O pacote ggQC é uma extensão de controle de qualidade para o ggplot. Use-o para criar XmR, XbarR, C e muitos outros gráficos de controle de qualidade altamente personalizáveis. Funções adicionais de controle estatístico de processos incluem verificações de violação de Shewart, assim como análise de capacidade. Se o seu processo estiver funcionando sem problemas, visualize o potencial impacto do seu próximo processo de melhoria com um gráfico de Pareto. Para saber mais, leia em!
Para começar a usar o ggQC, instale-o a partir do CRAN executando o seguinte código:
1 |
instalar.pacotes("ggQC")
|
ggQC Control Charts
Gráficos de controle são uma ótima maneira de monitorar as saídas do processo, melhorar o acionamento e avaliar os sistemas de medição. Os tipos de gráficos de controle suportados pelo ggQC incluem:
- Gráficos individuais: mR, XmR
- Gráficos de atributos: c, np, p, u
- Gráficos Studentizados: xBar.rBar, xBar.rMedian, xBar.sBar, xMedian.rBar, xMedian.rMedian
- Gráficos de dispersão: rBar, rMedian, sBar
O processo para construir gráficos de controle com ggQC é simples. Primeiro, carregue as bibliotecas ggQC e ggplot2. Em seguida, carregue seus dados em R. Seus dados devem estar em formato longo. O conjunto de dados abaixo fornece um exemplo de dados em forma longa se você não está familiarizado com o termo.
Finalmente, faça seu gráfico de controle usando a sintaxe padrão do ggplot camada por camada e o comando stat_QC(). O código de exemplo abaixo, mostra como todos esses passos se unem para fazer um gráfico XmR.
1234567891011121314151617181920212223242526 |
##### Carregue a biblioteca necessária da biblioteca(ggplot2)library(ggQC) #### Invente alguns dados demo (carregue seu arquivo aqui no lugar)set.seed(5555)Process_Data <- data.frame( Process=rep(c("A"), cada = 30), #Process A Run_Number=c(1:30), #Run Order Value = c(rnorm(n = 30, média = 30.5, sd = 1)) #Processar um dado aleatório ) ### Faz o plotXmR_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 ) + escala_x_continua(expandir = expandir_escala(mult = .15)) # Acolchoar o eixo x #### Desenha o terreno - DoneXmR_Plot
|
Ao construir sobre a estrutura do ggplot, você obtém um alto nível de controle sobre os detalhes do terreno, tais como pontos e linhas, etc. Além disso, se você quiser colocar os dados XmR e mR no mesmo terreno, você pode. Basta fazer múltiplas chamadas para o comando stat_QC(), como mostrado abaixo.
1234567891011121314 |
#### Duas chamadas stat_QCXmR_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)) # Desenhe a trama - DoneXmR_Plot |
Para mais exemplos de gráficos de controle, confira os documentos, HOWTOs e Vinhetas em rcontrolcharts.com.
Análise de Volemia
Para verificar dados fora de controle em seu processo, use o comando stat_qc_violations(). Quando você executa este comando, seus dados são verificados contra as seguintes 4 regras de violação de Shewart:
- Mesmo Lado: 8 ou mais pontos consecutivos, mesmo lado
- 1 Sigma: 4 ou mais pontos consecutivos, mesmo lado excedendo 1 sigma
- 2 Sigma: 2 ou mais pontos consecutivos, mesmo lado que exceda 2 sigma
- 3 Sigma: qualquer ponto que exceda 3 sigma
Este próximo bit de código demonstra uma análise de violação com o comando stat_qc_violation() usando dados de processo da seção anterior.
12345678 |
#Usa os mesmos dados do exemplo anterior. QC_Violações <- ggplot(Process_Data, aes(x = Correr_Número, y = Valor)) + #init ggplot stat_qc_violations(method = "XmR" #show.facets = 4 #se você quiser apenas a faceta 4 )QC_Violations |
Após a execução do código, você deve ver um gráfico com 4 facetas – uma para cada regra Shewart. Se você quiser ver apenas a 4ª faceta, defina show.facets = 4. Outras configurações, como show.facets = c(2, 4) mostrarão apenas violações de 1 e 3 sigma.
