Flytte Gjennomsnittet Kontroll Diagram Mal

Excel Tips og triks I denne artikkelen viser vi8217ll hvordan du bygger et Excel kontrollskjema for å analysere data og forbedre effektiviteten. Kontroll diagrammer er nyttige for å overvåke en prosess som har et nivå av variasjon 8211 for eksempel å fylle beholdere med et visst antall elementer. De kan enkelt illustrere om prosessen din fungerer innenfor de tiltenkte parametrene. 1. Samle og format dine data Når du har hentet dataene fra prosessen, er det første trinnet i å skape et Excel-kontrollskjema for å sikre at det er riktig formatert. Datasettet ditt skal organiseres langs en gjennomsnittlig (gjennomsnittlig) 8211, dvs. et målpunkt som datapunktene er gruppert rundt. Hvis it8217 ikke er, vil kontrollskjemaet ditt ikke være nyttig. 2. Organiser datakolonner Dernest lager du kolonner for å organisere dataene dine. Merk dem Range, Number, Data, Lower, Upper og Average. Fyll data-kolonnen med de organiserte datapunktene dine, og fyll tallkolonnen med verdier som stiger i numerisk rekkefølge, begynner med 1. 3. Få øvre og nedre grenser her8217s der formelen kommer inn. I den første cellen i kolonnen Rekkevidde, skriv inn formelen Abs (C2-C3). Velg cellen og dra den ned for å kopiere formelen til slutten av dataene dine. I den nedre kolonnen gjør du det samme med formelen Gjennomsnittlig (C: C) -2.66Average (A: A). og i øvre kolonne bruker gjennomsnittlig (C: C) 2,66Average (A: A). 4. Få dataene dine gjennomsnittlig Endelig, sett opp formelen for gjennomsnittlig kolonne. I F2, skriv gjennomsnittlig (C: C). Etter at du har tastet inn, autofyll formelen ned til slutten av dataene dine. Dette skaper mål gjennomsnittet. 5. Opprett Excel-kontrollkart Nå som du har rammen for Excel-kontrollkortet ditt, og dataene dine er importert, velg dataene i kolonnene B til F og naviger til Sett inn-fanen og finn diagramgruppen på menyen. Velg en Scatter-diagramtype. For det siste trinnet må du fastlegge feltområdene for avviket ditt. Diagrammet kan se komplett, men det er ikke riktig format ennå. Høyreklikk et datapunkt på Nedre grense linje, og velg Endre serie karttype. Når menyen åpnes, velg et linjediagram. Gjenta denne handlingen for 8220Upper8221 og 8220Average8221 datasettene. Klikk OK for å bekrefte og Excel-kontrollskjemaet ditt vil bli fullført. I denne Fred Pryor SeminarerExcel Control ChartPractice-prøven kan du leke med tallene for å se hvordan gjennomsnitts - og andre grense linjer endres når data skifter eller prøv denne prosessen ut selv. Har du en prosess - eller prøvegruppedata som passer for denne typen diagram Hva kan du bruke et kontrollkort for Skrevet av Excel Tips og triks fra Pryor Excel Tips amp Tricks er skrevet av Microsoft Excel-ekspertene på Fred Pryor Seminarer og CareerTrack. Kjent for vår omfattende Excel-opplæring, tilbyr vi noen av de beste i virksomheten. Ikke kast bort dyrebar tid på å prøve å finne ut ting på egen hånd. Delta på et av våre fremragende Excel-kurs og få den kunnskapen du trenger for å bruke Excel mer effektivt og effektivt. Sjekk ut et Excel-kurs som kommer til et sted i nærheten av deg når du klikker her. Legg igjen et svar Avbryt svarI-MR-diagrammer Personer - Flytte områdediagrammer I-MR-diagrammer tegne individuelle observasjoner på ett diagram ledsaget av et annet diagram over rekkevidden til de enkelte observasjonene - normalt fra hvert sammenhengende datapunkt. Dette diagrammet brukes til å plotte fortløpende data. Individuelt (I) Diagrammet plotter hver måling (noen ganger kalt en observasjon) som et eget datapunkt. Hvert datapunkt står på egen hånd, og det betyr at det ikke er noen rasjonell undergruppe og undergruppestørrelse 1. Et par andre vanlige diagrammer som brukes med undergrupper gt1 er: Et typisk Moving Range (MR) - diagram bruker en standardverdi på 2, som betyr at hver datapunkt avgrenser forskjellen (rekkevidde) mellom to sammenhengende datapunkter som de kommer fra prosessen i rekkefølge. Derfor vil det være en mindre datapunkt i MR-diagrammet enn Individuals diagrammet. Denne verdien kan imidlertid justeres i de fleste statistiske programmene. I-MR-diagrammer skal være i kontroll i henhold til kontrolltester som du velger å bruke. Det er mange typer tester