‫جمهوری اسالمي ايران‬

INSO ‫استاندارد ملي ايران‬

Islamic Republic of Iran
7532-2 ‫سازمان ملي استاندارد ايران‬ 2352-2
1st. Edition Iranian Natioal Standardization Organizaion ‫چاپ اول‬
Mar.2014 2532 ‫اسفند‬

‫ نمودارهای‬:2 ‫ قسمت‬-‫نمودارهای كنترل‬

‫كنترل شوهارت‬

Control Charts- Part 2: Shewhart

control charts

ICS:03.120.30
 ‫به نام خدا‬
‫آشنايي باسازمان ملي استاندارد ايران‬
‫مؤسسه استاندارد و تحقيقات صنعتي ايران به موجب بند يک مادۀ ‪ 3‬قانون اصالح قوانين و مقررات مؤسسۀ استاندارد و‬
‫تحقيقات صنعتي ايران‪ ،‬مصوب بهمن ماه ‪ 1331‬تنها مرجع رسمي کشوراست که وظيفه تعيين‪ ،‬تدوين و نشر استانداردهای‬
‫ملي (رسمي) ايران را به عهده دارد‪.‬‬
‫نام مؤسسه استاندارد و تحقيقات صنعتي ايران به موجب يكصد و پنجاه و دومين جلسه شورای عالي اداری مورخ ‪1326/60/92‬‬
‫به سازمان ملي استاندارد ايران تغيير و طي نامه شماره ‪ 960/33333‬مورخ ‪ 26/3/92‬جهت اجرا ابالغ شده است‪.‬‬
‫تدوين استاندارد در حوزههای مختلف درکميسيونهای فني مرکب از کارشناسان سازمان‪ ،‬صاحبنظران مراکز و مؤسسات علمي‪،‬‬
‫پژوهشي‪ ،‬توليدی و اقتصادی آگاه و مرتبط انجام ميشود و کوششي همگام با مصالح ملي و با توجه به شرايط توليدی‪ ،‬فناوری‬
‫و تجاری است که از مشارکت آگاهانه و منصفانۀ صاحبان حق و نفع‪ ،‬شامل توليدکنندگان‪ ،‬مصرفکنندگان‪ ،‬صادرکنندگان و‬
‫واردکنندگان‪ ،‬مراکز علمي و تخصصي‪ ،‬نهادها‪ ،‬سازمانهای دولتي وغيردولتي حاصل ميشود‪ .‬پيشنويس استانداردهای ملي‬
‫ايران برای نظرخواهي به مراجع ذینفع و اعضای کميسيونهای فني مربوط ارسال ميشود و پس از دريافت نظرها و پيشنهادها‬
‫در کميتۀ ملي مرتبط با آن رشته طرح و درصورت تصويب به عنوان استاندارد ملي (رسمي) ايران چاپ و منتشر ميشود‪.‬‬
‫پيشنويس استانداردهايي که مؤسسات و سازمانهای عالقهمند و ذيصالح نيز با رعايت ضوابط تعيين شده تهيه ميکنند‬
‫درکميتۀ ملي طرح و بررسي و درصورت تصويب‪ ،‬به عنوان استاندارد ملي ايران چاپ و منتشر ميشود‪ .‬بدين ترتيب‪،‬‬
‫استانداردهايي ملي تلقي ميشود که براساس مفاد نوشته شده در استاندارد ملي ايران شمارۀ ‪ 3‬تدوين و درکميتۀ ملي‬
‫استاندارد مربوط که سازمان ملي استاندارد ايران تشكيل ميدهد به تصويب رسيده باشد‪.‬‬

‫سازمان ملي استاندارد ايران از اعضای اصلي سازمان بينالمللي استاندارد )‪ 2(ISO‬کميسيون بينالمللي الكتروتكنيک )‪9(IEC‬و‬
‫‪3‬‬
‫سازمان بينالمللي اندازه شناسي قانوني )‪ 3(OIML‬است و به عنوان تنها رابط‪ 2‬کميسيون کدکس غذايي )‪(CAC‬‬
‫درکشورفعاليت ميکند‪ .‬در تدوين استانداردهای ملي ايران ضمن توجه به شرايط کلي و نيازمندیهای خاص کشور‪ ،‬از آخرين‬
‫پيشرفتهای علمي‪ ،‬فني و صنعتي جهان و استانداردهای بينالمللي بهرهگيری ميشود‪.‬‬
‫سازمان ملي استاندارد ايران ميتواند با رعايت موازين پيش بيني شده در قانون‪ ،‬برای حمايت از مصرف کنندگان‪ ،‬حفظ سالمت‬
‫و ايمني فردی و عمومي‪ ،‬حصول اطمينان از کيفيت محصوالت و مالحظات زيست محيطي واقتصادی‪ ،‬اجرای بعضي از‬
‫استانداردهای ملي ايران را برای محصوالت توليدی داخل کشور و‪ /‬يا اقالم وارداتي‪ ،‬با تصويب شورای عالي استاندارد‪ ،‬اجباری‬
‫نمايد‪ .‬سازمان ميتواند به منظورحفظ بازارهای بين المللي برای محصوالت کشور‪ ،‬اجرای استاندارد کاالهای صادراتي و‬
‫درجهبندی آن را اجباری نمايد‪ .‬همچنين برای اطمينان بخشيدن به استفادهکنندگان از خدمات سازمانها و مؤسسات فعال در‬
‫زمينۀ مشاوره‪ ،‬آموزش‪ ،‬بازرسي‪ ،‬مميزی و صدورگواهي سيستمهای مديريت کيفيت و مديريت زيستمحيطي‪ ،‬آزمايشگاهها و‬
‫مراکزکاليبراسيون (واسنجي) وسايل سنجش‪ ،‬سازمان استاندارد اينگونه سازمانها و مؤسسات را براساس ضوابط نظام تأييد‬
‫صالحيت ايران ارزيابي ميکند و درصورت احراز شرايط الزم‪ ،‬گواهينامۀ تأييد صالحيت به آنها اعطا و برعملكرد آنها نظارت‬
‫ميکند‪ .‬ترويج دستگاه بينالمللي يكاها‪ ،‬کاليبراسيون (واسنجي) وسايل سنجش‪ ،‬تعيين عيارفلزات گرانبها و انجام تحقيقات‬
‫کاربردی برای ارتقای سطح استانداردهای ملي ايران از ديگر وظايف اين سازمان است‪.‬‬

‫‪1- International organization for Standardization‬‬

‫‪2- International Electro technical Commission‬‬
‫)‪3- International Organization for Legal Metrology (Organization International de Metrology Legal‬‬
‫‪4- Contact point‬‬
‫‪5- Codex Alimentarius Commission‬‬

‫ب‬
 ‫كمیسیون فني تدوين استاندارد‬
‫« نمودارهای كنترل‪ -‬قسمت ‪ :2‬نمودارهای كنترل شوهارت »‬

‫سمت و‪ /‬يا نمايندگي‬ ‫رئیس‪:‬‬

‫عضو هيأت علمي دانشگاه يزد‬ ‫اولياء‪ ،‬محمدصالح‬
‫(دکترای مهندسي صنايع)‬

‫دبیر‪:‬‬
‫کارشناس اداره کل استاندارد يزد‬ ‫جعفری ندوشن‪،‬زهرا‬
‫(فوق ليسانس ميريت صنعتي)‬

‫اعضاء‪( :‬اسامي به ترتيب حروف الفبا(‬

‫کارشناس استاندارد‬ ‫احمدی ندوشن‪ ،‬عليرضا‬
‫(فوق ليسانس مديريت اجرايي)‬

‫کارشناس مجتمع توليدی صنايع الستيک يزد‬ ‫بهاریفرد‪ ،‬ناهيد‬

‫(ليسانس صنايع)‬

‫کارشناس اداره کل استاندارد يزد‬ ‫خليل زاده‪ ،‬فائزه‬

‫(ليسانس الكترونيک)‬

‫کارشناس اداره کل استاندارد يزد‬ ‫ماندگاری‪ ،‬مريم‬

‫(فوق ليسانس مديريت سيستم و بهرهوری)‬

‫نماينده شرکت پارس معيارسنجش ايساتيس‬ ‫هاديان‪ ،‬الهام‬

‫(ليسانس آمار)‬

‫ج‬
 ‫فهرست مندرجات‬

‫صفحه‬ ‫عنوان‬
‫ب‬ ‫آشنايي با سازمان ملي استاندارد ايران‬
‫ج‬ ‫کميسيون فني تدوين استاندارد‬
‫ه‬ ‫پيش گفتار‬
‫‪1‬‬ ‫هدف و دامنه کاربرد‬ ‫‪1‬‬
‫‪1‬‬ ‫مراجع الزامي‬ ‫‪9‬‬
‫‪1‬‬ ‫اصطالحات‪ ،‬تعاريف‪ ،‬نمادها‪ ،‬اختصارات و يكاها‬ ‫‪3‬‬
‫‪3‬‬ ‫ماهيت نمودارهای کنترلي شوهارت‬ ‫‪2‬‬
‫‪0‬‬ ‫انواع نمودارهای کنترل‬ ‫‪3‬‬
‫‪3‬‬ ‫نمودار کنترل مشخصههای کمي‬ ‫‪0‬‬
‫‪13‬‬ ‫رويه کنترل و تفسير برای نمودارهای کنترل مشخصههای کمي‬ ‫‪3‬‬
‫‪13‬‬ ‫آزمونهای روند برای موارد قابل تشخيص انحراف‬ ‫‪3‬‬
‫‪10‬‬ ‫کنترل فرايند‪ ،‬قابليت فرايند و بهبود فرايند‬ ‫‪2‬‬
‫‪13‬‬ ‫‪ 16‬نمودارهای کنترل مشخصههای وصفي‬
‫‪96‬‬ ‫‪ 11‬مالحظات اوليه قبل از شروع يک نمودار کنترل‬
‫‪93‬‬ ‫‪ 19‬گام هايي در ساخت نمودار کنترل‬
‫‪93‬‬ ‫‪ 13‬احتياط همراه با نمودارهای کنترلي شوهارت‬
‫‪92‬‬ ‫پيوست الف (اطالعاتي) مثالهای توضيحي‬
‫‪23‬‬ ‫پيوست ب (اطالعاتي) مالحظات عملي در رابطه با موارد انحراف قابل تشخيص‬
‫‪36‬‬ ‫پيوست پ (اطالعاتي) کتابنامه‬

‫د‬
 ‫پیش گفتار‬
‫استاندارد « نمودارهای کنترل‪ -‬قسمت ‪ :9‬نمودارهای کنترل شوهارت » که پيشنويس آن در کميسيونهای‬
‫مربوط توسط سازمان ملي استاندارد ايران تهيه و تدوين شده ودر سيصد و بيست و ششمين اجالس کميتۀ‬
‫ملي رايانه و فراوری دادهها مورخ ‪1329/19/19‬مورد تصويب قرارگرفته است‪ ،‬اينک به استناد بنديک مادۀ ‪3‬‬
‫قانون اصالح قوانين و مقررات مؤسسۀ استاندارد و تحقيقات صنعتي ايران‪ ،‬مصوب بهمن ماه‪ ،1331‬به عنوان‬
‫استاندارد ملي ايران منتشر ميشود‪.‬‬
‫برای حفظ همگامي و هماهنگي با تحوالت و پيشرفتهای ملي و جهاني در زمينۀ صنايع‪ ،‬علوم و خدمات‪،‬‬
‫استانداردهای ملي ايران در مواقع لزوم تجديدنظرخواهد شد و هرپيشنهادی که برای اصالح وتكميل اين‬
‫استانداردها ارائه شود‪ ،‬هنگام تجديدنظردرکميسيون فني مربوط مورد توجه قرارخواهدگرفت‪ .‬بنابراين‪ ،‬بايد‬
‫همواره از آخرين تجديدنظر استانداردهای ملي استفاده کرد‪.‬‬

‫منبع و ماخذی که برای تهيۀ اين استاندارد مورد استفاده قرارگرفته به شرح زيراست‪:‬‬
‫‪1- ISO 7870-2:2013, Control charts- Part 2: Shewhart control charts‬‬
‫‪ -9‬واژه نامه مرکز آمار ايران – ويرايش سال ‪1330‬‬

‫ه‬
 ‫نمودارهای كنترل‪ -‬قسمت ‪ :2‬نمودارهای كنترل شوهارت‬

‫هدف و دامنه كاربرد‬ ‫‪2‬‬

‫هدف از تدوين اين استاندارد‪ ،‬تعيين راهنما برای استفاده و درك رويكرد نمودار کنترل شوهارت به روشهای‬
‫کنترل آماری برای يک فرايند است‪.‬‬
‫اين استاندارد‪ ،‬برای رفتار روشهای کنترل فرايند آماری‪ ،‬فقط با استفاده از سيستم شوهارت نمودارها کاربرد‬
‫دارد‪ .‬برخي موارد تكميلي سازگار با رويكرد شوهارت‪ ،‬نظير استفاده از حدود اخطار‪ ،‬تحليل روند روندها و‬
‫ظرفيت فرايندها‪ ،‬به طور مختصر معرفي ميشود‪ .‬با اينحال‪ ،‬چندين نوع ديگر از رويههای نمودار کنترل‪ ،‬در‬
‫قالب يک توصيف کلي در استاندارد ‪ ISO 7870-1:2014‬بيان شده است‪.‬‬

‫مراجع الزامي‬ ‫‪2‬‬

‫مدارك الزامي زير حاوی مقرراتي است که در متن اين استاندارد ملي ايران به آنها ارجاع داده شده است‪.‬‬
‫بدين ترتيب آن مقررات جزئي از اين استاندارد ملي ايران محسوب ميشود‪.‬‬
‫در صورتي که به مدرکي با ذکر تاريخ انتشار ارجاع داده شده باشد‪ ،‬اصالحيهها وتجديدنظرهای بعدی آن‬
‫مورد نظر اين استاندارد ملي ايران نيست‪ .‬در مورد مدارکي که بدون تاريخ انتشار به آنها ارجاع داده شده‬
‫است‪ ،‬همواره آخرين تجديد نظر و اصالحيه های بعدی آنها مورد نظر است‪.‬‬
‫استفاده از مراجع زير برای اين استاندارد الزامي است‪:‬‬
‫‪2-1‬‬ ‫‪ISO 7870-1, Control charts- Part 1: General guidelines.‬‬
‫‪2-2‬‬ ‫‪ISO 3534-2, Statistics – Vocabulary and symbols- Part 2: Applied statistics.‬‬
‫‪2-3‬‬ ‫‪ISO16269-4, Statistical interpretation of data- part 4: Detection and treatment of‬‬
‫‪outliers.‬‬
‫‪2-4‬‬ ‫‪ISO5479, Statistical interpretation of data- Tests for departure from the normal‬‬
‫‪distribution.‬‬
‫‪2-5‬‬ ‫‪ISO22514 (all parts)1, Statistical methods in process management- Capability and‬‬
‫‪performance.‬‬

‫اصطالحات‪ ،‬تعاريف‪ ،‬نمادها‪ ،‬اختصارات و يکاها‬ ‫‪5‬‬

‫اصطالحات و تعاريف‬ ‫‪2-5‬‬
‫در اين استاندارد‪ ،‬اصطالحات و تعاريف تعيين شده در استاندارد ‪ ISO3534-2:2006‬به کار ميرود‪.‬‬

‫‪ -1‬استاندارد ملي ايران به شماره ‪ 11369-3‬سال ‪ 1333‬با منبع بين المللي ‪ ISO 22514-3‬سال ‪ 9663‬تدوين شده است‪.‬‬

‫‪1‬‬
 ‫نمادها و اختصارات‬ ‫‪2-5‬‬
‫در اين استاندارد‪ ،‬نمادهای زير به کار ميرود‪:‬‬
‫اندازه زيرگروه‪ ،‬تعداد مشاهدات نمونه درهر زير گروه‬ ‫‪N‬‬
‫تعداد زيرگروهها‬ ‫‪k‬‬
‫حد مشخصه پاييني‬ ‫‪L‬‬
‫حد کنترل پاييني‬ ‫‪LCL‬‬
‫حد مشخصه بااليي‬ ‫‪U‬‬
‫حد کنترل بااليي‬ ‫‪UCL‬‬
‫مشخصه کيفيت اندازه گيری شده (مقادير مجزا با )… ‪ (X1, X2 X3,‬بيان ميشوند‪ .‬بعضي اوقات‬ ‫‪X‬‬
‫از نماد ‪ Y‬به جای ‪ X‬استفاده ميشود‪.‬‬
‫(‪ X‬بار) ميانگين زيرگروه‬ ‫̅‬
‫(‪ X‬دوبار) متوسط ميانگين زيرگروه‬ ‫̿‬
‫مقدار واقعي ميانگين فرايند‬ ‫𝜇‬
‫مقدار واقعي انحراف استاندارد فرايند‬ ‫𝜎‬
‫يک مقدار معين از ‪σ‬‬ ‫𝜎‬
‫ميانه يک زيرگروه‬ ‫̃‬
‫متوسط ميانههای زيرگروه‬ ‫̃̅‬
‫دامنه تغييرات زيرگروه‪ :‬تفاوت بين کمترين و بيشترين مشاهدات يک زيرگروه‬ ‫‪R‬‬
‫متوسط مقادير ‪ R‬برای همه زيرگروهها‬ ‫̅‬

‫دامنه جابجايي‪ :‬مقدار مطلق تفاوت بين دو مقدار متوالي│‪ │X1- X2│, │X2- X3‬و از قبيل‬
‫متوسط ‪ (n-1)Rm‬مقدار در يک مجموعه از ‪ n‬مقدار مشاهده شده‬ ‫̅‬

‫انحراف استاندارد نمونه به دست آمده از مقادير داخل يک زيرگروه‪:‬‬ ‫‪s‬‬

‫∑‬ ‫̅̅̅‬
‫√‬

‫متوسط انحرافات استاندارد نمونه زيرگروه‬ ‫̅‬

‫مقدار انحراف استاندارد تخميني فرايند‬ ‫̂𝜎‬
‫نسبت يا کسری از واحدها در يک زيرگروه با يک طبقهبندی معين‬ ‫‪p‬‬
‫مقدار متوسط نسبت يا کسر‬ ‫̅‬
‫تعداد واحدها با يک طبقهبندی معين در يک زيرگروه‬ ‫‪np‬‬
‫يک مقدار مفروض از ‪p‬‬

‫‪9‬‬
 ‫يک مقدار مفروض از ‪ ( np‬برای يک ‪ p0‬معين)‬
‫تعداد وقايع در يک زيرگروه‬ ‫‪C‬‬
‫يک مقدار مفروض از ‪c‬‬

‫مقدار متوسط از ‪ c‬مقدار برای همه زيرگروهها‬ ‫̅‬

‫تعداد وقايع در هر واحد در يک زيرگروه‬ ‫‪U‬‬
‫مقدار متوسط ‪ u‬مقدار‬ ‫̅‬
‫يک مقدار مفروض از ‪u‬‬

‫ماهیت نمودارهای كنترلي شوهارت‬ ‫‪4‬‬

‫نمودار کنترلي شوهارت‪ ،‬نموداری است که مقدار آماری به دست آمده از متغيرها يا دادههای کيفي را نمايش‬
‫ميدهد‪ .‬در يک نمودار کنترلي شوهارت‪ ،‬الزم است دادهها از زيرگروههای منطقي در فواصل نسبتاً منظم از‬
‫فرايند بهدست آيند‪ .‬فواصل ميتواند بر حسب زمان (به طور مثال ساعت) يا مقدار (هر بهر) در نظر گرفته‬
‫شود‪ .‬معموالً‪ ،‬دادهها از فرايند به شكل نمونهها يا زيرگروههايي شامل مشخصههای يكسان فرايند‪ ،‬محصول يا‬
‫خدمت با واحدهای قابل اندازهگيری يكسان و اندازه زيرگروه يكسان به دست ميآيند‪ .‬از هر زيرگروه يک يا‬
‫چند مشخصه زيرگروه از قبيل متوسط زيرگروه‪ ، ̅ ،‬و دامنه زيرگروه‪ ،R ،‬انحراف استاندارد‪ ،S ،‬يا يک مشخصه‬
‫قابل شمارش نظير نسبت واحدها با يک طبقهبندی معين‪ ،‬در نظر گرفته ميشود‪.‬‬
‫نمودار کنترلي شوهارت‪ ،‬يک طرح از مقادير مشخصه معين زيرگروه برای چندين زيرگروه است‪ .‬اين نمودار‬
‫شامل يک خط مرجع )‪ (CL‬است که در يک مقدار مرجع از مشخصه رسم شده واقع ميشود‪ .‬در اجرا برای‬
‫تعيين وضعيت کنترل آماری‪ ،‬مقدار مرجع معموال متوسط مقدار آماری در نظر گرفته ميشود‪ .‬برای کنترل‬
‫فرايند‪ ،‬مقدار مرجع ممكن است مقدارمشخصه در طوالني مدت‪ ،‬همانطور که در مشخصه محصول بيان شده‪،‬‬
‫باشد‪ .‬اين مقدار مرجع ميتواند يک مقدار از مشخصه رسم شده برمبنای تجربه گذشته همراه با فرايند‪،‬‬
‫هنگامي که در يک وضعيت کنترل آماری قراردارد‪ ،‬يا براساس مقادير هدف ضمني محصول يا خدمت باشد‪.‬‬
‫نمودار کنترل از نظر آماری دارای دو خط حدود معين‪ ،‬يكي باال يا کنار خط مرکزی‪ ،‬که حد کنترل بااليي‬
‫)‪ (Ucl‬ناميده ميشود و ديگری حدکنترل پاييني يا )‪ (Lcl‬ميباشد (به شكل ‪ 1‬رجوع شود)‪.‬‬

