Wykres p jest używany do monitorowania procesu w czasie na podstawie proporcji. Proces jest opisany przez metrykę, która wskazuje proporcję pewnych zdarzeń w całkowitej ilości. Pokazuje, czy ta proporcja mieści się w oczekiwanym zakresie, czy też występują zauważalne zmiany w procesie. Może to być na przykład wskaźnik odrzutów w produkcji, kwota sprzedaży w sprzedaży lub proporcja opóźnionych dostaw. Celem jest wczesne wykrywanie zmian, systematyczna analiza możliwych przyczyn, budowanie wiedzy o procesie i unikanie niepotrzebnych interwencji.
W napełnianiu sosem pomidorowym sprawdza się na zmianę, ile słoików ma krzywą lub niekompletną etykietę. Celem jest określenie, czy proporcja jednostek niezgodnych pozostaje stabilna w czasie.
Interpretacja wyników:
Nie ma punktów poza granicami kontrolnymi i nie są widoczne żadne zauważalne wzorce. Proporcja wadliwych etykiet losowo waha się wokół linii środkowej. Proces można zatem ocenić jako stabilny.
Objaśnienia grafiki:
- Punkty pokazują proporcję jednostek niezgodnych na podgrupę w porządku chronologicznym.
- Linia środkowa odpowiada średniej proporcji jednostek niezgodnych.
- Granice kontrolne są obliczane dla każdej podgrupy na podstawie wielkości próby i średniej proporcji. Przy zmieniających się wielkościach próbek często wyglądają na schodkowe.
Przygotowanie
- Zdefiniuj jasną klasyfikację binarną, na przykład “niezgodne” i “zgodne.”
- Zapewnij, że dla każdego wiersza danych dostępna jest zarówno całkowita liczba rozważanych jednostek (wielkość próby), jak i liczba jednostek niezgodnych lub zgodnych.
- Sprawdź, czy wielkość podgrupy zmienia się w czasie i czy jest to technicznie uzasadnione.
- Określ, czy wykres powinien być tworzony na podstawie bieżących danych, czy z odniesieniem historycznym.
- Zdefiniuj, które testy warunków wyjątkowych powinny być używane do wykrywania zauważalnych wzorców.
Użycie w AlphadiTab
- Wybierz narzędzie “p-chart” w Fazie Kontroli.
- Dla wadliwych jednostek określ “jednostki niezgodne,” dla wielkości próby określ “przetestowane jednostki.”
- Wygeneruj wykres kontrolny za pomocą “Utwórz Nowy.”
- Przeprowadź zdefiniowane testy w zakładce Zasady Nelsona.
Interpretacja
- Sprawdź, czy punkty leżą poza granicami kontrolnymi.
- Sprawdź, czy rozpoznawalne są wzorce nierandomowe, takie jak trendy, przesunięcia lub wzorce cykliczne.
- Oceń, czy występują znane przyczyny specjalne, czy też należy podejrzewać trwałą zmianę procesu.
- Tylko po wyjaśnieniu przyczyn zdecyduj, czy interwencja w proces jest konieczna.
Wykres p-chart pokazuje, czy proces jest statystycznie stabilny. Czy wartości docelowe lub specyfikacje są spełnione, należy ocenić oddzielnie z perspektywy technicznej.
Historyczne wartości
Jeśli znane są wartości odniesienia historyczne, mogą być użyte 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.
Nieregularne wzorce są wykrywane za pomocą testów:
Porządek czasowy
Podgrupy muszą być w kolejności, w jakiej zostały utworzone.
Tylko w ten sposób można wiarygodnie wykrywać przesunięcia, trendy i inne wzorce.
Liczba zapytań rozwiązanych przy pierwszym kontakcie
W usłudze IT codziennie ocenia się, jak wysoka jest liczba zapytań, które są rozwiązywane przy pierwszym kontakcie. Wykres np pomaga ocenić, czy ta liczba pozostaje stabilna w czasie, czy też występują anomalie, takie jak trendy lub przesunięcia.
Interpretacja
Istnieje kilka punktów poza granicami kontrolnymi. Proces jest niestabilny i powinien być dokładniej zbadany.
→ Kilka punktów poza granicami – proces niestabilny, sprawdź przyczyny.
Liczba ofert z brakującymi obowiązkowymi informacjami
W sprzedaży co miesiąc sprawdzane jest, ile ofert brakuje obowiązkowych informacji. Pozwala to śledzić, czy liczba niekompletnych ofert pozostaje na stałym poziomie.
Interpretacja
Liczby są niezwykle blisko siebie. Taka niska dyspersja często nie jest przypadkowa dla rzeczywistego procesu i może wskazywać na standaryzowaną przeróbkę, zbyt grubą klasyfikację lub specyfikę systemu inspekcji. Dodatkowo, dziewięć punktów znajduje się po tej samej stronie linii środkowej.
→ Zauważalnie niska dyspersja + 9 punktów po jednej stronie – pytanie o system inspekcji/klasyfikację.
Liczba przesyłek z uszkodzeniami transportowymi
W sektorze logistycznym ocenia się na każdej trasie, ile przesyłek dociera z widocznymi uszkodzeniami transportowymi. Celem jest wczesne zidentyfikowanie nadzwyczajnych obciążeń.
Interpretacja
Rozpoznawalny jest odchylenie; dotyczy to 13. trasy. Kierowca zgłosił kolizję tylną dla tej trasy. Odchylenie można zatem wyjaśnić znaną specjalną przyczyną i nie wskazuje na trwałą zmianę w procesie.
→ Odchylenie z powodu znanej specjalnej przyczyny (wypadek) – brak nowego podstawowego wzorca.
Liczba przyjęć towarów z notą blokującą
W zakupach monitorowana jest liczba przyjęć towarów z notą blokującą. W okresie obserwacji nastąpiła zmiana z Dostawcy A na Dostawcę B, więc przydatne są dwa sekcje.
Interpretacja
Po zmianie dostawcy liczba przyjęć towarów z notą blokującą jest na zauważalnie wyższym poziomie. Oddzielne rozważenie sekcji pokazuje, że poziom procesu uległ zmianie. Zmiana powinna być oceniana w kontekście zmiany dostawcy.
→ Zmiana poziomu po zmianie dostawcy – oceniać sekcje oddzielnie.
Liczba pozycji z krytycznym błędem prognozy
W planowaniu produkcji każdy cykl planowania ocenia, ile pozycji przekracza zdefiniowany próg błędu prognozy. Wykres np pokazuje, czy liczba problematycznych pozycji zmienia się w czasie.
Interpretacja
W okresie zauważalny jest rosnący trend liczby błędnych prognoz. Ponieważ wartości również ponownie maleją w międzyczasie, zgodnie z regułami Nelsona nie sygnalizuje się trendu. Jednak rozwój ten powinien być nadal obserwowany profesjonalnie.
pᶦ: Proporcja jednostek niezgodnych w i-tej podgrupie.
Podgrupa: Powiązana próbka, np. zmiana, wycieczka, dzień lub partia.
Linia środkowa: Średnia proporcja jednostek niezgodnych jako centralny poziom procesu.
Granice kontrolne (UCL / LCL): Granice, w których oczekuje się losowych wahań stabilnego procesu.
Historyczna wartość odniesienia p: Określona proporcja jednostek niezgodnych z okresu stabilnego porównania.
Sekcje: Oddzielne fazy procesu, każda z własną linią środkową i granicami.
Zasady / testy Nelsona: Zasady statystyczne do wykrywania nieregularnych wzorców.
W przypadku historycznej poprawki, p̄ jest zastępowane przez podaną wartość odniesienia p.