QTech学院
QTech Home

公司地址

地址:武汉市东湖开发区花城大道9号             武汉软件新城A1-101、104号

邮编:430076

垂询方式

电话:(86)027-87597771/7779

传真:(86)027-87597797-8002

Email:sales@qtechinternational.cn

手机网站
您当前位置:QTech学院 >> 知识中心 >> 质量大数据 >> 质量大数据

智能、大数据环境下的统计技术应用 ——“流”过程控制(一)

 时间:2018-11-15 01:59:08  浏览:194

库得克中国 罗平


什么是“流”过程

在很多工业领域都存在“流”过程。例如,饮料、糖果、陶瓷、成型等工业。一个 “流” 过程由多个相同的“子过程”组成。在一个取样时间点,从“子过程”获取样本及关键特性的测量值(固定的相对位置,相同的检测方法及相同的抽样方案)。“流”过程的“子过程”关键特性单位相同,期望具有相同的“目标值”、方差和水平且不可分割。

1.png

定义描述有点晦涩,没看明白。能说通俗点吗?


好吧,来看例子吧!“流”过程很常见:

  • 片状产品(如造纸,织布,镀锌钢和磁带制造)的厚度,通常会测多个位置,如:作业侧、中间、反作业侧

    2.png

  • 不同位置的直径或高度测量

    3.png

  • 测量单个部件上的相同特征,例如压缩机或叶轮上的叶片

    4.png

  • 来自几个相同生产工具的测量,例如灌装头,注塑模具中的模腔或不同的主轴

    5.png6.png

  • 来自晶圆或磁盘上不同位置的测量,例如半导体制造中的逐次运行过程控制

    7.png


还有如来自相同测试仪器的测量…


“流”场景的列表还能无限增多,但通过上面的例子,大家应该能很容易get到“流”过程的基本特征。如果,上述例子没有一个出现在你的生产环境中,没关系,拿一瓶你最爱的饮料(如可口可乐),想象一下它是如何灌装出来的。

8.png

对,同时灌装的不止你手中的这一瓶可乐,有 N 多瓶同一时刻灌装出来。这就是个典型的“流”过程,每个灌装头就是一个“子过程”,每个灌装头的灌装量就是我们关注并要控制的质量指标。

9.png

很显然,“流”过程与“子过程”是不同的。常用的针对非“流”过程的过程控制技术直接应用于“流”过程可能不能奏效,甚至会带来误导性的信号。因为传统过程关键特性的定义和过程质量控制是一维的,“流”是二维的。

接下来,我们会通过几篇系列文章,从传统(或者说常见)的“流”过程统计技术应用入手,讨论讨论“流”过程的统计过程控制方法,并介绍新的“流”过程统计技术——“流”控制图


“流”过程控制的基本思路

“流”过程在运行中,检测和区分影响整体(所有“子过程”)的异常原因和影响部分(一个或部分“子过程” )的异常原因非常重要。通常,造成这两类异常原因的根本原因是不同的,区分它们有助于识别问题并提出解决方案。

一个正常运行的“流”过程,其各“子过程”之间的性能(反应在均值、方差上)应该是“相同的”(即只存在设计允许的随机差别),这是一个前提,否则就不能称之为“流”过程。因此,我们应该在生产过程中首先监控整体是否出现异常,如整体出现异常及时分析原因,分析是整体问题还是部分“子过程”导致。从而,提出对应的解决方案,实现过程控制,预防、保证并提高产品质量。


温馨提示

针对同一问题,会有多种不同的分析方法,没有最完美的分析方法,只有最适合的解决方案(可能是多种方法的组合应用)。所以,本系列讨论,目的是帮助您选择最适合您场景的方法。至于哪种最合理,就仁者见仁智者见智了。


“流”过程控制常用统计方法


1、常规方法——多个休哈特控制图

抽样的前提往往是假设样本来自一个总体。“流”过程的每个“子过程”的观察值理论上应该是多个总体。所以通常会把每个“子过程”当做一个单独的过程对待。此时,解决方案就是每个“子过程”做一个控制图,分别监控。

10.png

从实用性角度考虑,“子过程”少的情况下,此操作问题不大。但大部分“流”过程的“子过程”数量往往突破了你的想象力,拥有成百上千个“子过程”的“流”过程太常见了,尤其是饮料、糖果行业。每个“子过程”一个控制图,OMG!!!

