Βασικά εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας/Κουτρουβέλης Ι.
Ο Στατιστικός Έλεγχος Διεργασίας (ΣΕΔ) με τη χρήση Διαγραμμάτων Ελέγχου (ΔΕ) αποτελεί εδώ και καιρό ένα βασικό εργαλείο για τη Διαχείριση Ποιότητας. Βασικός σκοπός είναι η παρακολούθηση της μεταβλητότητας μιας διεργασίας με σκοπό την αποκάλυψη ειδικών αιτίων που μπορεί να την οδηγήσουν σε κατάσταση "εκτός στατιστικού ελέγχου". Tα διαγράμματα αυτά, όπως πχ τα ΔΕ τύπου Shewhart, CUSUM και EWMA, χρησιμοποιούνται εδώ και αρκετά χρόνια με μεγάλη επιτυχία και εξαιρετικά αποτελέσματα. Παρόλα αυτά, η κατασκευή των κλασικών αυτών ΔΕ βασίζεται στην υπόθεση ότι τα αποτελέσματα της διεργασίας είναι τυχαίες ανεξάρτητες μεταβλητές με την ίδια κατανομή.
Η πραγματικότητα, όμως, είναι διαφορετική καθώς πρακτικά, συνήθως, υπάρχει κάποιας μορφής συσχέτιση μεταξύ των μεταβλητών και είναι δύσκολο να αναγνωρίσουμε αν μια διεργασία είναι όντως εντός στατιστικού ελέγχου ή να διαχωρίσουμε τα ειδικά από τα κοινά αίτια. Συνεπώς, ήταν αναμενόμενη η εξέλιξη των ΔΕ και η ανάπτυξη νέων μεθόδων μελέτης χρονοσειρών, όπως τα μοντέλα MA, AR και τους συνδυασμούς τους, υποβοηθούμενη και από την εξέλιξη της τεχνολογίας που μέσω της χρήσης των ηλεκτρονικών εφαρμογών που έκαναν εφικτή την επεξεργασία πολύπλοκων μαθηματικών συναρτήσεων.
Στην εργασία αυτή θα γίνει μια ανασκόπηση στη διεθνή βιβλιογραφία με σκοπό να καθοριστούν οι συνθήκες που καθιστούν τα κλασικά διαγράμματα ελέγχου ανεπαρκή και να παρουσιαστούν μοντέλα χρονοσειρών που περιγράφουν επαρκώς μεταβλητές που παρουσιάζουν αυτοσυσχέτιση. Στη συνέχεια θα παρουσιαστούν ΔΕ κατάλληλα για την παρακολούθηση τέτοιων διαδικασιών. Τέλος, θα παρουσιαστεί μια πρακτική εφαρμογή αυτών των νέων μεθόδων.
Statistical Process Control (SPC) with the use of Control Charts has been a basic tool of Quality Management for a long period of time. Its main purpose is to monitor the variation of a process in order to detect the presence of assignable or special causes that may lead to an “out of statistical control” state. These Control Charts, like the Shewhart, CUSUM and EWMA Charts, are in use for several years already with great success and remarkable results. However, the construction of those Control Charts is based on the assumption that the results of the process are independent variables that belong to the same distribution.
Reality though is different, since there is usually some form of correlation between the variables and, moreover, it is difficult to determine if a process is in fact under Statistical Control or even to distinguish between special and common causes. Therefore, it was not a surprise that the Control Charts evolved and new methods of studying time series data where developed, like MA, AR models and their combinations. This was enhanced by the evolution of technology though the use of computers which made the processing of complex mathematical functions feasible.
This study will review international bibliography in order to determine the conditions that make classic Control Charts inadequate and will present new time series models that describe auto correlated variables adequately. Finally, a practical application of those new methods will be presented.
Βιβλιογραφική ανασκόπηση και εφαρμογή των Διαγραμμάτων Ελέγχου για χρονολογικά δεδομένα