Tipos de modelos de control estadístico de procesos
el control de proceso estadístico se utiliza para monitorizar y luego administrar el proceso está supervisando. Para sistemas complejos, puede que sea necesario para generar un modelo para determinar cómo el gráfico SPC se verá determinada estados variables específicas. Esta gestión permite también calcular una media y desviación espera para crear un gráfico de control SPC para las variables de entrada específicos, en lugar de tener que dejar correr el sistema y crear un nuevo gráfico cada vez que cambian las entradas del proceso.
Descripción general de Control Estadístico de Procesos
Video: Hacer FACILMENTE una RED PERT - MÉTODO PERT
SPC recoge una serie de valores de las características (altura, peso, dimensiones) siendo observados. Estos valores se trazaron. La media del proceso se calcula. Esto se utiliza como la línea central de la tabla de SPC. A continuación, se calcula la desviación estándar. Un límite de control superior e inferior se determinan y luego se coloca en el gráfico. A continuación se monitoriza El gráfico SPC. Cualquier tendencia se registran. Cualquier tendencia que se acercan a los límites de control superior o inferior dará lugar a una acción correctiva.
Modelado de series temporales
Video: Gestión por Procesos
modelado de series temporales mide un proceso en intervalos de tiempo específicos. A continuación se calcula una serie de líneas de tendencia o curvas para los datos de series temporales existentes. La línea de tendencia es una simple ecuación algebraica. Un modelo de serie temporal puede entonces predecir lo que la línea de tendencia será en el futuro. Una línea de tendencia puede ser plana, con tendencia hacia arriba o tendencia a la baja.
Los modelos multivariados
Video: Diagrama de GANTT
Multivariante significa muchas variables. Un modelo multivariado tiene varias variables, todas ellas con sus propias ecuaciones asociadas. Estas variables pueden incluir el tiempo, la velocidad de proceso, las variaciones del material y cualquier otra variable de proceso. Un modelo multivariado se crea basado en la consideración todos estos factores en cuenta. Un modelo multivariado para el gráfico de control estadístico de procesos a continuación, se creó mediante la introducción de diferentes momentos. Este modelo puede mostrar cómo el gráfico SPC debe mirar a través del tiempo para diferentes valores de la variable.
Los modelos estocásticos
Video: Clase abierta: Lean Seis Sigma de mejora de procesos
procesos estocásticos son esencialmente aleatoria. Estos procesos se modelan mediante la asignación de una probabilidad a cada resultado posible. El modelo se crea entonces mediante la ejecución de la ecuación muchas veces para generar un resultado más probable y las probabilidades de otros resultados. Los modelos estocásticos también se denominan simulaciones de Monte Carlo.
Redes neuronales artificiales
Este tipo de modelo de control estadístico de procesos se abrevia a RNAs. RNAs son la forma más compleja de los modelos de control de procesos estadísticos. Se simulan los procesos con múltiples entradas que pueden variar, pasos intermedios que pueden variar, y diferentes salidas resultantes. La ANN dará entonces los resultados resultantes. Si el proceso tiene ningún procesos estocásticos, junto con las variables definidas por las ecuaciones lineales, la ANN puede dar una gama de resultados. Si se ejecuta muchas veces, esto le dará la más probable y por lo tanto resultado ldquo-meanrdquo- para un gráfico SPC para un proceso tan complejo.