Pachetul ggQC este o extensie de control al calității pentru ggplot. Folosiți-l pentru a crea diagrame de control XmR, XbarR, C și multe alte diagrame de control foarte personalizabile. Funcțiile suplimentare de control statistic al proceselor includ verificări ale încălcării Shewart, precum și analiza capacității. Dacă procesul dvs. funcționează fără probleme, vizualizați impactul potențial al următoarei îmbunătățiri a procesului dvs. cu o diagramă Pareto. Pentru a afla mai multe, citiți mai departe!
Pentru a începe cu ggQC, instalați-l din CRAN prin rularea următorului cod:
1 |
install.packages("ggQC")
|
GggQC Control Charts
Graficele de control sunt o modalitate excelentă de a monitoriza rezultatele procesului, de a impulsiona îmbunătățirea și de a evalua sistemele de măsurare. Tipurile de diagrame de control suportate de ggQC includ:
- Diagrame individuale : mR, XmR
- Diagrame de atribute : c, np, p, u
- Diagrame studiate: xBar.rBar, xBar.rMedian, xBar.sBar, xMedian.rBar, xMedian.rMedian
- Dispersion Charts: rBar, rMedian, sBar
Procesul de construire a graficelor de control cu ggQC este simplu. În primul rând, încărcați bibliotecile ggQC și ggplot2. Apoi, încărcați datele dvs. în R. Datele dvs. ar trebui să fie în format lung. Setul de date de mai jos oferă un exemplu de date cu formă lungă, dacă nu sunteți familiarizat cu acest termen.
În cele din urmă, realizați graficul de control folosind sintaxa standard ggplot layer-by-layer și comanda stat_QC(). Codul de exemplu de mai jos, arată cum toți acești pași se unesc pentru a realiza un grafic XmR.
1234567891011121314151617181920212223242526 |
### Load the Needed Librarieslibrary(ggplot2)library(ggQC) ### Make up some demo data (încarcă în schimb fișierul tău aici)set.seed(5555)Process_Data <- data.frame( Process=rep(c("A"), each = 30), #Procesul A Run_Number=c(1:30), #Run Order Value = c(rnorm(n = 30, mean = 30.5, sd = 1)) #Process A Random Data ) ### Make the plotXmR_Plot <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot geom_point() + geom_line() + # adăugați punctele și liniile stat_QC(method = "XmR", # specificați metoda de creare a graficelor QC auto.label = T, # Utilizați etichete automate label.digits = 2, # Utilizați două cifre în etichetă show.1n2.sigma = T # Afișați liniile cu 1 și două sigme ) + scale_x_continuous(expand = expand_scale(mult = .15)) # Pad the x-axis ### Draw the plot - DoneXmR_Plot
|
Prin construirea pe baza cadrului ggplot, obțineți un nivel ridicat de control asupra detaliilor graficului, cum ar fi punctele și liniile etc. În plus, dacă doriți să puneți datele XmR și mR pe același grafic, puteți. Trebuie doar să efectuați mai multe apeluri la comanda stat_QC(), așa cum se arată mai jos.
1234567891011121314 |
### Două apeluri 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)) # Pad the x-axis ### Draw the plot - DoneXmR_Plot |
Pentru mai multe exemple de diagrame de control, consultați documentația, HOWTO-urile și vinietele de la rcontrolcharts.com.
Analiză a încălcărilor
Pentru a verifica dacă există date în afara controlului în procesul dumneavoastră, utilizați comanda stat_qc_violations(). Când executați această comandă, datele dvs. sunt verificate în raport cu următoarele 4 reguli de încălcare Shewart:
- Same Side: 8 sau mai multe puncte consecutive, pe aceeași parte
- 1 Sigma: 4 sau mai multe puncte consecutive, pe aceeași parte, care depășesc 1 sigma
- 2 Sigma: 2 sau mai multe puncte consecutive, din aceeași parte, care depășesc 2 sigma
- 3 Sigma: orice puncte care depășesc 3 sigma
Acesta este următorul fragment de cod care demonstrează o analiză a încălcării cu ajutorul comenzii stat_qc_violation() folosind datele de proces din secțiunea anterioară.
12345678 |
#Utilizează aceleași date ca și exemplul anterior. QC_Violations <- ggplot(Process_Data, aes(x = Run_Number, y = Value)) + #init ggplot stat_qc_violations(method = "XmR" #show.facets = 4 #dacă doriți doar fațeta 4 )QC_Violations |
După ce executați codul, ar trebui să vedeți un grafic cu 4 fațete – una pentru fiecare regulă Shewart. Dacă doriți să vedeți doar a 4-a fațetă, setați show.facets = 4. Alte setări, cum ar fi show.facets = c(2, 4), vor afișa doar încălcările de 1 și 3 sigma.
