ggQC | ggplot Quality Control Charts – New Release

ggQC パッケージは ggplot の品質管理拡張です。 XmR, XbarR, C や他の多くの高度にカスタマイズ可能な管理図を作成するために使用してください。 また、統計的工程管理機能として、能力分析だけでなく、Shewart違反のチェックも可能です。 プロセスが順調に進んでいる場合、パレート図を使って次のプロセス改善の潜在的な影響を視覚化することができます。 詳細については、こちらをお読みください！

ggQC を始めるには、次のコードを実行して CRAN からインストールします:

1
 
install.packages("ggQC")

ggQC Control Charts

管理図は、プロセス出力を監視し、改善を促進し、測定システムを評価する優れた方法です。 ggQCがサポートする管理図の種類は以下の通りです:

  • Individuals Charts : mR, XmR
  • Attribute Charts : c, np, p, u
  • Studentized Charts: xBar.rBar, xBar.rMedian, xBar.sBar, xMedian.rBar, xMedian.rMedian
  • Dispersion Charts: rBar, rMedian, sBar

ggQCによる管理図作成は簡単です。 まず、ggQC と ggplot2 ライブラリをロードします。 次に、Rにデータを読み込みます。データは長文であることが望ましいです。 以下のデータセットは、long-formデータの例です。

最後に、標準のggplot layer-by-layer 構文と stat_QC() コマンドを使用して管理図を作成します。 以下のコード例は、XmRプロットを作成するために、これらすべてのステップがどのように組み合わされるかを示しています。 

1234567891011121314151617181920212223242526
 
### Load the Needed Librarieslibrary(ggplot2)library(ggQC) ### デモデータを作成 (ここであなたのファイルをロードします) set.Data(ggplot) ### デモデータを作成します。seed(5555)Process_Data <- data.frame( Process=rep(c("A"), each = 30), #プロセスA Run_Number=c(1:30), #ランオーダー Value = c(rnorm(n = 30, mean = 30.5, sd = 1))) #処理A ランダムデータ ) ### plotXmR_Plot の作成 <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot geom_point() + geom_line() + # 点と線を追加 stat_QC(method = "XmR", # QC図の作成方法を指定 auto.label = T, # 自動ラベルを使用 label.digits = 2, # ラベルに2桁を使用 show.1n2.sigma = T # 1と2シグマの折れ線を表示 ) + scale_x_continuous(expand = expand_scale(mult = .15)) # Pad x-axis ### プロットを描く - DoneXmR_Plot

ggplot フレームワークをベースにすることにより、点や線などのプロットの詳細を高いレベルで制御することが可能です。 さらに、XmR と mR のデータを同じプロット上に配置したい場合、それが可能です。 以下のように、stat_QC()コマンドを複数回呼び出せばよいのです。 

1234567891011121314
 
### 2回のstat_QC呼び出しXmR_Plot <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot geom_point() + geom_line() + #点と線の追加 stat_QC(method = "XmR", #QCチャート法の指定 auto.label = T, #オートラベルの使用 label.digits = 2, #ラベルには2桁を使用 show.1n2.sigma = T #1と2シグマの直線を表示 ) + stat_QC(method="mR") + scale_x_continuous(expand = expand_scale(mult = .15)) # DoneXmR_Plot

For more control chart examples, checkout docs, HOWTOs, and Vignettes at rcontrolcharts.com.

違反解析

プロセスで制御不能なデータをチェックするには、stat_qc_violations() コマンドを使用します。 このコマンドを実行すると、データは次の4つのShewart違反ルールに対してチェックされます:

  • Same Side: 8つ以上の連続した同じ側のポイント
  • 1 Sigma: 1シグマを超える連続した同じ側のポイント
  • 2 Sigma: 4つ以上のシグマ。 2シグマ： 2シグマを超える連続した同じ側の点
  • 3シグマ： 3シグマを超える点

次のコードは、前のセクションのプロセスデータを使用してstat_qc_violation()コマンドで違反分析を行うものです。

12345678
 
#Use the same data as previous example.この例は、前の例と同じデータを使用します。 QC_Violations <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot stat_qc_violations(method = "XmR" #show.facets = 4 #if you want just facet 4 )QC_Violations

コードを実行すると、各Shewartルールについて1つの4ファセットを持つプロットが表示されるはずです。 もし、4番目のファセットだけを見たいのであれば、show.facets = 4と設定してください。 他の設定、例えばshow.facets = c(2, 4)は、1シグマと3シグマの違反のみを表示します。

