Tilastollista prosessinohjausta käytetään seurattavan prosessin seurantaan ja hallintaan. Monimutkaisissa järjestelmissä saattaa olla tarpeen luoda malli, jolla määritetään, miten SPC-kaavio näyttää tiettyjä muuttuvia tiloja. Tämä sallii myös johdon laskea keskimääräisen ja odotetun poikkeaman SPC-ohjauskaavion luomiseksi tietyille tulomuuttujille sen sijaan, että järjestelmän pitäisi ajaa ja luoda uusi kaavio joka kerta, kun prosessitulot muuttuvat.
Yleiskatsaus tilastolliseen prosessinohjaukseen
SPC kerää joukon arvoja havaittavista ominaisuuksista (korkeus, paino, mitat). Nämä arvot kartoitetaan. Prosessin keskiarvo lasketaan. Tätä käytetään SPC-kaavion keskiviivana. Sitten lasketaan standardipoikkeama. Ylempi ja alempi ohjausraja määritetään ja sijoitetaan sitten kaavioon. SPC-kaavaa seurataan sitten. Kaikki suuntaukset tallennetaan. Kaikki suuntaukset, jotka lähestyvät ylempiä tai alempia valvontarajoja, johtavat korjaaviin toimenpiteisiin.
Aikasarjan mallinnus
Aikasarjojen mallinnus mittaa prosessin tietyin aikavälein. Tämän jälkeen lasketaan trendisarjojen tai käyrien sarja nykyisille aikasarjatiedoille. Trendiviiva on yksinkertainen algebrallinen yhtälö. Aikasarjamalli voi sitten ennustaa, mikä suuntauslinja tulee olemaan tulevaisuudessa. Trendiviiva voi olla tasainen, trendikäs tai trendikäs.
Monimuuttuja mallinnus
Monimuuttuja tarkoittaa monia muuttujia. Monimuuttujamallissa on useita muuttujia, joilla kaikilla on omat liitännän yhtälöt. Näihin muuttujiin voi sisältyä aika, prosessin nopeus, materiaalin vaihtelut ja muut prosessimuuttujat. Monimuuttujamalli luodaan, kun otetaan huomioon kaikki nämä tekijät. Tämän jälkeen luodaan tilastollisen prosessinohjauskaavion monivaiheinen malli syöttämällä eri aikoja. Tämän mallin avulla voidaan näyttää, miten SPC-kaavion tulisi näyttää ajan mittaan eri muuttujien arvoista.
Stokastiset mallit
Stokastiset prosessit ovat olennaisesti satunnaisia. Nämä prosessit mallinnetaan antamalla todennäköisyys jokaiselle mahdolliselle tulokselle. Sitten malli luodaan suorittamalla yhtälö monta kertaa, jotta saadaan todennäköisin tulos ja muiden tulosten todennäköisyys. Stokastisia malleja kutsutaan myös Monte Carlo-simulaatioiksi.
Keinotekoiset neuroverkot
Tämäntyyppinen tilastollisen prosessinohjausmallin lyhenne on ANN. ANN: t ovat tilastollisten prosessien hallintamallien monimutkaisin muoto. Ne simuloivat prosesseja, joissa on useita tuloja, jotka voivat vaihdella, välivaiheet, jotka voivat vaihdella, ja eri tuloksista. Tämän jälkeen ANN antaa tuloksena tulokset. Jos prosessissa on stokastisia prosesseja yhdessä lineaaristen yhtälöiden määrittelemien muuttujien kanssa, ANN voi antaa joukon tuloksia. Jos se suoritetaan monta kertaa, se antaa todennäköisimmän ja siten "tarkan" tuloksen SPC-kaavalle tällaiselle monimutkaiselle prosessille.
