Alphadi Tab - Przegląd narzędzia

C-chart

Czart c (znany również jako C Chart) jest używany do monitorowania procesu w czasie na podstawie liczby defektów na podgrupę. Proces jest opisany przez kluczową wartość, która wskazuje, ile defektów, skarg lub anomalii występuje w podgrupie łącznie. Warunkiem jest, aby rozmiar podgrupy lub możliwość inspekcji pozostały stałe.

Może to być na przykład liczba błędów etykietowania na zmianę, braki w dokumentacji w stałej próbce biletów lub braki w opakowaniu w stałej próbce przesyłki. Celem jest wczesne wykrywanie zmian, systematyczna analiza możliwych przyczyn, budowanie wiedzy o procesie i unikanie niepotrzebnych interwencji.

Download Możesz pobrać dane tutaj: CChart_LabelingErrorsTomatoSauce.xlsx

Podczas napełniania sosem pomidorowym zawsze sprawdzana jest ta sama próbka 200 słoików na zmianę. Rejestrowane jest, ile błędów etykiet występuje w sumie – słoik może mieć wiele błędów (krzywa etykieta, zagniecenia, niekompletne oznakowanie partii). Celem jest ustalenie, czy liczba błędów etykiet na zmianę pozostaje stabilna w czasie.

Interpretacja wyników:

Nie ma punktów poza granicami kontrolnymi i nie są widoczne żadne zauważalne wzorce. Liczba błędów etykiet na zmianę losowo waha się wokół linii środkowej – proces można uznać za stabilny.

Objaśnienia grafiki:

  • Punkty pokazują liczbę błędów na podgrupę w porządku chronologicznym.
  • Linia środkowa odpowiada średniej liczbie błędów na podgrupę.
  • Granice kontrolne są obliczane na podstawie średniej liczby błędów.

Przygotowanie

  1. Wyraźnie zdefiniuj, które zdarzenia są liczone jako błędy.
  2. Zapewnij dostępność całkowitej liczby błędów występujących na linię danych.
  3. Sprawdź, czy rozmiar podgrupy pozostaje stały.

AlphadiTab Użycie w AlphadiTab

  1. Wybierz narzędzie c-chart w Fazie Pomiaru lub Fazie Kontroli.
  2. Wprowadź liczbę błędów na podgrupę.
  3. Wygeneruj wykres za pomocą przycisku "Utwórz nowy".

Interpretacja

  1. Czy punkty znajdują się poza granicami kontroli?
  2. Czy rozpoznawalne są wzorce nieregularne?

Historyczne wartości

Jeśli znane są wartości odniesienia historyczne, mogą być używane jako stała podstawa. Linia środkowa i granice kontrolne pozostają wtedy stałe.

Sekcje

Sekcje są przydatne, jeśli proces celowo się zmienił, np. po zmianie dostawcy lub dostosowaniu procesu. Oddzielne linie środkowe i granice kontrolne są obliczane dla każdej sekcji.

Wzorce nieprzypadkowe są wykrywane za pomocą testów:

Rule 1
1 punkt poza granicami kontroli.
Rule 2
9 punktów z rzędu po jednej stronie linii środkowej.
Rule 3
6 punktów z rzędu rosnących lub malejących.
Rule 4
14 punktów z rzędu naprzemiennie w górę i w dół.
Podgrupy o stałej wielkości
Ta sama wielkość odniesienia musi być obecna dla każdej podgrupy.
Dlaczego to jest ważne?
Limity kontrolne wykresu c zakładają stałą wielkość podgrupy.
Kiedy rozmiar podgrupy nie jest stały i należy monitorować liczbę błędów na jednostkę
u-Chart
Kiedy każda jednostka jest klasyfikowana jako wadliwa lub niewadliwa
p- lub np-Chart
Kiedy dane są ciągłe
I-Chart lub X-bar Chart

Braki w dokumentacji na próbce dziennej

W usłudze IT codziennie sprawdzana jest stała próbka 40 zakończonych zgłoszeń. Rejestrowane jest, ile braków w dokumentacji występuje łącznie (brak obowiązkowego pola, niejasna kategoria, brak notatki końcowej). Wykres c pomaga ocenić, czy liczba braków w tej dziennej próbce pozostaje stabilna.

