StatSoft STATISTICA logo zoals bedoeld Naar de webshop
Making the World More Productive ®




Producten > Desktop-Lijn > STATISTICA Quality Control (QC)

STATISTICA Quality Control (QC)

Voor Lean Six Sigma en industriële toepassingen is het aanvullende product STATISTICA Quality Contol (QC) ontwikkeld. De uitgebreide functionaliteit en ongekende gebruikersvriendelijkheid komt nu ook binnen een gespecialiseerd terrein beschikbaar. Daarnaast verzorgt StatSoft regelmatig opleidingen en in-house trainingen. Onze diensten omvatten tevens advisering omtrent experimenteel ontwerp, proces analyse, kwaliteitsborging en Six Sigma.

STATISTICA Quality Control (QC) omvat de volgende modelgroepen:



Modelgroep Design of Experiments (DoE)

Experimenteel ontwerp biedt een verscheidenheid van methoden voor het opzetten van industriële testen en het evalueren van een systematische reeks van experimenten: 2- stappenplannen (2k-p-plannen met Blok ontwerp), Zeefplan voor meer dan 100 factoren (incl. Plackett-Burman), Zoekalgoritmes voor 2- stappenplannen met minimale integratie van de interactie-effecten, 3- stappenplannen (3k-p-plannen met Blok ontwerp), gecombineerde plannen voor 2- en 3- stappen, centrale werkingsvlak plannen, testplannen voor Latijnse vierkanten, robuuste experimentele ontwerpen (Taguchi orthogonale velden), experimentele ontwerpen voor mengsels (al dan niet met beperkingen), hoekpunten en simplex lijnen voor oppervlakten en mengsels, evenals D- en A- optimale plannen voor het ontwerpen van factoriële plannen, gebieden en mengsels. De geïmplementeerde methoden voor het plannen, genereren en analyseren van gerelateerde experimenten worden in de volgende onderdelen beschreven

Algemene experimentele evaluatie

In de analyse van factoriële ontwerpen, response oppervlakte plannen en experimentele meng-ontwerpen kunnen verschillende modellen worden aangepast aan de data. Ook onvolledige en onevenwichtige plannen kunnen behandeld worden. STATISTICA berekent de gegeneraliseerde inversie van de X'X matrix (waarbij X de experimentele matrix is), om de in te schatten mengeffecten te bepalen. Een overzichtstabel van aliassen en parameterschattingen voor alle niet-redundante effecten wordt gecreëerd. Geselecteerde effecten kunnen in het model worden uitgeschakeld, zodat de veroorzaakte veranderingen kunnen worden bekeken. Alle analyses zijn uit te voeren met gecodeerde of ongecodeerde factoren. Een groot aantal opties voor parameterschattingen alsook ANOVA is voorhanden. Analytische en grafische opties voor voorspelbare proefmetingen zijn beschikbaar.

Residu-analyse en Transformatie

Voor de analyse van de residuen van een bepaald model berekent STATISTICA prognose waarden en residuen, met standaardfouten, aangepaste voorspellingsintervallen, betrouwbaarheidsintervallen van voorspelde waarden en residuen, residuen van verwijderde waarnemingen, leverage waarden, Mahalanobis en Cook's afstanden en DFFIT en gestandaardiseerde DFFIT waarden. Alle residu statistieken kunnen voor verdere analyse worden opgeslagen. De residu statistiek kan in volgorde van waarneming (steekproefomvang) of naar grootte worden gesorteerd. Voor modelaanpassing en outlier diagnostiek zijn histogrammen en scatterplots beschikbaar. In alle statistieken zijn outliers op basis van nummer of label te identificeren. Een belangrijk instrument voor de kwaliteitsbeoordeling van het model zijn Box-Cox transformaties voor afhankelijke grootheden (response variabelen), hun Lambda waardeschatting op basis van maximum likelihood. Een plot van de kwadraatsommen van de residuen ten opzichte van de Lambda is met bijbehorende betrouwbaarheidsintervallen oproepbaar.

omhoog

Optimalisatie van response-variabelen met werkings- en wensfuncties

Met unieke opties in STATISTICA zijn de response variabelen te optimaliseren. De factorinstellingen voor minimum, maximum of zadelpunt van werkingsgebieden van de tweede orde worden berekend. Om de kromming en de orientatie van kwadratische werkingsgebieden te bepalen, wordt hun kritische waarde samen met de eigen waarde en eigen vectoren berekend. Opgemerkt moet worden dat de opties van de wensfuncties voor mengplannen niet gebaseerd is op het eenvoudig parameteriseren van het mengmodel (wat kan leiden tot onjuiste resultaten) maar juist uitgaat van het meest aktuele mengmodel. In de zoektocht naar optimale factorinstellingen met een wensfunctie voor een of meer response variabelen is dus verzekerd dat slechts beperkte mengsels onderzocht worden. De daaruit voortvloeiende factor instellingen vertegenwoordigen geldige mengsels. STATISTICA biedt vele opties voor de grafische weergave van de verwachte waarden van de respons-variabelen. De overige factoren worden constant gehouden. De gewenste impact op één of meer response-variabelen laat zich in een wensfunctie optekenen, die gebaseerd is op de overeenkomstige verwachte waarde. U kunt de wensfunctie en de geprognoticeerde response waarde voor ieder niveau en iedere factor plotten.

