה רב-variate כרוכות בחישובים מורכבים יותר מאשר תרשימים לא-ivariate, כולל פעולות ממטריקס ותפוצה סטטיסטית רב-לשונית. ⁇ אלה יש שני חסרונות: (1) T2 ו- |S סטטיסטיקות אינן קלות להתאמה, ו (2) לאחר אות, הם אינם מבחינים את המשתנה מושפע על ידי הגורם הניתן להגדרה.

תוכנה מודרנית התייחסה בעיקר לאתגרים חישוביים, אך מתרגלים צריכים עדיין להבין את המתמטיקה הבסיסית כדי לפרש תוצאות כראוי ובעיות לפתרון בעיות. ארגונים צריכים להשקיע באימון המתאים כדי להבטיח שצוות יוכל להשתמש ביעילות ולשמור על מערכות ניטור רב-תחומיות.

גדרות ארגוניות ותרבותיות

יישום ⁇ בקרה רב-variate לעתים קרובות דורש שינוי ארגוני משמעותי.כל אנשי רצפת חנות רגילים ל ⁇ פשוט לא ivariate עשוי להתנגד לגישות מרובות-variate מורכבות יותר.

• תקשורת ברורה של יתרונות ורציונליות עבור ניטור רב-variate
• תוכניות הכשרה מקיפה לכל בעלי העניין
• ממשק ידידותי למשתמש שמפשט את הפרשנות
• יישום גרפי החל עם פרויקטים של טייס
• סיפורים על הצלחה לבנות אמון ותמיכה
• תמיכה טכנית מתמשכת ואימון במהלך תקופות מעבר

מגמות עתידיות וטכנולוגיות מתפתחות

שילוב עם Machine Learning ו-AI

השילוב של בינה מלאכותית ולמידה של מכונה עם תרשימים מסורתיים של שליטה רב-תחומית מייצג גבול משמעותי.השלב השני נועד לנתח את מקור הווריאציות באמצעות רשת עצבית מלאכותית (ANN) בדרך זו, ההליך יאפשר למשתמשים של מערכת הייצור לאתר את המשתנים (s) שגורמים (s) את חוסר השליטה בתהליך, להיות מסוגל להשתמש בפעולות תיקון כי לנהל את הייצור של מוצרים מוקדמים של מוצרים ספציפיים.

גישות למידת מכונות יכולות לשפר את ה-SPC על ידי:

• זיהוי אוטומטי subsets משתנים אופטימליים עבור ניטור
• מערכת יחסים מורכבת ללא לינארי בין משתנים
• מתן אבחון מדויק יותר ושורש גורם זיהוי
• הסתגלות לתנאי שינוי בתהליך באמצעות למידה מתמשכת
• חיזוי בעיות איכות פוטנציאליות לפני שהן מתגלות

מעקב בזמן אמת ותעשייה 4.0

המהפכה התעשייתית 4.0 הופכת את האופן שבו ניתן לאסוף ⁇ בקרה רב-תחומית ולהשתמש בהם.בצמחים מודרניים, כלים לייצור רבים מחוברים לרשתות IT כך שניתן לאסוף ולחסן את הפרמטרים של תהליך הכלים בזמן אמת (מדכאים, טמפרטורות וכו') למרבה הצער, סוג זה של נתונים הוא לעתים קרובות מאוד, לא מעקב מתמיד, למרות שאנו עשויים לצפות שפרמטרים ימלאו תפקיד חשוב מבחינת המוצר הסופי.

מערכות ייצור מתקדמות מאפשרות יותר ויותר:

• ניטור בזמן אמת מתמשך של מאות משתנים של תהליכים
• מערכות תגובה אוטומטיות שמתאימות פרמטרים של תהליכים בהתבסס על אותות תרשים בקרה
• פלטפורמות אנליטיות מבוססות ענן עבור ניטור רב-אתרי ודירוג
• טכנולוגיות תאום דיגיטליות המדדמות את התנהגות התהליך וחיזוי תוצאות
• שילוב של מידע איכותי עם תכנון משאבים ארגוניים ומערכות ייצור

טכניקות הדמיה מתקדמות

כמו ⁇ בקרה רב-variate לפקח על תהליכים מורכבים יותר ויותר, הדמיה הופכת קריטית לפרשנות יעילה.

• ייצוגים אינטראקטיביים 3D של מצב תהליכים רב-תחומי
• מפות חום המציגות דפוסים תואמים לאורך זמן
• תצוגות מציאות מורחבות עבור ניטור רצפת החנות
• מזימה של תרומה שמדגישה באופן אוטומטי משתנים בעייתיים
• אנימציה של זמן מראה תהליך האבולוציה

מפת דרכים יעילה

הערכה ותכנון שלב

ארגונים שוקלים יישום טבלת בקרה רב-תחומית צריכים להתחיל עם הערכה יסודית:

• זיהוי תהליכים שבהם משתנים מרובים תואמים משפיעים על איכות
• להעריך את גישות המעקב הנוכחיות ואת המגבלות שלהם
• זמינות נתונים אסס, איכות ותשתית איסוף
• דרישות משאבים לטווח כולל תוכנה, הדרכה וכוח אדם
• קביעת מטרות ברורות ומדדי הצלחה
• לפתח תוכנית יישום בשלב עם קווי זמן מציאותיים

פרויקט טייס

החל בפרויקט טייס מאפשר לארגונים ללמוד ולחדד את הגישה שלהם לפני פריסה בקנה מידה מלא:

