ชี้แจง ถัว เฉลี่ยเคลื่อนที่ แผนภูมิ

ค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักที่เป็นตัวเลข (Expedential Weighted Moving Average - EWMA) เป็นสถิติสำหรับการตรวจสอบกระบวนการที่ใช้ข้อมูลโดยเฉลี่ยในลักษณะที่ให้น้ำหนักน้อยและน้อยกว่าเมื่อนำข้อมูลออกไปในเวลาต่อไป การเปรียบเทียบแผนภูมิควบคุม Shewhart และเทคนิคการควบคุม EWMA สำหรับเทคนิค Shewhart chart control การตัดสินใจเกี่ยวกับสถานะของการควบคุมกระบวนการนี้ได้ตลอดเวลา (t) ขึ้นอยู่กับการวัดล่าสุดจากกระบวนการนี้และแน่นอนว่า ระดับของความเป็นเลิศของการประมาณขีด จำกัด การควบคุมจากข้อมูลทางประวัติศาสตร์ สำหรับเทคนิคการควบคุม EWMA การตัดสินใจจะขึ้นอยู่กับสถิติ EWMA ซึ่งเป็นค่าเฉลี่ยถ่วงน้ำหนักแบบทวีคูณของข้อมูลทั้งหมดรวมทั้งการวัดล่าสุด การเลือกขั้นตอนการควบคุม EWMA สามารถทำให้เกิดความรู้สึกไวต่อการล่องลอยในขั้นตอนเล็ก ๆ หรือทีละขั้นขณะที่ขั้นตอนการควบคุม Shewhart สามารถตอบสนองได้เฉพาะเมื่อจุดข้อมูลล่าสุดอยู่นอกขีด จำกัด การควบคุมเท่านั้น ความหมายของ EWMA สถิติที่คำนวณได้คือ: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n (mbox 0) คือค่าเฉลี่ยของข้อมูลทางประวัติศาสตร์ (เป้าหมาย) (Yt) คือการสังเกตการณ์ ณ เวลา (t) (n) คือจำนวนการสังเกตการณ์ที่ต้องติดตามรวมทั้ง (mbox 0) (0 การตีความของแผนภูมิการควบคุม EWMA สีแดง จุดเป็นข้อมูลดิบที่เส้นขรุขระเป็นสถิติ EWMA เมื่อเวลาผ่านไปแผนภูมิบอกเราว่ากระบวนการนี้อยู่ในการควบคุมเพราะทั้งหมด (mbox t) อยู่ระหว่างข้อ จำกัด ของการควบคุมอย่างไรก็ตามดูเหมือนว่าจะมีแนวโน้มสูงขึ้นในช่วง 5 (EWMA) แผนภูมิการเคลื่อนที่แบบถ่วงน้ำหนักแบบเลขยกกำลัง (EWMA) เป็นแผนภูมิควบคุมสำหรับข้อมูลตัวแปร (ข้อมูลที่มีทั้งปริมาณและต่อเนื่องในการวัดเช่นมิติที่วัดได้หรือ เวลา) มันแปลงค่าเฉลี่ยถ่วงน้ำหนักน้ำหนักปัจจัยที่ได้รับการคัดเลือกโดยผู้ใช้เพื่อกำหนดวิธีการที่มีอายุมากกว่าจุดข้อมูลส่งผลกระทบต่อค่าเฉลี่ยเมื่อเทียบกับคนล่าสุดเพราะแผนภูมิควบคุม EWMA ใช้ข้อมูลจากตัวอย่างทั้งหมดที่พวกเขาตรวจสอบกระบวนการที่มีขนาดเล็กมาก กะกว่าแผนภูมิการควบคุมตามปกติ เมื่อไม่มีแผนภูมิค่าเฉลี่ยเคลื่อนที่เช่นเดียวกับที่เสนอในซอฟต์แวร์ SPC ของเราจะให้ผลประโยชน์เช่นเดียวกัน แม้ว่าแผนภูมิ EWMA มาตรฐานได้รับการออกแบบมาเพื่อตรวจสอบกระบวนการที่มีค่าคงที่มีเสถียรภาพแผนภูมิควบคุมแบบ EWMA