الانتقال من المتوسط - ضبط الرسم البياني لل قالب

إكسيل تيبس أند تريكس في هذه المقالة، we8217ll تظهر لك كيفية إنشاء مخطط تحكم إكسيل لتحليل البيانات وتحسين الكفاءة. إن مخططات التحكم مفيدة لمراقبة أي عملية لها مستوى من التباين 8211 على سبيل المثال، تعبئة الحاويات مع عدد معين من العناصر. يمكن أن توضح بسهولة ما إذا كانت العملية تعمل ضمن المعايير المطلوبة. 1. تجميع وتنسيق البيانات الخاصة بك بمجرد الحصول على البيانات التي تم جمعها من العملية الخاصة بك، فإن الخطوة الأولى في إنشاء مخطط تحكم إكسيل هو التأكد من أنه تم تنسيقه بشكل صحيح. يجب تنظيم مجموعة البيانات الخاصة بك على متوسط ​​متوسط ​​(8211) يعني نقطة الهدف التي يتم تجميع نقاط البيانات حولها. إذا لم يكن 8217 ثانية، لن يكون مخطط التحكم الخاص بك مفيدا. 2. تنظيم أعمدة البيانات ثانيا، إنشاء أعمدة لتنظيم البيانات الخاصة بك. تسمية لهم مجموعة، عدد، البيانات، السفلى، العليا والمتوسط. ملء عمود البيانات مع نقاط البيانات المنظمة الخاصة بك، وملء العمود عدد مع القيم تصاعدي في الترتيب العددي، بدءا من 1. 3. الحصول على الحدود العليا والسفلى هنا 8217s حيث تأتي الصيغة الخاصة بك. في الخلية الأولى من العمود المدى، أدخل صيغة عبس (C2-C3). حدد الخلية واسحبها لأسفل لنسخ الصيغة إلى نهاية البيانات. في العمود السفلي، قم بالشيء نفسه مع الصيغة متوسط ​​(C: C) -2.66 متوسط ​​(A: A). وفي العمود العلوي استخدم متوسط ​​(C: C) 2.66 متوسط ​​(A: A). 4. الحصول على متوسط ​​البيانات وأخيرا، قم بإعداد صيغة عمود العمود. في F2، اكتب متوسط ​​(C: C). بعد الضغط على إنتر، قم بملء الصيغة تلقائيا إلى نهاية بياناتك. وهذا يخلق المتوسط ​​المستهدف. 5. إنشاء مخطط التحكم في إكسيل لديك الآن الإطار الخاص بإعداد مخطط التحكم في إكسيل واستيراد البيانات الخاصة بك، حدد البيانات في الأعمدة من B إلى F ثم انتقل إلى علامة التبويب إدراج وحدد موقع مجموعة المخطط في القائمة. اختر نوع مخطط مبعثر. للحصول على الخطوة النهائية، تحتاج إلى إنشاء المناطق الميدانية للانحراف الخاص بك. الرسم البياني قد تبدو كاملة، ولكن ليس في الشكل الصحيح فقط بعد. انقر بزر الماوس الأيمن فوق نقطة بيانات على خط الحد الأدنى وحدد تغيير نوع المخطط. عند فتح القائمة، اختر مخطط خطي. كرر هذا الإجراء لمجموعات البيانات 8220Upper8221 و 8220Average8221. انقر فوق موافق للتأكيد وسيتم اكتمال مخطط التحكم إكسيل الخاص بك. في هذا فريد بريور سيمينارسكسيل التحكم في الرسم البياني عينة، تلعب حولها مع الأرقام لنرى كيف يتغير متوسط ​​وخطوط الحد الأخرى عندما يتحول البيانات أو محاولة هذه العملية من نفسك. هل لديك عملية أو عينة مجموعة البيانات المناسبة لهذا النوع من الرسم البياني ماذا يمكن أن تستخدم مخطط التحكم لكتابة كتبها إكسيل نصائح والخدع من بريور إكسيل