Porady i wskazówki dotyczące programu Excel W tym artykule dowiedzmy się, jak utworzyć tabelę sterującą programu Excel w celu analizy danych i zwiększenia wydajności. Wykresy kontrolne są przydatne do monitorowania dowolnego procesu, który ma na przykład zmianę 8211, napełniając kontenery o pewnej liczbie elementów. Mogą one z łatwością zilustrować, czy Twój proces działa zgodnie z jego zamierzonymi parametrami. 1. Zbieranie i formatowanie danych Po zgromadzeniu danych z procesu, pierwszym krokiem w tworzeniu wykresu sterującego programu Excel jest upewnienie się, że jest on prawidłowo sformatowany. Zestaw danych powinien być zorganizowany według średniej (średniej) 8211 tj. Punktu docelowego, w którym punkty danych są skupione wokół siebie. Jeśli tak nie jest, Twój wykres kontrolny nie będzie przydatny. 2. Zorganizuj kolumny danych Po drugie, utwórz kolumny, aby zorganizować dane. Nadaj im zakres, numer, dane, dolny, górny i średni. Wypełnij kolumnę Dane za pomocą zorganizowanych punktów danych i wypełnij kolumnę Numer z wartościami rosnącymi w kolejności numerycznej, zaczynając od 1. 3. Uzyskać górne i dolne limity Here8217s, w których znajduje się formuła. W pierwszej komórce kolumny Zakres, wprowadzić wzór Abs (C2-C3). Zaznacz komórkę i przeciągnij ją, aby skopiować formułę na końcu danych. W dolnej kolumnie wykonaj to samo ze wzorem Average (C: C) -2.66Average (A: A). aw górnej kolumnie użyć średniej (C: C) 2.66Average (A: A). 4. Zdobądź dane Średnia W końcu skonfiguruj formułę kolumny Średnia. W F2 wpisz wartość Średnia (C: C). Po kliknięciu enter automatycznie wypełnij formułę na końcu danych. To tworzy średnią docelową. 5. Tworzenie wykresu sterującego Excel Po utworzeniu ramki konfiguracji wykresu Excel i importowaniu danych wybierz dane w kolumnach B do F i przejdź do karty Wstaw i znajdź grupę wykresów w menu. Wybierz typ wykresu Scatter. W ostatnim kroku należy ustalić obszary pola dla odchylenia. Wykres może wyglądać kompletnie, ale nie jest jeszcze w odpowiednim formacie. Kliknij prawym przyciskiem myszy punkt danych na dolnej linii granicznej i wybierz Zmień typ wykresu serii. Po otwarciu menu wybierz wykres liniowy. Powtórz tę czynność dla zestawów danych 8220Upper8221 i 8220Average8221. Kliknij przycisk OK, aby potwierdzić, a wykres kontroli Excela zostanie zakończony. W tym Fred Pryor SeminarsExcel Control ChartPraktyka próbki, bawić się liczbami, aby zobaczyć, jak przeciętne i inne linie graniczne zmieniają się, gdy dane przesuwa się lub spróbujesz tego procesu samodzielnie. Czy masz profil procesu lub grupy próbek nadających się do tego typu wykresu Co można użyć wykresu kontrolnego dla napisanych przez Excel Porady i wskazówki z Pryor Excel Porady dotyczące narzędzi ampułki są napisane przez ekspertów programu Microsoft Excel w Fred Pryor Seminariach i Karierze CareerTrack. Znany z naszych rozległych szkoleń w programie Excel, oferujemy jedne z najlepszych w branży. Nie trać cennego czasu, próbując samodzielnie wymyślić rzeczy. Uczestnicząc w jednym z naszych wyjątkowych kursów w programie Excel i zdobądź wiedzę potrzebną do korzystania z programu Excel w sposób efektywniejszy. Sprawdź kurs Excel w najbliższym otoczeniu, klikając tutaj. Pozostaw odpowiedź Anuluj ReplyI-MR Wykresy Indywidualne - Ruchome wykresy Wykresy I-MR przedstawiają indywidualne obserwacje na jednym wykresie wraz z innym wykresem zakresu poszczególnych obserwacji - zwykle z każdego kolejnego punktu