ที่ปรับเปลี่ยนอาจใช้สำหรับกระบวนการที่สัมพันธ์กันโดยอัตโนมัติโดยมีค่าเฉลี่ยลอยช้าๆ ตั้งแต่ปีพ. ศ. 2525 ศาสตร์ด้านศิลปะเพื่อปรับปรุงคุณภาพชีวิตของคุณอเมริกามีซอฟต์แวร์ควบคุมกระบวนการทางสถิติรวมถึงเอกสารการฝึกอบรมสำหรับ Lean Six Sigma, Quality Management และ SPC เรายึดแนวทางที่ลูกค้าเป็นผู้กำหนดและนำนวัตกรรมซอฟต์แวร์จำนวนมากแสวงหาแนวทางอย่างต่อเนื่องเพื่อมอบโซลูชันที่ดีที่สุดและคุ้มค่าที่สุดแก่ลูกค้าของเราอย่างต่อเนื่อง ผู้นำในสาขาของตน Quality America ได้ให้บริการซอฟต์แวร์และฝึกอบรมผลิตภัณฑ์และบริการแก่ บริษัท นับหมื่นแห่งในกว่า 25 ประเทศ คัดลอกลิขสิทธิ์ 2013 Quality America Inc. EWMA Chart ใน Excel ใช้ EWMA Chart เมื่อคุณมีตัวอย่างหนึ่งชิ้นและต้องการตรวจสอบการเปลี่ยนแปลงเล็กน้อยในประสิทธิภาพ สมรรถนะของแผนภูมิ EWMA (ค่าเฉลี่ยถ่วงน้ำหนักที่ถ่วงน้ำหนักแบบทวีคูณ) คล้ายคลึงกับ Cusum chart ตัวอย่างแผนภูมิ EWMA ที่สร้างขึ้นในแมโคร QI สำหรับ Excel เพื่อสร้างแผนภูมิควบคุม EWMA ภายในมาโคร QI: เน้นข้อมูลของคุณและเลือก quotEWMAquot จากเมนูแบบเลื่อนลง quot quotControl Charts (SPC) จากเมนู (เรามี EWMA fill-in - แม่แบบที่ว่างเปล่าเช่นกัน) เมื่อเลือกแล้วคุณจะได้รับพร้อมท์ให้ยอมรับค่า alpha เริ่มต้นเป็น 0.2 หรือป้อนด้วยตนเอง: Per Montgomery 4th Edition, ldquovalues ​​ในช่วง 0.05 ทำงานได้ดีในทางปฏิบัติโดยมีตัวเลือกยอดนิยม 0.05, 0.10 และ 0.20 กฎข้อที่ง่ายๆคือใช้ค่าที่เล็กกว่าเพื่อตรวจจับการเลื่อนที่เล็กลงหลังจากที่คุณสร้างแผนภูมิคุณสามารถอัพเดตพารามิเตอร์อัลฟาภายใต้แท็บ quotObs 1 Dataquot ในเซลล์ quotWeightquot: หมายเหตุ ค่าพารามิเตอร์อัลฟาที่ต่ำกว่ายิ่งใกล้กับ UCL และ LCL จะเท่ากับ CL และในทางกลับกัน เรียนรู้เพิ่มเติม. การสร้างแผนภูมิ Ewma โดยใช้ QI Macros. EWMA แม่แบบคืออะไรแผนภูมิแบบถ่วงน้ำหนักแบบ EWMA เป็นแผนภูมิควบคุมสำหรับข้อมูลตัวแปร (ข้อมูลที่มีทั้งปริมาณและต่อเนื่องในการวัดเช่นมิติหรือเวลาที่วัดได้ ) กราฟค่าแปลงค่าถ่วงน้ำหนักที่ถ่วงน้ำหนักผู้ใช้เลือกปัจจัยการถ่วงน้ำหนักเพื่อกำหนดว่าจุดข้อมูลที่มีอายุมากกว่าจะส่งผลต่อค่าเฉลี่ยเมื่อเทียบกับค่าล่าสุดอย่างไร เนื่องจาก EWMA Chart ใช้ข้อมูลจากตัวอย่างทั้งหมดจะตรวจจับการเปลี่ยนแปลงกระบวนการที่มีขนาดเล็กลงกว่าแผนภูมิควบคุมปกติ เช่นเดียวกับแผนภูมิควบคุมอื่นแผนภูมิ EWMA จะใช้ในการตรวจสอบกระบวนการเมื่อเวลาผ่านไป ใช้ทำไม: ใช้ปัจจัยการถ่วงน้ำหนักซึ่งลดจำนวนเชิงซ้อน