نصائح الخدع أمب مكتوب من قبل خبراء ميكروسوفت إكسيل في فريد بريور سيمينارس و كاريرتراك. معروف لدينا التدريب إكسل واسعة، ونحن نقدم بعض من الأفضل في الأعمال التجارية. لا تضيع الوقت الثمين في محاولة لمعرفة الأشياء من تلقاء نفسها. حضور واحدة من دورات إكسيل المتميزة واكتساب المعرفة التي تحتاج إليها لاستخدام إكسيل أكثر فعالية وكفاءة. تحقق من دورة إكسيل القادمة إلى موقع بالقرب منك عند النقر هنا. ترك الرد إلغاء الرد-مر الرسوم البيانية الأفراد - الرسوم البيانية المدى المتحرك الرسوم البيانية I-مر رسم الملاحظات الفردية على رسم بياني واحد مع مخطط آخر من مجموعة من الملاحظات الفردية - عادة من كل نقطة بيانات متتالية. يتم استخدام هذا المخطط لرسم البيانات المستمرة. ويحدد الرسم البياني للأفراد (I) كل قياس (يسمى أحيانا الملاحظة) كنقطة بيانات منفصلة. كل نقطة بيانات تقف من تلقاء نفسها والوسائل لا يوجد تجميع فرعي عقلاني وحجم المجموعة الفرعية 1. وهناك اثنين من المخططات المشتركة الأخرى المستخدمة مع المجموعات الفرعية gt1 هي: نموذجي المدى المتحرك (مر) يستخدم الرسم البياني القيمة الافتراضية من 2، وهو ما يعني كل نقطة البيانات المؤامرات الفرق (المدى) بين نقطتي بيانات متتاليتين لأنها تأتي من العملية في ترتيب تسلسلي. لذلك سيكون هناك نقطة واحدة أقل البيانات في مخطط مر من الرسم البياني الأفراد. ومع ذلك، يمكن تعديل هذه القيمة في معظم برامج البرمجيات الإحصائية. يجب أن تكون المخططات I-مر في السيطرة وفقا للاختبارات السيطرة التي تختار استخدامها. هناك أنواع كثيرة من الاختبارات التي يمكن أن تحدد السيطرة والنقاط داخل حدود السيطرة يمكن أيضا أن تكون خارجة عن السيطرة أو سبب خاص. مثال واحد تم أخذ البيانات الواردة أدناه من القياسات من الطول الإجمالي ل 30 حاجيات مختلفة. ويطبق الحساب التقدير القصير الأجل مع ثابت غير متحيز لأنه من المرجح أن تكون العينة تمثل الأداء القصير الأجل للعملية. نضع في اعتبارنا هناك العديد من التقديرات سيغما (الانحراف المعياري)، وينبغي أن يتم الاتفاق على كل استخدام مع العميل والمنطق لاختيارها. نقطة البيانات الأولى في مخطط رانج منذ تم تحديد نطاق متحرك من 2 القيمة المطلقة (أو الفرق الإيجابي) من 5.77 - 4.57 1.20. قياس واحد لكل جزء، مع عدم وجود مجموعات فرعية عقلانية. يتم قياس الأجزاء بالترتيب الذي جاءوا منه من process. xa0 هناك نقطة بيانات أقل نطاقا من الأجزاء المقاسة. xa0 باستخدام مر-بارد 2 لتقدير سيغما (تقدير المدى القصير للانحراف المعياري). كلا الرسم البياني يشير إلى عملية مستقرة ومستقرة. وهذا يكفي لجزء الاستقرار من مسا. إذا كانت هذه هي البيانات الجديدة (أفتر) من تحسين العملية وهذا الأداء هو أفضل وأكثر من المرغوب فيه من أداء بيفور، ثم يمكن تعيين حدود التحكم هذه كحدود جديدة لمراقبة العملية. إذا كانت هذه هي