Download Możesz pobrać dane tutaj: CChart_ITService.xlsx

Interpretacja

Brak punktów poza granicami kontrolnymi i brak wyzwalaczy testu Nelsona. Jednocześnie rozpoznawalny jest powtarzający się wzorzec: w odstępach siedmiodniowych liczby błędów są wyższe.

→ Statystycznie niepozorne, ale wzorzec 7-dniowy – możliwy efekt dnia tygodnia do sprawdzenia.

Formalne wady na próbce ofert

W sprzedaży co miesiąc sprawdzana jest stała próbka 30 ofert. Rejestruje się, ile formalnych wad występuje łącznie (brak ważności ceny, niekompletne warunki dostawy, brak zatwierdzeń). Pozwala to śledzić, czy liczba formalnych wad pozostaje stale stabilna.

Download Możesz pobrać dane tutaj: CChart_Sales.xlsx

Interpretacja

Wartości są blisko siebie przez długi okres; dodatkowo dziewięć kolejnych punktów znajduje się po tej samej stronie linii środkowej. Wzór nie jest przypadkowy.

→ Zauważalnie bliskie wartości + 9 punktów po jednej stronie – kwestionuj system inspekcji.

Wady opakowania na próbkę z trasy

W sektorze logistycznym stała próbka 50 przesyłek jest sprawdzana na trasę. Rejestrowane jest, ile wad opakowania występuje w sumie (uszkodzone rogi, wadliwe etykiety, niewystarczające zabezpieczenie). Celem jest wczesne wykrycie nadzwyczajnych obciążeń.

Download Możesz pobrać dane tutaj: CChart_Logistics.xlsx

Interpretacja

Rozpoznawalny jest odstający wynik; dotyczy to 13. trasy. Zgłoszono kolizję tylną dla tej trasy – odchylenie można wyjaśnić znaną szczególną przyczyną.

→ Odstający wynik z powodu znanej szczególnej przyczyny (wypadek) – brak nowego podstawowego wzorca.

Reklamacje na okres

W zakupach, stała próbka 40 przyjęć towarów jest oceniana na okres. Rejestrowane jest, ile reklamacji występuje w sumie. W okresie obserwacji nastąpiła zmiana z Dostawcy A na Dostawcę B, więc dwa odcinki są sensowne.

Download Możesz pobrać dane tutaj: CChart_Procurement.xlsx

Interpretacja

Po zmianie dostawcy liczba reklamacji jest na zauważalnie wyższym poziomie. Oddzielne rozważenie odcinków pokazuje zmianę poziomu procesu.

→ Zmiana poziomu po zmianie dostawcy – oceniać odcinki oddzielnie.

Ostrzeżenia dotyczące planowania na cykl

W planowaniu produkcji, stała próbka 60 pozycji jest brana pod uwagę na cykl planowania. Rejestruje, ile ostrzeżeń dotyczących planowania występuje w sumie. Wykres c pokazuje, czy liczba ostrzeżeń zmienia się w czasie.

Pobierz Możesz pobrać dane tutaj: CChart_Planning.xlsx

Interpretacja

Zauważalny jest rosnący trend w okresie. Ponieważ wartości maleją pomiędzy, zgodnie z zasadami Nelsona nie sygnalizuje się trendu.

→ Lekko rosnący trend, ale żadna zasada Nelsona nie została naruszona – kontynuuj obserwację.

Jednostka
Obiekt rozważany, w którym liczone są wady.
Wada / Reklamacja
Pojedyncze policzalne zdarzenie na jednostce.
Linia środkowa (c̄)
Średnia liczba wad na podgrupę.
Limity kontrolne (LCL / UCL)
Limity, w których oczekiwane są losowe wahania.
ci
Liczba błędów w i-tej podgrupie
c̄ = ∑ci / k
Linia środkowa z bieżących danych
LCL = max(0,  c̄ − 3√c̄)
Dolna granica kontrolna
UCL = c̄ + 3√c̄
Górna granica kontrolna

Przy historycznej poprawce, c̄ jest zastępowane przez podaną wartość referencyjną.

Koszyk
C-chart Niemiecki C-chart Angielski C-chart Hiszpański C-chart Włoski C-chart Francuski C-chart Polski C-chart Portugalski