A ggQC csomag egy minőségellenőrző bővítmény a ggplot számára. Használja XmR, XbarR, C és sok más, nagymértékben testreszabható ellenőrző grafikonok létrehozásához. A további statisztikai folyamatszabályozási funkciók közé tartozik a Shewart-szabálysértés ellenőrzése, valamint a képességelemzés. Ha folyamata zökkenőmentesen működik, a következő folyamatfejlesztés potenciális hatásait egy Pareto-diagram segítségével szemléltetheti. Ha többet szeretne megtudni, olvasson tovább!
A ggQC használatának megkezdéséhez telepítse a CRAN-ból a következő kód futtatásával:
1 |
install.packages("ggQC")
|
ggQC Control Charts
A kontrollgrafikonok kiválóan alkalmasak a folyamat kimeneteinek nyomon követésére, a fejlesztések ösztönzésére és a mérési rendszerek értékelésére. A ggQC által támogatott ellenőrző diagram típusok a következők:
- Egyéni diagramok : mR, XmR
- Attribútumdiagramok : c, np, p, u
- Studentizált diagramok: xBar.rBar, xBar.rMedian, xBar.sBar, xMedian.rBar, xMedian.rMedian
- Szórásdiagramok: rBar, rMedian, sBar
A ggQC-vel történő kontrolldiagramok készítésének folyamata egyszerű. Először töltsük be a ggQC és a ggplot2 könyvtárakat. Ezután töltse be az adatait az R-be. Az adatoknak hosszú formátumban kell lenniük. Az alábbi adatkészlet példát mutat a hosszú formátumú adatokra, ha nem ismeri a kifejezést.
Végül készítse el a kontrollgrafikonját a standard ggplot rétegenkénti szintaxis és a stat_QC() parancs segítségével. Az alábbi példakód azt mutatja, hogyan jönnek össze ezek a lépések egy XmR-diagram elkészítéséhez.
1234567891011121314151617181920212223242526 |
### Load the Needed Librarieslibrary(ggplot2)library(ggQC) ### Make up some demo data (load your file here instead)set.seed(5555)Process_Data <- data.frame( Process=rep(c("A"), each = 30), #Process A Run_Number=c(1:30), #Run Order Value = c(rnorm(n = 30, mean = 30.5, sd = 1))) #Process A véletlenszerű adatok feldolgozása ) ### Készítsük el a plotXmR_Plot <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot geom_point() + geom_line() + # adjuk hozzá a pontokat és vonalakat stat_QC(method = "XmR", # adjuk meg a QC ábrázolási módszert auto.label = T, # Használjunk autolabelt label.digits = 2, # Használjunk két számjegyet a címkében show.1n2.sigma = T # 1 és két sigma vonalak megjelenítése ) + scale_x_continuous(expand = expand_scale(mult = .15)) # Töltsük ki az x-tengelyt ### Rajzoljuk meg a plotot - DoneXmR_Plot
|
A ggplot keretrendszerre építve nagyfokú kontrollt kapunk a plot részletei, például a pontok és vonalak stb. felett. Ráadásul, ha XmR és mR adatokat szeretnénk ugyanarra a plotra helyezni, akkor ezt megtehetjük. Csak hívja meg többször a stat_QC() parancsot, ahogy az alább látható.
1234567891011121314 |
### Két stat_QC hívásXmR_Plot <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot geom_point() + geom_line() + #add the points and lines stat_QC(method = "XmR", #specify QC charting method auto.label = T, # Use Autolabels label.digits = 2, #Use two digit in the label show.1n2.sigma = T #Show 1 and two sigma lines ) + stat_QC(method="mR") + scale_x_continuous(expand = expand_scale(mult = .15)) # Pad the x-axis ### Draw the plot - DoneXmR_Plot |
További kontrollgrafikon példákért tekintse meg az rcontrolcharts.com dokumentumokat, HOWTO-kat és Vignettákat.
Violation Analysis
A folyamatában az ellenőrzésen kívüli adatok ellenőrzéséhez használja a stat_qc_violations() parancsot. Amikor ezt a parancsot futtatja, az adatokat a következő 4 Shewart-szabálysértési szabály alapján ellenőrzi:
- Same Side: 8 vagy több egymást követő, azonos oldali pont
- 1 Sigma: 4 vagy több egymást követő, azonos oldali pont meghaladja az 1 sigmát
- 2 Sigma: 2 vagy több egymást követő, azonos oldali pont, amely meghaladja a 2 sigmát
- 3 Sigma: 3 sigmát meghaladó bármely pont
A következő kódrészlet a stat_qc_violation() paranccsal történő szabálysértés-elemzést mutatja be az előző szakasz folyamatadatainak felhasználásával.
12345678 |
#Az előző példával azonos adatokat használ. QC_Violations <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot stat_qc_violations(method = "XmR" #show.facets = 4 #ha csak a 4. facetet szeretnénk )QC_Violations |
A kód végrehajtása után egy 4 facettel rendelkező plotot kell látnunk – egyet minden Shewart-szabályhoz. Ha csak a 4. fazettát szeretné látni, állítsa be a show.facets = 4 értéket. Más beállítások, mint például a show.facets = c(2, 4) csak az 1 és 3 szigma megsértését fogja megjeleníteni.
