El control estadístico del proceso se usa para monitorear y luego administrar el proceso que se está monitoreando. Para sistemas complejos, puede ser necesario generar un modelo para determinar cómo se verá el gráfico SPC en función de estados variables específicos. Esto también permite a la administración calcular una media y una desviación esperada para crear un gráfico de control de SPC para variables de entrada específicas, en lugar de tener que dejar que el sistema se ejecute y crear un nuevo gráfico cada vez que cambian las entradas del proceso.
Resumen del control estadístico de procesos
SPC recopila una serie de valores sobre las características (altura, peso, dimensiones) que se observan. Estos valores están graficados. Se calcula la media del proceso. Esto se utiliza como la línea central del gráfico SPC. Entonces, se calcula la desviación estándar. Se determinan un límite de control superior e inferior y luego se colocan en el gráfico. Luego se monitorea el gráfico SPC. Cualquier tendencia se registra. Cualquier tendencia que se aproxime a los límites de control superiores o inferiores dará como resultado una acción correctiva.
Modelado de series de tiempo
El modelado de series de tiempo mide un proceso en intervalos de tiempo específicos. Luego se calcula una serie de líneas o curvas de tendencia para los datos de series de tiempo existentes. La línea de tendencia es una ecuación algebraica simple. Un modelo de serie temporal puede pronosticar cuál será la línea de tendencia en el futuro. Una línea de tendencia puede ser plana, con tendencia hacia arriba o hacia abajo.
Modelado Multivariado
Multivariable significa muchas variables. Un modelo multivariado tiene varias variables, todas con sus propias ecuaciones asociadas. Estas variables pueden incluir tiempo, velocidad de proceso, variaciones de material y cualquier otra variable de proceso. Se crea un modelo multivariado basado en tener en cuenta todos estos factores. Luego se creará un modelo multivariado para el gráfico de control del proceso estadístico al ingresar diferentes tiempos. Este modelo puede mostrar cómo debe verse el gráfico SPC a lo largo del tiempo para diferentes valores de variables.
Modelos estocásticos
Los procesos estocásticos son esencialmente aleatorios. Estos procesos se modelan asignando una probabilidad a cada resultado posible. El modelo se crea luego ejecutando la ecuación muchas veces para generar un resultado más probable y probabilidades de otros resultados. Los modelos estocásticos también se llaman simulaciones de Monte Carlo.
Redes neuronales artificiales
Este tipo de modelo de control de proceso estadístico se abrevia a ANs. Las AN son la forma más compleja de modelos estadísticos de control de procesos. Simulan procesos con múltiples entradas que pueden variar, pasos intermedios que pueden variar y diferentes resultados resultantes. La ANN entonces dará los resultados resultantes. Si el proceso tiene algún proceso estocástico junto con variables definidas por ecuaciones lineales, la ANN puede proporcionar una gama de resultados. Si se ejecuta muchas veces, esto dará el resultado más probable y, por lo tanto, "malo" para un gráfico SPC para un proceso tan complejo.