Daarnaast kan de gewenste functie worden weergegeven in 3D-oppervlakte of contour plots (zie afbeelding). Alle instellingen zoals wensfuncties kunnen snel in interactieve analyses worden omgezet. De specificaties voor complexe wensfuncties kunnen worden opgeslagen en zijn te gebruiken voor latere analyse doeleinden (zie afbeelding). Door deze methode te automatiseren wordt het optimum van de wensfunctie bepaald. De opties van de wensfuncties zijn ook in de methoden GLM, GRM en ADM verkrijgbaar.
 
 

omhoog

2-staps fractioneel, factorieel model met blok-ontwerp (2k-p)

Dit omvat een catalogus van alle standaard twee-traps modellen (met minimale afwijking, zie Box und Draper, 1987; Box, Hunter und Hunter, 1978; Montgomery, 1991). De gebruiker kan het testmodel opstellen, de volgorde van de runs willekeurig bepalen, en nieuwe kolommen toevoegen voor het vastleggen van gemeten waarden. Daarnaast zijn de factorinstellingen te specificeren en te coderen (-1,+1) kopieën aan te vragen en nulpunten toe te voegen. STATISTICA toont de generatoren voor het fractionele schema, de blok generatoren, evenals de alias matrix van de belangrijkste effecten en interacties. Deze module voert automatisch een volledige ANOVA uit op het gebied van de experimentele data. De gebruiker regelt het opnemen van effecten en interacties in het model. De correlatie tussen de kolommen van de experimentele matrix (X), de inversie van de X'X matrix (dat wil zeggen de covariantie en correlatie matrix van de parameterschattingen) kunnen worden getoond. STATISTICA berekent de parameterschattingen van het ANOVA-model, gecodeerde of ongecodeerde coëfficiënten voor factorniveaus en prognoses voor de door de gebruiker gespecificeerde factorniveaus. Voor de bovenstaande schattingen zijn standaardfouten en betrouwbaarheidsintervallen beschikbaar.

Zodra het experimentele model op zijn minst gedeeltelijk wordt herhaald, berekent STATISTICA een ANOVA tabel met de geschatte fouten. Ook wordt een lack-of-fit doorberekend. Zodra het testmodel 0-punten heeft behaald is een krommingstest (om niet-lineaire effecten te onderzoeken) mogelijk. De gebruiker kan een tabel van de middelwaarden en de desbetreffende betrouwbaarheidsintervallen afdrukken. Tal van opties zijn beschikbaar voor de grafische presentatie: Pareto, normale verdelingsplots van de effecten, vierkant- en kubus plots, gemiddelde waarden en interactie plots met betrouwbaarheidsintervallen van de gemiddelden, de impact gebieden en de impact contouren plots. De hiervoor behandelde functies voor residu analyse en optimalisatie van de response variabelen zijn eveneens beschikbaar.

omhoog

Zoekmethode voor fractioneel 2-staps model met minimale integratie

Naast de installatie van het 2k-p-standaardmodel valt ook te zoeken naar fractionele, factoriële modellen met een minimale afwijking in combinatie met een minimale integratie. Deze modellen kunnen blokken met meer dan 100 factoren en met meer dan 2000 runs omvatten. Hiermee is de beoordeling van een groter aantal interacties mogelijk dan bij een gebruikelijk Box-Hunter model. Bij een vooraf ingegeven resolutie kunnen alle sets van generatoren gespecificeerd worden of juist alleen de sets van de interacties. In aanvulling op het criterium "minimale afwijking" kan ook het criterium "maximale ongelijkheid" worden gekozen. Een model met het maximale aantal ongelijkheden valt op te stellen. Deze modellen laten zich als 2k-p-experimentele modellen analyseren. Dit valt nog verder uit te breiden door het toevoegen van een extra model met nulpunten.