也许你会说,都电脑绘图了再多的图也是分分钟的事。没错,现在不是绘图的问题,是分析图的问题,这么多图如何分析。

从统计原理来看,有很多控制图就会有很多误报警。更重要的是,这种情况下用休哈特控制图的目的是什么?休哈特控制图应该用来识别波动的异常原因,比如通过常用的判异规则:1个点超过3倍的西格玛界限。但在这里,重要的是确定平均值的差异,因为这涉及成本,是钱。 例如,如果某灌装头持续填充比另一个灌装头灌装的更多,则多灌装的饮料就是在送钱。如果某灌装头灌装量不足,则可能导致含量不足申明,从而导致违法。

此外,通常情况“流”过程是统一调整的,所以整体监控是必要的,这种方法没有对“流”过程整体监控。此方法适合“子过程”少的“流”过程,且不考虑整体情况的“流”过程场景。


2、常规方法——一个休哈特控制图

每个“子过程”做一张控制图操作不实际,误报警多,且不是对“流”过程整体监控。我们需要一个整体考虑的方法。前面我们讲到,一个正常运行的“流”过程,其各“子过程”之间的性能(反应在均值、方差上)应该是“相同的”(即只存在设计允许的随机差别),那么我们就把“流”看作是一个总体,这样不就可以通过一个控制图监控了吗?还是举个例子来说明下吧。我们以具有五个“子过程”的“流”的过程为例(你可以认为是一个硅片上测量五个位置的厚度、一卷吕板上五个位置的厚度、五个灌注头),每半小时每个“子过程”抽一个样品组成一个n=5的子组,然后做均值极差图。

11.png

结果如图所示,你会发现均值图控制限很窄,报警点很多,而实际上调查结论为过程是正常的。这是为什么呢?因为休哈特控制图的均值控制限是根据子组极差计算。我们既然已知一个正常运行的“流”过程,其各“子过程”之间的性能(反应在均值、方差上)应该是“相同的”(即只存在设计允许的随机差别),那么自然组内波动很小,这导致均值图控制限很窄,均值图非常敏感,报警增多。

可见,即使我们假设“流”可看作一个总体,休哈特控制图的原理导致休哈特控制图失效。如果还要按照这个逻辑做分析,必须改进控制图(下篇,我们会讲解改进后的方法Three—Way control chart)。


3、常规方法——箱线图

另一种常见的分析方法是用箱线图对比“流”的多个“子过程”的变化范围。箱线图是一种展示数据分布情况的图形,它以分位数作为分布划分依据,箱体集中了50%数据,也就是说盒子越小数据一致性越好,盒子中的线是中位数。它可以看作是直方图的俯视效果。直方图一次只能看一个特性的分布情况,箱线图可直观对比多个特性的分布情况,所以也被用来做“流”过程的对比分析。

12.png


箱线图在“流”过程控制的环境下,是一种“完美”展现已知问题的方法

什么意思呢?我们前面说过:一个正常运行的“流”过程,其各“子过程”之间的性能(反应在均值、方差上)应该是“相同的”(即只存在设计允许的随机差别),这是一个前提,否则就不能称之为“流”过程。也就是说工艺上已经确定了他们各“子过程”之间是没有太大区别的,否则没法生产。

还是饮料罐装的例子:一条灌装线,有100个灌装头,每次灌装的规格一样,不会出现99个灌500g,1个灌300g的情况。如果能用箱线图事后分析出显著差异,除非是工艺解决不了只能这样。这时,会出现什么尴尬的场景?质量分析人员作出箱线图,发现有的“子过程”存在显著差异,激动的找相关工艺或技术人员探讨,结果工艺、技术人员淡定的告知,这现象我知道呀,目前工艺条件解决不了。

不要觉得可笑,这种场景笔者就在一知名企业碰见过。注塑模具的边缘模腔与其他模腔有不同,箱线图直观的体现出来了,但这是所有涉及注塑的人员都清楚的(离主注塑口远,自然与近的有差别)。因此,就是“完美”展现已知问题。

13.png

此外,箱线图没有时序概念,是事后离线分析,对“流”过程的过程监控没有帮助。箱线图无时序概念、事后分析的特征决定了箱线图分析是滞后的、不敏感的,因此如果能从箱线图上发现显著的差别,你的生产过程早就该停产整顿了。这种情况如果你去看控制图,过程早已处于失控状态。

箱线图可用于实时性要求不高的场景,比如,作为改进项目的立项材料的一部分(展现现状),和改进项目成果验证的材料(改进后状况展示),而且图只是直观展示,要有说服力还应附上方差分析结果。


上一篇:关于变化分析

下一篇:没有了

Copyright. © 1997-2018 武汉库得克软件有限公司 版权所有 联系电话: 86-27-87597779 87597719 鄂ICP备05017233  鄂公网安备 42018502002653号 87597771