A statisztikai folyamatvezérlést a felügyelt folyamat megfigyelésére és kezelésére használják. Komplex rendszerek esetén szükség lehet egy modell létrehozására annak meghatározására, hogy az SPC-diagram milyen konkrét változóállapotokat fog megjelenni. Ez azt is lehetővé teszi, hogy a menedzsment kiszámítson egy átlagos és várható eltérést, hogy létrehozzon egy SPC vezérlési táblázatot a konkrét bemeneti változók számára, ahelyett, hogy hagyná a rendszert futtatni, és új folyamatot kell létrehoznia minden alkalommal, amikor a folyamatbevitel változik.
A statisztikai folyamatszabályozás áttekintése
Az SPC értékeket sorol fel a megfigyelt jellemzők (magasság, súly, méretek) alapján. Ezeket az értékeket ábrázolja. A folyamat átlagát kiszámítjuk. Ezt az SPC-diagram középvonalaként használják. Ezután kiszámítjuk a szórást. Egy felső és alsó szabályozási határértéket határoznak meg, majd a diagramra helyezzük. Az SPC diagramot ezután figyelemmel kísérik. Minden trend rögzítve van. Minden olyan trend, amely a felső vagy az alsó szabályozási határértékekhez közelít, korrekciós intézkedéseket eredményez.
Idősoros modellezés
Az idősoros modellezés egy bizonyos időintervallumot méri. Ezután egy sor trendvonalat vagy görbét számítunk ki a meglévő idősoradatokra. A trendvonal egy egyszerű algebrai egyenlet. Az idősoros modell ezután előrejelezheti, hogy ez a trendvonal lesz a jövőben. A trendvonal sík, felfelé vagy lefelé haladva lehet.
Többváltozós modellezés
A többváltozós sok változót jelent. A többváltozós modell több változóval rendelkezik, amelyek mindegyike saját társított egyenletekkel rendelkezik. Ezek a változók lehetnek az idő, a folyamat sebessége, az anyagváltozatok és bármely más folyamatváltozó. Mindezen tényezők figyelembevételével többváltozós modell jön létre. Ezután a statisztikai folyamatszabályozási diagram többváltozós modelljét hozzuk létre a különböző időpontok beírásával. Ez a modell ezután megmutatja, hogy az SPC-diagramnak hogyan kell az időbeli változásokat különböző változó értékekre nézni.
Sztochasztikus modellek
A sztochasztikus folyamatok lényegében véletlenszerűek. Ezeket a folyamatokat modellezzük úgy, hogy minden lehetséges kimenetelre valószínűséget adunk. Ezután a modellt úgy állítjuk elő, hogy az egyenletet többször futtatjuk, hogy a legvalószínűbb eredményt és más eredmények valószínűségét hozzuk létre. A sztochasztikus modelleket Monte Carlo szimulációnak is nevezik.
Mesterséges idegi hálózat
Ez a fajta statisztikai folyamatirányítási modell rövidítve az ANN-khoz. Az ANN-k a statisztikai folyamatszabályozási modellek legösszetettebb formája. Többféle bemenettel rendelkező folyamatokat szimulálnak, amelyek különbözőek lehetnek, a közbenső lépések változhatnak, és a különböző kimeneti kimenetek. Az ANN ezt követően adja meg az eredményeket. Ha a folyamatnak sztochasztikus folyamatai vannak, a lineáris egyenletek által meghatározott változók mellett, az ANN számos eredményt adhat. Ha többször fut, akkor ez a legvalószínűbb, és így az „összetett” eredmény egy SPC-diagram számára egy ilyen összetett folyamat számára.