การถ่วงน้ำหนักของข้อมูลแต่ละจุดจะลดลงเป็นทวีคูณและให้ความสำคัญกับข้อสังเกตล่าสุดในขณะที่ยังไม่ได้ทิ้งข้อสังเกตเก่า ๆ ทั้งหมด ระดับของการชั่งน้ำหนักลดลงจะแสดงเป็นปัจจัยการปรับความเรียบคงที่จำนวนระหว่าง 0 ถึง 1 อาจแสดงเป็นเปอร์เซ็นต์ดังนั้นค่าความเรียบของ 10 เท่ากับ 0.1 อีกทางเลือกหนึ่งอาจจะแสดงออกมาในรูปแบบของช่วงเวลา N โดยที่ ตัวอย่างเช่น N19 เท่ากับ 0.1 การสังเกตการณ์ในช่วงเวลา t ถูกกำหนด Yt และค่าของ EMA ในช่วงเวลาใด ๆ t คือกำหนดให้ St. S1 ไม่ได้กำหนดไว้ S2 อาจถูกเตรียมใช้งานได้หลายวิธีโดยทั่วไปโดยการตั้งค่า S2 ถึง Y1 แม้ว่าเทคนิคอื่น ๆ จะมีอยู่เช่นการตั้งค่า S2 เป็นค่าเฉลี่ยของการสังเกตการณ์ 4 หรือ 5 ครั้งแรก ความสำคัญของผลการเริ่มต้น S2 ต่อค่าเฉลี่ยเคลื่อนที่ที่เกิดขึ้นจะขึ้นอยู่กับค่าที่น้อยลงทำให้ทางเลือกของ S2 มีความสำคัญมากกว่าค่าที่มีขนาดใหญ่เนื่องจากข้อสังเกตที่ได้รับจากการสังเกตการณ์เร็วกว่า ข้อดีของแผนภูมิ EWMA คือแต่ละจุดที่วางแผนไว้มีการสังเกตหลายข้อเพื่อให้คุณสามารถใช้ Central Limit Theorem เพื่อบอกว่าค่าเฉลี่ยของจุด (หรือค่าเฉลี่ยเคลื่อนที่ในกรณีนี้) มีการแจกแจงปกติและกำหนดขีด จำกัด ของการควบคุมไว้อย่างชัดเจน ตำแหน่งที่จะใช้: แผนภูมิ x แกนเป็นระยะเวลาเพื่อให้แผนภูมิแสดงประวัติของกระบวนการ ด้วยเหตุนี้คุณต้องมีข้อมูลที่ได้รับคำสั่งแบบเวลานั่นคือป้อนในลำดับที่มันถูกสร้างขึ้น หากไม่เป็นเช่นนั้นแนวโน้มหรือการเปลี่ยนแปลงในกระบวนการอาจไม่สามารถตรวจพบได้ แต่จะถือว่าเป็นการเปลี่ยนแปลงโดยสุ่ม (สาเหตุทั่วไป) ใช้เมื่อใด: แผนภูมิ EWMA (หรือถ่วงน้ำหนักแบบลัพธ์เชิงตัวเลข) โดยทั่วไปจะใช้แผนภูมิเพื่อตรวจหาการเปลี่ยนแปลงเล็ก ๆ ในกระบวนการ พวกเขาจะตรวจจับการเปลี่ยนแปลงของ. 5 sigma เป็น 2 sigma เร็วกว่าแผนภูมิ Shewhart ที่มีขนาดตัวอย่างเท่ากัน อย่างไรก็ตามพวกเขามีเวลาในการตรวจจับการเปลี่ยนแปลงใหญ่ในกระบวนการ นอกจากนี้ยังไม่สามารถใช้การทดสอบการทำงานทั่วไปเนื่องจากการพึ่งพาจุดข้อมูลโดยธรรมชาติ แผนภูมิ EWMA อาจเป็นที่ต้องการเมื่อกลุ่มย่อยมีขนาด n1 ในกรณีนี้แผนภูมิอื่นอาจเป็นแผนภูมิ X ส่วนบุคคล ในกรณีนี้คุณจะต้องประมาณการแจกจ่ายของกระบวนการเพื่อกำหนดขอบเขตที่คาดว่าจะมีข้อ จำกัด ในการควบคุม เมื่อเลือกค่า lambda ที่ใช้ในการชั่งน้ำหนักขอแนะนำให้ใช้ค่าเล็กน้อย (เช่น 0.2) เพื่อตรวจจับการเปลี่ยนแปลงเล็กน้อยและค่าที่ใหญ่กว่า (ระหว่าง 0.2 ถึง 