som kan bestemme kontroll og punkter innenfor kontrollgrensene kan også være ute av kontroll eller spesiell årsak. Eksempel 1 Dataene under målingene ble tatt fra den totale lengden på 30 forskjellige widgets. Beregningen gjelder kortsiktig estimat med un-biasing konstant siden det mest sannsynlig er en prøve som representerer kortsiktig ytelse av prosessen. Husk det er flere estimater for sigma (standardavvik), og hver bruk bør avtales med kunden og begrunnelsen for utvalget. Det første datapunktet i RANGE-diagrammet siden et flytende område på 2 ble valgt absoluttverdien (eller den positive forskjellen) på 5,77 - 4,57 1,20. En måling per del, uten rationelle undergrupper. Deler måles i rekkefølge hvor de kommer fra prosessen. xa0 Det er et mindre datapunkt enn deler målt. xa0 Bruke MR-bard2 for estimering av sigma (kortsiktig estimering for standardavvik). Begge diagrammene indikerer en prosess som er stabil og i kontroll. Dette ville være tilstrekkelig for stabilitetsdelen av en MSA. Hvis dette var de nye (AFTER) dataene fra en prosessforbedring, og denne ytelsen er bedre og mer ønskelig enn FØR ytelsen, kan disse kontrollgrensene settes som de nye prosesskontrollgrensene. Hvis dette var de tidligere (FØR) dataene til en prosess, og all variasjonen er forklart av vanlig årsak, inneboende variasjon, vil det ta en fundamental forandring (forhåpentligvis en forbedring) for å endre og opprettholde denne ytelsen. Målet med teamet er å eliminere eller forklare all spesiell årsakvariasjon og gjøre grunnleggende, hidtil usete forbedringer for å drive det eksisterende nivået av vanlig årsak til en redusert variasjon og mer presis ytelse rundt et mål. Eksempel 2 FØR ETTER I-MR-diagram Nedenfor er et eksempel på data samlet på slutten av IMPROVE-fasen fra en tidsstudie før og etter at forbedringene ble implementert på en inspeksjonsprosess. Tider ble kartlagt med hver gang som representerer sin egen gruppe (undergruppe størrelse 1). Tiden er en kontinuerlig datatype som vil gi deg et SPC-diagram som en I-MR. Du kan se fra diagrammet, gjennomsnittet for de enkelte måltider gikk ned til 9,79 minutter og. ved å undersøke det nedre diagrammet, kan du se at variasjonen blant tiden også ble redusert. For å statistisk analysere om gjennomsnittet er forandret, kan du bruke 2 prøve-t-test eller paret-t-test (avhengig av dataene og forutsatt at dataene normalt distribueres). Hypotesetest Ved å bruke dataene i diagrammet ovenfor ble en 2 prøve t-test utført med alfa-risiko satt til 0,05 for å avgjøre om det er en signifikant forskjell i ytelsen til gjennomsnittet FØRE og AFTER. MERK: Selv om 52 prøver ble tatt både før og etter, blir parene ikke matchet på grunn av at ulike deler vurderes og er en destruktiv studie. Hadde vurderingen blitt gjort ved å bruke de samme delene og ikke-destruktive delene, så kunne den sammenkoblede t-testen brukes. xa0 null hypotesen Ho: Mean FØR MEAN AFTER Alternativ hypotese H A. xa0Mean AFTER lt Mean BEFORE Dette skaper en one-tailed test. Nulhypotesen avvises. Det er noen måter å konkludere med dette. Teststatistikken på 26,42 er større enn kritisk t-verdi på 0,05 og dF 76 som er 1,67 for en tailed test. dF grader av frihet p-verdien er mindre enn 0,05. Med de statistiske bevisene at et skifte har skjedd i gjennomsnittet fra 19,65 minutter til 9,79 minutter. AFTER-ytelsen passerte også alle SPC-tester, slik at de nye kontrollgrensene skulle brukes fremover for å overvåke denne prosessen. Dette er en viktig del av CONTROL-fasen og den reviderte FMEA. xa0 Den reviderte FMEA skal dokumentere de nye kontrollgrensene for prosessen, og dette gjøres for å raskt identifisere om fremtidig prosessytelse forblir i kontroll og opprettholdes. xa0 Bruk av den gamle øvre og nedre kontrollgrenser for å overvåke en påvist forbedret prosess utelukker ikke sannsynlig noen ytelsesadferd som trekkes tilbake eller begynner å falle tilbake til gamle mønstre. Og målet er ikke å tillate dette, utsette problemer raskt og synlig slik at de kan adresseres og få prosessen slått på igjen. xa0 Test for variasjonsreduksjon For å statistisk sjekke om variasjonen har endret seg fra før du kunne bruke F-testen for like avvik. Siden dette eksemplet bruker et 95 konfidensnivå, vil