Statistische procescontrole wordt gebruikt om het bewaakte proces te bewaken en vervolgens te beheren. Voor complexe systemen kan het nodig zijn om een model te genereren om te bepalen hoe de SPC-grafiek eruit zal zien gezien specifieke variabele toestanden. Hierdoor kan het management ook een gemiddelde en verwachte afwijking berekenen om een SPC-controlediagram voor specifieke invoervariabelen te maken, in plaats van het systeem te laten uitvoeren en een nieuw diagram te maken telkens wanneer de procesinvoer verandert.
Overzicht van statistische procesregeling
SPC verzamelt een reeks waarden over de kenmerken (hoogte, gewicht, afmetingen) die worden waargenomen. Deze waarden worden in kaart gebracht. Het procesgemiddelde wordt berekend. Dit wordt gebruikt als de middellijn van het SPC-diagram. Vervolgens wordt de standaarddeviatie berekend. Een bovenste en onderste controlelimiet worden bepaald en vervolgens op de kaart geplaatst. Het SPC-diagram wordt vervolgens gecontroleerd. Alle trends worden vastgelegd. Alle trends die de bovenste of onderste controlelimieten naderen, leiden tot corrigerende maatregelen.
Tijdreeksmodellering
Tijdreeksmodellering meet een proces op specifieke tijdsintervallen. Vervolgens wordt een reeks trendlijnen of curven berekend voor de bestaande tijdreeksgegevens. De trendlijn is een eenvoudige algebraïsche vergelijking. Een tijdreeksmodel kan vervolgens voorspellen wat die trendlijn in de toekomst zal zijn. Een trendlijn kan vlak zijn, trending up of trending down.
Multivariate modellering
Multivariate betekent veel variabelen. Een multivariate model heeft verschillende variabelen, allemaal met hun eigen bijbehorende vergelijkingen. Deze variabelen kunnen tijd, processnelheid, materiaalvariaties en elke andere procesvariabele omvatten. Een multivariate model wordt gemaakt op basis van al deze factoren. Een multivariabel model voor het statistische procesbesturingsschema wordt dan gemaakt door verschillende tijden in te voeren. Dit model kan vervolgens laten zien hoe de SPC-grafiek er in de loop van de tijd moet uitzien voor verschillende variabelewaarden.
Stochastische modellen
Stochastische processen zijn in wezen willekeurig. Deze processen worden gemodelleerd door een waarschijnlijkheid toe te wijzen aan elke mogelijke uitkomst. Het model wordt vervolgens gemaakt door de vergelijking vele malen uit te voeren om een meest waarschijnlijke uitkomst en waarschijnlijkheden van andere uitkomsten te genereren. Stochastische modellen worden ook Monte Carlo-simulaties genoemd.
Kunstmatige neurale netwerken
Dit type statistische procesbesturingsmodel wordt afgekort tot ANNs. ANNs zijn de meest complexe vorm van statistische procesbesturingsmodellen. Ze simuleren processen met meerdere ingangen die kunnen variëren, tussenstappen die kunnen variëren en verschillende resulterende uitgangen. De ANN geeft dan de resulterende uitkomsten. Als het proces stochastische processen heeft samen met variabelen gedefinieerd door lineaire vergelijkingen, kan de ANN een reeks uitkomsten geven. Als het vaak wordt uitgevoerd, geeft dit de meest waarschijnlijke en dus 'gemiddelde' uitkomst voor een SPC-grafiek voor een dergelijk complex proces.