danych. Ten wykres służy do wykreślania danych CONTINUOUS. Wykres Indywidualny (I) przedstawia każdy pomiar (czasem nazywany obserwacją) jako osobny punkt danych. Każdy punkt danych jest samodzielny, a nie ma racjonalnej podgrupowania i wielkości podgrupy 1. Kilka innych wspólnych wykresów używanych w podgrupach gt1 to: Typowy schemat zakresu ruchomego (MR) wykorzystuje domyślną wartość 2, co oznacza, że każdy punkt danych rzutuje różnicę (zakres) pomiędzy dwoma kolejnymi punktami danych, ponieważ pochodzą one z procesu w porządku sekwencyjnym. Z tego powodu na wykresie MR będzie mniej danych niż w tabeli Osoby. Jednakże ta wartość może być dostosowana do większości statystycznych programów. Wykresy I-MR powinny być kontrolowane zgodnie z wybranymi testami kontrolnymi. Istnieje wiele rodzajów testów, które mogą determinować kontrolę i punkty w granicach kontroli może być również poza kontrolą lub specjalną przyczyną. Przykład 1 Poniższe dane pochodzą z pomiarów pochodzących z 30 różnych widżetów. Kalkulacja dotyczy krótkoterminowej prognozy ze stałą nieuważającą, ponieważ najprawdopodobniej jest to próbkowanie reprezentujące krótkoterminowe wyniki procesu. Należy pamiętać, że istnieje wiele szacunków dla sigma (odchylenie standardowe), a każde użycie powinno być uzgodnione z klientem i uzasadnienie jego wyboru. Pierwszy punkt danych na wykresie RANGE, ponieważ zakres ruchu wynosi 2, został wybrany wartość bezwzględna (lub dodatnia różnica) w zakresie 5,77 - 4,57 1,20. Jeden pomiar na część, bez racjonalnych podgrup. Części są mierzone w kolejności, z której pochodzą one od procesu. Xa0 Jest mniejszy niż zakres pomiarowy mierzony. Xa0 Używanie MR-bard2 do szacowania sigma (krótkoterminowe oszacowanie odchylenia standardowego). Oba wykresy wskazują na proces, który jest stabilny i sprawuje kontrolę. Byłoby to wystarczające dla stabilności części MSA. Jeśli były to nowe (AFTER) dane z procesu poprawy i ta wydajność jest lepsza i bardziej pożądana niż wydajność BEFORE, to te ograniczenia kontroli można określić jako nowe granice kontroli procesu. Jeśli były to poprzednie (PRZED PRZYSZŁO) dane procesu, a wszystkie zmiany zostały wyjaśnione przez wspólną przyczynę, to będzie to mieć zasadniczą zmianę (mam nadzieję, że poprawa) w celu zmiany i utrzymania tej wydajności. Celem zespołu jest wyeliminowanie lub wyjaśnienie wszystkich szczególnych odmian przyczyny i dokonanie fundamentalnych, bezprecedensowych ulepszeń, które przyczynią się do obniżenia poziomu istniejącej już przyczyny powszechności, a tym samym do większej dokładności wokół celu. Przykład II PRZED PO AFTERIU I-MR Poniżej przedstawiono przykład danych zgromadzonych na końcu fazy IMPROVE z badania czasu przed i po wprowadzeniu ulepszeń w procesie inspekcji. Czasy były oznaczane za każdym razem reprezentujące własną grupę (podgrupa 1). Czas to ciągły typ danych, który byłby wykresem SPC, takim jak I-MR. Z wykresu można zobaczyć, że średnia dla poszczególnych pomiarów spadła do 9,79 minuty i. przez zbadanie dolnego wykresu, można zobaczyć różnice między czasami również zmniejszyła. Aby statystycznie analizować, czy średnia zmieniła się, możesz użyć testu 2-t lub testu pary (w zależności od danych i zakładając, że dane są normalnie rozpowszechniane). Test hipotezy Wykorzystując dane z powyższego wykresu, przeprowadzono 2 próbki t-testu z ustalonym ryzykiem alfa na poziomie 0,05 w celu określenia, czy istnieje znacząca różnica w działaniu średniego