Überlegungen zu Daten für Einzelwertkarte für Annahme

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Die Daten sollten stetig sein: Kontinuierliche Daten sind Messungen, die jeden numerischen Wert innerhalb eines Wertebereichs auf einer kontinuierlichen Skala annehmen können, einschließlich Bruch- oder Dezimalwerten. Gängige Beispiele sind Messungen wie Länge, Gewicht und Temperatur.
Die Daten sollten in chronologischer Reihenfolge vorliegen: Da mit Regelkarten Änderungen über die Zeit erkannt werden, ist die Reihenfolge der Daten wichtig. Sie sollten die Daten in der Reihenfolge eingeben, in der sie erfasst wurden, so dass die ältesten Daten am Anfang des Arbeitsblatts aufgeführt werden.
Die Daten müssen in geeigneten Zeitintervallen erfasst werden: Erfassen Sie Daten in Zeitintervallen mit gleichen Abständen, z. B. jede Stunde, jede Schicht oder jeden Tag. Wählen Sie ein Zeitintervall, das kurz genug ist, damit Sie Änderungen am Prozess kurz nach den Änderungen erkennen können.
Die Daten sollten Einzelbeobachtungen sein, die nicht in Teilgruppen erfasst wurden: Wenn Sie Daten in Untergruppen sammeln können, verwenden X-quer-Karte für AnnahmeSie .
Die Daten sollten insgesamt mindestens 100 Beobachtungen umfassen: Wenn Sie weniger als die empfohlene Anzahl an Beobachtungen haben, können Sie weiterhin das Kontrolldiagramm verwenden, aber die Ergebnisse sind vorläufig, da die Kontrollgrenzen möglicherweise nicht genau sind. Wenn Sie das Diagramm regelmäßig verwenden, schätzen Sie die Standardabweichung und die Kontrollgrenzen nach, nachdem Sie die empfohlene Anzahl von Beobachtungen gesammelt haben.
Die Prozessstreuung sollte stabil sein: Wenn die Prozessvariation nicht stabil ist, sind die Schätzung der Prozessvariation und die Akzeptanzkontrollgrenzen möglicherweise nicht zuverlässig.
Die Daten sollten moderat normalverteilt sein: Wenn die Daten sehr verzerrt sind, könntest du eine Box-Cox-Transformation versuchen, um zu sehen, ob das die nicht-normale Bedingung korrigiert. Wenn Ihr Prozess auf natürliche Weise unnormale Daten erzeugt und die Transformation effektiv ist, können Sie das Diagramm der transformierten Daten verwenden.
Die Beobachtungen sollten nicht miteinander korreliert werden: Wenn aufeinanderfolgende Beobachtungen korreliert sind, könnte die Standardabweichung des Prozesses unterschätzt werden. Dadurch könnten die Akzeptanzkontrollgrenzen zu breit sein, und die Grafik könnte einige außer Kontrolle geratene Punkte fälschlicherweise als in Kontrolle anzeigen.