البيانات السابقة (بيفور) لعملية ما، و كل الاختلاف يفسر من خلال سبب مشترك الاختلاف المتأصل فإنه سوف يأخذ تغييرا أساسيا (نأمل أن يكون تحسين) لتغيير والحفاظ على هذا الأداء. والهدف من الفريق هو القضاء على أو تفسير كل الاختلاف سبب خاص وإجراء تحسينات أساسية وغير مسبوقة لدفع المستوى الحالي من أداء السبب المشترك إلى انخفاض الاختلاف والأداء أكثر دقة حول الهدف. المثال الثاني قبل الرسم البياني I-مر فيما يلي مثال للبيانات المجمعة في نهاية مرحلة التحسين من دراسة زمنية قبل وبعد تنفيذ التحسينات على عملية التفتيش. وقد رسمت الأوقات مع كل مرة تمثل مجموعتها الخاصة (حجم المجموعة الفرعية 1). الوقت هو نوع البيانات المستمر الذي سيكون لديك مخطط سيك مثل I-مر. يمكنك أن ترى من الرسم البياني انخفض متوسط ​​أوقات القياس الفردية إلى 9.79 دقيقة و. من خلال فحص الرسم البياني السفلي، يمكنك ان ترى الاختلاف بين الأوقات كما تم تخفيض. لتحليل إحصائي ما إذا كان المتوسط ​​قد تغير يمكنك استخدام اختبار عينة 2-t أو إقران - t اختبار (اعتمادا على البيانات وعلى افتراض أن البيانات موزعة عادة). اختبار الفرضية باستخدام المعطيات الواردة في الرسم البياني أعلاه، تم إجراء اختبار t من نموذجين بمخاطر ألفا المحددة عند 0.05 لتحديد ما إذا كان هناك فرق كبير في أداء المتوسط ​​قبل وبعد. ملاحظة: على الرغم من أخذ 52 عينة في كل من قبل وبعد ذلك، لا يتم مطابقة أزواج بسبب أجزاء مختلفة يجري تقييمها ودراسة مدمرة. إذا تم إجراء التقييم باستخدام الأجزاء نفسها والأجزاء غير المدمرة، فيمكن استخدام الاختبار t المقترن. xa0 فرضية نول هو: يعني قبل أن يعني بعد الفرضية البديلة H A. xa0Mean بعد ذلك يعني قبل ذلك يخلق هذا الاختبار ذيل واحد. تم رفض الفرضية الفارغة. هناك طريقتان لإبرام ذلك. وتكون إحصائية الاختبار البالغة 26.42 أكبر من القيمة t الحرجة عند 0.05 و دف 76 وهي 1.67 لاختبار واحد مخلف. دف درجات الحرية قيمة P أقل من 0.05. مع الأدلة الإحصائية على حدوث تحول في المتوسط ​​من 19.65 دقيقة إلى 9.79 دقيقة. كما اجتاز الأداء بعد كل اختبارات سيك لذا يجب استخدام حدود المراقبة الجديدة للمضي قدما لمراقبة هذه العملية. هذا هو جزء مهم من مرحلة كونترول و FMEA. xa0 المنقح يجب على فميا المنقحة توثيق حدود التحكم الجديدة للعملية ويتم ذلك لتحديد بسرعة إذا كان أداء العملية في المستقبل لا يزال في السيطرة و persist. xa0 باستخدام القديم وحدود التحكم العلوية والسفلية لمراقبة عملية محسنة ثبت ليس من المرجح أن يعرض أي سلوك الأداء الذي يتراجع أو يبدأ في الانخفاض إلى الأنماط القديمة. والهدف هو عدم السماح بذلك، وفضح المشاكل بسرعة وبشكل واضح بحيث يمكن معالجتها والحصول على العملية المطلوبة في مرة أخرى. xa0 اختبار لخفض الاختلاف للتحقق إحصائيا إذا تغير الاختلاف من قبل أن تتمكن من استخدام اختبار