Wykres szeregów czasowych to wykres liniowy, który przedstawia pomiary w kolejności ich występowania – oś x to zawsze czas, a oś y to mierzona wartość.
Wykres szeregów czasowych można używać w projektach LSS we wszystkich fazach DMAIC. Cel użycia różni się w zależności od fazy.
Pokaż zachowanie procesu w czasie
W fazie Definiowania wykres szeregów czasowych jest używany do wizualizacji postępu czasowego zmiennej docelowej. Trendy lub skoki dostarczają początkowych wskazówek do opisu problemu.
Identyfikuj stabilność i wartości odstające
W fazie Mierzenia wykres szeregów czasowych pomaga ocenić stabilność czasową procesu. Wartości odstające i skoki stają się widoczne przed przeprowadzeniem dalszych analiz statystycznych.
Identyfikuj czas zmian
W fazie Analizy wykres szeregów czasowych jest używany do identyfikacji czasu zmian w zachowaniu procesu. Skoki lub zmiany trendu mogą być powiązane z wydarzeniami zewnętrznymi.
Wizualizuj porównanie przed i po
W fazie Poprawy wykres szeregów czasowych jest używany do wizualizacji porównania przed i po z wartością kroku. Pokazuje, czy lokalizacja i rozproszenie zmieniły się trwale po wprowadzeniu środka.
Potwierdź stabilność poprawy w czasie
W fazie Kontroli wykres szeregów czasowych potwierdza, czy proces pozostaje stabilny po wprowadzeniu poprawy. Nowe trendy lub wartości odstające stają się widoczne wcześnie.
Wykres szeregów czasowych jest używany do wyświetlania postępu mierzonej zmiennej w czasie. Umożliwia ocenę, czy pozycja i rozproszenie mierzonych wartości pozostają stałe w czasie, czy też występują anomalie, takie jak trendy, skoki, wzorce lub wartości odstające.
Podczas produkcji sosu pomidorowego regularnie przeprowadzane są pomiary lepkości. Pomiary są ciągle rejestrowane i prezentowane w porządku chronologicznym. Wykres szeregów czasowych służy do sprawdzania, czy lepkość pozostaje stała w czasie, czy też występują jakiekolwiek anomalie zależne od czasu.
Objaśnienia grafiki:
Na wykresie szeregów czasowych każdy pomiar jest wyświetlany w kolejności, w jakiej został zarejestrowany. Oś x pokazuje odniesienie czasowe (np. numer pomiaru lub tydzień kalendarzowy), a oś y pokazuje zmierzoną zmienną. Reprezentacja czasowa pozwala na wykrycie zmian, które nie są widoczne na wykresach bezczasowych.
Przygotowanie
- Wybierz pomiar, który jest regularnie zbierany (np. lepkość).
- Zdefiniuj jasne odniesienie czasowe (np. numer pomiaru lub tydzień kalendarzowy).
Użycie w AlphadiTab
- Wybierz narzędzie Szereg czasowy w fazie pomiaru.
- Wybierz „Lepkość“ dla danych.
- Wybierz „Data“ dla czasu.
- Wybierz „Auto“ dla formatu.
- Wygeneruj wykres za pomocą przycisku „Utwórz nowy“.
Interpretacja
- Czy pomiar przebiega konsystentnie w czasie?
- Czy są odstające wartości wykrywalne?
- Czy występuje trend (rosnący lub malejący)?
- Czy występuje przesunięcie w poziomie pomiarów?
- Czy są widoczne regularne wzorce lub okresowe fluktuacje?
Ogólne rozważania
Znane specyfikacje
Wiele szeregów czasowych
Dla wykresów szeregów czasowych dostępne są różne formy reprezentacji. W zależności od tego, czy wybrano jedną czy więcej serii danych oraz dodatkowe wartości kroków, reprezentacja na wykresie zmienia się.
| Czas dostawy w dniach_Lokalizacja A | Czas dostawy w dniach_Lokalizacja B | Czas dostawy w dniach_Lokalizacja C | Status procesu | Produkt |
|---|---|---|---|---|
| 4 | 9 | 3 | Przed | Okno |
| 5 | 4 | 6 | Przed | Okno |
| 6 | 7 | 4 | Przed | Okno |
| 4 | 9 | 2 | Przed | Okno |
| 2 | 4 | 2 | Przed | Okno |
| 8 | 9 | 6 | Przed | Drzwi |
| 6 | 4 | 6 | Przed | Drzwi |
| 8 | 9 | 5 | Przed | Drzwi |
| 5 | 8 | 3 | Przed | Drzwi |
| 8 | 3 | 5 | Przed | Drzwi |
| 3 | 4 | 3 | Po | Okno |
| 1 | 3 | 1 | Po | Okno |
| 2 | 2 | 2 | Po | Okno |
| 3 | 3 | 3 | Po | Okno |
| 2 | 4 | 1 | Po | Okno |
| 1 | 4 | 1 | Po | Drzwi |
| 3 | 2 | 2 | Po | Drzwi |
| 3 | 5 | 3 | Po | Drzwi |
Pobierz tabelę tutaj jako Excel.
✓Jedna seria danych: Kolumna A⌄
✓Jedna seria danych z wartościami kroków: Kolumna A i D⌄
✓Wiele serii danych: Kolumna A–C⌄
Dane ilościowe (dane policzalne lub mierzalne)
Odpowiedni przyrząd pomiarowy, ponieważ często mogą wystąpić wartości odstające z powodu błędów pomiarowych.