私たちのテストデータでは、標準の4つのShewart違反はどれも観察されませんでした。 すごい! 次に、ggQCを使った能力解析を見てみましょう。

能力分析

前節までは、ggQCで管理図を作成し、違反がないかをチェックする方法を学びました。 ここでは、基本的な能力分析（Cp、Cpk、Pp、Ppkなど）の方法を学びます。 ここでは、お客様の仕様下限値(LSL)を25、仕様上限値(USL)を37と仮定します。 これらの仕様とstat_QC_Capability()コマンドがあれば、数行の簡単なコードでグラフィカルな能力分析を行うことができます:

12345678910111213
 
# Use the same data as the first exampleCapabilityAnaylsis <- ggplot(Process_Data, aes(x = Value)) + #init ggplot geom_histogram(binwidth = .75, color="purple") + #make the histogram stat_QC_Capability( LSL=25, USL=37, #LSLとUSLを指定 show.cap.summary = c("Cp", "Cpk"), #選択したまとめ digits = 2, #2桁で報告 method="XmR") + #XmR法を使うscale_x_continuous(expand = expand_scale(mult = c(0.15,.65))) #X軸のパッド #plot the graphCapabilityAnaylsis

プロットに表示する能力メトリクスを調整するには、show.cap.summary 引数に希望のメトリクスのベクトルを指定します。 利用可能なメトリクスは以下のとおりです。

  • TOL: Tolerance in Sigma Units (USL-LSL)/sigma
  • DNS: Tolerance in Sigma Units (USL-LSL)/sigma
  • DNS: Distance to Nearest Specification Limit in Sigma Units
  • Cp: Cp（サンプル内のエルボー・ルーム測定値）
  • Cpk: Cpk (サンプルセンタリング測定範囲内)
  • Pp: Pp (サンプル間エルボールームメトリック)
  • Ppk: Ppk (サンプル間センタリング・メトリック)
  • LCL: Lower Control Limit
  • X.LCL(サンプル間センタリング・メトリック)
  • X(サンプル間センタリング・メトリック) プロセスセンター
  • UCL: Upper Control Limit
  • Sig: Sigma from control charts

ベクトルで示される順番は、チャート上に表示される順番となります。 この場合、以下のようにCpとCpkだけが選択されています。

Cool! プロセスは良い状態にあるように見える。 ケイパビリティ解析の他の例を見るには、stat_QC_Capabilityに関するggQCドキュメントと例をチェックしてください。stat_QC_Capabilityはggplotのファセットとも互換性があります。 XbarR capability charts are specified slightly different than XmR.

Pareto Analysis

Alright, so your processes are in control.XbarRの能力グラフは、XmRとは少し異なる仕様であることに注意してください。 しかし、あなたのプロセスにはボトルネックがあることが分かっています。 どこから手をつければよいのでしょうか。 攻撃を計画するのに役立つ方法の 1 つが、パレート分析です。 例えば、次のようなデータがあり、いくつかの典型的な工程にどれくらいの時間がかかっているかを示しているとします。

パレート図を生成するには、データをロードし、ggplot を初期化し、stat_pareto() コマンドに残りの作業をさせます。

12345678910111213141516171819
 
 #load your dataData4Pareto <- data.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.Pareto.frame( KPI = c("Customer Service Time", "Order Fulfillment", "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))) #make the plotggplot(Data4Pareto, aes(x=KPI, y=Time))(プロットを作成する) + 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

Looks like our next improvement project will focus on either shipping or order fulfillment. 幸運を祈ります。

概要

ggQC による管理図の作成は、特に ggplot にすでに慣れている場合は、すばやく簡単に行うことができます。 他のggplotグラフのように、ggQCの管理図はファセットをサポートし、層ごとに構築されます。 もし、複雑なグラフを作成する必要があるのなら、どうぞ。 好きなだけstat_QCの呼び出しを追加することができます(XbarR_Vignetteを参照してください)。 管理図に加えて、ggQCはパレート図、ケイパビリティ図、シューワート違反の分析を実行することができます。 より詳しく知りたい方は、rcontrolcharts.com

その他の便利なリンク

  • コントロールチャート定数の説明

をご覧ください。

By Comment on ggQC | ggplot Quality Control Charts – New Release

コメントを残す

メールアドレスが公開されることはありません。