El control de processos estadístics s'utilitza per supervisar i gestionar el procés que s'està monitoritzant. Per als sistemes complexos, pot ser necessari generar un model per determinar com es veurà el gràfic SPC donant estats variables específics. Això també permet que la gestió calculi una desviació mitjana i esperada per crear un gràfic de control SPC per a variables d'entrada específiques, en comptes d'haver de deixar executar el sistema i crear un nou gràfic cada vegada que les entrades de procés canvien.
Descripció general del control de processos estadístics
SPC recull una sèrie de valors sobre les característiques (alçada, pes, dimensions) que s'observen. Aquests valors es dibuixen. Es calcula la mitjana del procés. Això s'utilitza com a línia central del gràfic SPC. A continuació, es calcula la desviació estàndard. Es determina un límit de control superior i inferior i es col·loca al gràfic. Seguidament es controla la taula SPC. Es registren totes les tendències. Qualsevol tendència que s'aproximi als límits de control superiors o inferiors donarà lloc a accions correctores.
Modelització de la sèrie temporal
La modelització de sèries temporals mesura un procés a intervals de temps específics. A continuació, es calculen una sèrie de línies de tendències o corbes per a les dades de sèries temporals existents. La línia de tendència és una ecuación algebraica simple. Un model de sèries temporals pot predir el que serà aquesta línia de tendència en el futur. Una línia de tendència pot ser plana, tendint o avall.
Modelització multivariant
La multivariada significa moltes variables. Un model multivariant té diverses variables, totes amb les seves pròpies ecuaciones associades. Aquestes variables poden incloure temps, velocitat de procés, variacions de material i qualsevol altra variable de procés. Es crea un model multivariant basat en tenir en compte tots aquests factors. Es crearà un model multivariant per a la taula de control de processos estadístics introduint-se en diferents moments. Aquest model pot mostrar a continuació com ha de mirar el gràfic SPC amb el temps per a diferents valors de variable.
Models estocàstics
Els processos estocàstics són essencialment aleatoris. Aquests processos es modelen assignant una probabilitat a cada resultat possible. El model és creat executant l'equació moltes vegades per generar un resultat i probabilitats més probables d'altres resultats. Els models estocàstics també s'anomenen simulacions Monte Carlo.
Xarxes Neuronals Artificials
Aquest tipus de model de control de processos estadístics s'abreuja a ANNs. Les ANNs són la forma més complexa de models de control de processos estadístics. Simulen processos amb múltiples entrades que poden variar, passos intermedis que poden variar i resultats diferents. L'ANN donarà els resultats resultants. Si el procés té processos estocàstics juntament amb variables definides per equacions lineals, l'ANN pot donar una gamma de resultats. Si s'executa moltes vegades, això donarà el resultat més probable i, per tant, "significatiu" d'un gràfic SPC per a un procés tan complex.