• בחר תהליך בעל בעיות איכות ברורות ונתונים זמינים
• להקים צוות חוצה פונקציונלי כולל מהנדסי תהליכים, אנשי מקצוע איכותיים ומפעילים
• שלב I ניתוח כדי לבסס התנהגות בסיסית
• שלב 2 ניטור עם פרוטוקולי תגובה ברורים
• שיעורי מסמכים למדו ופרקטיקות הטובות ביותר
• מדד והודעות תוצאות לבניית תמיכה ארגונית

שיפור מתמיד

לאחר יישום טייס מוצלח, ארגונים יכולים לדרג את ניטור רב-תחומי על פני תהליכים נוספים:

• מתודולוגיות והליכים המבוססים על למידה של טייס
• לפתח מומחיות פנימית באמצעות הכשרה ועברת ידע
• הקמת מבנים לתחזוקה מתמשכת של תרשים ועדכונים
• ליצור מנגנוני משוב לשיפור יעילות ניטור
• Integrate Multivariate SPC לתוך מערכות ניהול איכות רחב יותר
• סקירה קבועה ועדכון גבולות השליטה כתהליכים מתפתחים

אינדיקטורים מרכזיים עבור Multivariate SPC תוכניות

ארגונים צריכים לעקוב אחר מדדים ספציפיים כדי להעריך את היעילות של תוכניות טבלת בקרת רב-תחומיות שלהם:

• (ב) 0 (Detection Performance: FLT:1) אורך הריצה הממוצע עבור גודלי שינוי שונים, זמן לגילוי שינויים ידועים
• שיעור החרדה:0 (FLT:0)False אזעקה: 1) תדירות אותות מחוץ לשליטה במהלך תקופות של שליטה
• (ב) [ה]] [ה]], [ה]], [ה], [ה],] זמן ממוצע מסימן זיהוי של משתנים אחראים.
• (ב) שיפור יכולת: 1) שינויים ב Cpk או יכולת אחרת מדדים לאחר יישום
• (ב) ניכויים:0 (ב) ניכויים: 1 (ב) , ניכויים בגרדטה, עבודה מחדש, תלונות לקוחות
• (ב) ניכוי:0) ,(התמיכה: ⁇ ) ב-[[1924]], מספר גרפים שננקטו, זמן שהושקע על חקירות איכותיות

שיקולים ושיקולים

עבור תעשיות מוסדרות, יישום טבלת בקרה רב-תחומית חייב לענות על דרישות תאימות ספציפיות.אנשי מקצוע איכותיים צריכים להבטיח:

• אימות תוכנה לפי תקנות החלות (למשל, 21 CFR חלק 11 עבור תרופות)
• תיעוד של עיצוב תרשים רציונלית ובחירת פרמטר
• נוהלי סקירה תרשים, אישור ושינוי שליטה
• רשומות אימון המוכיחות את כוח האדם
• מסלולי ביקורת לכל הנתונים והטבלה משתנים
• שילוב עם תיעוד מערכת ניהול איכות קיים

סוכנויות רגולטוריות יותר ויותר לזהות את הערך של גישות מרובות-variate עבור ניטור תהליכים והמשך אימות תהליך.

מסקנה: הערך האסטרטגי של Multivariate Control Charts

⁇ בקרה רב-תחומית מייצגים התפתחות עוצמתית בשליטה בתהליך סטטיסטי, תוך התייחסות למגבלות של גישות בלתי-ivariate בסביבות ייצור מורכבות.על ידי ניטור של מספר משתנים מתואמות, ⁇ אלה מספקים הערכה מדויקת יותר של תהליך, להפחית את האזעקות השקריות, ולזהות שינויים תהליך עדינים שעשויים להיות לא פתורים אחרת.

יישום מוצלח דורש תשומת לב זהירה לעקרונות עיצוב כולל בחירה משתנה מתאים, מערכת הגבלת בקרה נאותה, ואיזון רגישות עם שיעורי אזעקה כוזבים. ארגונים חייבים להשקיע תשתיות איכות נתונים, תוכנה מיוחדת והכשרה מקיפה כדי לממש את היתרונות המלאים של ניטור רב-תחומי.

ככל שמערכות הייצור הופכות מורכבות יותר ויותר ועשירות בנתונים, ⁇ בקרה רב-תחומית ישחקו תפקיד קריטי יותר באבטחת איכות.שילוב שיטות סטטיסטיות מסורתיות אלה עם טכנולוגיות מתפתחות כמו למידה מכונה, ניתוח בזמן אמת, ופלטפורמות תעשייה 4.0 מבטיח אפילו יכולות גדולות יותר למעקב ובקרה.

עבור ארגונים מחויבים למצוינות תפעולית ושיפור מתמשך, ⁇ בקרה רב-תחומית מציעים מסלול מוכח להבנה של תהליך משופר, שיפור איכות המוצר, ועלויות התפעוליות מופחתות.ההשקעה הראשונית ביישום משוחזרת באמצעות בקרת איכות יעילה יותר, פתרון מהיר יותר, ומיקום תחרותי חזק יותר בשווקים תובעניים.

כדי ללמוד עוד על שיטות בקרה של תהליכים סטטיסטיים וניהול איכות שיטות הטובות ביותר, בקר בחברה האמריקנית לאיכות (FLT:0 American Society for QualityischeFLT:1 או לחקור משאבים מה-FLT:2NIST Engineering Commission HandbookFLT 3) עבור אלה המעוניינים בטכניקות רב-תחומיות מתקדמות, ה-FLT:4Journal of QualityF:5 מפרסם מחקר חדשני בתחום זה.