enhver p-verdi lt 0,05 være statistisk signifikant, og du vil avvise nullhypotesen og konkludere det er forskjell. VISUELL HJELP . En annen visuell retningslinje er å undersøke konfidensintervaller som vises i blått for dataene før (1) og etter (2). Hvis intervallbåndslinjene overlapper da, er det ingen statistisk forskjell mellom varianten før og etter. Hvis intervallbåndslinjene IKKE overlapper, er det en statistisk signifikant forskjell mellom variasjonen før og etter. Jo lenger linjene er borte fra overlapping jo lavere blir p-verdien og mer tillit du har i konkluderingen, det er en betydelig forskjell (synes åpenbart). Hvis kanten av linjene var nær hverandre (som venstre kant på topplinjen og høyre kant av den nederste linjen i vårt eksempel), ville p-verdien være nær null og F-statistikken ville være omtrent det samme som F-kritisk verdi. RECALL: Målet med de fleste Six Sigma-prosjekter er å forbedre gjennomsnittet til et mål (legge til nøyaktighet) og redusere variasjon (legg til presisjon). Levenes test kan brukes på ikke-vanlige sett med data for å teste for like variasjoner. Med den nye prosessen (AFTER) i kontroll, kan du fortsette å vurdere den endelige prosessen og komme opp med den nye z-poengsummen eller bruke en kapasitetsindeks. Enveis ANOVA Det er også en interesse for å avgjøre om det er en signifikant forskjell mellom de fire vurdererne i AFTER-studien. Dette kan hjelpe til med å identifisere en eller flere taksere som kan dra nytte av mer opplæring og undersøke hvor den nye variasjonen kommer fra (innen hver operatør, blant eller begge). Bruk av en enveis ANOVA med alpha på 0,05, følgende resultater fra AFTER data ble generert. xa0 Påminnelse var det 52 lesinger så dF 51. Det er konkludert at det ikke var statistisk forskjell mellom operatørene. Det er flere ting som støtter konklusjonene. P-verdien godt over 0,05 (med andre ord, ikke avslå nullhypotesen) F-statistisk lt F-kritisk verdi på 2,81 Sterkt overlappende konfidensintervaller. Jim og Dave hadde nesten nøyaktig samme resultat. Forskjellen mellom Paul og Dave er størst, men fortsatt ikke statistisk signifikant ved en alfasiko på 0,05. er alle bevis for at det ikke er noen forskjell mellom noen par eller kombinasjoner av dem. Den lave F-verdien på 0,27 sier at variasjonen i vurdererne er større enn variasjonen blant dem, og ikke innenfor avvisningsområdet. Navigering: En veikart for bruk av tidsvektede kontrollkort Vishwajit Joshi 0 Å velge riktig type kontrolldiagram er en viktig utgangspunkt for statistisk prosesskontroll (SPC). Hvilket diagram som skal brukes, avhenger hovedsakelig av klassifisering av dataene, typen underliggende distribusjon og hensikten med søknaden. Hvis du velger feil type, kan det resultere i mange falske alarmer, noe som fører til dyre og fruktfrie søk etter tildelbare årsaker. Med det brede spekteret av kontrollkortalternativer tilgjengelig, kan valget av diagrammet som passer best for en bestemt prosess, være en vanskelig oppgave. Forvirringen øker med anvendelighet av to forskjellige kontrolldiagrammer for de samme dataene. Dette gjelder spesielt når man bruker tidsveide kontrolldiagrammer. For eksempel kan det samme datasettet analyseres ved hjelp av et individuelt bevegelige område (I-MR) diagram, samt tidsvektede kontrolldiagrammer som et eksponentielt vektet glidende gjennomsnittlig (EWMA) diagram eller et kumulativt sum (cusum) kontrollskjema. Likevel er hensikten og metoden for søknad for begge typer tidsvektede diagrammer helt forskjellige. Utøvere ofte ikke fokusere nok på 8220intent8221 av å bruke en bestemt type kontroll diagram som kan føre til feil fortolkning av resultatene. Når og hvordan man bruker et tidsvektet kontrollskjema har det alltid vært et område med forvirring for kvalitetsveiledere i produksjonslinjer (operativ forståelse) samt SPC-utøvere (sammenligning av statistisk ytelse). Eksempel på forskjellige kontrollkortresultater Følgende datasett gir et eksempel på de ulike konklusjonene som nås med to forskjellige kontrolldiagrammer. Dataene analyseres ved hjelp av et I-MR-diagram, samt et EWMA-diagram, og de trekkene som er trukket er motstridende. Det er vanskelig å ta en avgjørelse dersom hensikten med analysen ikke forstås. Tilfelle 