‫‪3‬‬
 ‫شکل‪ -2‬پیرامون يك نمودار كنترل‬

‫حدود کنترل در نمودارهای شوهارت در فاصله سه 𝝈 از هر طرف از خط مرکزی قرار ميگيرند‪ ،‬به طوریکه‬
‫𝝈 انحراف استانداردی معين يا تخميني از انحراف استاندارد جامعه است‪ .‬شوهارت بر اين مبنا از حدود سه‬
‫سيگما استفاده ميکند که اين حدود با توجه به برقراری تعادل هزينه جستجو برای مشكالت فرايند‪ ،‬هرگاه‬
‫چنين مشكالتي وجود نداشته باشد و هزينه عدم موفقيت برای يافتن مشكالت‪ ،‬هرگاه فرايند آنطور که بايد‪،‬‬
‫اجرا نشود‪ ،‬اقتصادی است‪ .‬اگر حدود خيلي نزديک به خط مرکزی قرار گيرند‪ ،‬منجر به اين ميشود‬
‫جستجوهای زيادی برای مشكالتي که وجود ندارند صورت گيرد و اگر حدود خيلي دور از خط مرکزی باشند‪،‬‬
‫خطر عدم شناسايي مشكالت موجود در فرايند را افزايش ميدهد‪ .‬با اين فرض که آمار رسم شده‪ ،‬تقريباً به‬
‫صورت نرمال توزيع شده‪ ،‬حدود سه سيگما نشان ميدهد که حدود کنترل تقريباً‪ 22/3 % ،‬از مقادير آماری را‬
‫در بر گرفته و فرايند در وضعيت کنترل آماری قرار دارد‪ .‬به بيان ديگر‪ ،‬هنگامي که فرايند در وضعيت کنترل‬
‫آماری قرار دارد‪ ،‬احتمال خطر ‪ 6/3 %‬است ‪ ،‬يا به طور متوسط سه مرتبه در هزار مرتبه‪ ،‬نقطه رسم شده‬
‫خارج از حدود کنترل‪ ،‬يعني باال يا پايين حدود کنترل قرار ميگيرد‪ .‬واژه « تقريباً » بدين دليل استفاده‬
‫ميشود که انحراف از فرضيات موجود‪ ،‬از قبيل شكل توزيع دادهها‪ ،‬بر احتماالت مقادير‪ ،‬تأثير خواهد گذاشت‪.‬‬
‫در حقيقت انتخاب حدود ‪ k‬سيگما‪ ،‬به جای حدود سه سيگما‪ ،‬وابسته به هزينه بررسي و انجام اقدامات‬
‫مناسب در مقابل پيامدهای عدم انجام اقدامات است‪.‬‬
‫بايد توجه داشت که برخي متخصصين‪ ،‬ترجيح ميدهند از عامل ‪ 3/62‬به جای سه سيگما استفاده کنند تا‬
‫مقدار احتمال اسمي ‪ 6/9‬درصد يا يک مشاهده نادرست در هر هزار مشاهده‪ ،‬را فراهم کنند‪ ،‬اما شوهارت‬
‫عامل ‪ 3‬را انتخاب کرد‪ ،‬به طوری که اين منجر به تالش برای درنظر گرفتن احتماالت دقيق نميشود‪ .‬به طور‬
‫مشابه‪ ،‬برخي متخصصين از مقادير احتمال واقعي برای نمودار بر مبنای توزيعهای غير نرمال‪ ،‬مثالً برای‬
‫دامنهها و نسبت عدم انطباق‪ ،‬استفاده ميکنند‪ .‬از طرف ديگر‪ ،‬نمودار کنترل شوهارت از حدود ‪ ±3‬سيگما از‬
‫منظر تأکيد بر تفسير تجربي استفاده ميکند‪.‬‬
‫احتمال اين که تخطي از حدود‪ ،‬واقعاً يک رويداد تصادفي باشد تا يک عالمت واقعي‪ ،‬به حدی ضعيف در نظر‬
‫گرفته ميشود که هنگامي که نقطهای خارج از حدود ظاهر شود‪ ،‬بايد اقدام اصالحي انجام شود‪ .‬از آنجاييکه‪،‬‬

‫‪2‬‬
‫اقدام اصالحي در اين نقطه الزم ميشود‪ ،‬گاهي اوقات به حدود کنترل سه سيگما‪ « ،‬حدود اقدام » گفته‬
‫ميشود‪.‬‬
‫در بسياری از مواقع‪ ،‬به صرفه است که حدود دو سيگما را نيز روی نمودار نشان دهيم‪ .‬آنگاه‪ ،‬هر مقدار‬
‫نمونهای که خارج از حدود دو سيگما قرار گيرد‪ ،‬ميتواند به عنوان اخطاری از در شرف وقوع بودن موقعيت‬
‫خارج از کنترل‪ ،‬تلقي شود‪ .‬همچنين به خطوط حد دو سيگما‪ ،‬گاهي اوقات « حدود هشدار » نيز ميگويند‪.‬‬
‫در حاليکه هيچ اقدام اصالحي در نتيجه چنين هشدار الزم نيست‪ ،‬بعضي کاربران ممكن است به منظور‬
‫تعيين اينکه آيا اقدام اصالحي نمايان ميشود يا خير‪ ،‬بخواهند فوراً زيرگروه ديگری با همان اندازه را انتخاب‬
‫کنند‪.‬‬
‫هنگام ارزيابي وضعيت فرايند با استفاده از حدود کنترل‪ ،‬احتمال دو نوع خطا وجود دارد‪ .‬خطای نوع اول‬
‫هنگامي رخ ميدهد که فرايند واقعاً در وضعيت کنترل قرار دارد اما نقاط رسم شده‪ ،‬به تصادف‪ ،‬خارج از‬
‫حدود کنترل قرار ميگيرد‪ .‬در نتيجه‪ ،‬نمودار به علت يک نتيجه نادرست‪ ،‬عالمت ميدهد که فرايند خارج از‬
‫کنترل است‪ .‬در اين صورت به منظور تالش برای يافتن علت مشكلي که وجود ندارد‪ ،‬متقبل هزينه ميشويم‪.‬‬
‫خطای نوع دوم هنگامي رخ ميدهد که فرايند تحت کنترل نيست‪ ،‬اما نقاط رسم شده به طور تصادفي داخل‬
‫حدود کنترل قرار ميگيرند‪ .‬در اين مورد‪ ،‬نمودار هيچ عالمتي نميدهد و به اشتباه منجر به اين ميشود که‬
‫فرايند تحت کنترل آماری باشد‪ .‬ممكن است هزينه قابل توجهي به سبب عدم موفقيت در تشخيص اينکه‬
‫تغيير در موقعيت فرايند يا تغييرپذيری آن اتفاق افتاده‪ ،‬و در نتيجه منجر به توليد محصول نامنطبق شده‪،‬‬
‫متقبل شويم‪ .‬خطر رخدادن اين نوع خطا‪ ،‬تابع سه چيز است‪ :‬وسعت حدود کنترل‪ ،‬اندازه نمونه و درجهای‬
‫که فرايند خارج از کنترل است‪ .‬در کل‪ ،‬به علت اينکه ميزان بزرگي تغيير در فرايند نميتواند معلوم شود‪،‬‬
‫خيلي کم ميتوان حدود اندازه واقعي خطر اين نوع خطا را تعيين نمود‪.‬‬
‫از آنجاييکه در حالت کلي‪ ،‬تخمين معناداری از خطر و هزينه خطای نوع دوم در هر موقعيت معيني‬
‫امكانپذير نميباشد‪ ،‬سيستم نمودار کنترلي شوهارت طراحي شده تا اولين نوع خطا را کنترل کند‪ .‬هنگامي‬
‫که فرض نرمال بودن در نظر گرفته شود و حدود کنترل سه سيگما استفاده شود‪ ،‬اندازه اين خطا ‪ 6/3‬درصد‬
‫است‪ .‬به عبارت ديگر‪ ،‬هنگامي که فرايند تحت کنترل باشد‪ ،‬اين خطا فقط سه مرتبه در هر ‪ 1666‬نمونه‬
‫اتفاق ميافتد‪.‬‬
‫در حقيقت‪ ،‬انتخاب حدود ‪ k‬سيگما به جای حدود سه سيگما وابسته به هزينه بررسي و انجام اقدام مناسب‪،‬‬
‫در برابر پيامدهای انجام ندادن هيچ اقدامي است‪.‬‬
‫هنگامي که فرايند در کنترل آماری باشد‪ ،‬نمودار کنترل روشي ارائه ميکند که در برخي موارد مشابه با‬
‫آزمون فرضيه صفر آماری‪ ،‬مبني براين است که به طور پيوسته فرايند تغيير نكرده و در کنترل آماری باقي‬
‫ميماند‪ .‬به اين علت که در مرحله يک‪ ،‬اغلب عدم اطمينان در رابطه با مواردی از قبيل توزيع احتمال‬
‫مشخصه مورد نظر‪ ،‬تصادفي بودن و انحراف مشخص از مشخصه فرايند از مقدار هدف که معموالً با پيشرفت‬
‫فرايند‪ ،‬تعريف نميشود‪ ،‬وجود دارد‪ ،‬نمودار کنترل شوهارت نبايد يک آزمون فرض در موارد ناب در نظر‬
‫گرفته شود‪ .‬والتر شوهارت بر فايده تجربي نمودار کنترل برای تشخيص انحرافات از يک فرايند « در کنترل »‬
‫تأکيد نمود و تأکيدی بر داشتن تفسيرهای احتمالي نكرد‪.‬‬

‫‪3‬‬
‫در بند ‪ 3‬چنين توصيف شده که هنگامي که يک مقدار رسم شده‪ ،‬خارج از حدود کنترل قرار گيرد يا يک‬
‫سری از مقادير‪ ،‬روند نامعمولي را نشان دهد‪ ،‬وضعيت کنترل آماری نميتواند برای مدت طوالني قابل قبول‬
‫باشد‪ .‬هنگامي که چنين اتفاقي رخ دهد‪ ،‬بررسي برای تعيين عوامل قابل تشخيص آغاز و فرايند ممكن است‬
‫متوقف يا تنظيم شود‪ .‬زماني که عامل قابل تشخيص تعيين و حذف شود‪ ،‬فرايند آماده ادامه دادن است‪.‬‬
‫همان طور که در باال بحث شد‪ ،‬در موارد نادر‪ ،‬عامل قابل تشخيص نميتواند پيدا شود و چنين استنتاج‬
‫ميشود که نقطه خارج از حدود‪ ،‬وقوع يک رويداد خيلي نادر يا عامل تصادفي را نشان ميدهد که منجر به‬
‫يک مقدار خارج از حدود کنترل شده و حتي با اين وجود فرايند تحت کنترل است‪.‬‬
‫حدود کنترل ايجاد شده در مرحله يک‪ ،‬حدود کنترل آزمايشي هستند چون آنها بر مبنای دادهها‪ ،‬در زماني‬
‫که فرايند تحت کنترل نبوده‪ ،‬هستند‪ .‬ممكن است اثبات شود که شناسايي عوامل دقيق برای عالئم داده شده‬
‫توسط نمودار کنترل‪ ،‬در اين مرحله به علت فقدان اطالعات در مورد مشخصههای عملياتي تاريخي فرايند‪،‬‬
‫مشكل باشد‪ .‬با اينحال‪ ،‬هنگامي که عوامل خاص انحراف‪ ،‬بتواند شناسايي و اقدام اصالحي انجام شود‪ ،‬هرگاه‬
‫دادههای عطف به ماسبق فرايند‪ ،‬تحت تأثير عامل خاص قرار گيرند‪ ،‬بايد از مالحظات حذف شده و‬
‫پارامترهای نمودار کنترل دوباره تعيين شوند‪ .‬اين رويه تكراری‪ ،‬تا زماني ادامه مييابد که نمودار کنترل‬
‫آزمايشي هيچ عالمتي را نشان ندهد و آن موقع فرايند ميتواند تحت کنترل در نظر گرفته شود و از اين رو‬
‫پايدار و قابل پيشبيني است‪ .‬از آنجاييکه در مرحله يک‪ ،‬برخي دادهها بايد از مالحظات حذف شوند‪ ،‬کاربر‬
‫ممكن است به منظور حفظ قابل اعتماد بودن فرايند‪ ،‬مجبور باشد دادههای اضافهتری از فرايند را به دست‬
‫آورد‪.‬‬
‫از زماني که کنترل آماری برقرار ميشود‪ ،‬خط مرکزی و حدود کنترل نمودار کنترل آزمايشي نهايي که در‬
‫مرحله يک شناسايي شده‪ ،‬به عنوان پارامترهای نمودار کنترل برای ادامه پايش فرايند در نظر گرفته‬
‫ميشوند‪ .‬اکنون هدف در مرحله دوم اين است که عالوه بر شناسايي سريع عوامل خاصي که ممكن است‬
‫دريک فاصله زماني بر فرايند تأثير گذارد‪ ،‬فرايند را در وضعيت کنترل حفظ کنيم‪ .‬بايد بدانيم که ممكن است‬
‫جابجايي از مرحله يک به مرحله دو بسيار زمانبر و مشكل باشد‪ .،‬با اينحال‪ ،‬از آنجاييکه عدم موفقيت برای‬
‫حذف عوامل خاص منجر به اين خواهد شد که انحراف فرايند بسيار باال رود‪ ،‬حياتي است‪ .‬در اين مورد‪،‬‬
‫نمودار کنترل‪ ،‬حدود کنترلي که خيلي گسترده در نظر گرفته شدهاند خواهد داشت‪ ،‬جدای از اين نتيجه که‬
‫نمودار کنترل به قدر کافي حساس به شناسايي عوامل دقيق و خاص نميباشد‪.‬‬
‫جزئيات رويه ايجاد نمودارهای کنترل برای يک فرايند در ادامه بحث ميشود‪.‬‬

‫انواع نمودارهای كنترل‬ ‫‪3‬‬

‫نمودارهای کنترل شوهارت اساساً دو نوع هستند‪ :‬نمودارهای کنترلي مشخصههای کمي و نمودارهای کنترلي‬
‫مشخصههای وصفي‪ .‬برای هريک از نمودارهای کنترل دو موقعيت مشخص وجود دارد‪:‬‬
‫الف هنگامي که هيچ مقدار پارامتر فرايند مفروضي‪ ،‬داده نشده است؛‬
‫ب هنگامي که مقدار پارامتر فرايند مفروض‪ ،‬داده شده است؛‬

‫‪0‬‬
 ‫مقادير فرايند مفروض ممكن است از طريق الزامات يا مقادير هدف‪ ،‬يا از مقادير تخميني پارامترها در طي‬
‫مدت طوالني از زمان تحت کنترل بودن فرايند‪ ،‬تعيين شود‪.‬‬
‫نمودارهای كنترل در جاييكه هیچ مقدار مفروضي‪ ،‬داده نشده است‬ ‫‪2-3‬‬
‫در اينجا هدف اينست که ببينيم آيا مقادير مشاهده شده از مشخصههای رسم شده‪ ،‬نظير ̅ ‪ R ،‬يا هر آماره‬
‫ديگری‪ ،‬در بين خودشان به وسيله يک مقدار بزرگتر از آنچه که بتواند فقط با شانس توصيف شود‪ ،‬تغيير‬
‫ميکنند‪ .‬نمودارهای کنترل فقط با استفاده از دادههای جمعآوری شده از نمونههای حاصل از فرايندها ايجاد‬
‫ميشوند‪ .‬نمودارهای کنترل برای مشخص کردن انحرافاتي که عامل آنها غير تصادفي بوده و با هدف تحت‬
‫وضعيت کنترل آماری درآوردن فرايند استفاده ميشود‪.‬‬
‫نمودارهای كنترل با توجه به اينكه مقادير مفروض‪ ،‬معلوم است‬ ‫‪2-3‬‬
‫هدف اينست که ببينيم که آيا برای چندين زيرگروه از ‪ n‬مشاهده‪ ،‬مقادير مشاهده شده ̅ ‪ s ،‬و از اين قبيل‪،‬‬
‫به ترتيب متفاوت با مقادير مفروض 𝜇‪ σ ،‬و از اين قبيل است‪ .‬به مقدار بيشتر از آنچه که انتظار ميرود‬
‫فقط به سبب عوامل تصادفي به وجود آيد‪ .‬تفاوت بين نمودارها با مقادير پارامتر مفروض و آنهايي که هيچ‬
‫مقدار از پيش تعيين شدهای ندارند‪ ،‬الزامات اضافي مربوط به تعيين موقعيت مرکز و انحراف فرايند است‪.‬‬
‫مقادير مشخص شده ممكن است بر اساس تجربه به دست آمده با استفاده از نمودارهای کنترل بدون هيچ‬
‫اطالعات يا مقادير مشخص شده قبلي باشد‪ .‬همچنين ممكن است برمبنای مقادير اقتصادی ايجادشده‬
‫براساس مالحظات نياز برای خدمت و هزينه توليد يا مقادير اسمي تخصيص يافته توسط مشخصههای‬
‫محصول باشد‪.‬‬
‫ترجيحاً‪ ،‬مقادير مشخص شده بايد از طريق بررسي دادههای اوليهای که فرض ميشود تا خصوصيت همه‬
‫دادههای آينده را داشته باشد ‪ ،‬تعيين شود‪ .‬برای عملكرد مؤثر نمودارهای کنترل‪ ،‬مقادير مشخص شده بايد‬
‫سازگار با تغييرپذيری ذاتي فرايند باشد‪ .‬از نمودارهای کنترل بر مبنای چنين مقادير از پيش تعيين شدهای‬
‫عمالً‪ ،‬در طول عملكرد فرايند استفاده ميشود تا فرايندها را کنترل و محصول يا خدمت را به طور يكنواخت‬
‫در سطح دلخواه حفظ کنند‪.‬‬
‫‪2‬‬
‫انواع نمودارهای كنترل مشخصههای كمي‪ 2‬و مشخصههای وصفي‬ ‫‪5-3‬‬
‫نمودارهای کنترل زير در نظر گرفته ميشوند‪:‬‬
‫الف نمودارهای کنترل مشخصههای کمي‪ ،‬زماني استفاده ميشود که اندازهها در يک مقياس پيوسته باشد‪:‬‬
‫‪ 1‬نمودار ميانگين ̅ و دامنه )‪ (R‬و نمودار انحراف استاندارد )‪ (s‬؛‬
‫‪ 9‬نمودار )‪ (X‬های مجزا و دامنه جابجايي )‪(Rm‬؛‬
‫‪ 3‬نمودار ميانه )̃( و نمودار دامنه )‪.(R‬‬
‫ب نمودارهای کنترل مشخصههای وصفي ‪ ،‬زماني استفاده ميشود که اندازهها قابل شمارش بوده يا دادهها‬
‫طبقهبندی شده باشند‪.‬‬

‫‪1 - Variables‬‬
‫‪2 - Attributes‬‬

‫‪3‬‬
 ‫‪ 1‬نمودار ‪ p‬برای تعداد واحدهای يک طبقهبندی معين در تعداد کل واحدها در نمونه که برحسب نسبت‬
‫يا درصد بيان ميشود؛‬
‫‪ 9‬نمودار ‪ np‬برای تعداد واحدهای يک طبقهبندی معين‪ ،‬جاييکه اندازه نمونه ثابت باشد؛‬
‫‪ 3‬نمودار ‪ c‬برای تعداد وقوع‪ ،‬جاييکه فرصت وقوع ثابت باشد؛‬
‫‪ 2‬نمودار ‪ u‬برای تعداد وقوع در هرواحد‪ ،‬جاييکه فرصت وقوع متغير باشد‪.‬‬
‫شكل ‪ ،9‬فرايند انتخاب يک نمودار کنترل مناسب برای يک موقعيت معين را نشان ميدهد‪.‬‬

