Typer kontrollkort (med diagram) | Industries

Denne artikkelen kaster lys over de to hovedtyper av kontrolldiagrammer. Typer er: 1. Kontrolldiagrammer for variabler 2. Kontrolldiagrammer for attributter.

Type # 1. Kontrolldiagrammer for variabler:

Disse diagrammene brukes til å oppnå og opprettholde et akseptabelt kvalitetsnivå for en prosess, hvis utgangsprodukt kan bli utsatt for kvantitativ måling eller dimensjonskontroll som størrelse på et hull, dvs. diameter eller dybde, lengde på en skrue / bolt, veggtykkelse på en rør etc.

Disse brukes til målbare kvalitetsegenskaper. La kvalitetsegenskapene til alle produktene måles i undergrupper. Undergruppene er prøvene som har fast antall artikler / produkter / komponenter tatt tilfeldig over en tidsperiode.

Gjennomsnittet og standardavvikene til kvalitetsegenskapene beregnes for hver prøve, og følgende situasjoner angående prosessen kan oppstå under praksis:

Fordeler med kontrolldiagrammer:

Ulike fordeler med kontrolldiagrammer for variabler er som følger:

(1) Kontrollskjema advarsler i tide, hvis det er nødvendig, utbedres korrigering, med tiden kan skrap og prosentvis avvisning reduseres.

(2) Dermed sikrer produktkvalitetsnivået.

(3) Et kontrollskjema angir hvorvidt prosessen er i kontroll eller ut av kontroll, slik at informasjon om valg av prosess- og toleransgrenser er gitt.

(4) Inspeksjonsarbeidet er redusert.

(5) Kontrollskjemaene skiller ut sjansen og tildelbare årsaker til variasjoner i observasjonen, slik at en betydelig kvalitetsforbedring er mulig.

(6) Bestemmer prosessvariabilitet som og oppdager uvanlige variasjoner som finner sted. Så omdømmet til bekymringen / firmaet kan bygges ved bruk av disse diagrammene.

Mål eller formål med kontrolldiagrammer for variabler:

Forskjellige mål med kontrolldiagrammer for variabler er som følger:

(1) For å fastslå om prosessen er i statistisk kontroll, og i så fall er variabiliteten knyttet til sjanse. Variasjonen som er inneboende i prosessen kan ikke fjernes, med mindre det er en endring i de grunnleggende forholdene der produksjonssystemet / prosessen er i drift.

(2) Det leder produksjonsingeniøren til å avgjøre om prosessegenskapen er kompatibel med designspesifikasjonene.

(3) Å registrere trenden i observasjonene for videre planlegging, justering og tilbakestilling av verktøy.

(4) For å få tidligere informasjon om prosessen, hvis det er sannsynlig å gå ut for å kontrollere.

Disse diagrammene er tegnet som følger:

Trinn 1:

En rekke prøver av komponenter som kommer ut av prosessen blir tatt over en tidsperiode, hver prøve bestående av en antall enheter n (n er vanligvis 4 eller 5 enheter eller noen ganger flere). Kvalitetsmålingene x 1, x 2, x 3 ......... .. x n er tatt.

Steg 2:

For hver prøve beregnes gjennomsnittsverdien x av alle målingene og området R (dvs. forskjellen mellom de høyeste og laveste avlesningene).

Step-3:

Etter beregning av x og R beregnes kontrollgrensene for X- og R-diagrammene som følger med UCL og LCL som forkortelse for øvre kontrollgrense og lavere kontrollgrenser.

hvor faktorene A 1, D 2 og D 3 avhenger av antall elementer per prøve og jo større dette tallet, jo nærmere grenser. Tabell 9.1 gir verdier for disse faktorene for ulike utvalgsstørrelser. Så lenge X og R-verdiene for hver prøve er innenfor kontrollgrensene, er prosessen sies å være i statistisk kontroll.

Type # 2. Kontrollkort for attributter:

Disse diagrammene brukes til å oppnå og opprettholde et akseptabelt kvalitetsnivå for en prosess hvis utgangsprodukter ikke underkastes dimensjonal eller kvantitativ måling, men kan klassifiseres som gode eller dårlige eller akseptable og ikke-akseptable, for eksempel overflatefinish av en produktets lysstyrke av et element er enten akseptabelt eller ikke akseptabelt.

Ved inspeksjon av variabler som gjøres i x- og R-diagrammer, er det nødvendig med faktisk måling av dimensjonene som noen ganger er vanskelig og uøkonomisk.

Det er en annen måte å inspisere også, dvs. inspeksjon av attributter. I denne metoden blir det ikke gjort virkelige målinger, i stedet teller antall feil eller defekter. Størrelsen på feilen og dens plassering er ikke så viktig.