Plackett-Burman model

Voor een groot aantal factoren (screening) is het zinvol het Plackett-Burman model toe te passen. STATISTICA genereert Placket-Burman modellen (Hadamard matrix) en fractionele, factoriële modellen met maximaal 127 factoren. Net zoals bij de 2k-p-modellen kunnen kopieën worden aangevraagd en nulpunten worden toegevoegd. Voor de beoordeling van deze modellen zijn dezelfde opties als voor 2k-p-plannen beschikbaar.
 

omhoog

3-staps fractioneel, factorieel model met blok-ontwerp (3k-p)

Een verdere verfijning van experimenteel ontwerp zijn de zgn. 3k-p-modellen met blok-ontwerp en Box-Benken methodiek. De gebruiker heeft ook hier de mogelijkheid om het model willekeurig op te zetten, replicaties uit te voeren, enkele runs toe te voegen, het model en de blok generatoren te laten tonen en de opname van effecten in het model te accentueren. In de analyse van 3k-p-modellen zijn de belangrijkste resultaten voor lineaire en kwadratische effecten verdeeld, afhankelijk van de interacties van de componenten die betrokken zijn bij lineaire, lineair kwadratische, kwadratisch lineair en kwadratisch/kwadratisch. De ANOVA-tabel biedt aparte tests voor lineaire en kwadratische componenten, evenals voor gecombineerde effecten. Voor de 3k-p-modellen zijn dezelfde opties beschikbaar als voor de 2k-p-modellen. Gecombineerde experimentele ontwerpen met 2- en 3-level factoren worden tevens ondersteund.

Volledig factorieel ontwerp
Bij dit type design kan een researcher verschillende factoren tegelijkertijd onderzoeken. De effecten van iedere combinatie op ieder niveau van iedere factor is onderwerp van studie. Een volledig factorieel ontwerp kan behoorlijk data intensief zijn, aangezien de interacties van de factoren worden belicht.

Centraal samengestelde Plannen (Werkingsvlakplannen)

De gebruiker kan kiezen uit een catalogus van standaard plannen, met inbegrip van een beperkt Plackett-Burman model. Deze plannen komen tot stand door zgn. starpoints te plaatsen onder de laagste factorinstelling, de hoogste factorinstelling komt tot stand uit de 3k-p-modellen (central composite designs). De starpoints zijn tegenover elkaar gecentreerd. De analyse opties zijn vergelijkbaar met die voor de 3k-p- en de 2k-p-modellen.
 
 
 
omhoog

Latijnse vierkanten

De gebruiker kan vanuit een latijns vierkant een experimenteel ontwerp opbouwen, genereren en evalueren met maximaal 9 niveaus. Ook kan het grieks-latijnse vierkant en het hyper griekse vierkant worden toegepast. Zodra andere latijnse vierkanten beschikbaar zijn, kan de gebruiker zelf de keuze bepalen. Ook deze experimentele ontwerpen zijn willekeurig aan te passen door bijvoorbeeld het aantal kolommen uit te breiden. In aanvulling op de ANOVA tabel berekent STATISTICA de rand middelwaarden voor alle factor instellingen en en toont vervolgens de grafiek.
 
 

Experimenteel ontwerp voor robuuste Processen/Producten (volgens Taguchi)

Experimenteel ontwerp volgens de Taguchi methodiek hanteert orthogonale velden tot en met 31 factoren en kan experimenten evalueren tot max. 65 factoren. Naast de belangrijkste effecten kunnen ook aliassen uit de 2-staps interacties worden onderzocht. De bij robuuste plannen veelal gehanteerde signaal-ruisverhoudingen (Signal to Noise ratios, S/N ratios) worden voor de volgende probleemstellingen berekend: (1) Minimale waarde = Beste waarde (Smaller-the-better), (2) Nominale waarde = Beste waarde (Nominal-the-best), (3) Maximale waarde = Beste waarde (Larger-the-better), (4) Overeengekomen doel (Signed target), (5) Afgekeurd aandeel (defecte fractie), alsook (6) afgekeurde aantallen per interval als accumulatie analyse. (Aantal defecten per interval, accumulation analysis). Bovendien worden ook de niet getransformeerde gegevens geanalyseerd. Dit maakt het mogelijk om met behulp van een data sheet formule of met STATISTICA Visual Basic signaal ruis verhoudingen te creëren en deze functionaliteit te evalueren in de experimentele ontwerp fase. Met uitgebreide beschrijvende statistiek kan de gebruiker de berekende signaal-ruis verhoudingen in kaart brengen. De ANOVA tabel staat de gebruiker toe om fouten interactief te behandelen of te verwijderen. De Eta waarde, die de signaal/ruis verhouding vertegenwoordigd, wordt voorspeld voor de optimale instelling van de factor niveaus. Ook hier kan de gebruiker effecten opnemen of uit sluiten en niveaus van de geselescteerde factoren aangeven. De gemiddelde waarden van Eta zijn per factor niveau overzichtelijk in een grafiek weergegeven.Bij de accumulatie analyse van categorische data zijn staafdiagrammen en lijn-plots te produceren. In deze plots worden de geaccumuleerde categorische delen binnen elk niveau van de geselecteerde factoren berekend. Opgemerkt moet worden dat de verschillende functionaliteiten van één of meer variabelen ook in samenhang met 2k-p, 3k-p ontwerpen en methoden (zoals GLM, GRM of GDA te optimaliseren zijn.