‫نمودارهای كنترل مشخصههای كمي‬ ‫‪6‬‬

‫نمودارهای کنترل مشخصههای کمي‪ ،‬يا نمودار برای دادههای متغير‪ ،‬و به خصوص مرسومترين آنها يعني‬
‫نمودار ̅ و ‪ ،R‬کاربرد رايج نمودارهای کنترل را برای کنترل فرايندها نشان ميدهد‪.‬‬
‫نمودارهای کنترل برای مشخصههای کمي‪ ،‬به ويژه‪ ،‬به چند دليل مفيد هستند‪:‬‬
‫الف بيشتر فرايندها و خروجي آنها دارای مشخصههای قابل اندازهگيری هستند‪ ،‬از اينرو دادههای‬
‫متغيرتوليد کرده و بنابراين به طور بالقوه از نظر کاربردی گسترش مييابند‪.‬‬
‫ب ازآنجاييکه اطالعات مشخص در مورد ميانگين و انحراف معيار فرايند به طور مستقيم به دست آمده‬
‫است‪ ،‬نمودارهای مشخصههای کمي آموزندهتر از نمودارهای مشخصههای وصفي هستند‪ .‬نمودارهای‬
‫مشخصههای کمي اغلب عالمت نشانگری در فرايند است قبل از اينكه اقالم نامنطبق توليد شوند‪.‬‬
‫پ اگرچه به دست آوردن يک قلم داده اندازهگيری شده ‪ ،‬معموالً هزينه برتر از به دست آوردن يک قلم داده‬
‫بله يا خيراست‪ ،‬برای يک پايش معادل اثربخش‪ ،‬اندازه های زيرگروههايي که برای مشخصه های کمي نياز‬
‫ميشود‪ ،‬تقريباً هميشه کمتر از اندازه آن برای وصفيهاست‪ .‬اين موضوع به کاهش هزينه بازرسي کل در‬
‫بعضي موارد و برای کوتاه کردن شكاف زماني بين وقوع يک مشكل در فرايند و اقدام اصالحي آن کمک‬
‫ميکند‪.‬‬
‫ت اين نمودارها‪ ،‬ميانگين ديداری فراهم ميکنند تا به طور مستقيم عملكرد فرايند را صرفنظر از مشخصات‪،‬‬
‫ارزيابي کنيم‪ .‬يک نگاه دقيق به نمودارهای مشخصههای کمي ‪ ،‬همراه با بازنگری هيستوگرامها در فواصل‬
‫مناسب‪ ،‬اغلب منجر به ايدهها يا پيشنهاداتي برای بهبود فرايند خواهد شد‪.‬‬
‫برای همه کاربردهای نمودار کنترل مشخصههای کمي در اين استاندارد ملي‪ ،‬فرض ميشود که توزيع‬
‫مشخصههای کيفيت نرمال است وانحراف از اين فرض‪ ،‬بر عملكرد نمودارها اثر خواهد گذاشت‪ .‬عوامل مورد‬
‫استفاده برای پردازش حدود کنترل بااستفاده از فرض نرمال بودن در نظر گرفته شده است‪ .‬از آنجاييکه‬
‫بيشترين حدود کنترلي به عنوان راهنمای تجربي در تصميمگيری استفاده ميشود ‪،‬به طور معقول‪ ،‬انحراف‬
‫کم از وضعيت نرمال نبايد باعث نگراني شود‪ .‬در هرمورد‪ ،‬به دليل تئوری حد مرکزی‪ ،‬حتي هنگامي که‬
‫مشاهدات منفرد موجود نباشد‪ ،‬بازهم ميانگين ها تمايل دارند دارای توزيع نرمال باشند‪ .،‬اين موضوع فرض‬
‫نرمال بودن را در هنگام ارزيابي کنترل برای نمودارها‪ ،‬حتي برای اندازههای نمونه خيلي کم ‪2‬يا ‪ ، 3‬توجيه‬
‫ميکند‪ .‬هنگامي که با مشاهدات منفرد سر و کار داريم با توجه به قابليت اهداف مطالعه‪ ،‬شكل واقعي توزيع‬
‫مهم است‪ .‬کنترلهای دورهای در مورد پيوستگي اعتبار چنين فرضهايي به ويژه برای اطمينان از اين که‬

‫‪3‬‬
 ‫فقط از دادههای يک جامعه منفرد استفاده ميشود‪ ،‬توصيه ميگردد‪ .‬بايد توجه داشت که توزيع دامنهها و‬
‫انحراف استانداردها نرمال نيستند‪ .‬اگرچه‪ ،‬برای محاسبه حدود کنترل برای نمودار دامنه يا انحراف معيار‪،‬‬
‫نرمال بودن در تعيين مقادير ثابت ضرورت دارد‪ ،‬ليكن انحراف کم از نرمال بودن دادههای فرايند‪ ،‬نبايد‬
‫نگراني اصلي در استفاده از اين نمودارها به عنوان يک رويه تصميمگيری تجربي باشد‪.‬‬

‫مشخصههای کمي‬ ‫مشخصههای وصفي‬

‫معيوبها‬ ‫نقصها‬
‫نه‬ ‫اندازه نمونه‬
‫‪n=1‬‬
‫?‬

‫نه‬ ‫نه‬
‫اندازه نمونه ثابت‬ ‫اندازه نمونه ثابت‬

‫بله‬
‫نه‬
‫‪n ≤16‬‬ ‫بله‬ ‫بله‬
‫بله‬

‫اندازهها برحسب‬ ‫اندازهها برحسب‬

‫بله‬ ‫نسبت‬ ‫نسبت‬

‫بله‬
‫نه‬
‫نه‬

‫نمودار ‪c‬‬ ‫نمودار ‪u‬‬

‫نمودار ̅‬ ‫نمودار ̅‬ ‫نمودار دادههای مجزا‬ ‫نمودار ‪p‬‬ ‫نمودار ‪np‬‬

‫شکل ‪ -2‬انواع نمودارهای كنترل‬

‫نمودارهای مشخصههای کمي ميتواند دادههای فرايند را برحسب سرعت (تغييرپذيری فرايند) و موقعيت‬
‫(متوسط فرايند) توصيف کند‪ .‬به اين دليل‪ ،‬نمودارهای کنترل برای مشخصههای کمي تقريباً هميشه به‬
‫صورت زوجي آماده و تحليل ميشوند‪ ،‬يک نمودار برای موقعيت و ديگری برای سرعت‪ .‬از آنجاييکه نمودار‬
‫برای سرعت‪ ،‬اساس و مجوزی برای تخمين انحراف استاندارد فرايند فراهم ميکند‪ ،‬معموالً ابتدا تحليل‬
‫ميشود‪ .‬از نتيجه تخمين انحراف استاندارد فرايند‪ ،‬ميتوان در ايجاد حدود کنترل برای نمودار موقعيت‬
‫استفاده نمود‪.‬‬

‫‪2‬‬
‫هر نمودار ميتواند يا با حدود کنترل تخميني‪ ،‬در مواردی که حدود برمبنای اطالعات به دست آمده از‬
‫دادههای نمونه رسم شده بر روی نمودار است رسم شود‪ ،‬يا با حدود کنترل از پيش تعيين شده برمبنای‬
‫مقادير مشخص پذيرفته شده قابل کاربرد برای اندازههای آماری رسم شده بر روی نمودار‪ ،‬رسم شود‪ .‬از‬
‫برای ميانگين فرايند مشخص يا ‪σ‬‬ ‫انديس صفر (‪ )0‬در جدول ‪1‬و‪ 3‬برای تشخيص مقادير معين‪ ،‬نظير‬
‫برای انحراف استاندارد فرايند مشخص‪ ،‬استفاده شود‪.‬‬
‫در ادامه‪ ،‬به طور معمول از نمودارهای کنترل مشخصههای کمي استفاده ميشود‪.‬‬

‫نمودار میانگین ̅ و نمودار دامنه (‪ ،)R‬يا نمودار میانگین ̅ و نمودار انحراف استاندارد )‪.(s‬‬ ‫‪2-6‬‬
‫از نمودارهای ̅ و ‪ R‬زماني ميتوان استفاده نمود که اندازه نمونه زيرگروه کم يا نسبتاً کم و معموالً کمتر از‬
‫ترجيح دارد‪ ،‬از‬ ‫‪ 16‬باشد‪ .‬نمودارهای ̅ و ‪ s‬به ويژه در مورد اندازه های نمونه زيرگروه بزرگ‬
‫آنجاييکه هرچه اندازه نمونه بزرگتر شود‪ ،‬دامنه برای تخمين انحراف استاندارد فرايند‪ ،‬دارای اثربخشي‬
‫کمتری ميشود‪ .‬زماني که وسايل الكترونيكي در دسترس هستند‪ ،‬برای محاسبه حدود فرايند‪ ،‬انحراف‬
‫استاندارد ترجيح دارد‪.‬‬
‫جدول ‪ 1‬و ‪ 9‬فرمول حدود کنترل و عوامل را برای هريک از اين نمودارهای کنترل مشخصههای کمي نشان‬
‫ميدهد‪.‬‬
‫جدول ‪ -2‬فرمول حدود كنترل برای نمودارهای كنترل متغیرهای شوهارت‬
‫حدود كنترل از پیش تعیین شده‬ ‫حدود كنترل تخمیني‬ ‫آماره‬
‫‪ UCL‬و ‪LCL‬‬ ‫خط مركزی‬ ‫‪ UCL‬و ‪LCL‬‬ ‫خط مركزی‬
‫𝜇‬ ‫𝜎‬ ‫𝜇‬ ‫̿‬ ‫̿ يا ̅‬ ‫̅‬ ‫‪X‬‬ ‫̅‬
‫𝜎‬ ‫𝜎‬ ‫𝜎‬ ‫̅‬ ‫̅‬ ‫̅‬ ‫‪R‬‬
‫𝜎‬ ‫𝜎‬ ‫𝜎‬ ‫̅‬ ‫̅‬ ‫̅‬ ‫‪s‬‬

‫و 𝝈 مقادير مفروض هستند‪.‬‬ ‫يادآوری‪-‬‬

‫نمودار كنترل برای دادههای منفرد )‪ (X‬و نمودار كنترل برای دامنههای جابجايي )‪(Rm‬‬ ‫‪2-6‬‬
‫در برخي موقعيتهای کنترل فرايندکه انتخاب زيرگروههای منطقي قابل تشخيص نبوده‪ ،‬يا غيرممكن و غير‬
‫عملي است‪ ،‬ضروری است فرايند را برمبنای خواندن دادههای منفرد با استفاده از نمودارهای ‪ X‬و ‪ Rm‬ارزيابي‬
‫کنيم‪.‬‬
‫در مورد نمودارهای کنترل برای دادههای منفرد‪ ،‬از آنجاييکه زيرگروههای منطقي وجود ندارد‪ ،‬تا تخميني از‬
‫تغييرپذيری فراهم کنيم‪ ،‬حدود کنترل برمبنای معيار تغيير به دست آمده از دامنههای جابجايي دو مشاهده‬
‫متوالي به دست ميآيد‪ .‬دامنه جابجايي عبارت است از مقدار مطلق تفاوت زوجهای متوالي از اندازهگيریها‬
‫در يک سری‪ ،‬به طورمثال مقدار مطلق تفاوت بين اولين و دومين اندازهگيری‪ ،‬سپس بين دومين و سومين و‬
‫الي آخر‪ .‬از دامنههای جابجايي‪ ،‬متوسط دامنه جابجايي‪ ، ̅ ،‬برای ايجاد نمودارهای کنترل محاسبه شده و‬
‫استفاده ميشود‪ .‬همچنين از کل مجموعه دادهها‪ ،‬متوسط کلي‪ ، ̅ ،‬محاسبه ميشود‪ .‬جدول‪ 3‬فرمول حدود‬
‫کنترل نمودارهای کنترل برای دادههای منفرد و نمودارهای کنترل برای دامنههای جابجايي را نشان ميدهد‪.‬‬

‫‪16‬‬
 ‫جدول ‪ -2‬عاملهای محاسبه خطوط نمودار كنترل‬
‫عاملها برای خط‬
‫عاملها برای حدود كنترل‬
‫مركزی‬
‫با‬ ‫با‬ ‫مشاهدات‬
‫استفاده‬ ‫استفاده‬ ‫نمودار ‪R‬‬ ‫نمودار ‪S‬‬ ‫نمودار ̅‬ ‫در‬
‫*‬ ‫*‬
‫از ‪R‬‬ ‫از ‪S‬‬ ‫زيرگروههای‬
‫‪D2‬‬ ‫‪C4‬‬ ‫‪D4‬‬ ‫‪D3‬‬ ‫‪D2‬‬ ‫‪D1‬‬ ‫‪B6‬‬ ‫‪B5‬‬ ‫‪B4‬‬ ‫‪B3‬‬ ‫‪A3‬‬ ‫‪A2‬‬ ‫‪A‬‬ ‫با اندازه ‪n‬‬
‫‪1/193‬‬ ‫‪6/3232‬‬ ‫‪3/903‬‬ ‫‪-‬‬ ‫‪3/030‬‬ ‫‪-‬‬ ‫‪9/060‬‬ ‫‪-‬‬ ‫‪3/903‬‬ ‫‪-‬‬ ‫‪9/032‬‬ ‫‪1/336‬‬ ‫‪9/191‬‬ ‫‪9‬‬
‫‪1/023‬‬ ‫‪6/3309‬‬ ‫‪9/333‬‬ ‫‪-‬‬ ‫‪2/333‬‬ ‫‪-‬‬ ‫‪9/930‬‬ ‫‪-‬‬ ‫‪9/303‬‬ ‫‪-‬‬ ‫‪1/232‬‬ ‫‪1/693‬‬ ‫‪1/339‬‬ ‫‪3‬‬
‫‪9/632‬‬ ‫‪6/2913‬‬ ‫‪9/939‬‬ ‫‪-‬‬ ‫‪2/023‬‬ ‫‪-‬‬ ‫‪9/633‬‬ ‫‪-‬‬ ‫‪9/900‬‬ ‫‪-‬‬ ‫‪1/093‬‬ ‫‪6/392‬‬ ‫‪1/366‬‬ ‫‪2‬‬
‫‪9/390‬‬ ‫‪6/2266‬‬ ‫‪9/112‬‬ ‫‪-‬‬ ‫‪2/213‬‬ ‫‪-‬‬ ‫‪1/202‬‬ ‫‪-‬‬ ‫‪9/632‬‬ ‫‪-‬‬ ‫‪1/293‬‬ ‫‪6/333‬‬ ‫‪1/329‬‬ ‫‪3‬‬

‫‪9/332‬‬ ‫‪6/2313‬‬ ‫‪9/662‬‬ ‫‪-‬‬ ‫‪3/632‬‬ ‫‪-‬‬ ‫‪1/332‬‬ ‫‪6/692‬‬ ‫‪1/236‬‬ ‫‪6/636‬‬ ‫‪1/933‬‬ ‫‪6/233‬‬ ‫‪1/993‬‬ ‫‪0‬‬
‫‪9/362‬‬ ‫‪6/2322‬‬ ‫‪1/292‬‬ ‫‪6/630‬‬ ‫‪3/962‬‬ ‫‪6/963‬‬ ‫‪1/360‬‬ ‫‪6/113‬‬ ‫‪1/339‬‬ ‫‪6/113‬‬ ‫‪1/139‬‬ ‫‪6/212‬‬ ‫‪1/132‬‬ ‫‪3‬‬
‫‪9/323‬‬ ‫‪6/2036‬‬ ‫‪1/302‬‬ ‫‪6/130‬‬ ‫‪3/363‬‬ ‫‪6/333‬‬ ‫‪1/331‬‬ ‫‪6/132‬‬ ‫‪1/313‬‬ ‫‪6/133‬‬ ‫‪1/622‬‬ ‫‪6/333‬‬ ‫‪1/601‬‬ ‫‪3‬‬
‫‪9/236‬‬ ‫‪6/2023‬‬ ‫‪1/310‬‬ ‫‪6/132‬‬ ‫‪3/322‬‬ ‫‪6/323‬‬ ‫‪1/363‬‬ ‫‪6/939‬‬ ‫‪1/301‬‬ ‫‪6/932‬‬ ‫‪1/639‬‬ ‫‪6/333‬‬ ‫‪1/666‬‬ ‫‪2‬‬
‫‪3/633‬‬ ‫‪6/2393‬‬ ‫‪1/333‬‬ ‫‪6/993‬‬ ‫‪3/202‬‬ ‫‪6/030‬‬ ‫‪1/002‬‬ ‫‪6/930‬‬ ‫‪1/310‬‬ ‫‪6/932‬‬ ‫‪6/233‬‬ ‫‪6/363‬‬ ‫‪6/222‬‬ ‫‪16‬‬

‫‪3/133‬‬ ‫‪6/2332‬‬ ‫‪1/322‬‬ ‫‪6/930‬‬ ‫‪3/333‬‬ ‫‪6/311‬‬ ‫‪1/033‬‬ ‫‪6/313‬‬ ‫‪1/032‬‬ ‫‪6/391‬‬ ‫‪6/293‬‬ ‫‪6/933‬‬ ‫‪6/263‬‬ ‫‪11‬‬
‫‪3/933‬‬ ‫‪6/2330‬‬ ‫‪1/313‬‬ ‫‪6/933‬‬ ‫‪3/322‬‬ ‫‪6/293‬‬ ‫‪1/016‬‬ ‫‪6/320‬‬ ‫‪1/020‬‬ ‫‪6/332‬‬ ‫‪6/330‬‬ ‫‪6/900‬‬ ‫‪6/300‬‬ ‫‪19‬‬
‫‪3/330‬‬ ‫‪6/2322‬‬ ‫‪1/023‬‬ ‫‪6/363‬‬ ‫‪3/023‬‬ ‫‪1/693‬‬ ‫‪1/333‬‬ ‫‪6/332‬‬ ‫‪1/013‬‬ ‫‪6/339‬‬ ‫‪6/336‬‬ ‫‪6/922‬‬ ‫‪6/339‬‬ ‫‪13‬‬
‫‪3/263‬‬ ‫‪6/2316‬‬ ‫‪1/039‬‬ ‫‪6/393‬‬ ‫‪3/020‬‬ ‫‪1/113‬‬ ‫‪1/303‬‬ ‫‪6/322‬‬ ‫‪1/322‬‬ ‫‪6/260‬‬ ‫‪6/313‬‬ ‫‪6/933‬‬ ‫‪6/369‬‬ ‫‪12‬‬
‫‪3/239‬‬ ‫‪6/2393‬‬ ‫‪1/033‬‬ ‫‪6/323‬‬ ‫‪3/326‬‬ ‫‪1/963‬‬ ‫‪1/322‬‬ ‫‪6/291‬‬ ‫‪1/339‬‬ ‫‪6/293‬‬ ‫‪6/332‬‬ ‫‪6/993‬‬ ‫‪6/333‬‬ ‫‪13‬‬

‫‪3/339‬‬ ‫‪6/2333‬‬ ‫‪1/033‬‬ ‫‪6/303‬‬ ‫‪3/339‬‬ ‫‪1/939‬‬ ‫‪1/390‬‬ ‫‪6/226‬‬ ‫‪1/339‬‬ ‫‪6/223‬‬ ‫‪6/303‬‬ ‫‪6/919‬‬ ‫‪6/336‬‬ ‫‪10‬‬
‫‪3/333‬‬ ‫‪6/2323‬‬ ‫‪1/099‬‬ ‫‪6/333‬‬ ‫‪3/396‬‬ ‫‪1/330‬‬ ‫‪1/311‬‬ ‫‪6/233‬‬ ‫‪1/332‬‬ ‫‪6/200‬‬ ‫‪6/332‬‬ ‫‪6/963‬‬ ‫‪6/393‬‬ ‫‪13‬‬
‫‪3/026‬‬ ‫‪6/2332‬‬ ‫‪1/062‬‬ ‫‪6/321‬‬ ‫‪3/330‬‬ ‫‪1/292‬‬ ‫‪1/220‬‬ ‫‪6/233‬‬ ‫‪1/313‬‬ ‫‪6/239‬‬ ‫‪6/313‬‬ ‫‪6/122‬‬ ‫‪6/363‬‬ ‫‪13‬‬
‫‪3/032‬‬ ‫‪6/2309‬‬ ‫‪1/320‬‬ ‫‪6/262‬‬ ‫‪3/332‬‬ ‫‪1/232‬‬ ‫‪1/233‬‬ ‫‪6/226‬‬ ‫‪1/363‬‬ ‫‪6/223‬‬ ‫‪6/023‬‬ ‫‪6/133‬‬ ‫‪6/033‬‬ ‫‪12‬‬
‫‪3/333‬‬ ‫‪6/2302‬‬ ‫‪1/333‬‬ ‫‪6/213‬‬ ‫‪3/291‬‬ ‫‪1/322‬‬ ‫‪1/236‬‬ ‫‪6/362‬‬ ‫‪1/226‬‬ ‫‪6/316‬‬ ‫‪6/036‬‬ ‫‪6/136‬‬ ‫‪6/031‬‬ ‫‪96‬‬

‫‪3/333‬‬ ‫‪6/2330‬‬ ‫‪1/333‬‬ ‫‪6/293‬‬ ‫‪3/231‬‬ ‫‪1/060‬‬ ‫‪1/232‬‬ ‫‪6/310‬‬ ‫‪1/233‬‬ ‫‪6/393‬‬ ‫‪6/003‬‬ ‫‪6/133‬‬ ‫‪6/033‬‬ ‫‪91‬‬
‫‪3/312‬‬ ‫‪6/2339‬‬ ‫‪1/303‬‬ ‫‪6/233‬‬ ‫‪3/232‬‬ ‫‪1/006‬‬ ‫‪1/223‬‬ ‫‪6/393‬‬ ‫‪1/200‬‬ ‫‪6/332‬‬ ‫‪6/023‬‬ ‫‪6/103‬‬ ‫‪6/026‬‬ ‫‪99‬‬
‫‪3/333‬‬ ‫‪6/2333‬‬ ‫‪1/333‬‬ ‫‪6/223‬‬ ‫‪0/660‬‬ ‫‪1/311‬‬ ‫‪1/233‬‬ ‫‪6/332‬‬ ‫‪1/233‬‬ ‫‪6/323‬‬ ‫‪6/033‬‬ ‫‪6/109‬‬ ‫‪6/092‬‬ ‫‪93‬‬
‫‪3/323‬‬ ‫‪6/2329‬‬ ‫‪1/323‬‬ ‫‪6/239‬‬ ‫‪0/639‬‬ ‫‪1/332‬‬ ‫‪1/292‬‬ ‫‪6/322‬‬ ‫‪1/223‬‬ ‫‪6/333‬‬ ‫‪6/012‬‬ ‫‪6/133‬‬ ‫‪6/019‬‬ ‫‪92‬‬
‫‪3/231‬‬ ‫‪6/2320‬‬ ‫‪1/321‬‬ ‫‪6/232‬‬ ‫‪0/630‬‬ ‫‪1/363‬‬ ‫‪1/296‬‬ ‫‪6/332‬‬ ‫‪1/233‬‬ ‫‪6/303‬‬ ‫‪6/060‬‬ ‫‪6/133‬‬ ‫‪6/066‬‬ ‫‪93‬‬
‫توصیه نميشود‪.‬‬ ‫*برای اندازه نمونه‬