PRZERWA I POZA. UWAGA: Mimo, że 52 próbki pobrano w obu przypadkach BEFORE i AFTER, pary nie są porównywane ze względu na różne części badane i będące badaniami destrukcyjnymi. Gdyby ocena była przeprowadzona przy użyciu tych samych części i części nieniszczących, to można by użyć testu sparowanego t. Xa0 Hipoteza zerowa Ho: średnia PRZED POZNAJEM PO POZIOMIE Alternatywna hipoteza H A. xa0MENA PO TAK ZNACZONA PRZED PRZESTROGA Tworzy to test jednozakresowy. Hipoteza zerowa jest odrzucana. Istnieje kilka sposobów na to. Statystyczna statystyka 26.42 jest większa niż krytyczna wartość t w 0,05, a dF 76 równa 1,67 dla jednego testu ogonowego. dF Degrees of Freedom wartość p jest mniejsza niż 0,05. Ze statystycznymi dowodami, że zmiana nastąpiła średnio od 19,65 minut do 9,79 minuty. Wydajność AFTER przeszła wszystkie testy SPC, więc nowe limity kontroli powinny być wykorzystane w celu monitorowania tego procesu. Jest to ważna część fazy KONTROLI i zmieniona FMEA. xa0 Zaktualizowana FMEA powinna dokumentować nowe limity kontroli dla procesu, co umożliwia szybką identyfikację, czy przyszłe wyniki procesu pozostają w kontroli i trwają. xa0 Korzystanie ze starego górna i dolna granica kontrolna w celu monitorowania udowodnionego udoskonalonego procesu prawdopodobnie nie narazi żadnych zachowań związanych z wydajnością, które wysuwają się lub zaczynają powracać do starych wzorców. I nie jest to cel, narażaj problemy szybko i wyraźnie, aby mogły być rozwiązane i znowu zadzwonić do procesu. Xa0 Test na redukcję odchyleń Aby statystycznie sprawdzić, czy zmiana została zmieniona przed rozpoczęciem korzystania z testu F za Równe Odchylenia. Ponieważ w tym przykładzie stosuje się 95 poziomów zaufania, każda wartość p <0,05 będzie znacząca statystycznie, a ty odrzuciłeś hipotezę zerową i stwierdzisz, że jest różnica. POMOC WIZUALNA . Inną wizualną wskazówką jest zbadanie przedziałów ufności pokazanych na niebiesko dla danych BEFORE (1) i AFTER (2). JEŻELI linia taśmy przedziałowej pokrywają się, nie ma statystycznej różnicy między wariancją przed i po. JEŚLI linie odstępów nie pokrywają się, istnieje znacząca różnica między odmianą przed i po. Dalsze linie oddalają się od zachodzenia na siebie, im niższa jest wartość p, a większa pewność masz do wniosku, że istnieje znaczna różnica (wydaje się oczywista). Jeśli krawędź linii była bliska siebie (na przykład lewa krawędź górnej linii i prawa krawędź dolnej linii w naszym przykładzie), wówczas wartość p będzie zbliżona do zera, a statystyka F być tym samym, co wartość krytyczna F. POWRÓT: Celem większości projektów Six Sigma jest poprawa średniej do celu (dodanie dokładności) i zmniejszenie odchylenia (dodać precyzję). Test Levenes może być użyty na nietypowych zestawach danych, aby przetestować Equal Variances. Dzięki nowym procesom (AFTER) możesz kontrolować końcową zdolność procesu i przedstawić nowy wynik z lub skorzystać z indeksu zdolności. Jednostronna analiza Istnieje również interes, aby stwierdzić, czy między czterema rzeczoznawcami jest znacząca różnica w badaniu AFTER. Może to pomóc zidentyfikować jednego lub więcej rzeczoznawców, którzy mogliby skorzystać z większej liczby szkoleń i zbadać, gdzie pojawiają się nowe odmiany (w obrębie każdego operatora, wśród lub obu) Używając ANOVA w jedną stronę z alfa w 0.05, następujące wyniki programu AFTER dane zostały wygenerowane. xa0 Przypomnienie było 52 odczytów, więc dF 51. Podsumowując, nie stwierdzono