omhoog

Simplexplannen voor Mengsels

Deze procedures omvatten opties voor het instellen van een simplex plan en een simplex zwaartepunt voor mengsels. De experimentele ontwerpen kunnen met extra reële waarden en een zwaartepunt worden uitgebreid. De gebruiker kan voor elke factor lagere (groter dan of gelijk aan) bijkomende voorwaarden (sub-simplex) ingeven. De software berekent automatisch het overeenkomstige experimentele plan. Voor de behandeling van bovenste en onderste beperkingen zijn algemene methoden van experimenteel ontwerp beschikbaar (zie hieronder). De software berekent de coëfficienten voor pseudo-componenten en componenten in hun oorspronkelijke instellingen, hun standaardfouten, betrouwbaarheidsintervallen en significantie tests. Standaard zijn lineaire, kwadratische, speciale kubieke en volledig kubieke modellen beschikbaar (Opmerking: De GLM, General Linear Models Module voorziet ook in een proces voor de analyse van mengsel experimenten). Speciale grafieken vatten de resultaten van de mengsel experimenten samen. Deze omvatten plots van effecten van door de gebruiker bepaalde mengsels. Ook zijn hier ternaire referentie-oppervlakken en contouren plots bij inbegrepen. Wanneer de test meer dan 3 componenten bevat, zijn de oppervlakken en contouren plots voor de aangepaste waarden niet gemaakt in de plot van de geïllustreerde componenten. Bovendien biedt STATISTICA voor mengplannen een breed spectrum van analyse mogelijkeden van factoriële, experimentele ontwerpen aan. De opties bij deze plannen zijn niet gebaseerd op verstorende on-parametrisering van het mengsel model, maar juist direct op het beperkte mengsel model. Dit vereenvoudigd de zoektocht naar de optimale factor instelling.

Mengsel plannen voor beperkte simplex vlakken

Deze functionaliteit omvat technieken voor de bouw van de hoek- en zwaartepunten voor simplex vlakken, die onderhevig zijn aan lineaire beperkingen. De gebruiker kan de boven- en ondergrens voor de mengselcomponenten aangeven en lineaire beperkingen van de vorm     x1 + .. + xi + x0 >= 0   voor deze factoren specificeren. De software berekent voor het beperkte experimentele gebied de lokatie van de hoekpunten en eventueel de ligging van de zwaartepunten. De beperkingen zijn sequentieel verwerkt en gecontroleerd op doublures. Naast de algemeen beschikbare plot kan informatie omtrent het beperkte experimentele gebied worden opgeroepen. De gebruiker kan de hoek- en zwaartepunten in 3D en ternaire scatterplots (voor mengsels) visualiseren. Gebaseerd op de kennis van de hoek- en zwaartepunten kunnen op deze wijze de kenmerken van het experimenteel ontwerp worden getoetst. De hoek- en zwaartepunten kunnen vervolgens ingebracht worden in de methode ter bepaling van optimale plannen. Op deze wijze kan inhoud worden gegeven aan plannen met een minimaal aantal runs.

omhoog

D- en A- optimaal ontwerp

STATISTICA biedt krachtige algoritmen voor het optimaliseren van experimentele ontwerpen voor reactieve oppervlakken of mengsels. De gebruiker kan de modelvorm aangeven (bijvoorbeeld lineair, kwadratisch), alsook het optimum kiezen tussen de D- en A- methoden. Een lijst van startpunten (candidate points) voor het experimenteel ontwerp kan worden ingevoerd of worden gelezen uit een STATISTICA databestand, indien de factoriële plannen of mengplannen eerder zijn opgeslagen. De punten voor het definitieve plan kunnen in de lijst worden gemarkeerd. Hiermee kan de gebruiker de beschikbare experimentele plannen aanpassen en/of uitbreiden. De module bevat alle gebruikelijke zoek-algoritmes voor de bouw van D- en A- optimale ontwerpen: de sequentiële Methode (Dykstra), de Methode van de eenvoudige uitwisseling (Wynn-Mitchell), Mitchells DETMAX-algoritme (uitgebreide uitwisseling) en de oorspronkelijke Fedorov-Methode van simultane uitwisseling. Voor het definitieve plan berekent de software naast de gebruikelijke matrixen de determinant van Matrix X'X, en de afmetingen van de D-, A- en G-Efficiency. De punten van de experimentele opzet worden weergegeven in 3D en ternaire scatterplots (voor mengsels).
 