Vi kan også si at produktene er inspisert på samme måte som med Go og Non Go-måler? Produktene er enten akseptert eller avvist, og deres faktiske dimensjoner blir ikke målt for eksempel 100 fanblader blir inspisert, hvorav 12 er funnet å være defekte, slik at de 12 stykkene blir avvist.

De fire mest brukte kontrollkartene for attributter er:

(1) Kontrollskjema fra brøkfeil (p-diagrammer)

(2) Kontrollskjema for nummer Defekter (np diagrammer)

(3) Kontroll diagrammer for prosent defekt diagram eller 100 p-diagrammer.

(4) Kontrolldiagrammer for antall feil per enhet eller C-diagram.

(1) Kontrolldiagrammer for fraksjon Defekt (p-diagram):

La prøvene av størrelse n bli tatt tilfeldig fra produksjonsprosessen eller utgangen ved forskjellige tidsintervaller. Hvis d er antall defekter i en prøve, så er fraksjonen defekt i prøven.

P = d / n = Antall defekt enhet i en prøve / Totalt antall enheter eller gjenstander i en prøve

Eller Faktisk antall feil

d = np

Hvis p ^ er andelen defekter produsert av hele behandlingen eller den gjennomsnittlige brøkdel er defekt og den er gitt av

p = Totalt antall defekte elementer i alle prøvene som er inspisert / Totalt antall gjenstander i alle prøver.

P-diagrammet er basert på binomialfordeling. Binomialfordelingen har standardavviket σ p som er gitt av relasjonen.

Siden antall defekte produkter ikke kan være negative hvis LCL noen ganger kommer ut til å være negativt, blir det tatt som null, p-diagram brukes til å plotte og kontrollere fraksjonskonflikter når prøvestørrelsen forblir jevn eller varierer.

(2) Kontrolldiagrammer for antall defekter (np-diagram):

Ved å bruke de samme notasjonene som i p-diagram er standardavviket og kontrollgrensene for np-diagrammet som følger:

(3) Kontrolldiagrammer for Prosent Defekt (100 p-diagram):

Ved bruk av samme notasjon som i p, np diagrammer, er standardavviket og kontrollgrensene som følger:

Bruk av P-diagrammer:

(i) np eller Antall defekte diagrammer brukes der gruppestørrelse eller prøvestørrelse, dvs. n er konstant.

(ii) p-diagram av brøkfeilplan og 100 p eller prosent defekte diagrammer kan brukes der prøvestørrelsen er variabel eller konstant.

Sammenligning av xijz- R-diagrammer og P-diagrammer :

xiod - R-diagrammer:

1. Dette er kontrollkort for variabler.

2. Kostnaden for datainnsamling er mer på grunn av faktiske dimensjonale målinger.

3. Prøvestørrelser er små.

4. Kontrollgrensene påvirkes av prøvestørrelsen.

5. For ulike målbare kvalitetsegenskaper skal forskjellige diagrammer tegnes.

6. Metoden er meget overlegen ved å diagnostisere årsaker til variabilitet.

P-diagrammer:

1. Dette er Control Charts for attributter.

2. Datainnsamling er relativt billigere.

3. Større størrelsesprøver skal tas.

4. Det er mindre effekt av prøvestørrelsen over kontrollgrenser.

5. Samme P-diagram kan brukes på et hvilket som helst antall kvalitetsegenskaper på ett element under inspeksjon.

6. Metoden er forholdsvis dårligere når det gjelder å diagnostisere årsakene til problemer eller avslag.

(4) Kontrolldiagrammer for antall feil per enhet (C-diagram):

Dette er en annen metode for å tegne attributtegenskaper. I flere tilfeller er det mer hensiktsmessig å arbeide med antall feil per enhet i stedet for brøkfeil. R-diagrammet brukes til å kontrollere antall feil som observeres per enhet.

Forskjellen mellom p-diagram og r-diagram er at den tidligere tar hensyn til antall elementer som er funnet defekte i en gitt prøvestørrelse (hvert defekt element kan ha en eller flere feil i den) mens sistnevnte registrerer antall feil funnet i en gitt prøvestørrelse.

Selv om bruken av c-diagram er noe begrenset, sammenlignet med p-diagram, er det tilfeller i bransjen hvor den er veldig nyttig, for eksempel i kontroll av antall feil i et busslegeme, et fly et TV-apparat, en datamaskin, sveising defekt i truss etc.

Konstruksjonen av kontrollskjemaet ligner p-diagrammet, bortsett fra at her er kontrollgrensene basert på Poisson-fordelingen som ofte har blitt funnet egnet til å beskrive fordeling av defekter.

Standardavviket i dette tilfellet er gitt av