A tesztadataink esetében a szabványos 4 Shewart-szabálysértés egyike sem volt megfigyelhető. Félelmetes! A következőkben megnézzük, hogy a ggQC-vel hogyan lehet képességelemzést végezni.
Képességelemzés
Az előző szakaszokban megtanulta, hogyan készíthet egy kontrollgrafikont a ggQC-vel, és hogyan ellenőrizheti a jogsértéseket. Itt megtanulja, hogyan végezzen alapvető képességelemzést (Cp, Cpk, Pp, Ppk stb.). Ehhez feltételezzük, hogy az ügyfél alsó specifikációs határértéke (LSL) 25, illetve felső specifikációs határértéke (USL) 37. Ezekkel a specifikációkkal és a stat_QC_Capability() paranccsal néhány egyszerű kódsorral grafikus képességelemzést végezhetünk:
12345678910111213 |
# Az első példával azonos adatokat használCapabilityAnaylsis <- ggplot(Process_Data, aes(x = Value)) + #init ggplot geom_histogram(binwidth = .75, color="purple") + #készíti a hisztogramot stat_QC_Capability( LSL=25, USL=37, #Specifikálja az LSL és USL show.cap.summary = c("Cp", "Cpk"), #kiválasztott összegzés digits = 2, #két számjegy megjelenítése method="XmR") + #Az XmR módszerek használatacale_x_continuous(expand = expand_scale(mult = c(0.15,.65))) #pad the X-axis #plot the graphCapabilityAnaylsis
|
A grafikonon megjelenített képességmetrikák beállításához adja meg a show.cap.summary argumentumot a kívánt metrikák vektorával. A rendelkezésre álló metrikák a következők:
- TOL: Tolerancia Sigma egységekben (USL-LSL)/sigma
- DNS: Távolság a legközelebbi specifikációs határértéktől Sigma egységekben
- Cp: Cp (mintán belüli könyöktér metrika)
- Cpk:
- Pp: Pp (minta közötti könyöktér metrika)
- Ppk: Ppk (Mintaközpontosítási metrika)
- LCL: Alsó ellenőrzési határ
- X: Process Center
- UCL: Upper Control Limit
- Sig: Sigma az ellenőrzési diagramokból
A vektorban megadott sorrend a diagramon megjelenített sorrend. Ebben az esetben csak a Cp és a Cpk lett kiválasztva, az alábbiakban látható módon.
Cool! Úgy tűnik, hogy a folyamat jó állapotban van. Ha további példákat szeretne látni a képességelemzésre, nézze meg a ggQC dokumentációját és a stat_QC_Capability példáit. stat_QC_Capability kompatibilis a ggplot facetinggel is. Vegye figyelembe, hogy az XbarR képességdiagramok némileg másképp vannak megadva, mint az XmR.
Pareto Analysis
Alright, így a folyamatok az ön ellenőrzése alatt állnak. Azonban tudja, hogy a folyamatának vannak szűk keresztmetszetei. Hol kellene kezdened? A támadás megtervezésének egyik módja a Pareto-elemzés. Tegyük fel, hogy a következő adatokkal rendelkezik, amelyek azt mutatják, hogy több tipikus folyamatlépés mennyi időt vesz igénybe.
A Pareto diagram létrehozásához töltse be az adatokat, inicializálja a ggplotot, és hagyja, hogy a stat_pareto() parancs elvégezze a többit.
12345678910111213141516171819 |
#load your dataData4Pareto <- data.frame( KPI = c("Customer Service Time", "Order Fulfillment Time", "Order Processing Time", "Order Production Time", "Order Quality Control Time", "Rework Time", "Shipping"), Time = c(1.50, 38.50, 3.75, 23.08, 1.92, 3.58, 73.17)) #készítsük el a plototggplot(Data4Pareto, aes(x=KPI, y=Time)) + stat_pareto(point.color = "red", point.size = 3, line.color = "black", bars.fill = c("blue", "orange") ) + theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust=0.5)) #done
|
Úgy néz ki, hogy a következő fejlesztési projektünk a szállításra vagy a rendelések teljesítésére fog összpontosítani. Sok szerencsét!
Összefoglaló
A kontrollgrafikonok készítése a ggQC-vel gyors és egyszerű, különösen, ha már ismered a ggplot-ot. A többi ggplot grafikonhoz hasonlóan a ggQC kontrollgrafikonok is támogatják a fazettázást, és rétegenként épülnek fel. Ha bonyolult diagramot kell készítenie, csak rajta. Annyi stat_QC hívást adhat hozzá, amennyit csak akar (lásd XbarR_Vignette). A ggQC a kontrollgrafikonok készítésén kívül lehetővé teszi a Pareto-, a képesség- és a Shewart-szabálysértési elemzés futtatását is. Ha többet szeretne megtudni, látogasson el az rcontrolcharts.com
Más hasznos linkek
- A vezérlési diagram állandók magyarázata
oldalra.