F عن الفروق المتساوية. وبما أن هذا المثال يطبق مستوى 95 من الثقة، فإن أي قيمة p لوت 0.05 ستكون ذات دلالة إحصائية وسترفض الفرضية الصفرية وتخلص إلى وجود فرق. مساعدة مرئية . ويتمثل أحد المبادئ التوجيهية البصرية الأخرى في فحص فترات الثقة الموضحة باللون الأزرق لبيانات بيفور (1) و أفتر (2). إذا كانت خطوط الفاصل الزمني تتداخل ثم لا يوجد فرق إحصائي بين الاختلاف قبل وبعد. وإذا لم تتداخل خطوط الفاصل الزمني، فإن هناك فروقا ذات دلالة إحصائية بين التباين قبل وبعد. وكلما كانت الخطوط بعيدا عن التداخل كلما كانت قيمة p ستكون أكثر وثقة لديك في الختام هناك فرق كبير (يبدو واضحا). إذا كانت حافة الخطوط قريبة من بعضها البعض (مثل الحافة اليسرى من السطر العلوي والحافة اليمنى من السطر السفلي في مثالنا)، فإن قيمة p ستكون قريبة من الصفر وستكون F-ستاتيستيك يكون تقريبا نفس القيمة F - الحرجة. ريكال: الهدف من معظم مشاريع سيغما هو تحسين المتوسط ​​إلى الهدف (إضافة دقة) وتقليل التباين (إضافة الدقة). ويمكن استخدام اختبار ليفينس على مجموعات غير عادية من البيانات لاختبار الفروق المتساوية. مع عملية (أفتر) الجديدة في السيطرة، يمكنك المضي قدما لتقييم القدرة على العملية النهائية والخروج مع درجة Z جديدة أو استخدام مؤشر القدرة. اتجاه واحد أنوفا هناك أيضا مصلحة لتحديد ما إذا كان هناك فرق كبير بين المثمنين الأربعة في الدراسة بعد. وهذا يمكن أن يساعد في تحديد واحد أو أكثر من المثمنين التي يمكن أن تستفيد من المزيد من التدريب ودراسة حيث يأتي الاختلاف الجديد من (داخل كل مشغل، بين، أو كليهما) باستخدام أنوفا في اتجاه واحد مع ألفا في 0.05، النتائج التالية من أفتر تم توليد البيانات. xa0 تذكير كان هناك 52 قراءات حتى دف 51. واستنتج أنه لم يكن هناك فرق إحصائي بين المشغلين. هناك عدة أمور تدعم الاستنتاجات. قيمة P أعلى بكثير من 0.05 (وبعبارة أخرى، لا ترفض فرضية فارغة) F - الإحصائية قيمة F - الحرجة من 2.81 فترات الثقة متداخلة بشكل كبير. كان جيم و ديف تقريبا نفس النتائج بالضبط. الفرق بين بول و ديف هو أعظم ولكن لا يزال غير مهم إحصائيا في ألفا من خطر 0.05. كلها أدلة على أنه لا يوجد فرق بين أي أزواج أو توليفات منها. انخفاض قيمة F - 0.27 يقول الاختلاف داخل المثمنين أكبر من الاختلاف فيما بينهم وليس داخل منطقة الرفض. التنبيه: خريطة طريق لاستخدام الرسوم البيانية تحكم مرجحة الوقت فيشواجيت جوشي 0 اختيار النوع الصحيح من الرسم البياني السيطرة هو نقطة انطلاق حيوية لمراقبة العمليات الإحصائية (سيك). يعتمد المخطط الذي سيتم استخدامه بشكل رئيسي على تصنيف البيانات ونوع التوزيع الأساسي والقصد من التطبيق. اختيار نوع خاطئ يمكن أن يؤدي إلى العديد من الانذارات الكاذبة، مما يؤدي إلى عمليات بحث مكلفة وغير مثمرة لأسباب محالة. مع مجموعة واسعة من الخيارات الرسم