statystycznej różnicy między operatorami. Jest kilka rzeczy, które popierają wnioski. Wartość p znacznie powyżej 0,05 (innymi słowy, nie odrzuca hipotezy zerowej) Statystyczna F Wartość krytyczna F-2,81 Poważnie nakładające się przedziały ufności. Jim i Dave mieli dokładnie te same wyniki. Różnica pomiędzy Paul i Dave jest największa, ale nadal nie statystycznie istotna przy alfa-risk 0,05. są wszystkie dowody, że nie ma żadnej różnicy między parami lub ich kombinacjami. Niska wartość F wynosząca 0,27 wskazuje, że różnice w ocenie oceniającej są większe niż ich odchylenie, a nie w obrębie regionu odrzucenia. Nawiązanie: mapa drogowa dla wykresów kontrolnych ważonych czasowo Vishwajit Joshi 0 Wybór prawidłowego schematu kontrolnego to istotnym punktem wyjścia dla statystycznej kontroli procesu (SPC). Wykres, który ma zostać użyty, zależy głównie od klasyfikacji danych, rodzaju dystrybucji bazowej i intencji wniosku. Wybór niewłaściwego typu może powodować wiele fałszywych alarmów, co prowadzi do kosztownych i bezowocnych poszukiwań przypisanych przyczyn. Dzięki szerokiej gamie dostępnych opcji wykresu kontrolnego wybór wykresu, który najlepiej pasuje do konkretnego procesu, może być trudnym zadaniem. Zmieszanie wzrasta wraz z zastosowaniem dwóch różnych map kontrolnych dla tych samych danych. Jest to szczególnie w przypadku kart kontrolnych ważonych ważeniem czasowym. Na przykład ten sam zestaw danych może być analizowany przy użyciu wykresu pojedynczego ruchu (I-MR) oraz wykresów sterujących ważonych ważeniem czasowym, takich jak wykres EWMA (ważona średnią ważoną wykładnicą) lub zbiorczy wykres zbiorczy sumy (cusum). Jednak zamiar i metoda stosowania obu typów wykresów ważących czas są zupełnie inne. Praktykujący często nie koncentrują się wystarczająco na 8220intent8221 na wykorzystaniu konkretnego typu wykresu kontrolnego, co może prowadzić do błędnej interpretacji wyników. Kiedy i jak używać wykresu ważenia ważonego względem czasu zawsze był obszarem niezrozumienia dla organów nadzoru jakości w liniach produkcyjnych (zrozumienie operacyjne) oraz praktyków SPC (porównanie wyników statystycznych). Przykład różnych wyników wykresów kontrolnych Następujące zestawy danych stanowią przykład różnych wniosków wyciągniętych przez dwa różne wykresy kontrolne. Dane są analizowane przy użyciu wykresu I-MR oraz wykresu EWMA, a wyciągnięte wnioski są sprzeczne. Trudno jest podjąć decyzję, jeśli intencja analizy nie jest zrozumiała. Przypadek 1: Wykres I-MR pokazuje proces pozbycia się kontroli, podczas gdy na wykresie kontrolnym ważonym czasem nie są widoczne takie znaki. Przypadek 2: Wykres I-MR pokazuje proces kontrolny, podczas gdy wykresy ważone ważeniem czasowym wykazują wyraźną tendencję wzrostową w danych procesowych. Porównanie wydajności statystycznej Główną wadą schematów kontroli typu Shewhart jest to, że używają tylko informacji o procesie w ostatnim punkcie, a zatem w tych wykresach nie ma pamięci. Poprzednie obserwacje nie mają wpływu na prawdopodobieństwo przyszłych sygnałów kontroli poza kontrolą. Reguły tendencji lub reguły stref mogą być użyte do wprowadzenia pamięci, co skutkuje szybszym wykryciem małych przesunięć. Wykresy ważone ważeniem ważności ważone ważną ważnością są alternatywą dla wykresów Shewhart służących do śledzenia niewielkich zmian w procesie. W przeciwieństwie do wykresów Shewhart korzystają z historycznych punktów danych i szybko wykrywają małe przesunięcia (mniej niż 3 