‫باتوجه به نمودارهای کنترل برای دادههای منفرد‪ ،‬بايد به برخي نكات توجه کرد‪:‬‬
‫الف نمودارها برای دادههای منفرد به اندازه نمودارهای برمبنای زيرگروهها حساس به تغييرات فرايند‬
‫نيستند‪.‬‬
‫اگر توزيع فرايند نرمال نباشد‪ ،‬در تفسير نمودارها برای دادههای منفرد‪ ،‬بايد مراقبت شود‪.‬‬ ‫ب‬

‫‪11‬‬
‫نمودارها برای دادههای منفرد‪ ،‬تغييرپذيری فرايند را از متوسط تفاوت متوالي بين مشاهدات مجزا‬ ‫پ‬
‫ميکند‪ .‬و بدين ترتيب داللت بر اين دارد که دادهها برحسب زمان مرتب شدهاند و اينکه هيچ تغيير‬
‫معناداری در فرايند در بين مجموعهای از هر دو داده منفرد متوالي واقع نشده است‪ .‬اگر خط توليد در بين‬
‫راه متوقف شود‪ ،‬غيرمنطقي است که به طور مثال‪ ،‬دادهها را از دو رشته ناپيوسته از توليد يک بسته محصول‬
‫شيميايي جمع آوری کرده و يک دامنه تغيير بين آخرين بسته از رشته اول و اولين بسته از رشته بعدی‬
‫محاسبه کنيم‪.‬‬
‫جدول ‪ -5‬فرمول حدود كنترل برای نمودارهای كنترل برای دادههای منفرد‬

‫حدود كنترل از پیش تعیین شده‬ ‫حدود كنترل تخمیني‬ ‫آماره‬

‫‪ UCL‬و ‪LCL‬‬ ‫خط مرکزی‬ ‫‪ UCL‬و ‪LCL‬‬ ‫خط مرکزی‬
‫𝜇‬ ‫𝜎‬ ‫𝜇‬ ‫̅‬ ‫̅‬ ‫̅‬ ‫دادههای منفرد‪X ،‬‬
‫𝜎‬ ‫‪0‬‬ ‫𝜎‬ ‫̅‬ ‫‪0‬‬ ‫̅‬ ‫دامنه جابجايي‪،‬‬

‫يادآوری‪ 𝜇 -2‬و 𝝈 مقادير از پيش تعيين شده هستند‬

‫يادآوری‪ ، ̅ -2‬متوسط دامنه جابجايي دو مشاهده را معين ميکند‪.‬‬

‫نمودارهای كنترل برای میانهها ) ̃ (‬ ‫‪5-6‬‬

‫نمودارهای ميانه‪ ،‬نوع ديگر نمودارهای ̅ برای کنترل موقعيت فرايندها در زماني است که بخواهيم تأثير‬
‫مقادير کرانگي‪ 1‬در يک زيرگروه را کاهش دهيم‪ .‬اين نوع نمودار ميتواند برای زيرگروههای ايجادشده از‬
‫اندازههای نمونههايي با تغييرات خيلي باال و بسيار مكانيزه از قبيل اندازهگيری کشش‪ ،‬به کار رود‪ .‬نمودارهای‬
‫ميانه از نظر استفاده آسان بوده و نياز به محاسبات زيادی‪ ،‬به ويژه برای زيرگروههای با اندازه کوچک که‬
‫دارای تعداد مشاهدات فرد باشد‪ ،‬ندارد‪ .‬اين ميتواند پذيرش کارگران کارخانه از رويكرد نمودار کنترل را‬
‫حتي بيشتر از هنگامي که مقادير منفرد در زيرگروه همراه با ميانه آنها بر روی همان نمودار رسم شوند‪،‬‬
‫افزايش دهد‪ .‬نمودار همچنين سرعت خروجي فرايند و تصوير پيوستهای از انحرافات فرايند را نشان ميدهد‪.‬‬
‫بايد توجه داشت که نمودار ميانه‪ ،‬به طور حاشيهای پاسخ آهستهتر به شرايط خارج از کنترل نسبت به‬
‫نمودار ̅ ميدهد‪.‬‬
‫حدود کنترل برای نمودارهای ميانه به دو روش محاسبه ميشود‪ :‬با استفاده از ميانه ميانههای زيرگروهها و‬
‫ميانه دامنهها و يا با استفاده از متوسط ميانههای زيرگروهها و متوسط دامنهها‪ .‬در اين استاندارد‪ ،‬فقط رويكرد‬
‫دوم که آسانتر ومناسبتراست‪ ،‬مدنظر قرار ميگيرد‪.‬‬
‫حدود کنترل به طريق زير محاسبه ميشوند‪.‬‬

‫‪1 - Extreme‬‬

‫‪19‬‬
 ‫نمودار میانه‬ ‫‪2-5-6‬‬
‫خط مرکزی= ̃ = متوسط ميانه های زيرگروه‬
‫̃̅‬
‫̃̅‬ ‫̅‬

‫̃̅‬
‫̃̅‬ ‫̅‬

‫مقادير ثابت ‪ A4‬در جدول ‪ 2‬آمده است‪.‬‬

‫جدول ‪ -4‬مقادير ‪A4‬‬

‫‪16‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪n‬‬

‫‪6/309‬‬ ‫‪6/219‬‬ ‫‪6/233‬‬ ‫‪6/363‬‬ ‫‪6/323‬‬ ‫‪6/021‬‬ ‫‪6/320‬‬ ‫‪1/133‬‬ ‫‪1/336‬‬ ‫‪A4‬‬

‫نمودار دامنه‬ ‫‪2-5-6‬‬

‫نمودار دامنه به همان روش نمودار ̅ و ‪ R‬در بند ‪ 1-0‬ايجاد ميشود‪.‬‬

‫رويه كنترل و تفسیر برای نمودارهای كنترل مشخصههای كمي‬ ‫‪2‬‬

‫سيستم شوهارت نمودارها تصريح ميکند که اگر موقعيت فرايند و تغييرپذيری فرايند در سطح فعلي خود‬
‫ثابت باقي بماند‪ ،‬آمارههای رسم شده به طور منفرد ( به طور مثال‪ R ،̅ :‬و ‪ )s‬فقط به طور تصادفي تغيير‬
‫کرده و به ندرت خارج از حدود کنترل قرار ميگيرد‪ .‬به عالوه‪ ،‬هيچ روند يا الگويي در دادهها‪ ،‬به غير از آنچه‬
‫به تصادف اتفاق ميافتد ديده نميشود‪ .‬نمودارها برای موقعيت نشان ميدهد که ميانگين فرايند کجا واقع‬
‫شده و اينكه آيا فرايند با توجه به ميانگين ثابت است يا نه‪ .‬به طور مثال‪ ،‬نمودار ̅‪ ،‬تفاوت بين انحراف‬
‫زيرگروهها در طول زمان را مشخص کرده و برای مشخص کردن انتقال در ميانگين بين زيرگروه ها طراحي‬
‫ميشود‪ .‬نمودار ‪ R‬يا ‪ s‬انحراف داخل زيرگروهها را در يک زمان معين آشكار کرده و برای مشخص کردن‬
‫تغييرات در انحرافات فرايند طراحي ميشود‪ .‬نمودار ‪ R‬يا ‪ s‬بايد قبل از اينکه نمودار موقعيت تفسير شود‬
‫تحت کنترل باشد‪ .‬رويه کنترلي زير برای نمودارهای ̅ و ‪( s‬يا ‪ )R‬به کار ميرود‪ .‬يک رويه مشابه ميتواند‬
‫برای ساير نمودارهای کنترلي شامل نمودار دادههای منفرد (‪ )X‬در جايي که زيرگروههای منطقي مناسبي‬
‫وجود ندارد‪ ،‬استفاده شود‪.‬‬
‫جمعآوری دادههای اولیه‬ ‫‪2-2‬‬
‫زيرگروههای منطقي اوليه را از فرايند تحت شرايط عمليات استاندارد جمع آوری کنيد (به بند ‪ 3-11‬رجوع‬
‫شود)‪( s .‬يا ‪ )R‬هر زيرگروه را محاسبه کنيد‪ .‬متوسط آمارههای زيرگروه ( ̅ يا ̅ ) را محاسبه کنيد‪ .‬معموالً‬
‫حداقل ‪ 93‬زيرگروه اوليه در نظر گرفته ميشود تا از تخمين های قابل اعتماد ( ̅ يا ̅ ) تغييرات فرايند و‬
‫توالي حدود کنترل اطمينان يابيم‪.‬‬
‫بررسي‪ 2‬نمودار ‪( s‬يا ‪)R‬‬ ‫‪2-2‬‬
‫دنباله خط مرکزی و حدود کنترل نمودار ‪( s‬يا ‪ )R‬را محاسبه کرده و ترسيم کنيد‪ .‬نقاط دادهها را در مقابل‬

‫‪1- Examine‬‬

‫‪13‬‬
‫حدود کنترل دنباله برای نقاط خارج از حدود کنترل يا برای الگوها يا روندهای غيرمعمول‪ ،‬بررسي کنيد‪.‬‬
‫برای هر چنين عالمتي بر روی نمودار‪ ،‬تحليلي از عمليات فرايند به منظور تالش برای شناسايي و حذف‬
‫عوامل قابل تشخيص انجام دهيد‪.‬‬

‫يادآوری ‪ -2‬توزيعهای نمونه گيری ‪ s‬و ‪ R‬هردو در مورد مقدار ميانگين نامتقارن هستند‪ .‬با اين حال‪ ،‬برای سادهسازی و آساني‬
‫در ايجاد نمودار ‪ R‬و ‪ ، s‬حدود متقارن سه سيگما تا حد زيادی پذيرفته شده است‪ .‬هنگامي که حد پاييني محاسبه شده دارای‬
‫مقدار منفي باشد از حد کنترل پاييني صفر استفاده ميشود‪.‬‬

‫يادآوری ‪ -2‬اگر شخص نتواند عامل مشخصي برای نقطه ای که خارج از کنترل رسم شده شناسايي کند‪ ،‬شخص بايد نقطه را‬
‫در محاسبه حدود کنترل حفظ کند‪.‬‬

‫حذف عوامل مشخص و اصالح نمودار‬ ‫‪5-2‬‬

‫همه زيرگروههايي که تحت تأثير عوامل قابل تشخيص شناسايي شده قرار گرفتهاند را خارج سازيد‪ ،‬سپس‬
‫مجدداً خط مرکزی و حدود کنترل اصالح شده را محاسبه کرده و ترسيم کنيد‪ .‬نمودار را بررسي کنيد تا‬
‫تعيين کنيد که آيا همه نقاط داده باقيمانده در مقايسه با حدود اصالح شده‪ ،‬کنترل آماری را نشان ميدهند‪.‬‬
‫در صورت لزوم شناسايي يا محاسبه مجدد را تكرار کنيد‪.‬‬
‫يادآوری – اطمينان يابيد که حداقل ‪ 9/3‬زيرگروهها باقي ميماند‪ .‬در صورت لزوم زيرگروههای اضافي را جمعآوری کنيد‪.‬‬

‫بررسي نمودار ‪X‬‬ ‫‪4-2‬‬

‫از آنجاييکه انحراف استانداردها (يا دامنهها) تحت کنترل آماری هست‪ ،‬تغييرپذيری فرايند (انحراف داخل‬
‫زيرگروه) ثابت در نظر گرفته ميشود‪ .‬آنگاه متوسطها ميتواند برای بررسي اينکه آيا موقعيت مرکزيت‬
‫فرايند با گذشت زمان تغيير ميکند‪ ،‬تحليل شود‪ .‬خط مرکزی و حدود کنترل نمودار ̅ را محاسبه کرده و‬
‫رسم کنيد‪ .‬مسير (نقاط) دادهها را در برابر حدود کنترل برای نقاط خارج از حدود کنترل يا برای الگوها يا‬
‫روندهای غيرمعمول امتحان کنيد‪ .‬هريک از نقاط خارج از کنترل را در جاييکه عوامل قابل تشخيص‬
‫شناسايي ميشوند ‪ ،‬کنار گذاشته‪ 1‬و خط مرکزی و حدود کنترل بازنگری شده را مجددا محاسبه کرده و‬
‫ترسيم کنيد‪ .‬کنترل کنيد که ايا هنگام مقايسه با حدود بازنگری شده‪ ،‬همه نقاط دادهها کنترل آماری را‬
‫نشان ميدهند يا خير‪ ،‬اگر الزم است‪ ،‬شناسايي و يا محاسبه مجدد را به توالي تكرار کنيد‪.‬‬
‫هر زيرگروهي که از ساختار نمودار ‪ s‬يا (‪ )R‬خارج شود‪ ،‬بايد از ساختار نمودار ̅ نيز جدا شود‪.‬‬

‫يادآوری‪ -2‬خارج نمودن زيرگروههايي که نشان دهنده شرايط خارج از کنترل هستند برای اينست که اطمينان يابيم که حدود‬
‫کنترلي که محاسبه ميشوند‪ ،‬فقط انعكاس دهنده تغييرات به سبب عوامل تصادفي هستند‪.‬‬

‫يادآوری‪ -2‬برای کمک به بررسيها و ارائه مدرك اساسي که نشان دهنده رفتار فرايند است‪ ،‬نبايد نقاط خارج از موقعيتهای‬
‫کنترل حذف شده برای تعيين حدود کنترل را از نمودار رسم شده‪ ،‬خارج نمود‪.‬‬

‫‪1 - Exclude‬‬

‫‪12‬‬
 ‫پايش مداوم فرايند‬ ‫‪3-2‬‬
‫هنگامي که کنترل آماری برقرار ميشود به طوری که ديگر هيچ عالمت (اخطاری) روی نمودار وجود ندارد‪،‬‬
‫اين حدود کنترل بازنگری شده بايد برای پايش مداوم آينده فرايند‪ ،‬پذيرفته شود‪ .‬از آنجايي که نشان داده‬
‫شده که فرايند تحت وضعيت کنترل آماری است‪ ،‬نيازی به تغيير حدود کنترل به عنوان زيرگروههای اضافي‬
‫به دست آمده در اين مرحله پايش نيست‪ .‬با اينحال‪ ،‬شخص ممكن است بخواهد تا حدود کنترل را در يک‬
‫فاصله زماني‪ ،‬يا هنگامي که هيچ تغييری در فرايند وجود ندارد‪ ،‬به روز کند‪.‬‬
‫در مواقعي که اخطار(عالمتي) روی نمودار ديده شده و علت قابل تشخيصي شناسايي شود‪ ،‬حذفي که‬
‫تغييرات اساسي را الزام کرده بايد در فرايند ايجاد شود‪ ،‬ممكن است که رويه شناسايي يا محاسبه مجدد‬
‫مطرح شده در بند ‪ 1-3‬تا ‪ 2-3‬برای برقراری مجدد فرايند کنترل الزام شود‪.‬‬

‫آزمونهای روند برای موارد قابل تشخیص انحراف‬ ‫‪8‬‬

‫الگوهای نظاممند يا غيرتصادفي در مورد نمودار کنترل ميتواند جابجاييهای کمتری را در ميانگين فرايند يا‬
‫تغييرپذيری فرايند نشان دهد‪ .‬اين الگوها ممكن است به اندازه کافي بزرگ نباشند تا خودشان را به سرعت به‬
‫عنوان نقاط خارج از حدود کنترل نشان دهند‪ .‬تحليلگر بايد مواظب هرگونه الگوی نقاطي روی نمودار باشد‪،‬‬
‫که ميتواند تأثير عوامل قابل تشخيص در فرايند را نشان دهد‪ .‬مجموعهای از آزمونهای روند که برای تفسير‬
‫الگوها در نمودار شوهارت ̅ و نمودار ‪ X‬ميتواند استفاده شود‪ ،‬به طور قياسي در شكل ‪ 3‬نشان داده شده است‪.‬‬

‫يادآوری‪ -2‬برخي صنايع ممكن است از آزمونهای روند متفاوتي استفاده کنند‪.‬‬

‫يادآوری‪ -2‬در رابطه با نمودارهای ‪ c ،np،p‬و ‪ u‬که حد کنترل پاييني با صفر تنظيم شده‪ ،‬نميتوان سه ناحيه يک سيگما (سه‬
‫سيگما) را زير خط مرکزی ايجاد نمود‪.‬‬

‫‪ -2‬مسیر‪ -‬هفت يا بیشتر از هفت نقطه متوالي در يك سمت‬ ‫‪ -2‬يك يا چند نقطه خارج از ناحیه ‪ A‬قرار گرفتهاند (خارج از حدود‬
‫خط مركزی قرار گرفتهاند‬ ‫كنترل)‬

‫‪ -4‬هیچ الگوی غیر تصادفي واضحي وجود ندارد‬ ‫‪ -5‬روند‪ -‬هفت نقطه متوالي به طور كامالً افزايشي يا كاهشي‬

‫شکل ‪ -5‬مثالهايي از آزمونهای روند برای عوامل قابل تشخیص‬

‫‪13‬‬
‫با هدف به کاربردن اين آزمونها‪ ،‬نمودار کنترل به طور معادل به سه ناحيه ‪ B ،A‬و ‪ C‬روی هرگوشه از خط‬
‫مرکزی‪ ،‬و با وسعت يک سيگما برای هر ناحيه تقسيم ميشود‪ .‬اين تقسيمبندی کار را برای محقق آسان‬
‫ميکند تا الگويي را پيدا کند که انحراف از يک فرايند پايدار را دور ميکند‪ .‬به طور مثال‪ ،‬هنگامي که چنين‬
‫تقسيم بندی هايي به کار مي رود‪ « ،‬الگوهای غير تصادفي مشهود » آزمون ‪ 2‬ميتواند با سهولت بيشتری‬
‫مشخص شود‪ .‬ما انتظار داريم در يک فرايند پايدار‪ ،‬حدود دو يا سه نقطه رسم شده در ناحيه ‪ C‬قرار گيرد‪.‬‬
‫اگر اساساً‪ ،‬کمتر از دو ياسه نقطه رسم شده در ناحيه ‪ C‬قرار گيرد‪ ،‬همانطور که در آزمون ‪ 2‬از شكل ‪3‬‬
‫نشان داده شده‪ ،‬شخص بايد نگران چنين الگوی غيرتصادفي در طرح رسمشده باشد‪ .‬از چنين الگويي برای‬
‫بررسي بيشتر فرايندها برای عوامل قابل تشخيص بالقوه‪ ،‬استفاده ميشود در ادامه عالئم عمومي برای چهار‬
‫آزمون شكل ‪ 3‬ارائه ميشود‪.‬‬
‫الف آزمون‪ 1‬عالمت وجود شرايط خارج از کنترل است‪.‬‬
‫آزمون ‪ 9‬عالمت اين است که ميانگين يا تغييرپذيری فرايند از خط مرکزی انتقال پيدا کرده است‪.‬‬ ‫ب‬
‫آزمون ‪ 3‬عالمت روند خطي نظاممند در فرايند است‪.‬‬ ‫پ‬
‫آزمون ‪ 2‬عالمت عدم انطباق يا الگوی دورهای در فرايند است‪.‬‬ ‫ت‬
‫برای بحث کاملتر اين آزمونها‪ ،‬به نلسون ال‪.‬اس (‪ ]9[)1232‬و نلسون ال‪ .‬اس (‪ ]3[ )1233‬مراجعه شود‪ .‬در‬
‫پيوست ب مثالهايي از اين مورد ارائه شده است‪.‬‬
‫به يک فرايند با توالي از نقاط روی نمودار که يک يا چند قاعده آزمون را نقض ميکند‪ ،‬خارج از کنترل گفته‬
‫شده‪ ،‬و علل معين انحراف آن بايد تشخيص داده شده و اصالح شود‪ .‬انجام اين قواعد آزمون تكميلي‪ ،‬توانايي‬
‫نمودار کنترل برای تشخيص انتقالهای پايينتر در ميانگين فرايند را‪ ،‬با هزينه نرخ هشدار باالتر بهبود‬
‫ميدهد‪ .‬اگر برای نمودار ̅ يا ‪ X‬شوهارت‪ ،‬آزمونهای روند شماره يک تا سه به طور همزمان به کار برده‬
‫شود‪ ،‬نرخ هشدار نادرستي در حدود ‪ 16‬د ر ‪ 1666‬دارد‪ ،‬در مقايسه‪ ،‬هنگامي که فقط اولين تست به کار رود‪،‬‬
‫نرخ هشدار سه در هزار خواهد بود‪.‬‬

‫كنترل فرايند‪ ،‬قابلیت فرايند‪ ،‬و بهبود فرايند‬ ‫‪3‬‬

‫وظيفه سامانه کنترل فرايند اين است که عالئم آماری مجزا کننده عوامل انحراف غيرقابل تشخيص را از‬
‫عوامل انحراف قابل تشخيص ارائه دهد‪ ،‬به طوری که فقط انحراف غير قابل تشخيص موجود‪ ،‬باقي ميماند‪.‬‬
‫حذف نظاممند عوامل قابل تشخيص انحرافات مفرط به واسطه تالشهای معين و پيوسته برای حذف عوامل‪،‬‬
‫فرايند را در وضعيت کنترل آماری قرار ميدهد‪ .‬زماني که فرايند در وضعيت کنترل آماری باشد‪ ،‬عملكرد آن‬
‫قابل پيش بيني است و قابليت آن برای تأمين مشخصات ميتواند ارزيابي شود‪ .‬از آن جاييکه پيشبيني‬
‫اساس مديريت است‪ ،‬توانايي برای شناخت اينکه بدانيم چه انتظار داريم‪ ،‬برحسب عملكرد فرايند به طور‬
‫سازگارتر‪ ،‬قايل پيش بينيتر و قابل اعتمادتر‪ ،‬ارزشمند است‪.‬‬
‫قابليت فرايند توسط انحراف کل که حاصل عوامل رايج است‪ ،‬تعيين ميشود ‪ -‬حداقل انحرافي که ميتواند‬
‫بعد از حذف همه عوامل قابل تشخيص به دست آيد‪ .‬همان طور که شرح داده شد‪ ،‬هنگامي که فرايند در يک‬
‫وضعيت کنترل آماری عمل ميکند قابليت فرايند‪ ،‬عملكرد فرايند را به تنهايي نشان ميدهد‪( ،‬به مجموعه‬