Optimale Split-Plot-ontwerpen

STATISTICA ondersteunt experimentele ontwerpen, waarbij de ene factor (sub-plot) zich begeeft binnen de andere factor (hele plot). Er worden ontwerpen ondersteunt waarbij sommige factoren gemakkelijker (easy to change factor) dan andere (hard to change factor) kunnen worden aangepast. Split-Plot-ontwepen kunnen binnen STATISTICA met de module STATISTICA VEPAC  US-Link of met de hogere modellen van STATISTICA Advanced (GLM) worden geanalyseerd.
 

Botched-Designs (mislukte ontwerpen)

Met Botched-Designs worden experimentele ontwerpen correct geanalyseerd, terwijl de factoren in het experiment niet exact ingesteld kunnen worden.

omhoog

Alternative methode voor de analyse van experimentele data

STATISTICA biedt een groot aantal berekeningsmethoden voor de analyse van experimentele data en voor aanpassing van ANOVA/AMCOVA achtige ontwerpen met continue of categorische output variabelen. In het bijzonder omvat STATISTICA de volledige implementatie van:

STATISTICA kan zo op een creatieve en innovatieve wijze worden ingezet bij kwaliteitsborging.

omhoog



Modelgroep Proces-analyse

Proces-analyse bestaat uit methoden voor de analyse van de proces-capability, de analyse van de herhaal- en reproduceerbaarheid van de metingen (R & R), de Weibull-analyse en de generatie van monster ontwerpen, die hieronder worden beschreven.

Oorzaak en gevolg diagram

Oorzaak en gevolg diagrammen (Fishbone- of Ishikawa-Diagrammen) tonen op een overzichtelijke wijze de procesfactoren en de stappen bij kwaliteitsverbetering. Hiermee ondersteunt deze analyse de eerste fase van de cyclus Define-Measure-Analyse-Improve-Control (DMAIC) binnen Six-Sigma

 
 
 

Analyse van de Process Capability

De proces-capability bevat een uitgebreide selectie van opties voor de berekening van proces capability indicatoren (Cp, Cr, Cpk, CPL, Cpu, CPM), proces prestatie indicatoren (Pp, Pr, PPK, Ppl, PPU) en de bijbehorende tolerantiegrenzen. Resultaten worden weergegeven als een histogram, met illustratie van het procesbereik, specificatie grenzen en normale kansdichtheid. De belangrijkste indicatoren zijn niet alleen beschikbaar voor normaal verdeelde waarden, maar ook voor continue verdelingen, zoals Beta, exponentiële, Extreme Value (Type I, Gumbel), Gamma, Lognormale, Rayleigh en Weibull en voor algemene niet-normale verdelingen (met Johnson en Pearson curves). STATISTICA berekent de maximum likelihood schatting voor de parameters van deze verdeling en biedt tal van mogelijkheden voor het beoordelen van de juistheid van de beschikbare data. Daarbij behoren tabellen met waargenomen en verwachte aantallen, de Kolmogorov-Smirnovsche d-Statistiek, Histogrammen, Probability-Probability (P-P, Kansrekening-Waarschijnlijkheid)-Plots en Quantil-Quantil (Q-Q, kwantiel-kwantiel)-Plots. Er is ook een optie voor de automatische aanpassing van alle verdelingen aan de data en de selectie van de sterkste distributie functie.
 

Verificatie van de Process Capability (Binomiale en Poisson)

STATISTICA kan de verificatie van de proces capability op zich nemen. Deze wordt gekenmerkt door binomiale of Poisson frequenties. De onderscheidende grafische samenvattingen zoals regelkaarten worden berekend (P-Kaarten voor binomiale frequentie of aandeel). Daarnaast wordt de data aangepast aan ofwel een binomiale distributie of een Poisson verdeling. Ook wordt de verwachte PPM waarde (Parts-Per-Miljoen defecten) resp. de proces capability geschat.
 

Meetcapaciteit

Proces-analyse ondersteunt de berekening van meetmogelijkheden, zelfs nadat standaarden zijn geïmplementeerd (zoals bijvoorbeeld in de automotive sector. De berekeningsmethoden van BMW, Bosch/Daimler en Ford worden aangeboden).

omhoog

Kwaliteitsparameters volgens ISO/DIN (Tijd-distributie modellen)

Proces-analyse ondersteunt de berekening van kwaliteitsindicatoren voor de vaardigheidseisen van DIN 55 319 en ISO 21747e. Bij het nemen van opeenvolgende monsters worden de waarnemingen tijdens een lopend productie proces op één of meer gemeten kwaliteitskenmerken geschat. Beide methoden kunnen rekening houden met niet normaal verdeelde metingen of met outliers.