1: Et I-MR-diagram viser en ut-kontroll-prosess, mens det ikke er noen slike tegn i de tidsveide kontrolldiagrammer. Sak 2: Et I-MR-diagram viser en in-control-prosess, mens de tidsveide diagrammene viser en klar oppadgående trend i prosessdata. Sammenligning av statistisk ytelse En stor ulempe ved Shewhart-type kontrolldiagrammer er at de bare bruker informasjon om prosessen i det siste plottet, og derfor har disse diagrammene ikke noe minne. Tidligere observasjoner påvirker ikke sannsynligheten for fremtidige utelukkende signaler. Trendregler eller soneregler kan brukes til å introdusere noe minne som resulterer i raskere gjenkjenning av små skift. Tidsvektede kontrolldiagrammer er et alternativ til Shewhart-diagrammer for å spore små skift i en prosess. I motsetning til Shewhart-diagrammer bruker de historiske datapunkter og oppdager raskt små skift (med mindre enn 3 sigmaer). Veibeskrivelse for tidsvektede kontrolldiagrammer Selv om tidsvektede kontrolldiagrammer er svært nyttige, er de ikke ment å erstatte Shewhart-diagrammene helt, som kan brukes til å oppdage et bredere utvalg av effekter (skift på 3 sigma eller høyere rekkefølge) som er på grunn av tildelbare årsaker. Det anbefales ofte at Shewhart-grensene brukes sammen med et EWMA - eller cusum-diagram. Hensikten med å bruke et kontrollskjema for analyse må godt forstås på forhånd. To viktige spørsmål som skal besvares er: Er teamet spesielt på jakt etter deteksjon av relativt små skift i prosessen Hvor liten er et skifte (med en ordre på 1 eller 2 sigma) signifikant for prosessen Ved å svare på disse spørsmålene, blir det klart at hensikten med å bruke tidsvektede kontrolldiagrammer. Det bestemmer parametere (vekt for EWMA-diagrammer og skift og slakk for cusum-diagrammer) av tidsvektede diagrammer og analyserer datasettet tilsvarende. Prosjektteam skal starte med et Shewhart kontrollskjema for åpenbar prosess ustabilitet, hvis noen, og deretter bruke et tidsvekt kontrollskjema for å bestemme små skift i prosessen. Veibeskrivelsen for bruk av tidsvektede kontrolldiagrammer i forbindelse med Shewhart-kontrolldiagrammer er under: Veibeskrivelse for bruk av tidsvektede kontrollkort Konklusjon: To kontrollkort Bedre enn en tidsvektet kontrolldiagrammer er et godt alternativ til Shewhart kontrolldiagrammer for å oppdage små skifter raskt. Brukeren må imidlertid være tydelig om hensikten med å bruke disse kontrollkortene. Veibeskrivelsen, som ble utviklet gjennom praktisk erfaring, bidrar til å oppnå bedre resultater ved å bruke både Shewhart og tidsvektede kontrolldiagrammer. Legg igjen en CommentControl Chart Excel Download Template Dette innlegget vil kortfattet forklare og svare på ldquoHva er en kontroll Chartrdquo Nederst på siden kan du ta en serie av Excel-maler for kontrolloversikt som du kan laste ned GRATIS Først: hele bøker og doktorgradsavhandlinger er skrevet om Control Charts ndash denne korte posten wonrsquot gjør det rettferdighet. Så vær så snill å lære på egenhånd hva jeg mest sannsynlig ikke vil dekke i denne artikkelen. Hver prosess varierer. Det er en inneboende variasjon, men den varierer mellom forutsigbare grenser. Det finnes to typer variasjoner: ldquocommon causerdquo og ldquospecial causerdquo. Hvis du klipper diamanter, og noen støter på albuen, kan den spesielle årsaken være dyr. Men i diamant skjæring og ingen albue ble støt, vil selve prosessen iboende ha variasjon ndash som kalles vanlig årsak. For mange prosesser er det viktig å legge merke til spesielle årsaker til variasjon så snart de oppstår og reagere på riktig måte. Alle kontrollkort har tre grunnleggende komponenter: En midtlinje, vanligvis det matematiske gjennomsnittet av alle prøvene tegnet. Øvre og nedre statistiske kontrollgrenser som definerer begrensningene av vanlige årsvariasjoner. Resultatdata plottet over tid. Her er et eksempel på et kontrollskjema: Her er noen populære kontrolldiagrammer (inkludert i nedlastingen nedenfor): Variable Data Individuelle og Flytende Range (X og MR eller I og MR) Gjennomsnitt og rekkevidde eller gjennomsnittlig og standardavvik (X-bar og R eller X-bar og S) Estimert vektet Flytende Gjennomsnitt (EWMA) Kumulativ Sum (CUSUM) Egenskapsdataforhold (P og NP) Feilfelt (C og U)