Le contrôle statistique du processus est utilisé pour surveiller puis gérer le processus surveillé. Pour les systèmes complexes, il peut être nécessaire de générer un modèle pour déterminer l'apparence du diagramme SPC en fonction d'états variables spécifiques. Cela permet également à la direction de calculer un écart moyen et prévu pour créer un graphique de contrôle SPC pour des variables d'entrée spécifiques, au lieu de laisser le système s'exécuter et de créer un nouveau graphique chaque fois que les entrées de processus changent.
Vue d'ensemble du contrôle statistique des processus
SPC collecte une série de valeurs sur les caractéristiques (taille, poids, dimensions) observées. Ces valeurs sont cartographiées. La moyenne du processus est calculée. Ceci est utilisé comme ligne centrale du diagramme SPC. Ensuite, l'écart type est calculé. Les limites de contrôle supérieure et inférieure sont déterminées et ensuite placées sur la carte. Le diagramme SPC est ensuite surveillé. Toutes les tendances sont enregistrées. Toute tendance se rapprochant des limites de contrôle supérieure ou inférieure entraînera une action corrective.
Modélisation en série chronologique
La modélisation des séries temporelles mesure un processus à des intervalles de temps spécifiques. Une série de courbes de tendance ou de courbes est ensuite calculée pour les données de série chronologique existantes. La ligne de tendance est une simple équation algébrique. Un modèle de série chronologique peut alors prévoir quelle sera cette ligne de tendance dans le futur. Une ligne de tendance peut être plate, tendance à la hausse ou à la baisse.
Modélisation multivariée
Multivarié signifie beaucoup de variables. Un modèle multivarié comporte plusieurs variables, chacune avec leurs propres équations associées. Ces variables peuvent inclure le temps, la vitesse du processus, les variations de matériau et toute autre variable de processus. Un modèle multivarié est créé sur la base de tous ces facteurs. Un modèle multivarié pour la carte de contrôle de processus statistique sera ensuite créé en saisissant des heures différentes. Ce modèle peut ensuite montrer comment le diagramme SPC doit rechercher différentes valeurs dans le temps.
Modèles stochastiques
Les processus stochastiques sont essentiellement aléatoires. Ces processus sont modélisés en attribuant une probabilité à chaque résultat possible. Le modèle est ensuite créé en exécutant l'équation plusieurs fois pour générer un résultat le plus probable et des probabilités d'autres résultats. Les modèles stochastiques sont également appelés simulations de Monte Carlo.
Réseaux de neurones artificiels
Ce type de modèle de contrôle de processus statistique est abrégé en ANN. Les RNA constituent la forme la plus complexe de modèles de contrôle statistique des processus. Ils simulent des processus avec plusieurs entrées pouvant varier, des étapes intermédiaires pouvant varier et différentes sorties résultantes. L'ANN donnera ensuite les résultats obtenus. Si le processus comporte des processus stochastiques ainsi que des variables définies par des équations linéaires, le RNA peut donner une gamme de résultats. Si elle est exécutée plusieurs fois, cela donnera le résultat le plus probable et donc «moyen» pour un diagramme SPC pour un processus aussi complexe.