 

Repeatability and Reproducibility (R&R)

Onderzoek naar herhaalbaarheid en reproduceerbaarheid van meetgegevens (R & R; Repeatability and Reproducibility) uit één tot enkele trials zijn met STATISTICA niet alleen te analyseren maar ook te plannen. Afhankelijk van het vraagstuk wordt beschrijvende statistiek en Sigma kaarten toegepast. Daarnaast worden Box-Whisker plots en samenvattende R&R plots opgesteld. De variabiliteit tussen de trials (herhaalbaarheid), de controles (vergelijkbaarheid), delen hiervan of de interactie hiertussen wordt als variantie component geschat. Wanneer deze componenten niet uit de range maar uit de middelste kwadraten van de ANOVA zijn afgeleid, wordt ook een berekening gemaakt van de bijbehorende betrouwbaarheidsintervallen. Daarnaast zijn gegevens beschikbaar omtrent het percentage tolerantiewaarde, de proces variatie en de totale variatie. Een uitgebreide selectie van methoden voor het schatten van de variantie componenten bij toevallig optredende effecten is beschikbaar in de GLM, General Linear Models.

omhoog

Weibull-Analyse

De Weibull-Analyse maakt gebruik van de eigenschappen van de Weibull-verdeling bij de schatting van de betrouwbaarheid (bijvoorbeeld de downtime bij industriële productie). Met STATISTICA zijn Weibull verdelingsplots voor volwaardige, enkel- of meervoudig gecensureerde data te vervaardigen. De bijbehorende parameters en hun betrouwbaarheidsintervallen zijn afgeleid van Failure-rate plots. Als schattingsmethode voor complete en gecensureerde data dienen maximum likelihood en gewogen factoren. Daarnaast worden aangepaste momentschatters ingezet die onpartijdig zijn ten opzichte van het gemiddelde en de variantie. Betrouwbaarheidsintervallen worden zowel berekend voor de vorm, de omvang, de lokatie parameters alsook de percentielen. STATISTICA geeft een grafische diagnose van de goodness of fit tests volgens Hollander-Proschan, Mann-Scheuer-Fertig of Anderson-Darling. Hierbij dient opgemerkt te worden dat voor de aanpassing van de gegeneraliseerde lineaire modellen ook de GLM functionaliteit gebruikt kan worden.

Plannen voor het nemen van monsters

Voor het testen van hypothesen die verwijzen naar continue metingen of meetbare eigenschappen (zoals bijvoorbeeld defecten of uitval) biedt STATISTICA naar keuze vaste of sequentiële bemonsteringen, voor normaal verdeelde kenmerken, binomiale proporties of Poisson frequenties. Voor vaste bemonsteringsplannen is een bepaalde steekproefgrootte vereist ter bevestiging of weerlegging van een bepaalde hypothese H0. De bijbehorende operating characteristics (OC-curves) worden hierbij getoond. Sequentiele plannen worden met de verwachte run-lengtes (onder H0/H1) gegenereerd. De modelgroep Power Analyse biedt ook opties voor het bepalen van de vereiste steekproefomvang en schatting van de teststerkte (Power). Dit komt van pas bij vele onderzoeksdesigns (zoals ANOVA) en andere soorten gegevens (bijvoorbeeld voor binaire data, gecensureerde uitvaldata).

omhoog



Modelgroep Regelkaarten

Regelkaarten, oftewel controle kaarten, bieden een breed scala aan methoden en technieken voor kwaliteitsborging. Ze zijn vooral geschikt voor kwaliteitsborgingssystemen waarbij met verschillende complexiteiten rekening gehouden moet worden alsook voor specifieke analyses en Six Sigma projecten. Via shortcuts zijn routinematige werkzaamheden te automatiseren. Lay-out opties voor afbeeldingen en overige specificaties kunnen als systeem voorkeuren in herbruikbare templates worden opgeslagen. Regelkaarten beschikken over krachtige functionaliteit die nieuwe procedures helpt te ontwikkelen. Opties voor de integratie van analytics in kwaliteitsborging-, informatie- en monitoring systemen worden geboden (zie ook STATISTICA Enterprise/SPC).

De modelgroep Regelkaarten omvat:


Standaard Regelkaarten

De volgende standaardkaarten voor kwaliteitsbewaking zijn met STATISTICA beschikbaar: X-quer-Kaarten, R-Kaarten, S-Kaarten, Np- en P-Kaarten (Binomiale-Statistiek), C- en U-Kaarten (Poisson-Statistiek), CuSum-Kaarten (cumulatieve som) voor Outlierdiagnostiek, Moving-Range-Kaarten, Run-Kaarten (voor individuele waarnemingen), MA-Kaarten (moving average) en EWMA-Kaarten (exponentieel gewogen moving average). Bovendien zijn Paretodiagrammen voor de analyse van kwaliteitsverlies beschikbaar. De meest variabele regelkaarten (bijvoorbeeld R-Kaarten) zijn geschikt voor individuele waarnemingen, voor monsters en zijn ook te combineren met Six-Sigma grafieken. Streef- en interventiewaarden worden door de gebruiker bepaald of ze kunnen uit de data worden geschat (bijvoorbeeld gemiddelden, ranges en eenheden). Controle limieten zijn gebaseerd op een veelvoud van de standaarddeviatie (bijvoorbeeld ±3-Sigma), normaal of abnormaal (Johnson curves) percentielen (bijvoorbeeld p=0,01; 0,99) of constante waarden. Een kwaliteitsregelkaart kan bestaan uit meerdere sets van specificaties en kan door de gebruiker geheel naar wens worden aangepast.

