您使用的控制图取决于您要收集连续数据还是属性数据。如果您有多个连续变量,请考虑您是否拥有多变量数据。属性数据有两个子类型:二项和 Poisson。
连续变量可以有无限多个值,如 234.8 或 0.01。属性变量的值限制为指定类别或离散值。例如,属性值可以包括“通过”和“失败”类别。样本中的缺陷数也可以是属性变量。
连续测量值提供的信息一般比属性数据多。但是,属性数据往往更便于收集。因此,当难以获取连续测量值时,通常会收集属性数据。一般而言,属性数据是由操作员或质量控制人员分配的主观评分。
连续数据用于测量部件或过程的特征,如长度、重量或温度。此类数据通常包括分数(或小数)值。
例如,一家食品制造商要调查谷类产品的重量是否在一段时间内保持一致。为了收集数据,质量分析员将记录盒装谷类食品样本的重量。
如果您收集的是子组中的连续数据,可以使用
中的控制图之一。如果您收集的是单个测量值的连续数据,则可以使用
中的控制图之一。如果您从同一个过程收集多个连续变量,则将拥有多变量数据。当变量彼此相关时,可以在一个多变量控制图上监视多个变量。例如,您可以监控用来生产注塑件的过程的温度和压力。
要确定应使用单变量控制图还是多变量控制图,请创建变量的相关矩阵。如果变量彼此相关,请考虑创建多变量控制图。
这些值的失真将随测量值变量的数量增加。
但是,与传统的 Shewhart 控制图相比,多变量控制图较难解释。例如,多变量控制图上的尺度与任何变量的尺度都没有关系。而且,多变量控制图中的失控信号不会显示哪些变量(或变量组合)导致了此信号。
如果您有从两个或多个相关变量收集到的连续数据,则可以使用
中的控制图之一。对于控制图,属性数据通常是不符合性(也称为缺陷)或不合格单元(也称为缺陷品)的计数。不符合性指某个质量特征,不合格单元指整个产品。一个单元可能具有许多不符合性,但单元本身或者是合格单元,或者是不合格单元。例如,金属面板上的划痕就是一个不符合性。如果存在多个划痕,则整个面板可能被视为一个不合格单元。
如果您拥有属性数据,则可以使用
中的控制图之一。稀有事件的控制图显示事件之间的时间量或机会数。稀有事件控制图上较高的标绘点指示事件之间的时间较长。稀有事件控制图上较低的标绘点指示事件之间的时间较短。
一些事件的发生频率如此之低,以至于您无法使用传统的控制图(如 Xbar-R 或 P 控制图)来监视数据。稀有事件的示例包括院内感染、用药错误或具有较低缺陷率的制造过程。
如果您拥有稀有事件数据,则可以使用
中的控制图之一。