sigma). Plan jazdy dla wykresów kontrolnych ważonych ważeniem czasowym Chociaż wykresy ważenia ważone ważą ważą ważność są bardzo użyteczne, nie mają na celu całkowitego zastąpienia wykresów Shewhart, które mogą być wykorzystane do wykrywania szerszego asortymentu (przesunięcia 3 sigma lub wyższego porządku), które są ze względu na przypisane przyczyny. Często zaleca się stosowanie limitów Shewhart w połączeniu z tabelą EWMA lub cusum. Zamierzenie użycia wykresu kontrolnego do analizy musi być dobrze zrozumiane. Dwa istotne pytania, na które należy odpowiedzieć, to: Czy zespół szuka konkretnie poszukujących stosunkowo niewielkich zmian w procesie? Małe przesunięcie (rzędu 1 lub 2 sigma) jest znaczące w procesie Odpowiadając na te pytania pomaga jasno określić zamiar użycia wykresy kontrolne ważone w czasie. Określa parametry (wagi dla wykresów EWMA i przesunięcia i luzu na wykresy cusu) wykresów ważonych czasowo i analizuje odpowiednio dane. Zespoły projektowe powinny zacząć od wykresu kontrolnego Shewhart, jeśli istnieje, w przypadku oczywistej niestabilności procesu, a następnie użyj wykresu ważenia ważonego w czasie, aby określić małe zmiany w procesie. Mapa drogowa dla korzystania z wykresów kontrolnych ważonych czasowo w połączeniu z wykresami kontrolnymi Shewhart jest poniżej: Mapa drogowa dla korzystania z wykresów kontrolnych ważonych czasowo Wnioski: Dwa wykresy kontrolne Lepsze niż jeden raz ważone wykresy kontrolne są dobrą alternatywą dla wykresów kontrolnych Shewhart dla wykrywania małych szybko się przesuwa. Użytkownik musi jednak jasno określić zamiar wykorzystania tych map kontrolnych. Mapa drogowa, która została opracowana dzięki praktycznemu doświadczeniu, pomaga osiągnąć lepsze wyniki, używając zarówno wykresów kontrolnych Shewhart, jak i ważonych czasowo. Zostaw komentarz Kontrolerze Excel Pobierz szablon Ten wpis pokrótce wyjaśnisz i odpowiesz ldquoCo to jest Control Chartrdquo Na dole strony możesz pobrać serię szablonów programu Excel, które można pobrać za darmo Najpierw: całe książki i rozprawy doktorskie są napisane na temat wykresów kontrolnych ndash tego krótkiego postu wonrsquot zrobić to sprawiedliwie. Więc, naucz się samodzielnie, co najprawdopodobniej nie obejmie w tym artykule. Każdy proces jest zróżnicowany. Istnieje nieodłączna odmiana, ale zmienia się między przewidywalnymi granicami. Istnieją dwa rodzaje zmian: ldquocommon causerdquo i ldquospecial causerdquo. Jeśli wycinasz diamenty, a ktoś uderza w łokieć, szczególna sprawa może być kosztowna. Ale w diamentowych cięciach i braku łokci, sam proces z natury będzie miał odmianę ndash, która jest zwana wspólną sprawą. W wielu procesach należy zauważyć szczególne przyczyny zmian, gdy tylko wystąpią i odpowiednio reagują. Wszystkie wykresy kontrolne składają się z trzech podstawowych elementów: linii środkowej, zazwyczaj średniej matematycznej wszystkich wykreślanych próbek. Górne i dolne granice kontroli statystycznej określające ograniczenia wspólnych odmian przyczyn. Dane o skuteczności wykreślone w czasie. Oto przykład wykresu kontrolnego: Oto niektóre popularne wykresy kontrolne (dołączone do pobrania poniżej): Zmienne dane Osoby i zakres przemieszczania (X i MR lub I i MR) Średnia i zakres lub średnia i odchylenie standardowe (pasek X i R lub X-bar i S) Szacowana średnia ważona ruchoma Średnia ważona (EWMA) Suma sumy skumulowanej (CUSUM) Odsetki błędów w atrybutach (P i NP) (C i U)
No comments:
Post a Comment