‫‪10‬‬
‫استانداردهای ‪ ISO 22514‬رجوع شود)‪ .‬به عالوه‪ ،‬قبل از اينکه قابليت فرايند را بتوان ارزيابي کرد‪ ،‬بايد تحت‬
‫کنترل آماری آورده شود‪ .‬بدين ترتيب‪ ،‬ارزيابي قابليت فرايند‪ ،‬پس از آن آغاز ميشود که موضوعات کنترل در‬
‫هر دو نمودار ̅ و ‪ R‬حل شوند‪ .‬اين موضوعات عبارتند از اينکه عوامل خاص شناسايي‪ ،‬تحليل‪ ،‬اصالح و از‬
‫رخداد مجدد آنها جلوگيری شود و نمودارهای کنترل در حال پيشرفت‪ ،‬فرايندی که در کنترل آماری باقي‬
‫مانده را ترجيحاً‪ ،‬برای حداقل ‪ 93‬زيرگروه قبلي‪ ،‬منعكس ميکند‪ .‬به طور کلي به منظور اينکه ببينيم که آيا‬
‫مشخصهها ميتواند به طور مداوم برآورده شود‪ ،‬توزيع خروجي فرايند با مشخصههای مهندسي مقايسه‬
‫ميشود‪ .‬قابليت فرايند‪ ،‬معموالً برحسب شاخص قابليت فرايند ‪ Cp‬و ‪ Cpk‬اندازهگيری ميشود‪( .‬به مجموعه‬
‫استانداردهای ‪ ISO 22514‬رجوع شود)‪ .‬مقدار ‪ Cp‬کمتر از يک نشاندهنده عدم قابليت فرايند است و مقدار‬
‫‪ Cp =1‬نشاندهنده قابليت فرايند‪ ،‬تنها در آن لحظه است‪ .‬در عمل‪ ،‬مقدار ‪ Cp‬برابر با ‪ 1/33‬معموالً به عنوان‬
‫حداقل مقدار پذيرش به طور کامل در نظر گرفته ميشود‪ ،‬از آنجاييکه هميشه برخي انحرافات نمونهگيری‬
‫وجود دارد و فرايندهای کمي هميشه و به طور مداوم در کنترل آماری قرار دارند‪.‬‬
‫با اينحال بايد توجه داشت که سنجه ‪ Cp‬فقط ارتباط حدود را با گستره فرايند‪ ،‬اندازهگيری ميکند و‬
‫موقعيت يا مرکزيت فرايند در نظر گرفته نميشود‪ .‬اين احتمال وجود دارد که درصدی مقادير خارج از حدود‬
‫مشخصات را با مقدار ‪ Cp‬بااليي داشته باشيم‪ .‬به اين دليل‪ ،‬مهم است تا فاصله مقياسبندی شده بين متوسط‬
‫فرايند و نزديکترين حد مشخصه را در نظر بگيريم‪.‬‬
‫از منظر بحث فوق‪ ،‬يک رويه‪ ،‬همانطور که به صورت طرحواره‪ 1‬در شكل ‪ 2‬نشان داده شده‪ ،‬ميتواند به عنوان‬
‫راهنمايي برای توضيح مراحل کليدی که منجر به کنترل فرايند‪ ،‬قابليت و بهبود آن ميشود‪ ،‬استفاده شود‪.‬‬
‫حداقل الزامات قابليت مشخص شده‪ ،‬براساس مذاکرات بين تأمين کننده و مشتری تعيين ميشود‪.‬‬

‫نمودارهای كنترل مشخصههای وصفي‬ ‫‪21‬‬

‫مشخصههای وصفي‪ ،‬مشاهدات به دست آمده را با توجه به وجود يا عدم وجود برخي مشخصهها (يا‬
‫ويژگيها) در هر واحد در زيرگروه تحت مالحظه نشان ميدهد و آنگاه شمارش ميکند که چند تا از‬
‫واحدها‪ ،‬مشخصهها را برآورده کرده يا نكرده‪ ،‬يا چندتا از چنين وقايعي در واحد‪ ،‬گروه يا ناحيه رخ ميدهد‪ .‬به‬
‫دست آوردن مشخصههای وصفي‪ ،‬سريع وکم هزينه است و اغلب نياز به مهارت جمعآوری خاصي ندارد‪.‬‬
‫جدول ‪ 3‬فرمول حدود کنترل را برای نمودارهای کنترل مشخصههای وصفي‪ ،‬نشان ميدهد‪.‬‬
‫توجه بيشتری در استفاده از مشخصههای کمي برای بهبود فرايند وجود دارد‪ ،‬اما دادههای بازگشتي از صنايع‬
‫اصلي نشان ميدهد که بيش از ‪ 36‬درصد مسائل کيفيت در طبيعت‪ ،‬وصفي هستند‪ .‬بنابراين‪ ،‬الزم است بر‬
‫بهبود مشخصههای وصفي با استفاده از نمودارهای کنترل‪ ،‬تأکيد بيشتری شود‪.‬‬

‫‪1- Schematically‬‬

‫‪13‬‬

‫‪ -‬وجود عوامل قابل تشخيص‬
‫‪ -‬نقاط خارج از حدود کنترل‬
‫‪ -‬وجود مسير‪ ،‬روند‪ ،‬چرخش‬
‫و ‪...‬‬
‫عوامل قابل‬
‫تشخيص را حذف‬
‫فرايند قابليت ندارد‬
‫‪ -‬فرايند را بهبود دهيد‬
‫‪ -‬ساخت محصول را متوقف‬
‫کنيد‬
‫‪ -‬آنچه که هست را قبول کرده‬
‫و ‪ %166‬رتبه بندی را انجام‬
‫دهيد‬
‫‪ -‬مشخصات را تغيير دهيد‬
‫خروجي فرايند‬
‫‪ 93 -‬نمونه ‪ 2‬يا ‪ 3‬تايي را جمعآوری‬
‫کنيد‬
‫با نمودارهای کنترل ( ̅ و ‪) R‬‬
‫‪ -‬خط مرکزی و حدود کنترل را‬
‫ارزيابي کنيد‬
‫محاسبه کنيد‬
‫‪ -‬نمودار را رسم کرده و امتحان کنيد‬
‫‪ -‬نقاط به طور تصدفي در اطراف‬
‫خط مرکزی پراکنده شدهاند‬
‫فرايند تحت کنترل‬ ‫فرايند تحت کنترل‬ ‫‪ -‬نقاط داخل حدود کنترل هستند‬
‫آماری نيست‬ ‫آماری است‬ ‫‪ -‬هيچ مسير‪ ،‬روند يا الگويي وجود‬
‫ندارد‬
‫‪ -‬فرايند پايدار و قابل پيشبيني‬
‫است‬
‫قابليت فرايند را‬
‫‪ σ‬را محاسبه کنيد‪ σ ،‬را از‬
‫ارزيابي کنيد‬
‫̅ تخمين‬ ‫̅ يا از‬
‫کنيد‬
‫بزنيد‬
‫را محاسبه کنيد‬
‫فرايند قابليت دارد‬
‫سرعت فرايند ممكن است معادل با‬
‫سرعت مشخصات باشد اما واحدهای‬
‫برای مرکز فرايند‬ ‫منفرد ممكن است خارج از حدود‬
‫کنترل کنيد‬ ‫مشخصات باشد‪.‬‬
‫متوسط فرايند را جايگزين کنيد‪ ،‬حدود‬
‫تصميمگيری‬ ‫کنترل را مجددا محاسبه کنيد‪ ،‬پايش‬
‫مديريت‬ ‫نمودار را ادامه دهيد‬
‫برای بهبود فرايند‬
‫تالش کنيد‬
‫شکل ‪ -4‬راهبرد بهبود فرايند‬
‫يادآوری‪ -‬اندازه بهينه نمونه تابع اجزاء داخل و بين انحراف نمونههاست‪.‬‬
‫‪13‬‬
‫در مورد نمودارهای کنترل برای مشخصههای کمي‪ ،‬رويه معمول اين است که يک زوج از نمودارهای کنترل‪،‬‬
‫يكي برای کنترل ميانگين و ديگری برای کنترل پراکندگي را برقرار نگه داريم‪ .‬اين کار بدين دليل ضرورت‬
‫دارد‪ ،‬که توزيع اصلي در نمودارهای کنترل برای مشخصههای کمي‪ ،‬توزيع نرمال است که وابسته به اين دو‬
‫پارامتر است‪ .‬با اينحال‪ ،‬در مورد نمودارهای کنترل برای مشخصههای وصفي‪ ،‬يک نمودار تنها کافي خواهد‬
‫بود‪ ،‬چراکه توزيع فرض شده ققط يک پارامتر مستقل در سطح ميانگين دارد‪ .‬نمودارهای ‪ p‬و ‪ np‬برمبنای‬
‫توزيع دوجملهای هستند‪ ،‬در حاليکه نمودارهای ‪ u‬و‪ c‬برمبنای توزيع پواسون هستند‪.‬‬
‫محاسبات اين نمودارها مشابه هستند به استثنای مواردی که تغييرپذيری در اندازه زيرگروه تحت تأثير‬
‫موقعيت باشد‪ .‬هنگامي که اندازه زيرگروه ثابت باشد‪ ،‬مجموعه يكسان از حدود کنترل ميتواند برای هر‬
‫زيرگروه استفاده شود‪ .‬بااين حال‪ ،‬اگر تعداد اقالم بازرسي شده در هر زيرگروه تغيير کند‪ ،‬حدود کنترل مجزا‬
‫بايد برای هر زيرگروه محاسبه شود‪ .‬بدين ترتيب نمودارهای ‪ c‬و ‪ np‬به طور معقولي با يک اندازه نمونه ثابت‬
‫استفاده ميشود‪ ،‬در حاليکه نمودارهای ‪ u‬و ‪ p‬ميتواند در هر موقعيتي استفاده شود‪.‬‬
‫جاييکه اندازه نمونه از نمونهای به نمونه ديگر تغيير ميکند‪ ،‬حدود کنترل مجزا برای هر نمونه محاسبه‬
‫ميشود‪ .‬برای اندازه زيرگروه کوچکتر‪ ،‬محدوده کنترل وسيع تر و برعكس الزم است‪ .‬اگر اندازه نمونه به طور‬
‫محسوس تغيير نكند‪ ،‬آنگاه يک مجموعه تنها از حدود کنترل برمبنای متوسط اندازه زيرگروه ميتواند‬
‫استفاده شود‪ .‬برای اهداف کاربردی‪ ،‬اين مورد به خوبي برای موقعيتهايي که اندازه نمونه در فاصله ‪± 93%‬‬
‫اندازه زيرگروه هدف قرار دارد‪ ،‬کاربرد دارد‪.‬‬

‫يادآوری‪ -‬به طور متناوب‪ ،‬ممكن است حدود کنترل برای کوچکترين و بزرگترين اندازه نمونه استفاده شود‪ .‬برای دنباله‬
‫نقاط در بين اينها‪ ،‬فقط حدود کنترل ممكن است محاسبه شود‪.‬‬

‫جدول ‪ -3‬فرمول حدود كنترل برای نمودارهای كنترل مشخصههای وصفي شوهارت‬

‫مقدار استاندارد داده شده‬ ‫هیچ مقدار استانداردی داده نشده‬ ‫آماره‬

‫‪ -5σ‬حدود كنترل‬ ‫خط مركزی‬ ‫‪ -5σ‬حدود كنترل‬ ‫خط مركزی‬

‫√‬ ‫̅‬ ‫̅ √‬ ‫̅‬ ‫̅‬ ‫‪P‬‬

‫√‬ ‫̅‬ ‫√‬ ‫̅‬ ‫̅‬ ‫̅‬ ‫‪Np‬‬
‫√‬ ‫̅‬ ‫̅ √‬ ‫̅‬ ‫‪C‬‬
‫√‬ ‫̅‬ ‫̅√‬ ‫̅‬ ‫‪u‬‬

‫مقادير استاندارد داده شده هستند‪.‬‬ ‫و‬ ‫‪،‬‬ ‫‪،‬‬ ‫يادآوری‪-2‬‬

‫يادآوری‪ -2‬هنگامي که حد پاييني محاسبه شده دارای مقدار منفي باشد‪ ،‬از حد کنترل پاييني صفر استفاده ميشود‪.‬‬

‫برای موقعيتهايي که اندازه نمونه متغير است‪ ،‬يک راهكار‪ ،‬استفاده از متغير استاندارد شده است‪ .‬برای مثال‪،‬‬
‫به جای موقعيت ‪ ،p‬مقدار استاندارد شده آن را قرار دهيد‪:‬‬

‫√‬ ‫‪⁄‬‬

‫‪12‬‬
 ‫يا‬
‫̅‬
‫̅‬ ‫‪̅⁄‬‬
‫√‬

‫براساس اينکه آيا مقدار استاندارد برای ‪ p‬مشخص شده باشد يا نه‪ ،‬خط مرکزی همانند حدود کنترل‪ ،‬ثابت و‬
‫مستقل از اندازه زيرگروه بوده و اينچنين معين ميشود‪:‬‬
‫‪ =6‬خط مرکزی‬
‫‪UCL = +3‬‬
‫‪LCL = -3‬‬
‫نمودار ‪ p‬برای تعيين درصد متوسط اقالم نامنطبق ارائه شده در طول يک دوره زماني استفاده ميشود‪ .‬اين‬
‫نمودار با رسيدگي کارکنان فرايند و مديريت هرگونه تغييری در اين متوسط آغاز ميشود‪ .‬تشخيص داده‬
‫ميشود که اين فرايند نيز‪ ،‬به همان روشي که برای نمودارهای ̅ و ‪ R‬انجام شده تحت کنترل آماری قرار‬
‫گيرد‪ .‬اگر همه نقاط نمونه ‪ ،‬بدون ارائه هرگونه نشانهای از يک عامل قابل تشخيص‪ ،‬داخل دنباله حدود‬
‫کنترل قرار گيرد‪ ،‬گفته ميشود که فرايند تحت کنترل است‪ .‬در چنين موردی‪ ،‬نسبت متوسط عدم انطباق‬
‫‪ ،‬در نظر گرفته ميشود‪.‬‬ ‫̅ ‪ ،‬به عنوان مقدار استاندارد برای نسبت عدم انطباق‬
‫با نقاط زير حدود کنترل پاييني‪ ،‬بايد به طور متفاوت از نقاط بااليي رفتار شود‪ .‬آنها نشانهنده تغييرات‬
‫درفرايند به وسيله حذف عوامل رايج هستند‪ ،‬اما بايد توجه داشت که آن ممكن است همچنين به‬
‫استانداردهای بازرسي پايينتر اشاره داشته باشد‪ .‬هنگامي که يک شكست معناداری از طريق ‪ LCL‬اتفاق‬
‫بيفتد‪ ،‬درك عوامل و ايجاد تغييرات در استاندارد کاری‪ ،‬اهميت دارد‪.‬‬

‫مالحظات اولیه قبل از شروع يك نمودار كنترل‬ ‫‪22‬‬

‫‪ 2-22‬انتخاب مشخصههای بحراني كیفیت )‪ 1(CTQ‬توصیف كننده فرايند كنترل‬
‫مشخصههايي که به طور بحراني بر عملكرد محصول‪ ،‬فرايند يا خدمت اثر ميگذارد و مواردیکه ارزشي را به‬
‫مشتری اضافه ميکند‪ ،‬بايد در مرحله طرحريزی کيفيت‪ ،‬طبقهبندی شود‪ .‬اين مشخصهها‪ ،‬جايي که تغيير‬
‫عامل معنيداری از فرايند باشد‪ ،‬بايدبه گونهای انتخاب شود که اثر قطعي بر روی کيفيت محصول يا خدمت‬
‫داشته باشد و از پايداری و قابليت پيش بيني فرايندها اطمينان يابيم‪ .‬اين ممكن است جنبههايي باشد که به‬
‫طور مستقيم به ارزيابي عملكرد فرايند مربوط ميشود‪ ،‬برای مثال‪ ،‬مربوط به محيط‪ ،‬سالمتي‪ ،‬رضايت‬
‫مشتری يا پارامتری از فرايند که عملكرد آن در دستيابي به مقصود طراحي مهم است‪ .‬نمودارهای کنترل بايد‬
‫در طي مرحله توسعه فرايند معرفي شود تا دادهها و اطالعات را در مورد محصول و فرايند جديد‪ ،‬به آساني‬
‫جمعآوری کنيم تا به قابليت فرايند قبل از توليد دست يابيم‪ .‬اينکار‪ ،‬اين امكان را فراهم ميسازد که فرايند‬
‫بهينه شده‪ ،‬و هرگونه طرح يا بهبود فرايندی برای توليد بهتر يک محصول يا خدمت‪ ،‬ايجاد شود‪.‬‬

‫‪1 - Critical to quality‬‬

‫‪96‬‬
 ‫تحلیل فرايند‬ ‫‪2-22‬‬
‫اگر ممكن باشد‪ ،‬يک تحليل تفضيلي از فرايند بايد برای تعيين موارد ذيل انجام شود‪:‬‬
‫الف نوع و موقعيت عواملي که ممكن است موجب بينظميشوند؛‬
‫ب اثر وضع مشخصهها؛‬
‫پ روش و موقعيت بازرسي؛‬
‫ت همه عوامل مربوطه که ممكن است بر فرايند توليد اثر گذارد‪.‬‬
‫تحليل بايد برای تعيين پايداری فرايندها‪ ،‬دقت تجهيزات آزمون‪ ،‬کيفيت خروجيهای فرايندها‪ ،‬و الگوهای‬
‫همبستگي بين انواع و عوامل عدم انطباقها انجام شود‪ .‬الزام ميشود که شرايط عمليات ترتيباتي را ايجاد‬
‫کند تا در صورت لزوم‪ ،‬فرايند و تجهيزات توليد را‪ ،‬تنظيم کند و همچنين طرحهايي را برای کنترل آماری‬
‫فرايندها تدبير کند‪ .‬اين کمک خواهد کرد تا بهينهترين مكان دقيق را برای انجام کنترلها معين کرده و‬
‫سريعاً هرگونه بينظمي در عملكرد فرايند را شناسايي کنيم تا اجازه اقدام اصالحي فوری را بدهيم‪.‬‬

‫انتخاب زيرگروههای منطقي‬ ‫‪5-22‬‬

‫بر اساس نمودارهای کنترل‪ ،‬عقيده اصلي شوهارت از تقسيم مشاهدات به آنچه که زيرگروه های منطقي‬
‫ناميده ميشود اين است که در واقع مشاهدات‪ ،‬تحت مالحظاتي به زيرگروههايي در داخل جايي که انحرافات‬
‫ممكن است فقط به سبب عامل تصادفي در نظر گرفته شوند طبقه بندی شوند‪ ،‬اما بين جايي که هر تفاوت‬
‫ممكن است به سبب عوامل قابل تشخيصي باشد‪ ،‬که نمودار کنترل قصد دارد آن را مشخص کند‪.‬‬
‫اين کار‪ ،‬بستگي به دانش فني و آشنايي با شرايط فرايند و شرايطي که دادهها در نظر گرفته شده‪ ،‬دارد‪ .‬از‬
‫طريق شناسايي هر زيرگروه با يک زمان يا يک منبع‪ ،‬عوامل خاص مشكل‪ ،‬در صورت سودمند بودن‪ ،‬ممكن‬
‫است به سرعت رديابي و اصالح شود‪ .‬سوابق بازرسي و آزمون به ترتيبي که مشاهدات به دست آمدهاند‪ ،‬داده‬
‫ميشوند و مبنايي برای زيرگروهبندی با توجه به زمان فراهم ميکنند‪ .‬اين معموالً در ساختن جايي که مهم‬
‫است ثبات سيستم عامل توليد با زمان را حفظ کنيم‪ ،‬مفيد است‪.‬‬
‫در جمعآوری دادهها‪ ،‬هميشه بايد توجه داشت که اگر در انتخاب نمونههايي که ميتواند به طور مناسب به‬
‫عنوان زيرگروههای منطقي مجزا رفتار شود‪ ،‬مراقبت به عمل آيد‪ ،‬تحليل به ميزان زياد تسهيل ميشود‪.‬‬
‫اگرممكن باشد‪ ،‬ندازه زيرگروه ايد ثابت در نظر گرفته شود تا محاسبات را تسهيل نمايد‪ .‬بااينحال‪ ،‬بايدتوجه‬
‫داشت که اصول نمودار شوهارت ميتواند به سرعت با موقعيتهايي که اندزه زيرگروه متغيراست به کار رود‪.‬‬
‫تکرار و اندازه زيرگروهها‬ ‫‪4-22‬‬
‫هيچ قانون کلي نميتوان برای تكرار زيرگروهها يا اندازه زيرگروه ها وضع کرد‪ .‬تكرار و اندازه زيرگروه ممكن‬
‫است بسته به هزينه نمونهبراری و تحليل نمونهها و مالحظات عملي معيني باشد‪ .‬برای مثال‪ ،‬زيرگروههای‬
‫بزرگ برداشته شده در فواصل تكرار کمتر‪ ،‬ممكن است تغيير کم در متوسط فرايند را‪ ،‬با دقت بيشتر مشخص‬
‫کند ‪ ،‬اما زيرگروه های کوچک برداشته شده در فواصل تكرار بيشتر‪ ،‬تغيير بزرگ را با سرعت بيشتر مشخص‬
‫خواهد کرد‪ .‬اغلب‪ ،‬اندازه زيرگروه ‪ 2‬يا ‪ ،3‬در نظر گرفته ميشود‪ ،‬در حاليکه در ابتدا تكرار نمونهگيری معموالً‬