Para os nossos dados de teste, nenhuma das 4 violações padrão de Shewart foi observada. Fantástico! A seguir, vamos ver como fazer uma análise de capacidade com o ggQC.
Análise de capacidade
Nas seções anteriores, você aprendeu como fazer um gráfico de controle com o ggQC e verificar a existência de violações. Aqui você aprenderá como fazer uma análise de capacidade básica (Cp, Cpk, Pp, Ppk, Ppk etc.). Para isso, assumimos que o cliente tem um limite de especificação inferior (LSL) e um limite de especificação superior (USL) de 25 e 37, respectivamente. Com estas especificações e o comando stat_QC_Capability(), você pode fazer uma análise gráfica de capacidade em apenas algumas linhas simples de código:
12345678910111213 |
# Utiliza os mesmos dados do primeiro exemploCapabilityAnaylsis <- ggplot(Process_Data, aes(x = Value)) + #init ggplot geom_histogram(binwidth = .75, color="purple") + #make o histograma stat_QC_Capability( LSL=25, USL=37, #Specify LSL and USL show.cap.resumo = c("Cp", "Cpk"), #dígitos de resumo selecionados = 2, #reportar dois dígitos método="XmR") + #Utilizar o método XmR scale_x_continuous(expandir = expandir_scale(mult = c(0.15,.65)) #pad the X-axis #plot the graphCapabilityAnaylsis
|
Para ajustar as métricas de capacidade exibidas no gráfico, forneça o argumento show.cap.summary com um vetor das métricas desejadas. As métricas disponíveis incluem:
- TOL: Tolerância em Unidades Sigma (USL-LSL)/sigma
- DNS: Distância ao limite de especificação mais próximo em Unidades Sigma
- Cp: Cp (Dentro da métrica da sala de cotovelo da amostra)
- Cpk: Cpk (Dentro da métrica de centralização da amostra)
- Pp: Pp (Entre a métrica da sala de cotovelo da amostra)
- Ppk: Ppk (Entre a métrica de centralização da amostra)
- LCL: Limite inferior de controle
- X: Centro de Processo
- UCL: Limite de Controlo Superior
- Sig: Sigma dos gráficos de controle
A ordem dada no vetor é a ordem exibida no gráfico. Neste caso, apenas Cp e Cpk foram selecionados, como mostrado abaixo.
Cool! Parece que o processo está em boa forma. Para ver mais exemplos de análise de capacidade, confira a documentação do ggQC e exemplos sobre stat_QC_Capability. stat_QC_Capability também é compatível com a faceta do ggplot. Note que os gráficos de capacidade XbarR são especificados ligeiramente diferentes de XmR.
Análise de Pareto
Alright, assim seus processos estão em controle. No entanto, você sabe que seu processo tem gargalos. Por onde você deve começar? Uma maneira de ajudar a planejar seu ataque é com uma análise de Pareto. Suponha que você tenha os seguintes dados mostrando quanto tempo vários passos típicos do processo levam.
Para gerar um gráfico de Pareto, carregue os dados, inicialize o ggplot, e deixe o comando stat_pareto() fazer o resto.
12345678910111213141516171819 |
#carregue seus dadosData4Pareto <- dados.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) #Faça o plotggplot(Data4Pareto, aes(x=KPI, y=Time)) + stat_pareto(point.color = "vermelho", point.size = 3, line.color = "preto", bars.fill = c("blue", "orange") ) + tema(eixo.texto.x = elemento_texto(ângulo = 90, hjust = 1, vjust=0.5)) #done
|
Parece que o nosso próximo projecto de melhoria irá concentrar-se tanto no envio como no cumprimento de encomendas. Boa Sorte!
Resumo
Construir cartas de controle com ggQC é rápido e fácil, especialmente se você já está familiarizado com ggplot. Como outros gráficos ggplot, os gráficos de controle ggQC suportam facetas e são construídos camada por camada. Se você precisa fazer um gráfico complicado, vá em frente. Você pode adicionar quantas chamadas stat_QC você quiser (veja XbarR_Vignette). Além do controle de gráficos, o ggQC permite que você execute Pareto, capacidade, e análise de violação de Shewart. Para saber mais, visite rcontrolcharts.com
Outros Links Úteis
- Uma Explicação das Constantes do Gráfico de Controle