البياني السيطرة المتاحة، واختيار المخطط الذي يناسب عملية معينة يمكن أن يكون مهمة صعبة. ويزيد الارتباك مع إمكانية تطبيق مخططين مختلفين للتحكم في البيانات نفسها. هذا هو الحال بشكل خاص عند استخدام المخططات السيطرة على الوزن المرجح. على سبيل المثال، يمكن تحليل مجموعة البيانات نفسها باستخدام مخطط نطاق متحرك فردي (I-مر) بالإضافة إلى مخططات تحكم مرجحة زمنيا مثل المخطط المتحرك المتوسط ​​المرجح أوما (إوما) أو مخطط التحكم التراكمي (كوزوم). ومع ذلك، فإن نية وطريقة تطبيق كلا النوعين من المخططات الزمنية المرجحة مختلفة تماما. الممارسين في كثير من الأحيان لا تركز بما فيه الكفاية على 8220intent8221 من استخدام نوع معين من الرسم البياني السيطرة التي قد تؤدي إلى تفسير غير صحيح للنتائج. لقد كان وقت وكيفية استخدام مخطط التحكم المرجح زمنيا مجالا من الارتباك لمشرفي الجودة في خطوط الإنتاج (الفهم التشغيلي) وكذلك ممارسي سيك (مقارنة الأداء الإحصائي). مثال على مخططات التحكم المختلفة النتائج تقدم مجموعات البيانات التالية مثالا على الاستنتاجات المختلفة التي توصل إليها مخططان تحكمان مختلفان. يتم تحليل البيانات باستخدام مخطط I-مر وكذلك مخطط إوما والاستنتاجات المستخلصة متناقضة. ومن الصعب اتخاذ قرار إذا لم يكن القصد من التحليل مفهوما. الحالة 1: يظهر مخطط I-مر عملية خارج عن السيطرة في حين لا ينظر إلى مثل هذه العلامات في المخططات السيطرة على الوقت المرجح. الحالة 2: يظهر مخطط I-مر عملية تحكم في حين تظهر المخططات الزمنية المرجحة اتجاها تصاعديا واضحا في بيانات العملية. مقارنة الأداء الإحصائي عيب رئيسي من مخططات التحكم من نوع شيوهارت هو أنهم يستخدمون فقط معلومات حول العملية في آخر نقطة تآمر، وبالتالي هذه المخططات ليس لها ذاكرة. ولا تؤثر الملاحظات السابقة على احتمال وجود إشارات خارجة عن السيطرة في المستقبل. قواعد الاتجاه أو قواعد المنطقة يمكن أن تستخدم لإدخال بعض الذاكرة مما يؤدي إلى الكشف بشكل أسرع من التحولات الصغيرة. المخططات السيطرة على الوقت المرجح هي بديل لمخططات شيوهارت لتتبع التحولات الصغيرة في العملية. على عكس المخططات شيوهارت، فإنها الاستفادة من نقاط البيانات التاريخية وكشف بسرعة التحولات الصغيرة (من أجل أقل من 3 سيغما). خارطة الطريق لمخططات التحكم المرجح زمنيا على الرغم من أن المخططات السيطرة على الوقت المرجح هي مفيدة جدا، وليس المقصود منها أن تحل تماما محل الخرائط شيوهارت، والتي يمكن استخدامها للكشف عن تشكيلة واسعة من الآثار (تحولات 3 سيغما أو أعلى النظام) التي هي بسبب أسباب محالة. ويوصى في كثير من الأحيان أن حدود شيوهارت يمكن استخدامها جنبا إلى جنب مع إوما أو الرسم البياني كوسوم. يجب أن يكون القصد من استخدام مخطط التحكم للتحليل مفهوما جيدا مسبقا. هناك سؤالان مهمان يجب الإجابة عليهما: هل يبحث الفريق بشكل خاص