‫‪91‬‬
‫باالست‪ ،‬هنگامي که به وضعيت کنترل آماری برسيم‪ ،‬تكرار نمونهگيری پايين ميآيد‪ .‬معموالً‪ 93 ،‬زيرگروه با‬
‫اندازه ‪2‬يا ‪ ،3‬برای فراهم کردن تخمين اوليه کافي به نظر ميرسد‪.‬‬
‫قابل توجه اين که‪ ،‬تكرار نمونهگيری‪ ،‬کنترل آماری و قابليت فرايند‪،‬الزم است با يكديگر مدنظر قرار گيرند‪.‬‬
‫دليل آن در ادامه آمده است‪ .‬مقدار متوسط دامنه ̅ اغلب برای تخمين‪ σ‬به کار مي رود‪ .‬همچنين با افزايش‬
‫تعداد منابع انحراف‪ ،‬فواصل زماني بين نمونهها داخل يک زيرگروه نيز افزايش مييابد‪ .‬بنابراين‪ ،‬گسترش‬
‫بيروني نمونهها در داخل يک زيرگروه در طول زمان ̅ را افزايش ميدهد‪ ،‬مقدار تخميني ‪ σ‬ر افزايش‬
‫ميدهد‪ ،‬و بدين ترتيب حدود کنترل وسعت يافته‪ ،‬شاخص قابليت فرايند را کاهش خواهد داد‪ .‬بالعكس‪،‬‬
‫ممكن است قابليت فرايند را با نمونهگيری قطعهای‪ 1‬متوالي‪ ،‬با دادن مقدار ̅ کوچک‪ ،‬افزايش دهيم و ‪ σ‬را‬
‫تخمين بزنيم‪.‬‬
‫جمعآوری دادههای اولیه‬ ‫‪3-22‬‬
‫بعد از تصميمگيری بر روی مشخصهای که بايد کنترل شود و تكرار و اندازه زيرگروهي که بايد در نظر گرفته‬
‫شود‪ ،‬برخي دادهها يا معيارهای بازرسي اوليه بايد با هدف فراهم کردن مقادير نمودار کنترل اوليه مورد نياز‬
‫در تعيين خط مرکزی و حدود کنترلي ترسيم شده بر روی نمودار‪ ،‬جمعآوری و تحليل شود‪ .‬دادههای اوليه‪،‬‬
‫ممكن است زيرگروه به زيرگروه جمعآوری شود تا زمانيکه ‪ 93‬زيرگروه از اجرای پيوسته فرايند توليد به‬
‫دست آيد‪ .‬بايد مراقب بود که در طول دوره جمعآوری دادههای اوليه‪ ،‬فرايند بيجهت به صورت ادواری تحت‬
‫تأثير عوامل خارجي نظير تغيير در خوراك مواد خام‪ ،‬کارگران‪ ،‬عمليات‪ ،‬تنظيم ماشينآالت و‪ .....‬قرار نگيرد‪.‬‬
‫به عبارت ديگر‪ ،‬فرايند بايد‪ ،‬وضعيت پايداری را در طول دورهای که دادههای اوليه جمعآوری ميشوند‪ ،‬نشان‬
‫دهد‪.‬‬
‫طرح اقدام خارج ازكنترل‬ ‫‪6-22‬‬
‫ارتباط مهمي بين دو نوع انحرافي که يافت ميشود و انواع اقدامات ضروری که آنها را کاهش ميدهد‪ ،‬وجود‬
‫دارد‪ .‬نمودارهای کنترل ميتواند عوامل خاص انحراف را مشخص کند‪ .‬يافتن منبع عامل خاص و درنظر‬
‫گرفتن اقدامات مفيد‪ ،‬معموالً بر عهده کارگران‪ ،‬سرپرستان يا مهندساني است که به طور مستقيم‪ ،‬مرتبط با‬
‫فرايند باشد‪ .‬مديريت مسئول بيش از ‪ 36‬درصد از عوامل است و بايد برای عوامل مشترك در سيستم‪،‬‬
‫اقداماتي انجام دهد‪ .‬عوامل خاص در محل شناسايي شده و معموالً اقدام برای آنها ميتواند توسط مالكان‬
‫فرايند انجام شود‪ .‬هنگامي که نياز به اقدام مديريت بر روی سيستم در مورد عامل ريشهای باشد که‬
‫ميتوانست متفاوت از منابع مواد خام‪ ،‬نگهداری تعميرات ماشين آالت‪ ،‬گيجهای اندازهگيری با روش غير قابل‬
‫اعتماد باشد‪ ،‬اغلب فرايندها به عنوان يک اقدام مفيد تنظيم ميشوند‪ .‬ايجاد کارگروه ‪ ،‬کليد بهبود مداوم‬
‫طوالني مدت است‪.‬‬

‫‪1 - Piece‬‬

‫‪99‬‬
‫هنگامي که فرايند‪ ،‬ذاتا ناتوان است يا توانا است اما خارج از کنترل آماری است و استنباط ميشود که‬
‫توليدکننده محصول نامنطبق باشد‪ ،‬آنگاه معموالً تا زمانيکه فرايند اصالح شود‪ ،‬بازرسي ‪ 166%‬انجام‬
‫ميشود‪.‬‬
‫الزم است ثبات بازرسي تضمين شود‪ .‬و اندازههای نامطمئن‪ ،‬در حدود رواداری بيضرر نگه داشته شود‪.‬‬

‫گامهايي در ساخت نمودارهای كنترل‬ ‫‪22‬‬

‫گامهای مشمول در ساخت نمودار ̅ و نمودار ‪ ،R‬برای مواردی که هيچ مقدار استاندارد معيني وجود ندارد‪،‬‬
‫در بندهای ‪ 1-19‬لغايت ‪ 3-19‬توصيف شده است‪ .‬آنها به شكل يک مثال در پيوست الف توصيف ميشوند‪.‬‬
‫در ساخت ساير نمودارهای کنترل‪ ،‬گام های اساسي مشابهي بايد دنبال شود‪ ،‬اماروش محاسبه حدود کنترل‬
‫و خط مرکزی متفاوت است‪ .‬الگوی شاخصي از شكل نمودار کنترل استاندارد در شكل ‪ 3‬نشان داده ميشود‪.‬‬
‫اصالحات برای اين شكل ميتواند همآهنگ با الزامات ويژه موقعيت کنترل فرايند انجام شود‪.‬‬

‫شکل ‪ -3‬شکل كلي نمودار كنترل متغیرها‬

‫‪93‬‬
 ‫تعیین راهبرد جمعآوری دادهها‬ ‫‪2-22‬‬
‫اگر دادههای اوليه براساس طرح توصيف شده‪ ،‬درنظر گرفته نشده باشند‪ ،‬مجموعه کامل مقادير مشاهده شده‬
‫داخل زيرگروههای متوالي‪ ،‬براساس معياری برای زيرگروههای منطقي همانطوری که در بند ‪ 3-16‬بحث‬
‫شده است‪ ،‬تفكيک ميشوند‪ .‬زيرگروهها بايد دارای ساختار و اندازه يكسان باشند‪ .‬اقالم هريک از زيرگروهها‬
‫بايد دارای آنچه که به عنوان برخي عوامل مشترك مهم تلقي ميشود‪ ،‬باشند‪ ،‬به طور مثال واحدهای توليد‬
‫شده درطول فاصله زماني کوتاه يكسان يا واحدهای برآمده از يكي از چندين منبع يا موقعيت مشخص‪.‬‬
‫زيرگروههای متفاوت بايد تفاوتهای ممكن يا مظنون در فرايندی که آنها را توليد کرده نشان دهند‪ ،‬برای‬
‫مثال فواصل متفاوت زماني يا منابع يا موقعيتهای متفاوت‪.‬‬
‫جمعآوری و محاسبه دادهها‬ ‫‪2-22‬‬
‫برای هرزيرگروه‪ ،‬مقدار متوسط ̅ و دامنه تغييرات ‪ R‬را محاسبه کنيد‪ .‬آنگاه‪ ،‬متوسط ميانگين همه مقادير‬
‫مشاهده شده‪ ̿ ،‬و متوسط دامنه تغييرات‪ ̅ ،‬را محاسبه کنيد‪.‬‬
‫رسم نمودار ̅ و نمودار ‪R‬‬ ‫‪5-22‬‬
‫برروی شكل مناسب يا کاغذ مخصوص نمودار‪ ،‬يک نمودار ̅ و نمودار ‪ R‬را رسم کنيد‪ .‬مقياس عمودی بر‬
‫روی ناحيه سمت چپ‪ ،‬برای ̅ و ‪ R‬استفاده و مقياس افقي برای عدد زيرگروه استفاده ميشود‪ .‬برای‬
‫ميانگينها‪ ،‬مقادير محاسبه شده ̅ و برای دامنهها‪ ،‬مقادير محاسبه شده برای ‪ R‬را‪ ،‬بر روی نمودار رسم‬
‫کنيد‪.‬‬
‫بر روی اين نمودارهای مربوطه‪ ،‬خطوط افقي پررنگي برای نشان دادن ̿ و ̅ رسم کنيد‪.‬‬
‫حدود کنترل را بر روی اين نمودارها رسم کنيد‪ ،‬که ‪ ،‬و بر مبنای تعداد مشاهدات در يک زيرگروه‬
‫̿ و بر روی نمودار ‪،R‬‬ ‫هستند و در جدول ‪ 9‬آمده اند‪ ،‬بر روی نمودار ̅ ‪ ،‬دو خط تيره افقي را برای ̅‬
‫دو خط تيره افقي را درنقطه ̅ و ̅ رسم کنيد‪ .‬هرگاه ‪ n‬کمتر از ‪ 3‬باشد از آنجايي که مقدار سری‬
‫نيست‪.‬‬ ‫صفر در نظر گرفته ميشود‪ ،‬بر روی نمودار ‪ ، R‬نيازی به‬

‫‪92‬‬
‫‪ CTQ‬رابرای کنترل انتخاب‬ ‫مشخصههای‬
‫کنيد‬
‫و ̅ را محاسبه کنيد‬ ‫‪,‬‬

‫توالي نمونه گيری و تعداد دادهها در هر‬

‫زيرگروه را انتخاب کنيد‬

‫نمودار دامنه ‪ R‬را رسم کنيد‬

‫تعداد ‪ k‬زيرگروه که قبل از اولين ارزيابي‬

‫حدود کنترل الزم است را ثابت کنيد‬
‫بلي‬ ‫خير‬
‫عوامل قابل تشخيص را‬ ‫قابليت اطمينان فرايند‬
‫آيا نمودار ‪ R‬تحت‬ ‫بررسي کرده و عوامل‬
‫کنترل است؟‬ ‫خارج از کنترل را حذف‬
‫اندازه گيری متناسب با توجه به مشخصهها‬
‫کنيد‬
‫را انتخاب کنيد)‬ ‫(شامل روش‪ ،‬وسيله و ‪...‬‬ ‫نمودار روند‬

‫انحراف استاندارد ‪σ‬‬

‫جمعآوری دادهها و‬ ‫قابليت فرايند را محاسبه‬
‫ثبت وقايع کنترل‬
‫را تخمين بزنيد‬
‫کنيد‬

‫و ̅ را ارزيابي کنيد‬ ‫‪,‬‬

‫آيا فرايند تحت کنترل‬
‫ميانگين ̅ و دامنه ‪ R‬را برای هر زيرگروه‬ ‫آماری است؟‬
‫محاسبه کنيد‬
‫نمودار کنترل ̅ را رسم کنيد‬

‫نمودار دادهها را ايجاد کنيد‬

‫خير‬
‫عوامل قابل تشخيص را‬
‫آيا نمودار ‪ R‬تحت‬ ‫بررسي کرده و عوامل‬
‫کنترل است؟‬ ‫خارج از کنترل را حذف‬
‫کنيد‬
‫بلي‬

‫شکل ‪ -6‬رويکرد سیستمي به ساختار نمودارهای كنترل متغیرها‬

‫يادآوری‪ -‬فهرستي از منابع معلوم تصادفي و عوامل قابل تشخيص انحرافات را فراهم کنيد‪.‬‬

‫احتیاط همراه با نمودارهای كنترلي شوهارت‬ ‫‪25‬‬

‫همانطوری که در ذيل نشان داده شده‪ ،‬موقعيتهای عملي وجود دارند که بايد در استفاده از نمودار کنترلي‬
‫شوهارت احتياط نمود‪.‬‬

‫‪93‬‬
 ‫مراقبت كلي‬ ‫‪2-25‬‬
‫انحراف داخل يک گروه‪ ،‬ضرورتاً تنها منجر به عوامل تصادفي نميشود‪ .‬زيرگروه‪ ،‬ترکيبي از رفتار بهر است‪ ،‬به‬
‫طوری که تغييرپذيری داخل يک زيرگروه‪ ،‬تغييرپذيری داخل يک بهر است‪ .‬زيرگروه‪ ،‬از نقطه نظر هر دو‬
‫جنبهی فيزيكي و تضمين کيفيت دارای يک معني است‪ .‬بنابراين‪ ،‬ضروری است تغييرپذيری داخل رفتار بهر‬
‫را با استفاده از نمودار ‪ R‬کنترل کنيم‪.‬‬
‫شكل ‪ ،3‬نمودار کنترل ‪ R‬و ̅ و چگونگي رفتار فرايند را در مرحله اوليه توليد انبوه نشان ميدهد‪ .‬اين در‬
‫واقع نمودار کنترل ‪ R‬و ̅ است که هيچ مقدار استانداردی داده نشده است‪ .‬نمودار ‪ R‬فرايند را در وضعيت‬
‫کنترل نشان ميدهد‪ ،‬اما نمودار ̅ نقاط و موقعيتهای زيادی را خارج از کنترل نشان ميدهد‪.‬‬

‫شکل ‪ -2‬نمودار ̅ و ‪ R‬عادی در مرحله اولیه تولید انبوه‬

‫از طرف ديگر‪ ،‬شكل ‪ 3‬نمودار ديگری از ̅ و ‪ R‬را برای همان دادههای شكل ‪ 3‬نشان ميدهد‪ ،‬در مواردی که‬
‫حدود کنترل نمودار ̅ بر مبنای تغييرپذيری کلي فرايند به عوض ميانگين دامنهها ) ̅( محاسبه ميشود‪.‬‬
‫شكل ‪ 3‬نشان ميدهد که فرايندتحت کنترل است‪ .‬در اين موقع‪ ،‬اگر عملكرد فرايند به خوبي برآورده شود‪،‬‬
‫ميتوان تصميم گرفت که فرايند ميتواند از مرحله اوليه توليد انبوه‪ ،‬برای مرحله توليد انبوه روزمره‪ ،‬پيش‬
‫رود‪ .‬آنگاه حدود کنترل نمودار ̅ و ‪ R‬شكل ‪ 3‬به عنوان سطح کنترل استاندارد در توليد انبوه روزمره‬
‫استفاده ميشود‪ .‬اين بدان معني است که تغييرپذيری تصادفي به سبب برخي عوامل مجاز بين زيرگروهها‪ ،‬در‬
‫مرحله اوليه توليد انبوه به عنوان تغييرپذيری به سبب عوامل تصادفي‪ ،‬به حساب مي آيد‪.‬‬
‫بنابراين‪ ،‬بايد توجه داشت که تغييرپذيری داخل يک زيرگروه‪ ،‬ضرورتاً به معنای تغييرپذيری به سبب عوامل‬
‫تصادفي تنها نيست‪ .‬با اين حال ‪ 13‬تا ‪ 92‬نقطه از نمودار ̅ باالی خط مرکزی قرار ميگيرد‪ ،‬و افزايش روند‬
‫از ‪ 2‬تا ‪ 92‬نقطه‪ ،‬همراه با طبقهبندی نقاط در مورد ̅ بر روی نمودار دامنه‪ ،‬نشاندهنده اقدام بالقوه برای‬
‫بهبود از طريق تشخيص و حذف عوامل قابل تشخيص است‪.‬‬

‫‪90‬‬
 ‫شکل ‪ -8‬نمودار ̅ و ‪ ، R‬كه خطوط كنترل نمودار ̅ از تغییرپذيری كلي فرايند به عوض میانگین دامنه ̅ به‬
‫دست ميآيند‪.‬‬

‫دادههای اصالح شده‬ ‫‪2-25‬‬

‫با وجود اصالح دادهها‪ ،‬معادله زير‪ ،‬که يک معادله اساسي در رفتار نمودار ̅ با اندازه نمونه ‪ n‬است‪ ،‬به کار‬
‫نمي رود‪.‬‬
‫̅̅̅‬
‫)انفرادی(‬
‫بنابراين‪ ،‬اگر حدود کنترل به روش عادی محاسبه شوند‪ ،‬آنها به جای هم قرار ميگيرند‪.‬‬
‫در چنين موردی‪ ،‬مدل فرايند بايد شناسايي شود و آنگاه به باقيماندههای مدل بايد به عنوان مشاهدات‬
‫توجه شود‪ .‬يک روش جايگزين اين است که حدود کنترل بايد از تغييرپذيری ̅ محاسبه شود‪ .‬شخص بايد‬
‫برای گرفتن راهنمايي با يک متخصص مشورت کند‪.‬‬
‫استفاده از قاعده جايگزين با قاعده سه سیگما‬ ‫‪5-25‬‬
‫نمودار کنترل شوهارت برای ميانگين‪ ،‬به سرعت يک انتقال بزرگ پايدار در فرايند در سطح ميانيگن فرايند‬
‫مشخص خواهد کرد‪ .‬با اينحال‪ ،‬اگر انتقال در ميانگين کم باشد‪ ،‬به اندازه ‪ 1/3‬برابر انحراف استاندارد يا کمتر‪،‬‬
‫نمودار کنترل ̅ شوهارت به خوبي عمل نميکند‪ .‬بنابراين‪ ،‬در چنين مواردی‪ ،‬اگر تغيير کوچک در ميانگين‬
‫فرايند از يک سطح دلخواه به زودی ممكن مشخص شود‪ ،‬آنگاه معموالً‪ ،‬آزمونهای روند اضافي بايد به کار‬
‫گرفته شود‪ .‬با اين حال‪ ،‬چنين قواعد تكميلي ممكن است نرخ اعالن خطا را افزايش دهد‪ ،‬يعني احتمال‬
‫مشاهده عالمتي بر روی نمودار‪ ،‬از طريق کاربرد اين قواعد‪ ،‬پايداری را افزايش ميدهد‪ .‬از طرف ديگر‪ ،‬هنگامي‬
‫که نمودار کنترل بدون مقادير استاندارد در مرحله اوليه توليد انبوه استفاده شود‪ ،‬قواعد تكميلي مندرج در‬
‫بند ‪ 3‬بايد برای بهبود عملكرد فرايند در نظر گرفته شود‪ .‬راهبرد جايگزين اين است که از نمودارهای کنترل‪،‬‬
‫نظير نمودار متوسط متحرك موزون نمائي ‪ (EWMA)2‬يا نمودار کوسام‪ 1‬استفاده کنيم‪.‬‬

‫‪1 - ExponentiallyWeighted Moving Average‬‬

‫‪93‬‬
‫قاعده ديگر اينست که ‪ ،‬معيار عالمت قراردادی خارج از کنترل را همان طور با موقعيت حدود کنترل بر روی‬
‫نمودار جايگزين کنيم‪ .‬اگر دو نقطه از سه نقطه خارج از کنترل‪ ،‬آنسوی حدود دو سيگما قرار گيرند‪ ،‬يک‬
‫عالمت بر روی نمودار ̅ مشخص خواهد شد‪ .‬هنگام استفاده از اين معيار « دو از سه » توصيه ميشود که‬
‫حدود کنترل معمول سه سيگما‪ ،‬با خطوط حد کنترل ‪ 1/33‬سيگما در سمت ديگر خط مرکزی جايگزين‬
‫شود‪ .‬استفاده از اين قاعده و اين حدود کنترل‪ ،‬نموداری با نرخ اعالن خطای معادل با نمودار کنترل شوهارت‬
‫قراردادی دارای قاعده يک نقطه خارج از حدود سه سيگما ارائه خواهد کرد‪.‬‬
‫با اينحال‪ ،‬احتمال تشخيص تغييرات کوچک تا متوسط ‪ ،‬به طور قابل توجهي‪ ،‬با استفاده از اين معيار اصالح‬
‫شده‪ ،‬افزايش خواهد يافت‪.‬‬