Interaktieve Brushing.  Speciale intelligente brushing technieken worden geboden voor de behandeling van outliers (of what-if analyse) in een enkele of in een parallelle set van regelkaarten. De gebruiker kan volgens specifieke criteria (zoals actie-grenzen of test runs) een enkel monster of groepen van monsters uitkiezen om hen uit te sluiten van de regelkaart berekening (maar deze nog wel in de kaart te tonen) of volledig uit de kaart te verwijderen. De in-en uitsluitingsvoorwaarden kunnen gelden voor meerdere kaarten in parallel, zodat ze gelijktijdig met Brushing kunnen worden onderzocht. Zo kan bijvoorbeeld gemarkeerde en uitgesloten waarden in de X-quer Kaart gelijktijdig uit het histogram worden verwijderd.

Akties en oorzaken toewijzen.  De gebruiker kan outliers (of ieder ander punt in de kaart), oorzaken, akties en/of commentaar toewijzen. Dit kan via een afkorting of via een langere tekst. Monsters die buiten de controle zijn gevallen kunnen automatisch op de kaart worden geïdentificeerd door de software of met behulp van interactieve brushing van commentaar worden voorzien.

Flexible Alarmmeldingen.  Er zijn diverse opties beschikbaar voor het bepalen en vastleggen van out of control voorwaarden, zoals de uitvoering van runs-tests of de overschrijding van gespecificeerde grenswaarden. Met de alarmfunctie zijn nu verschillende soorten "antwoorden" in te stellen op specifieke gebeurtenissen. Zo kan bijvoorbeeld bij een uit controle geraakte steekproef de gebruiker automatisch gevraagd worden een reden op te geven. Aansluitend wordt STATISTICA Visual Basic uitgevoerd waarmee verschillende statistieken worden berekend; vervolgens wordt een extern programma geactiveerd (DLL) om de verantwoordelijke ingenieur per email in kennis te stellen. Deze alarmopties zijn op te slaan in een configuratiebestand en zijn voor later gebruik beschikbaar.

Supervisor- en Gebruikersmodus, Password beveiliging.  De bewerkingsfuncties en de specificaties van alle regelkaarten alsook de controle van de basisgegevens kan door een password beveiligd worden. Deze modus maakt het mogelijk een gebruiker te definieren met beperkte toegang. De controle diagrammen kunnen worden gemaakt en opgeslagen door de verantwoordelijke ingenieur, terwijl de gebruiker beperkte toegang heeft en deze uitsluitend kan inzien.

Data organisatie.  Data kan op verschillende manieren georganiseerd zijn, zodat bijna alle formaten door regelkaarten worden ondersteund. Steekproeven en delen daarvan krijgen een steekproef codering of worden door een vrij gekozen aantal metingen per steekproef geïdentificeerd.

omhoog

Short-Run-Regelkaarten

Standaard variabele Regelkaarten (X-quer, R, S, MA, EWMA) en attribuut-Regelkaarten (C, U, Np, P) zijn ook te gebruiken voor kleine productie series (Short-Run-Regelkaarten voor verschillende onderdelen of machines). Bij Short-Run-Regelkaarten doen de ingestelde waarden (nominale waarden) zich op onderdelen voor alsof (Nominale Short Run Regelkaarten). Ook is de streefwaarde (doel) en variabiliteitswaarde voor standaardisatie te gebruiken. Voor het sorteren van steekproefpunten in de respectievelijke regelkaart en het weergeven hiervan in een andere volgorde zijn voldoende opties beschikbaar. Opgeslagen specificaties (parameters) van onderdelen zijn op nieuwe records toepasbaar. STATISTICA berekent gedetailleerde statistieken naar keuze voor onderdelen of voor steekproeven. Voor iedere meting wordt de codering in het gegevensbestand direct of later toegewezen. Alle opties voor standaard regelkaarten (bijvoorbeeld proces-prestatie indices, Runs Rules) zijn ook beschikbaar voor Short-Run-Regelkaarten.

omhoog

Opties en statistieken voor regelkaarten

Een verscheidenheid van extra QR-statistieken zijn aanroepbaar en worden samen met de Regelkaart geactualiseerd. Deze omvatten proces mogelijkheden en proces prestatie indicatoren (bijvoorbeeld Cpk, PPK), histogrammen van de kwaliteitskenmerken en 7 verschillende runs-tests. Standaard variabele Regelkaarten kunnen worden geïntegreerd in een samengesteld beeld, bijvoorbeeld een X-cross- en R-kaart met histogrammen voor de gemiddelde waarden en ranges. Outliers (monsters buiten de grenzen) of waargenomen uitzonderlijke observaties worden automatisch gemarkeerd in het diagram. Ook zijn waarschuwingsgrenzen, (exponentieel gewogen) voortschrijdende gemiddelden of specificatiegrenzen toe te voegen.

