Il controllo statistico del processo viene utilizzato per monitorare e quindi gestire il processo monitorato. Per i sistemi complessi, potrebbe essere necessario generare un modello per determinare il modo in cui il diagramma SPC apparirà con determinati stati variabili. Ciò consente inoltre al management di calcolare una deviazione media e attesa per creare un diagramma di controllo SPC per specifiche variabili di input, invece di dover lasciare che il sistema funzioni e creare un nuovo grafico ogni volta che cambiano gli input del processo.
Panoramica del controllo statistico del processo
SPC raccoglie una serie di valori sulle caratteristiche (altezza, peso, dimensioni) osservati. Questi valori sono tracciati. La media del processo è calcolata. Questo è usato come linea centrale del grafico SPC. Quindi, viene calcolata la deviazione standard. Un limite di controllo superiore e inferiore viene determinato e quindi posizionato sul grafico. Il grafico SPC viene quindi monitorato. Eventuali tendenze sono registrate. Eventuali tendenze che si avvicinano ai limiti di controllo superiori o inferiori comporteranno azioni correttive.
Modellazione di serie temporali
La modellizzazione delle serie temporali misura un processo a intervalli di tempo specifici. Una serie di linee di tendenza o curve viene quindi calcolata per i dati delle serie temporali esistenti. La linea di tendenza è una semplice equazione algebrica. Un modello di serie temporali può quindi prevedere quale sarà la linea di tendenza in futuro. Una linea di tendenza può essere piatta, in aumento o in diminuzione.
Modellazione multivariata
Multivariata significa molte variabili. Un modello multivariato ha diverse variabili, tutte con le loro equazioni associate. Queste variabili possono includere il tempo, la velocità del processo, le variazioni del materiale e qualsiasi altra variabile del processo. Viene creato un modello multivariato basato sull'assunzione di tutti questi fattori. Un modello multivariato per il grafico di controllo del processo statistico verrà quindi creato inserendo tempi diversi. Questo modello può quindi mostrare come il grafico SPC dovrebbe apparire nel tempo per diversi valori di variabile.
Modelli stocastici
I processi stocastici sono essenzialmente casuali. Questi processi sono modellati assegnando una probabilità a ogni possibile risultato. Il modello viene quindi creato eseguendo l'equazione molte volte per generare un risultato e probabilità molto probabili di altri risultati. I modelli stocastici sono anche chiamati simulazioni Monte Carlo.
Reti neurali artificiali
Questo tipo di modello di controllo del processo statistico è abbreviato in ANNs. Le RNA sono la forma più complessa di modelli di controllo dei processi statistici. Simulano processi con più input che possono variare, passaggi intermedi che possono variare e diversi output risultanti. L'ANN fornirà quindi i risultati ottenuti. Se il processo ha processi stocastici insieme a variabili definite da equazioni lineari, l'ANN può fornire un intervallo di risultati. Se eseguito molte volte, questo darà il risultato più probabile e quindi "medio" per un grafico SPC per un processo così complesso.