0.4) สำหรับการเลื่อนขนาดใหญ่ แผนภูมิ EWMA กับ lambda 1.0 เป็นแผนภูมิ X-bar นอกจากนี้ยังใช้แผนภูมิ EWMA เพื่อให้เอฟเฟ็กต์ของข้อมูลที่เป็นที่รู้จักและไม่สามารถควบคุมได้เป็นไปอย่างราบรื่น กระบวนการทางบัญชีและกระบวนการทางเคมีหลายอย่างรวมอยู่ในการจำแนกประเภทนี้ ตัวอย่างเช่นในขณะที่ความผันผวนของรายวันในกระบวนการบัญชีอาจมีขนาดใหญ่พวกเขาจะไม่แสดงให้เห็นถึงความไม่แน่นอนของกระบวนการ การเลือกแลมบ์ดาสามารถกำหนดให้แผนภูมิมีความไวต่อความผันผวนรายวันได้มากหรือน้อย วิธีการใช้งาน: การตีความแบบมาตรฐานของ EWMA Chart (ค่าเฉลี่ยที่ไม่ใช่การเดินขบวน) ดูกราฟช่วงก่อนเสมอ ขีด จำกัด การควบคุมในแผนภูมิ EWMA จะได้มาจากช่วงค่าเฉลี่ย (หรือช่วงการเคลื่อนที่หาก n1) ดังนั้นหากแผนภูมิช่วงไม่อยู่ในการควบคุมขีด จำกัด การควบคุมบนแผนภูมิ EWMA จะไม่มีความหมายในตารางช่วงค้นหาออก จุดควบคุม ถ้ามีแล้วจะต้องตัดออกเป็นพิเศษ โปรดจำไว้ว่าช่วงคือการประมาณความแปรปรวนภายในกลุ่มย่อยดังนั้นให้มองหาองค์ประกอบของกระบวนการที่จะเพิ่มความผันแปรระหว่างข้อมูลในกลุ่มย่อย หลังจากอ่านแผนภูมิช่วงแล้วให้ตีความคะแนนในแผนภูมิ EWMA เทียบกับขีด จำกัด ของการควบคุม เรียกใช้การทดสอบไม่เคยใช้กับแผนภูมิ EWMA เนื่องจากจุดที่พล็อตอาศัยอยู่โดยเนื้อแท้ซึ่งประกอบด้วยจุดทั่วไป อย่าพิจารณาจุดบนแผนภูมิ EWMA เทียบกับข้อกำหนดเนื่องจากข้อสังเกตจากกระบวนการนี้มีความแตกต่างกันมากกว่าค่าเฉลี่ยเคลื่อนที่แบบถ่วงน้ำหนักแบบเสิย หากกระบวนการแสดงการควบคุมที่สัมพันธ์กับข้อ จำกัด ทางสถิติในช่วงเวลาที่เพียงพอ (นานพอที่จะเห็นสาเหตุพิเศษทั้งหมดที่มีศักยภาพ) จากนั้นเราสามารถวิเคราะห์ความสามารถของตนเมื่อเทียบกับความต้องการ ความสามารถมีความหมายเฉพาะเมื่อกระบวนการมีเสถียรภาพเนื่องจากเราไม่สามารถคาดการณ์ผลลัพธ์ของกระบวนการที่ไม่เสถียรได้ แผนภูมิค่าเฉลี่ยของ Wandering มองหาจากจุดควบคุม ซึ่งแสดงถึงการเปลี่ยนแปลงในกระบวนการที่คาดไว้ของกระบวนการเทียบกับพฤติกรรมในอดีตของตน แผนภูมิไม่ได้มีความสำคัญกับการเปลี่ยนแปลงที่ลึกซึ้งในกระบวนการลอยเนื่องจากยอมรับระดับการล่องลอยเป็นลักษณะของกระบวนการ โปรดจำไว้ว่าขีด จำกัด ของการควบคุมจะขึ้นอยู่กับข้อผิดพลาดในการคาดคะเนที่ได้รับการทำนายตามลำดับค่าชี้แจงสำหรับการสังเกตที่ผ่านมาทำให้มีขนาดใหญ่ขึ้นเรื่อย ๆ ก่อนที่จะมีการจัดเก็บข้อมูลก่อนหน้านี้แผนภูมิจะไม่ให้ความรู้สึกมากขึ้นในการตรวจสอบการเปลี่ยนแปลงของปริมาณการลอยตัว