Proces prestatie-indices voor niet-normale controle limieten.  Bij steekproeven met een scheve frequentie-verdeling wordt de foutkans vaak onder of overschat, zeker wanneer ze zijn afgeleid van de kansdichtheid van een normale verdeling. STATISTICA genereert ook regelkaarten die niet aan deze distributie aanname gebonden zijn. De overeenkomstige grenswaarden zijn gebaseerd op de aanpassing van de Johnson Curve naar de eerste vier meetmomenten (gemiddelde, standaarddeviatie, scheefheid en overtolligheid). De momenten worden uit de gegevens geschat of door de gebruiker opgegeven. De berekende proces prestatie-indices zijn gebaseerd op de aangepaste Johnson of Pearson bochten. In de modelgroep proces analyse kunnen prestatie indices voor de Weibull, beta of lognormale verdelingen worden samengesteld.

Extra Plots en resultaattabellen.  Voor de meeste kaarten kan de gebruiker de (operating) karakteristieken berekenen en grafisch tonen. De exacte waarden van de in de kaart weergegeven lijnen en punten zijn in een resultatentabel zichtbaar. STATISTICA kan ook een kaarten sjabloon produceren, die de kwaliteitsmanager later met de hand invult. Gemaakte grafieken laten zich zoals gebruikelijk gemakkelijk bewerken en zijn op te slaan voor verdere analyse.

omhoog

Multivariate Regelkaarten

De Multivariate Regelkaarten zijn voor gelijktijdige analyse van een groot aantal functies: Hotelling T²-Kaarten voor individuele waarden en gemiddelden, MEWMA-Karten voor individuele waarden en gemiddelden, MCUSUM-Kaarten voor waarnemingen, evenals Multiple-Stream X-quer & R-Kaarten, MR-Kaarten en S-Kaarten voor waarnemingen en steekproefgemiddelden. Met STATISTICA Enterprise/SPC kunnen deze kaarten worden geautomatiseerd in een real-time omgeving zodat op geavanceerde wijze invulling wordt gegeven aan proces monitoring en kwaliteitscontrole.

omhoog



Modelgroep Poweranalyse

StatSoft heeft op basis van bewezen technologie functionaliteit toegevoegd voor efficiënte planning en analyse van onderzoek. De modelgroep Poweranalyse ondersteunt de gebruiker bij de planning van een steekproefomvang. Het biedt ook diverse hulpmiddelen om alle Power aspecten rondom statistische tests en bij de berekening van steekproeven te adresseren.

Poweranalyse omvat de volgende thema's:

Berekening van steekproefomvang:  Poweranalyse berekent steekproefomvang als functie van een zgn. Type 1 fout en berekent de effectsterkte in diverse statistische tests (bijvoorbeeld: 1- en 2-sample tests, contrasten, ANOVA, chi-kwadraat, F-test of rank test).

Schatting van betrouwbaarheidsintervallen:  In de statistiek heeft dit onderwerp recent veel aandacht gekregen, zowel in de planning als in de interpretatie. STATISTICA kan worden gebruikt voor een groot aantal belangrijke statistische variabelen (bijvoorbeeld gestandaardiseerde effectgrootte van de variantie, correlatie coëfficienten of verschillen tussen steekproefverhoudingen) om de betrouwbaarheidsintervallen te berekenen. De geschatte waarden kunnen op hun beurt worden gebruikt voor de berekening van de steekproefomvang in latere studies.

Berekening van statistische verdelingen:  In aanvulling op de reeds beschikbare verdelingen binnen STATISTICA biedt Poweranalyse speciale opties voor de kwaliteit van de berekening (niet-centraal t, F en Chi-kwadraat, Binomial, exacte verdeling van correlatie coëfficienten etc.).

Poweranalyse maakt het de gebruiker mogelijk de optimale steekproef omvang te bepalen. Het voorkomt onnauwkeurige bevindingen die te wijten zijn aan kleine aantallen, verspillingen en beperkte middelen. De kwaliteit van de onderzoeksresultaten kan hiermee verder worden verbeterd. 

Geïnteresseerd?


Ga de uitdaging aan met intelligentie op je werkplek.
Neem contact op voor een nadere kennismaking!

home omhoog