‫‪1 - Cusum‬‬

‫‪93‬‬
 ‫پیوست الف‬

‫(اطالعاتي)‬

‫مثالهای توضیحي‬

‫نمودارهای كنترل مشخصههای كمي‬ ‫الف‪2-‬‬

‫و نمودار ‪ µ -R‬و ‪ σ‬نامعلوم‬ ‫̅‬ ‫الف‪ 2-2-‬نمودار‬

‫و نمودار ‪ µ -S‬و ‪ σ‬معلوم‬ ‫̅‬ ‫الف‪ 2-2-‬نمودار‬
‫نمودارهای کنترل برای دادههای تكي و دامنههای جابجايي‪ µ -‬و ‪ σ‬نامعلوم‬ ‫الف‪5-2-‬‬

‫الف‪ 4-2-‬نمودار ميانه و نمودار ‪ µ - R‬و ‪ σ‬نامعلوم‬

‫نمودارهای كنترل مشخصههای وصفي‬ ‫الف‪2-‬‬

‫الف‪ 2-2-‬نمودار ‪ -p‬مقدار ‪ p0‬نامعلوم‬

‫الف‪ 2-2-‬نمودار ‪ - np‬مقدار ‪ p0‬نامعلوم‬

‫الف‪ 5-2-‬نمودار ‪ -c‬مقدار ‪ c0‬نامعلوم‬

‫الف‪ 4-2-‬نمودار ‪ -u‬مقدار ‪ u0‬نامعلوم‬

‫نمودارهای كنترل مشخصههای كمي‬ ‫الف‪5-‬‬

‫الف‪ 2-5-‬نمودار ̅ و نمودار ‪ µ -R‬و ‪ σ‬نامعلوم‬

‫يک تأمين کننده جايگاه برای پمپهای آب خواهان کنترل فرايند گردش با استفاده از نمودار کنترل است‪ .‬يک‬
‫مشخصه مهم‪ ،‬قطر بلبرينگ است‪ .‬اندازهها از توليدات جديد‪ ،‬هر ساعت برای ‪ 93‬نمونه کلي به دست ميآيند‪ .‬کمينه‬
‫و بيشينه مقادير در اندازههای زيرگروه در جدول الف‪ 1-‬آمده است‪.‬‬

‫شکل الف‪ -2-‬مقادير رسم شده‬

‫‪92‬‬
 ‫يادآوری‪ -2‬دادهها شامل ‪ 193‬نقاط داده از ‪ 93‬زيرگروه با اندازه نمونه ‪ 3‬تايي است‪ 193 .‬نقطه داده در شكل الف‪ 1-‬رسم‬
‫شده است و محاسبات استاندارد بر روی زيرگروه ها در جدول الف‪ 1-‬داده شده است‪.‬‬

‫يادآوری‪ -2‬همچنين يک هيستوگرام ممكن است به صورت يک طرفه رسم شود ‪ .‬اين نمودار که همراه با هيستوگرام با‬
‫همديگر ديده ميشود‪ ،‬رفتار فرايند را به طور شفاف نشان خواهد داد‪ .‬در اين حالت گرايش مرکزی و مشاهدات لحظهای‬
‫مشهودتر است و در غير اين صورت به آساني قابل مشاهده نميباشد‪.‬‬

‫جدول الف‪ -2-‬نتايج زيرگروه از اندازه قطر بلبرينگ‬

‫‪Rj‬‬ ‫‪Xmax j‬‬ ‫‪Xmin j‬‬ ‫̅‬ ‫‪j‬‬
‫‪6/616‬‬ ‫‪12/633‬‬ ‫‪12/633‬‬ ‫‪12/6302‬‬ ‫‪1‬‬
‫‪6/619‬‬ ‫‪12/633‬‬ ‫‪12/600‬‬ ‫‪12/6390‬‬ ‫‪9‬‬
‫‪6/663‬‬ ‫‪12/633‬‬ ‫‪12/636‬‬ ‫‪12/6332‬‬ ‫‪3‬‬
‫‪6/663‬‬ ‫‪12/632‬‬ ‫‪12/639‬‬ ‫‪12/6336‬‬ ‫‪2‬‬
‫‪6/693‬‬ ‫‪12/626‬‬ ‫‪12/603‬‬ ‫‪12/6363‬‬ ‫‪3‬‬
‫‪6/693‬‬ ‫‪12/633‬‬ ‫‪12/633‬‬ ‫‪12/6023‬‬ ‫‪0‬‬
‫‪6/662‬‬ ‫‪12/631‬‬ ‫‪12/639‬‬ ‫‪12/6336‬‬ ‫‪3‬‬
‫‪6/693‬‬ ‫‪12/630‬‬ ‫‪12/601‬‬ ‫‪12/6322‬‬ ‫‪3‬‬
‫‪6/662‬‬ ‫‪12/632‬‬ ‫‪12/603‬‬ ‫‪12/6362‬‬ ‫‪2‬‬
‫‪6/699‬‬ ‫‪12/630‬‬ ‫‪12/602‬‬ ‫‪12/6322‬‬ ‫‪16‬‬
‫‪6/662‬‬ ‫‪12/639‬‬ ‫‪12/633‬‬ ‫‪12/6300‬‬ ‫‪11‬‬
‫‪6/611‬‬ ‫‪12/609‬‬ ‫‪12/631‬‬ ‫‪12/6303‬‬ ‫‪19‬‬
‫‪6/693‬‬ ‫‪12/632‬‬ ‫‪12/600‬‬ ‫‪12/6303‬‬ ‫‪13‬‬
‫‪6/619‬‬ ‫‪12/633‬‬ ‫‪12/603‬‬ ‫‪12/6029‬‬ ‫‪12‬‬
‫‪6/612‬‬ ‫‪12/633‬‬ ‫‪12/600‬‬ ‫‪12/6310‬‬ ‫‪13‬‬
‫‪6/691‬‬ ‫‪12/632‬‬ ‫‪12/603‬‬ ‫‪12/6323‬‬ ‫‪10‬‬
‫‪6/613‬‬ ‫‪12/633‬‬ ‫‪12/631‬‬ ‫‪12/6332‬‬ ‫‪13‬‬
‫‪6/613‬‬ ‫‪12/631‬‬ ‫‪12/602‬‬ ‫‪12/6332‬‬ ‫‪13‬‬
‫‪6/633‬‬ ‫‪12/623‬‬ ‫‪12/603‬‬ ‫‪12/6323‬‬ ‫‪12‬‬
‫‪6/633‬‬ ‫‪12/632‬‬ ‫‪12/630‬‬ ‫‪12/6332‬‬ ‫‪96‬‬
‫‪6/613‬‬ ‫‪12/633‬‬ ‫‪12/600‬‬ ‫‪12/6339‬‬ ‫‪91‬‬
‫‪6/693‬‬ ‫‪12/633‬‬ ‫‪12/603‬‬ ‫‪12/6326‬‬ ‫‪99‬‬
‫‪6/613‬‬ ‫‪12/631‬‬ ‫‪12/602‬‬ ‫‪12/6363‬‬ ‫‪93‬‬
‫‪6/613‬‬ ‫‪12/630‬‬ ‫‪12/602‬‬ ‫‪12/6306‬‬ ‫‪92‬‬
‫‪6/613‬‬ ‫‪12/631‬‬ ‫‪12/603‬‬ ‫‪12/6399‬‬ ‫‪93‬‬

‫از آنجايي که ‪ µ‬و ‪ σ‬نامعلوم هستند‪ ̿ ،‬و ̅ برمبنای مجموعه کلي مقادير محاسبه ميشوند‪ .‬متوسط ̅ ( و‬
‫دامنهها ) ( برای هر زيرگروه ‪ j‬محاسبه ميشود (به جدول الف‪ 1-‬رجوع شود)‪.‬‬

‫‪36‬‬
 ‫بر مبنای اين محاسبات‪،‬‬

‫̿‬ ‫̅∑‬

‫̅‬ ‫∑‬

‫که در اين معادالت‪ k ،‬تعداد زيرگروههاست‪.‬‬

‫گام اول اين است که نمودار ‪ R‬را رسم نموده و وضعيت کنترل آن را ارزيابي کنيم‪.‬‬
‫مقادير ‪ D3‬و ‪ D4‬از جدول ‪ ،9‬و در جاييکه ‪ n =3‬است به دست ميآيند‪.‬‬
‫نمودار ‪:R‬‬
‫خط مرکزی‬ ‫̅‬
‫̅‬
‫‪ D3= 0‬که در آن ̅‬ ‫هنگامي که اندازه نمونه کمتر از ‪ 3‬باشد‬
‫نمودار ‪ R‬يک فرايند تحت کنترل را نشان ميدهد‪.‬‬

‫شکل الف‪ -2-‬نمودار ‪ -R‬قطر بیرينگ‬

‫آنگاه نمودار ̅ ميتواند برمبنای مقادير ̅ و ‪ R‬محاسبه شود‪.‬‬
‫نمودار ̅ ‪:‬‬
‫خط مرکزی‬ ‫̿‬
‫̿‬ ‫̅‬
‫̿‬ ‫̅‬

‫مقدار عامل ‪ A2‬از جدول ‪ ،9‬جايي که ‪ n=3‬است به دست ميآيد‪.‬‬

‫‪31‬‬
 ‫شکل الف‪ -5-‬نمودار ̅ ‪ -‬قطر بلبرينگ‬

‫نمودار ̅ يک فرايند خارج از کنترل را نشان ميدهد‪.‬‬

‫با بررسي نمودار ̅ ‪ ،‬معلوم ميشود که زيرگروه ‪ 19‬خارج از کنترل است‪ .‬نمودار نشان ميدهد که برخي‬
‫عوامل قابل تشخيص انحراف ممكن است در حال عمل کردن باشد‪.‬‬
‫بنابراين‪ ،‬ما زيرگروه ‪ 19‬را از محاسبات حذف کرده و درمييابيم که‪:‬‬

‫̿‬ ‫̅∑‬

‫̅‬ ‫∑‬

‫نمودار ̅ بازنگری شده‪:‬‬

‫خط مرکزی‬ ‫̿‬
‫̿‬ ‫̅‬
‫̿‬ ‫̅‬
‫نمودار ‪ R‬بازنگری شده‪:‬‬
‫خط مرکزی‬ ‫̅‬
‫̅‬

‫هنگامي که اندازه نمونه کمتر از ‪ 3‬باشد ‪ ،‬جاييکه ‪̅ ، D3 =0‬‬

‫‪39‬‬
 ‫شکل الف‪ -4-‬نمودار ̅ و ‪ -R‬قطر بلبرينگ‬
‫بعد از حذف زيرگروه ‪ ،19‬فرايند تحت کنترل است و حدود کنترل محاسبه شده فوق ميتواند برای کنترل‬
‫فرايند در آينده استفاده شود‪.‬‬
‫الف‪ 2-5-‬نمودار ̅ و نمودار ‪ µ-S‬و ‪ σ‬از تولیدات قبلي معلوم شده است‬
‫يک توليدکننده باطری ميخواهد‪ ،‬جرم باطریهای توليدی را کنترل کند که جرم ميانگين آنها ‪ 92/33‬گرم‬
‫است‪ .‬تحليل فرايند توليدات قبلي نشان داده که انحراف استاندارد فرايند ميتواند ‪ 6/609‬گرم در نظر گرفته‬
‫شود‪.‬‬
‫از آنجايي که مقادير استاندارد عبارت از ‪ µ0 =92/33‬گرم و ‪ σ0 = 6/609‬گرم هستند‪ ،‬نمودار کنترل ميتواند‬
‫فوراً با استفاده از فرمول قيد شده در جدول ‪ ،1‬و عوامل‪ A, C4, D2‬و ‪ D1‬معين شده در جدول ‪ 9‬و با استفاده‬
‫از زيرگروه با اندازه ‪ ،3‬محاسبه شود‪.‬‬
‫خط مرکزی‬ ‫𝜇‬
‫𝜇‬ ‫𝜎‬
‫𝜇‬ ‫𝜎‬
‫خط مرکزی‬ ‫‪σ‬‬
‫𝜎‬
‫‪ ،‬که ‪ B5=0‬هنگامي که اندازه نمونه کمتر از ‪ 0‬باشد‪.‬‬ ‫𝜎‬

‫‪33‬‬
‫چنانچه در جدول الف‪ 9-‬نشان داده شده است‪ 93 ،‬نمونه با اندازه ‪ 3‬تايي از فرايند توليد انتخاب و ميانگين و‬
‫انحراف استاندارد زيرگروه آنها محاسبه ميشود‪.‬‬
‫جدول الف‪ -2-‬نتايج زيرگروه از تولید باطریها‬
‫‪sj‬‬ ‫̅‬ ‫‪j‬‬
‫‪6/639‬‬ ‫‪92/310‬‬ ‫‪1‬‬
‫‪6/699‬‬ ‫‪92/239‬‬ ‫‪9‬‬
‫‪6/600‬‬ ‫‪92/333‬‬ ‫‪3‬‬
‫‪6/693‬‬ ‫‪92/392‬‬ ‫‪2‬‬
‫‪6/630‬‬ ‫‪92/333‬‬ ‫‪3‬‬
‫‪6/600‬‬ ‫‪92/336‬‬ ‫‪0‬‬
‫‪6/623‬‬ ‫‪92/303‬‬ ‫‪3‬‬
‫‪6/633‬‬ ‫‪92/330‬‬ ‫‪3‬‬
‫‪6/602‬‬ ‫‪92/216‬‬ ‫‪2‬‬
‫‪6/622‬‬ ‫‪92/369‬‬ ‫‪16‬‬
‫‪6/612‬‬ ‫‪92/332‬‬ ‫‪11‬‬
‫‪6/612‬‬ ‫‪92/336‬‬ ‫‪19‬‬
‫‪6/631‬‬ ‫‪92/210‬‬ ‫‪13‬‬
‫‪6/626‬‬ ‫‪92/323‬‬ ‫‪12‬‬
‫‪6/633‬‬ ‫‪92/220‬‬ ‫‪13‬‬
‫‪6/623‬‬ ‫‪92/329‬‬ ‫‪10‬‬
‫‪6/603‬‬ ‫‪92/392‬‬ ‫‪13‬‬
‫‪6/630‬‬ ‫‪92/262‬‬ ‫‪13‬‬
‫‪6/630‬‬ ‫‪92/219‬‬ ‫‪12‬‬
‫‪6/623‬‬ ‫‪92/330‬‬ ‫‪96‬‬
‫‪6/633‬‬ ‫‪92/263‬‬ ‫‪91‬‬
‫‪6/621‬‬ ‫‪92/339‬‬ ‫‪99‬‬
‫‪6/623‬‬ ‫‪92/393‬‬ ‫‪93‬‬
‫‪6/603‬‬ ‫‪92/262‬‬ ‫‪92‬‬
‫‪6/613‬‬ ‫‪92/269‬‬ ‫‪93‬‬

‫نتايج زيرگروه‪ ،‬همراه با حدود کنترل محاسبه شده در فوق‪ ،‬رسم شدهاند (به شكل الف‪ 3-‬رجوع شود)‪.‬‬
‫نمودار نشان داده شده در شكل الف‪ ،3-‬مشخص مي سازد که فرايند در کنترل آماری است‪.‬‬

‫‪32‬‬
 ‫شکل الف‪ -3-‬نمودار ̅ و نمودار ‪ -S‬جرم باطریها‬

‫الف‪ 5-5-‬نمودارهای كنترل برای دادههای منفرد و دامنههای جابجايي‪ µ :‬و 𝛔 نامعلوم‬
‫جدول الف‪ 3-‬نتايج تحليل آزمايشگاهي « درصد رطوبت » نمونهها از ‪ 93‬بهر متوالي از شيرخشک کم چرب‬
‫را ارائه ميدهد‪ .‬يک نمونه از شير خشک کم چرب‪ ،‬نشاندهنده يک بهر‪ ،‬در آزمايشگاه برای مشخصههای‬
‫متنوعي از قبيل چربي‪ ،‬رطوبت‪ ،‬اسيديته‪ ،‬شاخص قابليت انحالل‪ ،‬رسوب‪ ،‬باکتری و پروتئين آب پنير‪ ،‬تحليل‬
‫ميشود‪ .‬بايد توجه داشت که درصد رطوبت زير ‪ 2‬درصد را برای اين فرايند کنترل ميکنيم‪ .‬تنوع‬
‫نمونهبردارری داخل يک بهر تنها‪ ،‬ناچيز يافت شده بود‪ ،‬بنابراين تصميم گرفته شد تا تنها يک مشاهده در هر‬
‫بهر گرفته و حدود کنترل را برمبنای دامنه جابجايي بهرهای متوالي‪ ،‬تنظيم کنيم‪.‬‬

‫‪33‬‬
 ‫جدول الف‪ -5-‬درصد رطوبت برای ‪ 23‬نمونه متوالي از شیر خشك كم چرب‬

‫‪25‬‬ ‫‪22‬‬ ‫‪22‬‬ ‫‪21‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫شماره بهر‬
‫‪3/ 2‬‬ ‫‪3/ 2‬‬ ‫‪3/ 1‬‬ ‫‪3/ 3‬‬ ‫‪3/ 0‬‬ ‫‪3/ 1‬‬ ‫‪3/ 6‬‬ ‫‪3/ 3‬‬ ‫‪3/ 3‬‬ ‫‪2/ 3‬‬ ‫‪3/ 0‬‬ ‫‪3/ 9‬‬ ‫‪9/ 2‬‬ ‫‪ % :X‬رطوبت‬
‫‪6‬‬ ‫‪6/ 3‬‬ ‫‪6/ 2‬‬ ‫‪6/ 1‬‬ ‫‪6/ 3‬‬ ‫‪6/ 1‬‬ ‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 2‬‬ ‫‪6/ 3‬‬ ‫‪Rm‬‬

‫‪23‬‬ ‫‪24‬‬ ‫‪25‬‬ ‫‪22‬‬ ‫‪22‬‬ ‫‪21‬‬ ‫‪23‬‬ ‫‪28‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪23‬‬ ‫‪24‬‬ ‫شماره بهر‬
‫‪3/ 3‬‬ ‫‪3/ 9‬‬ ‫‪3/ 3‬‬ ‫‪3/ 3‬‬ ‫‪3/ 2‬‬ ‫‪3/ 6‬‬ ‫‪3/ 3‬‬ ‫‪3/ 0‬‬ ‫‪3/ 3‬‬ ‫‪3/ 2‬‬ ‫‪3/ 3‬‬ ‫‪3/ 0‬‬ ‫‪ % :X‬رطوبت‬
‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 2‬‬ ‫‪6/ 2‬‬ ‫‪6/ 3‬‬ ‫‪6/ 3‬‬ ‫‪6/ 1‬‬ ‫‪6/ 2‬‬ ‫‪6/ 0‬‬ ‫‪6/ 3‬‬ ‫‪6/ 9‬‬ ‫‪Rm‬‬

‫محاسبه ̅ و ̅ ‪:‬‬

‫̅‬

‫̅‬

‫خطوط نمودار کنترل برای دامنههای جابجايي‪: R ،‬‬

‫خط مرکزی‬ ‫̅‬
‫̅‬
‫̅‬
‫برای ‪ ، n=9‬مقادير عوامل ‪ D3‬و ‪ D4‬از جدول ‪ 9‬به دست ميآيند‪ .‬از آنجاييکه نمودار دامنه‪ ،‬وضعيت کنترل‬
‫آماری را نشان ميدهد‪ ،‬نمودار کنترل برای دادههای منفرد ميتواند رسم ميشود‪.‬‬
‫نمودار کنترل برای دادههای منفرد‪: X ،‬‬
‫خط مرکزی‬ ‫̅‬
‫̅‬ ‫̅‬
‫̅‬ ‫̅‬

‫فرمول حدود کنترل و مقدار عامل ‪ E2‬در جداول ‪ 9‬و ‪ 3‬ارائه شده است‪ .‬نمودارهای کنترل در شكل الف‪0-‬‬
‫رسم ميشوند‪ .‬نمودارهای کنترل نشان ميدهند که فرايند تحت کنترل آماری است‪.‬‬

‫‪30‬‬
 ‫شکل الف‪ -6-‬نمودار كنترل برای دادههای تکي‪ X ،‬و دامنه جابجايي ‪ Rm‬پودر شیر بدون چربي‬

‫الف‪ 4-5-‬نمودار میانه و نمودار ‪ µ :R‬و ‪ σ‬نامعلوم‬

‫ماشيني سازنده ‪ DVDs‬با ضخامت معين بين ‪ 1/9‬ميليمتر و ‪ 1/93‬ميليمتر مي باشد‪ .‬نمونههای ‪ 3‬تايي هر‬
‫نيم ساعت يكبار برداشته شده و ضخامت آنها بر حسب ميليمتر ثبت ميشود‪ ،‬جدول الف‪ 2-‬اين ضخامتها‬
‫را نشان ميدهد‪ .‬تصميم گرفته شده تا نمودارميانه را به منظور کنترل کيفيت رسم کنيم‪ .‬مقادير دامنه و‬
‫ميانه نيز در جدول الف‪ 2-‬نشان داده شده است‪.‬‬
‫متوسط دامنهها و ميانه های زير گروه ها به طريق زير محاسبه ميشوند‪:‬‬
‫̃̅‬

‫̅‬

‫نمودار دامنه به طريق زير محاسبه ميشود‪:‬‬

‫خط مرکزی‬ ‫̅‬
‫̅‬
‫̅‬ ‫از آنجايي که ‪ n‬کمتر از ‪ 3‬است ‪ LCL ،‬نشان داده نميشود‬

‫مقدار ثابت ‪ D3‬و ‪ D4‬از جدول ‪ 9‬برای اندازه نمونه ‪ n = 3‬به دست ميآيند‪ .‬از آنجايي که نمودار دامنه‬
‫وضعيت کنترل را نشان ميدهد‪ ،‬خطوط نمودار دامنه ميتواند محاسبه شود‪.‬‬

