O controle estatístico do processo é usado para monitorar e gerenciar o processo que está sendo monitorado. Para sistemas complexos, pode ser necessário gerar um modelo para determinar a aparência do gráfico de CEP, considerando os estados específicos da variável. Isso também permite que o gerenciamento calcule um desvio médio e esperado para criar um gráfico de controle de CEP para variáveis de entrada específicas, em vez de ter que deixar o sistema rodar e criar um novo gráfico cada vez que as entradas de processo mudarem.
Visão geral do controle estatístico de processos
O SPC coleta uma série de valores sobre as características (altura, peso, dimensões) sendo observadas. Esses valores são gráficos. A média do processo é calculada. Isso é usado como a linha central do gráfico de CEP. Então, o desvio padrão é calculado. Um limite de controle superior e inferior é determinado e, em seguida, colocado no gráfico. O gráfico SPC é então monitorado. Quaisquer tendências são registradas. Qualquer tendência que se aproxime dos limites de controle superior ou inferior resultará em ação corretiva.
Modelagem de Séries Temporais
A modelagem de séries temporais mede um processo em intervalos de tempo específicos. Uma série de linhas de tendência ou curvas é então calculada para os dados de séries temporais existentes. A linha de tendência é uma equação algébrica simples. Um modelo de série temporal pode, então, prever o que essa linha de tendência será no futuro. Uma linha de tendência pode ser plana, em alta ou baixa.
Modelagem Multivariada
Multivariada significa muitas variáveis. Um modelo multivariado possui diversas variáveis, todas com suas próprias equações associadas. Essas variáveis podem incluir tempo, velocidade do processo, variações de material e qualquer outra variável de processo. Um modelo multivariado é criado com base em todos esses fatores em consideração. Um modelo multivariado para o gráfico de controle de processo estatístico será criado inserindo diferentes tempos. Este modelo pode, então, mostrar como o gráfico de CEP deve olhar ao longo do tempo para diferentes valores de variáveis.
Modelos Estocásticos
Processos estocásticos são essencialmente aleatórios. Esses processos são modelados atribuindo uma probabilidade a cada resultado possível. O modelo é então criado executando a equação muitas vezes para gerar um resultado mais provável e probabilidades de outros resultados. Os modelos estocásticos também são chamados de simulações de Monte Carlo.
Redes neurais artificiais
Este tipo de modelo estatístico de controle de processos é abreviado para RNAs. As RNAs são a forma mais complexa de modelos estatísticos de controle de processos. Eles simulam processos com várias entradas que podem variar, etapas intermediárias que podem variar e diferentes saídas resultantes. A RNA então dará os resultados resultantes. Se o processo tiver quaisquer processos estocásticos juntamente com variáveis definidas por equações lineares, a RNA poderá fornecer uma série de resultados. Se executado muitas vezes, isso fornecerá o resultado mais provável e, portanto, "médio" para um gráfico de CEP para um processo tão complexo.