Rozwój stara vs. nowa formuła
W rozwoju testowana jest nowa formuła. Wykres szeregów czasowych jest teraz używany do sprawdzenia, czy lepkość nowej formuły zachowuje się podobnie w czasie jak poprzednia formuła.
Wykres szeregów czasowych pokazuje spójny przebieg lepkości w starej formule. W nowej formule zauważalna jest większa dyspersja mierzonych wartości, bez trwałej zmiany pozycji. Trend lub skok nie są widoczne.
Produkcja / Zapewnianie jakości
W zapewnianiu jakości stwierdzono, że poszczególne wartości lepkości były poza oczekiwanym zakresem. Należy teraz sprawdzić, czy to zachowanie występuje na wszystkich liniach produkcyjnych, czy tylko na poszczególnych liniach.
Na jednej linii produkcyjnej zauważalny jest znaczący skok w pozycji mierzonych wartości od pewnego momentu. Wskazuje to na systematyczną zmianę w procesie, np. z powodu zmiany materiału lub nowego ustawienia.
Czas przetwarzania zgłoszeń IT przed/po
Zgłoszenia przychodzące są systematycznie rejestrowane i przetwarzane w serwisie IT. W szczególności należy przeprowadzić porównanie przed i po. Tło to zmiana organizacyjna: Odpowiedzialności w procesie serwisowym zostały na nowo zdefiniowane. To porównanie można zorganizować za pomocą diagramu szeregów czasowych i wartości etapu "Przed/Po".
W diagramie szeregów czasowych można rozpoznać pojedyncze wartości odstające i fazy z kilkoma kolejnymi wysokimi lub niskimi wartościami. Wskazuje to na tymczasowe przyczyny specjalne.
Wskaźnik sprzedaży według sezonu
W sprzedaży, możliwości sprzedaży są badane według sezonu. W tym celu zarejestrowano punkt danych na tydzień w każdym sezonie; dodatkowo sezon został zdefiniowany jako wartość kroku. Wykres szeregów czasowych jest używany do analizy, czy i jak wskaźnik sprzedaży zmieniał się w czasie w poszczególnych sezonach.
Z biegiem czasu, powszechne wahania wskaźnika sprzedaży są zauważalne. Te okresowe wzorce mogą być przypisane cyklicznym wpływom rynkowym. Jest również oczywiste, że wskaźnik sprzedaży jest najwyższy jesienią i najniższy latem.
Czas dostawy po centrum logistycznym
W logistyce zamówienia klientów są przetwarzane przez wiele centrów logistycznych. Chociaż używane są te same procesy i systemy, czasy dostawy mogą się różnić z powodu różnych obciążeń, infrastruktury lub warunków regionalnych. Wykres szeregów czasowych ma na celu sprawdzenie, czy czas dostawy losowo rozprasza się w czasie.
Wykres szeregów czasowych pokazuje ogólny trend wzrostowy czasów dostawy we wszystkich trzech lokalizacjach. Dwa znaczące szczyty są zauważalne, występujące jednocześnie we wszystkich lokalizacjach.
Porównanie dostawców
W zakupach materiały są pozyskiwane od różnych dostawców. Wykres szeregów czasowych służy do zbadania, czy niezawodność dostaw różnych dostawców zmieniła się w czasie.
Niezawodność dostaw [%] wskazuje, jak często dostawy są realizowane na czas. Niezawodność dostaw jest obliczana dla każdego tygodnia:
Niezawodność dostaw [%] = (dostawy na czas / całkowita liczba dostaw) × 100
Dla wykresu szeregów czasowych niezawodność dostaw została obliczona dla kilku tygodni kalendarzowych. Każdy punkt danych odpowiada niezawodności dostaw dostawcy w danym tygodniu.
Wykres szeregów czasowych pokazuje znacznie większe wahania w niezawodności dostaw dla jednego dostawcy, a także pojedyncze tygodnie z bardzo niskimi wartościami. Inni dostawcy wykazują bardziej spójny trend.
Odchylenie prognozy
W planowaniu produkcji tworzone są prognozy zapotrzebowania. Wykres szeregów czasowych jest używany do analizy, czy odchylenia prognozy różnią się między różnymi okresami planowania w czasie.
Odchylenie prognozy wynika z porównania między zaplanowanym zapotrzebowaniem a rzeczywistym zapotrzebowaniem.
Odchylenie prognozy [%] = (zaplanowane zapotrzebowanie − rzeczywiste zapotrzebowanie) / rzeczywiste zapotrzebowanie × 100
- Pozytywna wartość oznacza, że zapotrzebowanie zostało przeszacowane.
- Negatywna wartość oznacza, że zapotrzebowanie zostało niedoszacowane.
- Wartość bliska 0 % wskazuje na bardzo dokładną prognozę.
Reprezentacja procentowa pozwala na porównanie odchyleń prognozy niezależnie od ilości bezwzględnych.
Wraz ze wzrostem horyzontu planowania, wahania odchylenia prognozy znacznie się zwiększają. W długoterminowym planowaniu występują zarówno pozytywne, jak i negatywne wartości odstające, co wskazuje na większą niepewność.
Szereg czasowy: Sekwencja pomiarów z odniesieniem czasowym.
Obserwacja odstająca: Pojedynczy pomiar, który znacznie odbiega od reszty trendu.
Trend: Długoterminowy wzrost lub spadek pomiarów.
Zmiana (przesunięcie lokalizacji): Nagła i trwała zmiana lokalizacji.
Proces stabilny: Stała lokalizacja i rozproszenie w czasie.