Статистическият контрол на процеса се използва за наблюдение и след това управление на наблюдавания процес. За сложни системи може да е необходимо да се генерира модел, за да се определи как схемата на SPC ще изглежда с оглед на специфични променливи състояния. Това също позволява на мениджмънта да изчисли средно и очаквано отклонение, за да създаде контролна диаграма за специфични входни променливи, вместо да позволява на системата да работи и да създава нова диаграма всеки път, когато се променят входовете на процеса.
Преглед на статистическия контрол на процесите
КХП събира серия от стойности на наблюдаваните характеристики (височина, тегло, размери). Тези стойности са очертани. Изчислява се средната стойност на процеса. Това се използва като централна линия на графиката на SPC. След това се изчислява стандартното отклонение. Определя се горна и долна контролна граница и след това се поставят на графиката. След това се следи графиката на SPC. Всички тенденции се записват. Всички тенденции, които се доближават до горните или долните контролни граници, ще доведат до коригиращи действия.
Моделиране на времеви серии
Моделирането на времевите редове измерва процес в определени интервали от време. След това се изчислява поредица от линии на тенденция или криви за съществуващите данни от времеви редове. Линията на тренда е просто алгебрично уравнение. Моделът от времеви серии може да прогнозира каква ще бъде тази тенденция в бъдеще. Линията на тренда може да бъде плоска, да се насочва нагоре или надолу.
Многовариантно моделиране
Многовариантното означава много променливи. Един мултивариатен модел има няколко променливи, всичките със собствени свързани уравнения. Тези променливи могат да включват време, скорост на процеса, вариации на материалите и всяка друга променлива на процеса. Създава се мултивариатен модел, основан на отчитането на всички тези фактори. След това ще бъде създаден мултивариантен модел за таблицата за статистически контрол на процеса чрез въвеждане на различни времена. След това този модел може да покаже как графиката на SPC трябва да изглежда с течение на времето за различните стойности на променливите.
Стохастични модели
Стохастичните процеси са по същество случайни. Тези процеси се моделират чрез определяне на вероятност за всеки възможен резултат. След това моделът се създава чрез многократно изпълнение на уравнението, за да се генерира най-вероятният резултат и вероятността за други резултати. Стохастичните модели също се наричат симулации от Монте Карло.
Изкуствени невронни мрежи
Този тип статистически модел за контрол на процеса е съкратен в ANNs. ANNs са най-сложната форма на статистически модели за контрол на процеса. Те симулират процеси с множество входове, които могат да варират, междинни стъпки, които могат да варират, и различни получени резултати. След това ANN ще даде резултатите. Ако процесът има стохастични процеси заедно с променливи, дефинирани от линейни уравнения, ANN може да даде набор от резултати. Ако те се изпълняват много пъти, това ще даде най-вероятния и по този начин “среден” резултат за схемата на SPC за такъв сложен процес.