عن الكشف عن التحولات الصغيرة نسبيا في العملية كيف يكون التحول الصغير (من ترتيب 1 أو 2 سيغما) مهما للعملية الإجابة عن هذه الأسئلة تساعد على توضيح الغرض من استخدام مخططات التحكم ذات مرجح زمني. وهو يحدد المعلمات (الوزن ل إوما الرسوم البيانية والتحول والركود للرسوم البيانية كوسوم) من الرسوم البيانية مرجحة زمنيا وتحليل مجموعة البيانات وفقا لذلك. يجب أن تبدأ فرق المشروع مع مخطط التحكم شيوهارت لعدم الاستقرار عملية واضحة، إن وجدت، ومن ثم استخدام مخطط مراقبة مرجحة زمنيا لتحديد التحولات الصغيرة في العملية. خارطة الطريق لاستخدام المخططات السيطرة على الوقت المرجح بالتزامن مع المخططات السيطرة شيوهارت هي أدناه: خارطة الطريق لاستخدام الرسوم البيانية التحكم مرجحة الوقت الاستنتاج: اثنين من الرسوم البيانية السيطرة أفضل من واحد المخططات توقيت مرجحة هي بديلا جيدا للمخططات السيطرة شيوهارت للكشف عن الصغيرة التحولات بسرعة. ومع ذلك، يجب أن يكون المستخدم واضحا حول نية استخدام هذه المخططات السيطرة. وتساعد خارطة الطريق، التي تم تطويرها من خلال الخبرة العملية، على تحقيق نتائج أفضل باستخدام كل من خرائط شيوهارت ومخططات التحكم الزمنية. ترك الرسم البياني كومنتكونترول إكسيل تحميل قالب هذا المنصب سوف يشرح بإيجاز والإجابة لدكووهات ​​هو تشارتردكو كونترولدكو في الجزء السفلي من الصفحة، يمكنك الاستيلاء على سلسلة من مخطط التحكم إكسيل قوالب التي يمكنك تحميل مجانا أولا: كتب كاملة وأطروحات الدكتوراه هي مكتوبة حول المخططات السيطرة نداش هذا وونرسكوت وظيفة قصيرة تفعل ذلك العدالة. لذا، يرجى تعلم بنفسك ما سوف لا تغطي على الأرجح في هذه المقالة. كل عملية تختلف. هناك تباين متأصل، ولكنه يختلف بين الحدود التي يمكن التنبؤ بها. هناك نوعان من الاختلاف: لكوكومون كوسيردكو و كوسوسبيسيال كوسيردكو. إذا كنت قطع الماس، وشخص واحد المطبات الكوع الخاص بك، يمكن أن تكون قضية خاصة مكلفة. ولكن، في قطع الماس وليس الكوع صدمت، فإن العملية نفسها سوف يكون بطبيعتها نداش الاختلاف الذي يسمى السبب المشترك. بالنسبة لكثير من العمليات، من المهم أن نلاحظ أسباب خاصة من الاختلاف بمجرد حدوثها والاستجابة بشكل مناسب. جميع المخططات السيطرة لديها ثلاثة مكونات أساسية: خط الوسط، وعادة ما يكون المتوسط ​​الرياضي لجميع العينات تآمر. وحدود التحكم الإحصائية العليا والسفلى التي تحدد قيود الاختلافات الشائعة. تم رسم بيانات الأداء بمرور الوقت. في ما يلي مثال لمخطط التحكم: في ما يلي بعض مخططات التحكم الشائعة (المضمنة في التنزيل أدناه): الأفراد المتغيرون للبيانات والنطاق المتحرك (X و مر أو I و مر) المتوسط ​​والمدى أو المتوسط ​​والانحراف المعياري (X-بار و R أو X-بار و S) المتوسط ​​المتحرك المتوسط ​​المرجح (إوما) المجموع التراكمي (كوسوم) نسب بيانات السمة (P و نب) عدد العيوب (C و U)