Pentru datele noastre de test, nu a fost observată niciuna dintre cele 4 încălcări Shewart standard. Minunat! În continuare, ne vom uita la efectuarea unei analize de capabilitate cu ggQC.
Analiza capacității
În secțiunile anterioare, ați învățat cum să realizați o diagramă de control cu ggQC și să verificați dacă există încălcări. Aici veți învăța cum să faceți o analiză de bază a capacității (Cp, Cpk, Pp, Ppk, Ppk etc.). Pentru aceasta, presupunem că clientul are o limită de specificație inferioară (LSL) și o limită de specificație superioară (USL) de 25 și, respectiv, 37. Cu aceste specificații și comanda stat_QC_Capability(), puteți face o analiză grafică a capacității în doar câteva linii simple de cod:
12345678910111213 |
# Folosește aceleași date ca și în primul exempluCapabilityAnaylsis <- ggplot(Process_Data, aes(x = Value))) + #init ggplot geom_histogramă(binwidth = .75, color="purple") + #realizează histograma stat_QC_Capabilitate( LSL=25, USL=37, #Specificați LSL și USL show.cap.summary = c("Cp", "Cpk"), #selectează sumarul digits = 2, #reportați două cifre method="XmR") + #Utilizați metodele XmR scale_x_continuous(expand = expand_scale(mult = c(0.15,.65))) #pad the X-axis #plot the graphCapabilityAnaylsis
|
Pentru a ajusta metricile de capabilitate afișate pe grafic, furnizați argumentul show.cap.summary cu un vector de metricile dorite. Metricele disponibile includ:
- TOL: Toleranță în unități Sigma (USL-LSL)/sigma
- DNS: Distanța până la cea mai apropiată limită de specificație în unități Sigma
- Cp: Cp (metrică a spațiului de cot în interiorul eșantionului)
- Cpk: Cpk (în cadrul metricii de centrare a eșantionului)
- Pp: Pp (metrică de spațiu între cotierele probei)
- Ppk: Ppk (Între probele metrice de centrare a eșantionului)
- LCL: Limita inferioară de control
- X: Centrarea procesului
- UCL: Limita superioară de control
- Sig: Sigma din graficele de control
Ordinea dată în vector este ordinea afișată pe grafic. În acest caz, au fost selectate doar Cp și Cpk, așa cum se arată mai jos.
Cool! Se pare că procesul este într-o formă bună. Pentru a vedea mai multe exemple de analiză a capabilităților, consultați documentația ggQC și exemplele privind stat_QC_Capability. stat_QC_Capability este, de asemenea, compatibil cu ggplot faceting. Rețineți că diagramele de capabilitate XbarR sunt specificate ușor diferit față de XmR.
Analiză de capacitate
În regulă, deci procesele dvs. sunt sub control. Cu toate acestea, știți că procesul dvs. are blocaje. De unde ar trebui să începeți? O modalitate de a vă ajuta să vă planificați atacul este o analiză Pareto. Să presupunem că aveți următoarele date care arată cât timp durează mai multe etape tipice ale procesului.
Pentru a genera un grafic Pareto, încărcați datele, inițializați ggplot și lăsați comanda stat_pareto() să facă restul.
12345678910111213141516171819 |
#load your dataData4Pareto <- data.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)) #realizați graficulggplot(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
|
Se pare că următorul nostru proiect de îmbunătățire se va concentra fie pe expediere, fie pe îndeplinirea comenzilor. Mult noroc!
Summary
Construirea graficelor de control cu ggQC este rapidă și ușoară, mai ales dacă sunteți deja familiarizați cu ggplot. Ca și alte grafice ggplot, graficele de control ggQC suportă fațetarea și sunt construite strat cu strat. Dacă aveți nevoie să realizați un grafic complicat, dați-i drumul. Puteți adăuga oricât de multe apeluri stat_QC doriți (a se vedea XbarR_Vignette). În plus față de graficele de control, ggQC vă permite să executați analize Pareto, de capabilitate și de încălcare Shewart. Pentru a afla mai multe, vă rugăm să vizitați rcontrolcharts.com
Alte linkuri utile
- O explicație a constantelor graficelor de control
.