In diesem Thema
Schritt 1: Nach Mustern in den Daten suchen
In einem Verlaufsdiagramm werden die Prozessdaten in der Reihenfolge dargestellt, in der sie erfasst wurden. Verwenden Sie ein Verlaufsdiagramm, um Muster oder Trends in den Daten zu identifizieren, die auf das Vorhandensein einer Streuung durch Ausnahmebedingungen hinweisen.
Muster in den Daten zeigen an, dass die Streuung auf Ausnahmebedingungen zurückzuführen ist, die untersucht und behoben werden sollten. Die Streuung durch gewöhnliche Ursachen ist jedoch eine Streuung, die einen inhärenten und natürlichen Bestandteil des Prozesses darstellt. Ein Prozess ist stabil, wenn sich nur gewöhnliche Ursachen und keine Ausnahmebedingungen auf die Prozessausgabe auswirken. Wenn in einem Prozess nur gewöhnliche Ursachen für Streuung vorhanden sind, zeigen die Daten ein zufälliges Verhalten.
In diesen Ergebnissen scheinen die Daten Cluster in den Stichproben 3 bis 5 aufzuweisen.
Schritt 2: Bestimmen, ob Mischungen und Cluster vorhanden sind
Der Test auf die Anzahl von Sequenzen um den Median basiert auf der Gesamtzahl der Sequenzen, die über und unter dem Median auftreten. Bei einer Sequenz um den Median handelt es sich um einen oder mehrere aufeinander folgende Punkte auf der gleichen Seite der Mittellinie. Eine Sequenz endet, wenn die Linie, die die Punkte verbindet, die Mittellinie überschreitet. Die nächste Sequenz beginnt am nächsten Diagrammpunkt.
Mit diesem Test werden zwei Typen von nicht zufälligem Verhalten erkannt: Mischungen und Cluster.
Wenn die beobachtete Anzahl von Sequenzen größer als die erwartete Anzahl von Sequenzen ist, weist dies auf Mischungen hin. Wenn die beobachtete Anzahl von Sequenzen kleiner als die erwartete Anzahl von Sequenzen ist, weist dies auf Cluster hin.
- Muster beim Vorliegen von Clustern
- Cluster können auf eine Streuung durch Ausnahmebedingungen hinweisen, z. B. Probleme bei der Messung, Streuung zwischen Losen oder beim Rüsten einer Maschine oder eine Stichprobe, die aus fehlerhaften Teilen stammt. Cluster sind Gruppen von Punkten in einem Bereich des Diagramms. Wenn der p-Wert für Cluster kleiner als 0,05 ist, weisen Ihre Daten möglicherweise Cluster auf.
-
Dieses Diagramm zeigt mögliche Cluster in den Daten.
- Muster beim Vorliegen einer Mischung
- Eine Mischung zeichnet sich durch ein häufiges Überqueren der Mittellinie aus. Mischungen weisen häufig auf kombinierte Daten aus zwei Grundgesamtheiten oder zwei Prozessen auf unterschiedlichen Stufen hin. Wenn der p-Wert für Mischungen kleiner als 0,05 ist, weisen Ihre Daten möglicherweise Mischungen auf.
-
In diesem Diagramm verweist die Mischung möglicherweise darauf, dass die Daten aus unterschiedlichen Prozessen stammen.
Wichtigste Ergebnisse: p-Wert für Cluster, p-Wert für Mischungen
In diesem Beispiel sind der p-Wert für Cluster von 0,385 und der p-Wert für Mischungen von 0,615 größer als der α-Wert von 0,05. Sie können daraus schließen, dass die Daten keine Anzeichen von Mischungen oder Clustern enthalten.
Schritt 3: Bestimmen, ob Trends und Oszillation vorliegen
Der Test auf die Anzahl von ansteigenden/abfallenden Sequenzen basiert auf der Gesamtzahl von beobachteten ansteigenden/abfallenden Sequenzen. Eine ansteigende Sequenz ist eine Sequenz aufeinander folgender Punkte, deren Werte ausschließlich ansteigen. Eine abfallende Sequenz ist eine Sequenz aufeinander folgender Punkte, deren Werte ausschließlich abnehmen. Eine Sequenz endet, wenn sich die Richtung (ansteigend oder abfallend) ändert. Wenn z. B. der vorhergehende Wert kleiner ist, beginnt eine ansteigende Sequenz. Diese endet erst, wenn der vorhergehende Wert größer als der nächste Punkt ist. An diesem Punkt beginnt eine abfallende Sequenz.
Mit diesem Test werden zwei Typen von nicht zufälligem Verhalten erkannt: Oszillation und Trends.
Wenn die beobachtete Anzahl von Sequenzen größer als die erwartete Anzahl von Sequenzen ist, weist dies auf Oszillation hin. Wenn die beobachtete Anzahl von Sequenzen kleiner als die erwartete Anzahl von Sequenzen ist, weist dies auf Trends hin.
- Muster beim Vorliegen eines Trends
- Bei einem Trend handelt es sich um einen anhaltenden Drift auf- oder abwärts in den Daten. Trends können ein Anzeichen dafür darstellen, dass ein Prozess in Kürze außer Kontrolle gerät. Ein Trend kann auf unterschiedliche Faktoren zurückzuführen sein, z. B. Verschleiß von Werkzeugen, eine Maschine, die eine Einstellung nicht beibehält, oder einen Schichtwechsel der Bediener. Wenn der p-Wert für Trends kleiner als 0,05 ist, liegt möglicherweise ein Trend in den Daten vor.
-
In diesem Diagramm ist der Aufwärtstrend in den ersten Datenpunkten leicht erkennbar.
- Muster beim Vorliegen von Oszillation
- Oszillation tritt auf, wenn die Daten aufwärts und abwärts verlaufen und damit zeigen, dass der Prozess nicht beständig ist. Wenn der p-Wert für Oszillation kleiner als 0,05 ist, weisen Ihre Daten möglicherweise Oszillation auf.
-
In diesem Diagramm scheinen die Daten sprunghaft aufwärts und abwärts zu verlaufen.
Wichtigste Ergebnisse: p-Wert für Trends, p-Wert für Oszillation
In diesem Beispiel sind der p-Wert für Trends von 0,500 und der p-Wert für Oszillation von 0,500 größer als der α-Wert von 0,05. Sie können daraus schließen, dass die Daten keine Anzeichen von Trends oder Oszillation aufweisen.
