Statistinis proceso valdymas naudojamas stebimam procesui stebėti ir valdyti. Sudėtingoms sistemoms gali prireikti sukurti modelį, kad nustatytų, kaip SPC diagramoje bus pateiktos konkrečios kintamos būsenos. Tai taip pat leidžia vadovybei apskaičiuoti vidutinį ir numatomą nukrypimą, kad būtų sukurta specifinių įvesties kintamųjų SPC kontrolės schema, o ne leisti sistemai paleisti ir sukurti naują diagramą kiekvieną kartą įvedant procesą.
Statistinių procesų kontrolės apžvalga
SPC surenka vertybių seriją, kurią mato charakteristikos (aukštis, svoris, matmenys). Šios vertės yra pavaizduotos. Proceso vidurkis apskaičiuojamas. Tai naudojama kaip SPC diagramos centrinė linija. Tada apskaičiuojamas standartinis nuokrypis. Nustatoma viršutinė ir apatinė kontrolinė riba, o tada dedama į diagramą. Tuomet stebima SPC diagrama. Visos tendencijos įrašomos. Bet kokios tendencijos, artinančios prie viršutinės arba apatinės kontrolės ribos, sukels korekcinius veiksmus.
Laiko serijos modeliavimas
Laiko eilučių modeliavimas atlieka procesą tam tikrais laiko intervalais. Tada skaičiuojamos tendencijų linijos arba kreivės esamiems laiko eilutės duomenims. Tendencijos linija yra paprasta algebrinė lygtis. Tada laiko eilės modelis gali prognozuoti, kokia tendencija bus ateityje. Tendencijos linija gali būti plokščia, tendencija aukštyn arba žemyn.
Daugiafunkcinis modeliavimas
Daugialypis variantas reiškia daugybę kintamųjų. Daugiafunkcinis modelis turi kelis kintamuosius, kurių kiekviena turi savo susietas lygtis. Šie kintamieji gali apimti laiką, proceso greitį, medžiagų variacijas ir bet kurį kitą proceso kintamąjį. Sukurtas daugiamatis modelis, atsižvelgiant į visus šiuos veiksnius. Tada bus sukurtas daugiamatis statistinio proceso valdymo diagramos modelis, įvedant skirtingus laikus. Tada šis modelis gali parodyti, kaip SPC diagramoje turėtų būti rodomas skirtingų verčių laikas.
Stochastiniai modeliai
Stochastiniai procesai iš esmės yra atsitiktiniai. Šie procesai yra modeliuojami suteikiant tikimybę kiekvienam galimam rezultatui. Tuomet modelis sukuriamas paleidžiant lygtį daug kartų, kad būtų sukurtas labiausiai tikėtinas kitų rezultatų rezultatas ir tikimybė. Stochastiniai modeliai taip pat vadinami Monte Karlo modeliavimu.
Dirbtiniai neuroniniai tinklai
Šis statistinio proceso valdymo modelio tipas yra sutrumpintas kaip ANNs. ANNs yra sudėtingiausia statistinių procesų valdymo modelių forma. Jie imituoja procesus su keliais įėjimais, kurie gali skirtis, tarpiniai žingsniai, kurie gali skirtis, ir skirtingi rezultatai. Tuomet metinė ataskaita suteiks rezultatus. Jei procesas turi bet kokių stochastinių procesų kartu su kintamaisiais, apibrėžtais linijinėmis lygtimis, metodas gali suteikti įvairių rezultatų. Jei tai bus vykdoma daug kartų, tai suteiks labiausiai tikėtiną ir tokiu būdu „reikšmingą“ SPC diagramos tokiam sudėtingam procesui rezultatą.