‫‪33‬‬
 ‫نمودار کنترل ميانه‪:‬‬
‫خط مرکزی‬ ‫̃̅‬
‫̅‬
‫̃‬ ‫̅‬ ‫𝜇‬ ‫𝜇‬
‫̅‬
‫̃‬ ‫̅‬ ‫𝜇‬ ‫𝜇‬

‫برای تعداد نمونه ‪ ،n = 3‬مقدار ‪ A4‬از جدول ‪ 2‬به دست ميآيد‪ .‬نمودارها در شكل الف‪ 3-‬رسم شدهاند‪.‬‬
‫همانطور که از نمودار مشخص است‪ ،‬فرايند وضعيت کنترل آماری را نشان ميدهد‪.‬‬
‫جدول الف‪ -4-‬دادههای كنترل برای ضخامت ‪DVDs‬‬

‫مقادير برحسب ‪6/661mm‬‬

‫دامنه‬ ‫میانه‬ ‫ضخامت‬ ‫شماره‬
‫‪R‬‬ ‫̃‬ ‫‪X5‬‬ ‫‪X4‬‬ ‫‪X3‬‬ ‫‪X2‬‬ ‫‪X1‬‬ ‫زيرگروه‬
‫‪0‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪19‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪12‬‬ ‫‪1‬‬
‫‪3‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪16‬‬ ‫‪11‬‬ ‫‪9‬‬
‫‪3‬‬ ‫‪19‬‬ ‫‪2‬‬ ‫‪12‬‬ ‫‪10‬‬ ‫‪19‬‬ ‫‪11‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪19‬‬ ‫‪10‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪16‬‬ ‫‪12‬‬ ‫‪19‬‬ ‫‪13‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪13‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪16‬‬ ‫‪13‬‬ ‫‪19‬‬ ‫‪12‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪10‬‬ ‫‪3‬‬ ‫‪16‬‬ ‫‪11‬‬ ‫‪3‬‬
‫‪3‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪12‬‬ ‫‪2‬‬
‫‪2‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪12‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪19‬‬ ‫‪16‬‬
‫‪2‬‬ ‫‪16‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪11‬‬
‫‪9‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪19‬‬
‫‪2‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪16‬‬ ‫‪19‬‬ ‫‪3‬‬ ‫‪13‬‬
‫‪3‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪12‬‬
‫‪3‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪13‬‬
‫‪3‬‬ ‫‪16‬‬ ‫‪13‬‬ ‫‪2‬‬ ‫‪0‬‬ ‫‪19‬‬ ‫‪16‬‬ ‫‪10‬‬
‫‪3‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪16‬‬ ‫‪11‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪13‬‬
‫‪3‬‬ ‫‪12‬‬ ‫‪2‬‬ ‫‪12‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪16‬‬ ‫‪13‬‬
‫‪3‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪10‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪12‬‬
‫‪3‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪11‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪16‬‬ ‫‪96‬‬

‫‪33‬‬
 ‫شکل الف‪ – 2-‬نمودار میانه و نمودار دامنه برای ضخامت ‪DVDs‬‬

‫نمودارهای كنترل مشخصههای وصفي‬ ‫الف‪4-‬‬

‫نمودار‪ :P‬مقدار ‪ p0‬داده شده است‬ ‫الف‪2-4-‬‬

‫يک شرکت توليدکننده ترانزيستورهای راديو‪ ،‬تصميم ميگيرد تا نمودار ‪ p‬نسبت عدم انطباق را به کار برد‪.‬‬
‫دادهها برای يک دوره يک ماهه‪ ،‬جمعآوری و تحليل ميشود‪ .‬از توليدات هر روز‪ ،‬يک نمونه تصادفي در پايان‬
‫روز‪ ،‬جمعآوری و تعداد اقالم نامنطبق در آن بررسي ميشود‪ .‬دادهها در جدول الف‪ 3-‬نشان داده شده است‪.‬‬
‫مقادير نسبت عدم انطباق محاسبه شده در هر زيرگروه نيز در جدول الف‪ 3-‬داده شده است‪ .‬متوسط نسبت‬
‫عدم انطباق برای يک ماه به طريق زير محاسبه ميشود‪:‬‬
‫̅‬

‫که در آن‪:‬‬
‫تعداد کل عدم انطباقها و‬
‫تعداد کل اقالم بازرسي شده ميباشد‪.‬‬
‫از آنجاييکه اندازه زيرگروهها متفاوتند‪ ،‬مقادير ‪ UCL‬و ‪ LCL‬بايد برای هر زيرگروه به طور مجزا از طريق زير‬
‫محاسبه شود‪:‬‬

‫‪32‬‬
 ‫̅‬ ‫̅‬
‫̅‬ ‫√‬

‫̅‬ ‫̅‬
‫̅‬ ‫√‬

‫که در آن‪:‬‬
‫اندازه زيرگروه است‪.‬‬ ‫‪n‬‬
‫جدول الف‪ 0-‬نتايج محاسبات را برای هر زيرگروه نشان ميدهد‪.‬‬
‫جدول الف‪ -3-‬ترانزيستورهای راديو‪ :‬نمودار ‪ ( p‬دادههای اولیه)‬
‫نسبت عدم انطباق‬ ‫تعداد عدم انطباق‬ ‫تعداد بازرسي شده‬ ‫روز‬
‫‪6/636‬‬ ‫‪11‬‬ ‫‪133‬‬ ‫‪1‬‬
‫‪6/632‬‬ ‫‪11‬‬ ‫‪126‬‬ ‫‪9‬‬
‫‪6/633‬‬ ‫‪3‬‬ ‫‪126‬‬ ‫‪3‬‬
‫‪6/632‬‬ ‫‪0‬‬ ‫‪133‬‬ ‫‪2‬‬
‫‪6/693‬‬ ‫‪2‬‬ ‫‪106‬‬ ‫‪3‬‬
‫‪6/622‬‬ ‫‪3‬‬ ‫‪122‬‬ ‫‪0‬‬
‫‪6/639‬‬ ‫‪16‬‬ ‫‪132‬‬ ‫‪3‬‬
‫‪6/633‬‬ ‫‪11‬‬ ‫‪131‬‬ ‫‪3‬‬
‫‪6/633‬‬ ‫‪2‬‬ ‫‪103‬‬ ‫‪2‬‬
‫‪6/632‬‬ ‫‪3‬‬ ‫‪123‬‬ ‫‪16‬‬
‫‪6/613‬‬ ‫‪9‬‬ ‫‪136‬‬ ‫‪11‬‬
‫‪6/620‬‬ ‫‪3‬‬ ‫‪133‬‬ ‫‪19‬‬
‫‪6/623‬‬ ‫‪3‬‬ ‫‪122‬‬ ‫‪13‬‬
‫‪6/633‬‬ ‫‪3‬‬ ‫‪123‬‬ ‫‪12‬‬
‫‪6/633‬‬ ‫‪0‬‬ ‫‪106‬‬ ‫‪13‬‬
‫‪6/621‬‬ ‫‪13‬‬ ‫‪103‬‬ ‫‪10‬‬
‫‪6/139‬‬ ‫‪13‬‬ ‫‪130‬‬ ‫‪13‬‬
‫‪6/603‬‬ ‫‪16‬‬ ‫‪133‬‬ ‫‪13‬‬
‫‪6/606‬‬ ‫‪2‬‬ ‫‪136‬‬ ‫‪12‬‬
‫‪6/632‬‬ ‫‪3‬‬ ‫‪123‬‬ ‫‪96‬‬
‫‪6/666‬‬ ‫‪6‬‬ ‫‪133‬‬ ‫‪91‬‬
‫‪6/633‬‬ ‫‪19‬‬ ‫‪103‬‬ ‫‪99‬‬
‫‪6/636‬‬ ‫‪16‬‬ ‫‪123‬‬ ‫‪93‬‬
‫‪6/633‬‬ ‫‪3‬‬ ‫‪133‬‬ ‫‪92‬‬
‫‪6/623‬‬ ‫‪12‬‬ ‫‪122‬‬ ‫‪93‬‬
‫‪6/192‬‬ ‫‪96‬‬ ‫‪101‬‬ ‫‪90‬‬
‫‪933‬‬ ‫‪3323‬‬ ‫کل‬

‫‪26‬‬
 ‫جدول الف‪ -6-‬ترانزيستورهای راديو‪ -‬نتايج محاسبات‬

‫‪LCL‬‬ ‫‪UCL‬‬ ‫نسبت عدم انطباق‬ ‫تعداد بازرسي شده‬ ‫شماره زيرگروه‬
‫‪6/663‬‬ ‫‪6/113‬‬ ‫‪6/636‬‬ ‫‪133‬‬ ‫‪1‬‬
‫‪6/666‬‬ ‫‪6/196‬‬ ‫‪6/632‬‬ ‫‪126‬‬ ‫‪9‬‬
‫‪6/666‬‬ ‫‪6/196‬‬ ‫‪6/633‬‬ ‫‪126‬‬ ‫‪3‬‬
‫‪6/663‬‬ ‫‪6/113‬‬ ‫‪6/632‬‬ ‫‪133‬‬ ‫‪2‬‬
‫‪6/662‬‬ ‫‪6/110‬‬ ‫‪6/693‬‬ ‫‪106‬‬ ‫‪3‬‬
‫‪6/661‬‬ ‫‪6/112‬‬ ‫‪6/622‬‬ ‫‪122‬‬ ‫‪0‬‬
‫‪6/666‬‬ ‫‪6/196‬‬ ‫‪6/639‬‬ ‫‪132‬‬ ‫‪3‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/633‬‬ ‫‪131‬‬ ‫‪3‬‬
‫‪6/662‬‬ ‫‪6/110‬‬ ‫‪6/633‬‬ ‫‪103‬‬ ‫‪2‬‬
‫‪6/661‬‬ ‫‪6/112‬‬ ‫‪6/632‬‬ ‫‪123‬‬ ‫‪16‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/613‬‬ ‫‪136‬‬ ‫‪11‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/620‬‬ ‫‪133‬‬ ‫‪19‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/623‬‬ ‫‪122‬‬ ‫‪13‬‬
‫‪6/661‬‬ ‫‪6/112‬‬ ‫‪6/633‬‬ ‫‪123‬‬ ‫‪12‬‬
‫‪6/662‬‬ ‫‪6/110‬‬ ‫‪6/633‬‬ ‫‪106‬‬ ‫‪13‬‬
‫‪6/663‬‬ ‫‪6/113‬‬ ‫‪6/621‬‬ ‫‪103‬‬ ‫‪10‬‬
‫‪6/666‬‬ ‫‪6/191‬‬ ‫‪6/139‬‬ ‫‪130‬‬ ‫‪13‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/603‬‬ ‫‪133‬‬ ‫‪13‬‬
‫‪6/669‬‬ ‫‪6/113‬‬ ‫‪6/606‬‬ ‫‪136‬‬ ‫‪12‬‬
‫‪6/661‬‬ ‫‪6/112‬‬ ‫‪6/632‬‬ ‫‪123‬‬ ‫‪96‬‬
‫‪6/666‬‬ ‫‪6/191‬‬ ‫‪6/666‬‬ ‫‪133‬‬ ‫‪91‬‬
‫‪6/663‬‬ ‫‪6/113‬‬ ‫‪6/633‬‬ ‫‪103‬‬ ‫‪99‬‬
‫‪6/666‬‬ ‫‪6/196‬‬ ‫‪6/636‬‬ ‫‪123‬‬ ‫‪93‬‬
‫‪6/666‬‬ ‫‪6/191‬‬ ‫‪6/633‬‬ ‫‪133‬‬ ‫‪92‬‬
‫‪6/661‬‬ ‫‪6/112‬‬ ‫‪6/623‬‬ ‫‪122‬‬ ‫‪93‬‬
‫‪6/662‬‬ ‫‪6/110‬‬ ‫‪6/192‬‬ ‫‪101‬‬ ‫‪90‬‬
‫‪3323‬‬ ‫کل‬

‫‪21‬‬
 ‫شکل الف‪ -8-‬نمودار ‪ p‬برای عدم انطباق ترانزيستورهای راديو‬

‫ميتوان ديد که رسم مقادير ‪ UCL‬و ‪ ،LCL‬برای هر زيرگروه يک وظيفه زمانبر است‪ .‬از جدول الف‪ 3-‬ميتوان‬
‫مشاهده نمود که نسبت عدم انطباق برای زيرگروه شماره ‪ 13‬و ‪ 90‬خارج از حدود کنترل بااليي متناظر قرار‬
‫ميگيرند‪ .‬چنانچه نشان داده شده‪ ،‬اين دو زيرگروه از دادههای محاسبه حدود کنترل‪ ،‬حذف ميشوند‪ ،‬به اين‬
‫دليل که تفاوت انحرافات آنها‪ ،‬بر ساير زيرگروهها تأثيرگذار است‪ .‬اگر اين دو زيرگروه در محاسبات مد نظر‬
‫قرار گيرند‪ ،‬منجر به متوسط فرايند و حدود کنترل اغراقآميزی ميشود که انحرافات تصادفي واقعي را‬
‫انعكاس نميدهد‪ .‬داليل باال بودن اين مقادير بايد بررسي شود‪ ،‬به طوری که ممكن است نياز باشد تا اقدام‬
‫اصالحي به منظور پيشگيری از وقوع اين موارد در آينده‪ ،‬انجام شود‪.‬‬
‫متوسط نسبت عدم انطباق از مقادير‪ 92‬زيرگروه باقيمانده به طريق زير محاسبه ميشود‪:‬‬
‫̅‬
‫با محاسبه مقادير ‪ UCL‬و ‪ LCL‬اصالح شده برای هر زيرگروه‪ ،‬با استفاده از مقدار اصالح شده ̅ ‪ ،‬معلوم ميشود‬
‫که همه نسبتهای عدم انطباق داخل حدود کنترل متناظر خود هستند‪ .‬از اينرو‪ ،‬اين مقدار اصالح شده ̅‬
‫به عنوان نسبت عدم انطباق استاندارد برای هدف ايجاد حدود کنترل‪ ،‬در نظر گرفته ميشود‪ .‬بدين ترتيب‪،‬‬
‫‪.‬‬
‫همان طور که در باال نيز ذکر شد‪ ،‬رسم حدود کنترل بااليي برای زيرگروههای با اندازههای متفاوت‪ ،‬فرايندی‬
‫زمانبر و کسل کننده است‪ .‬با اين حال‪ ،‬از آنجاييکه اندازههای زيرگروه تفاوت زيادی با متوسط اندازه‬
‫زيرگروه با اندازه ‪ n =136‬ندارند‪ ،‬نمودار ‪ p‬اصالح شده (با استفاده از ‪ )p0 = 6/632‬ميتواند با حد کنترل‬
‫بااليي با استفاده از اندازه زيرگروه ‪ ،n=136‬به عنوان متوسط اندازه زيرگروه رسم شود‪.‬‬
‫بدين ترتيب‪ ،‬خطوط نمودار ‪ p‬اصالح شده به طريق زير محاسبه ميشوند‪.‬‬
‫خط مرکزی‬

‫√‬ ‫√‬

‫‪29‬‬
 ‫√‬ ‫√‬

‫يادآوری‪ -‬از آنجاييکه مقادير منفي امكانپذير نيست‪ ،‬حد پاييني نشان داده نشده است‪.‬‬
‫نمودار ‪ p‬اصالح شده در شكل الف‪ 2-‬رسم شده است‪ .‬فرايند نشان دهنده وضعيت کنترل آماری است‪.‬‬

‫شکل الف‪ -3-‬نمودار ‪ p‬اصالح شده برای عدم انطباق ترازيستورهای راديو‬

‫الف‪ 2-4-‬نمودار ‪ : np‬مقدار ‪ p0‬داده شده است‬

‫جدول الف‪ ،3-‬تعداد واحدهای نامنطبق را‪ ،‬در هر ساعت‪ ،‬با توجه به عملكرد نامناسبي که در بازرسي ‪166%‬‬
‫با استفاده از وسايل بازرسي خودکار بر روی سوييچهای کوچک يافت ميشود‪ ،‬نشان ميدهد‪ .‬سوييچها در‬
‫يک خط مونتاژ خودکار توليد ميشوند‪ .‬از آن جايي که عملكرد نامناسب‪ ،‬جدی است‪ ،‬از درصد نامنطبق برای‬
‫شناسايي زماني که خط مونتاژ خارج از کنترل است‪ ،‬استفاده ميشود‪ .‬از آنجاييکه تعداد اقالم بازرسي شده‬
‫ثابت است‪ ،‬يک نمودار ‪ np‬با جمعآوری دادهها از ‪ 93‬گروه به عنوان دادههای اوليه‪ ،‬تهيه ميشود‪.‬‬
‫جدول الف‪ -2-‬دادههای اولیه‪ :‬سويیچها‬

‫تعداد سويیچ های‬ ‫شماره‬

‫درصد عدم انطباق‬ ‫تعداد سويیچ های بازرسي شده‬
‫نامنطبق‬ ‫زيرگروه‬
‫‪6/966‬‬ ‫‪3‬‬ ‫‪2666‬‬ ‫‪1‬‬
‫‪6/336‬‬ ‫‪12‬‬ ‫‪2666‬‬ ‫‪9‬‬
‫‪6/936‬‬ ‫‪16‬‬ ‫‪2666‬‬ ‫‪3‬‬
‫‪6/166‬‬ ‫‪2‬‬ ‫‪2666‬‬ ‫‪2‬‬
‫‪6/393‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪3‬‬
‫‪6/993‬‬ ‫‪2‬‬ ‫‪2666‬‬ ‫‪0‬‬
‫‪6/133‬‬ ‫‪3‬‬ ‫‪2666‬‬ ‫‪3‬‬
‫‪6/933‬‬ ‫‪11‬‬ ‫‪2666‬‬ ‫‪3‬‬
‫‪6/333‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪2‬‬

‫‪23‬‬
 ‫تعداد سويیچ های‬ ‫شماره‬
‫درصد عدم انطباق‬ ‫تعداد سويیچ های بازرسي شده‬
‫نامنطبق‬ ‫زيرگروه‬
‫‪6/393‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪16‬‬
‫‪6/193‬‬ ‫‪3‬‬ ‫‪2666‬‬ ‫‪11‬‬
‫‪6/336‬‬ ‫‪12‬‬ ‫‪2666‬‬ ‫‪19‬‬
‫‪6/366‬‬ ‫‪19‬‬ ‫‪2666‬‬ ‫‪13‬‬
‫‪6/966‬‬ ‫‪3‬‬ ‫‪2666‬‬ ‫‪12‬‬
‫‪6/333‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪13‬‬
‫‪6/933‬‬ ‫‪11‬‬ ‫‪2666‬‬ ‫‪10‬‬
‫‪6/993‬‬ ‫‪2‬‬ ‫‪2666‬‬ ‫‪13‬‬
‫‪6/236‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪13‬‬
‫‪6/136‬‬ ‫‪0‬‬ ‫‪2666‬‬ ‫‪12‬‬
‫‪6/366‬‬ ‫‪19‬‬ ‫‪2666‬‬ ‫‪96‬‬
‫‪6/136‬‬ ‫‪0‬‬ ‫‪2666‬‬ ‫‪91‬‬
‫‪6/366‬‬ ‫‪19‬‬ ‫‪2666‬‬ ‫‪99‬‬
‫‪6/966‬‬ ‫‪3‬‬ ‫‪2666‬‬ ‫‪93‬‬
‫‪6/333‬‬ ‫‪13‬‬ ‫‪2666‬‬ ‫‪92‬‬
‫‪6/336‬‬ ‫‪12‬‬ ‫‪2666‬‬ ‫‪93‬‬
‫‪902‬‬ ‫‪166666‬‬ ‫کل‬
‫خط مرکزی و حدود کنترل در زير محاسبه و رسم شدهاند‪.‬‬
‫محاسبات نمودار ‪: np‬‬
‫خط مرکزی‬ ‫̅‬
‫̅‬ ‫̅√‬ ‫̅‬ ‫√‬
‫̅‬ ‫̅√‬ ‫̅‬ ‫√‬

‫شکل الف‪ -21-‬نمودار ‪ np‬برای سويیچها‬

‫‪22‬‬
 ‫شكل الف‪ 16-‬نشان ميدهد که کيفيت سوييچها تحت کنترل آماری است‪ .‬اين حدود کنترل ممكن است‬
‫فعالً برای زيرگروههای آينده استفاده شود تا زمانيکه فرايند تغيير کرده يا خارج از کنترل آماری قرار گيرد‪.‬‬
‫توجه کنيد از آنجاييکه فرايند تحت کنترل آماری است‪ ،‬بعيد است که هر بهبودی بتواند بدون تغيير يک‬
‫فرايند انجام شود‪ .‬در آينده برای کنترل‪ ،‬ممكن است اندازه نمونه ‪ 366‬تايي به جای ‪ 2666‬تايي کافي باشد‪.‬‬
‫اگر بهبودی ايجاد شود‪ ،‬آنگاه مجبوريم حدود کنترل جديدی برای زيرگروهها محاسبه کنيم تا عمكرد فرايند‬
‫تغيير يافته را منعكس کنيم‪ .‬اگر فرايند بهبود يافته باشد ( مقدار ‪ np‬کمتر)‪ ،‬از حدود جديد استفاده کنيد‪ ،‬اما‬
‫اگر فرايند بدتر شده باشد (مقدار ‪ np‬بيشتر)‪ ،‬برای عوامل قابل تشخيص اضافي تحقيق کنيد‪.‬‬
‫الف‪ 5-4-‬نمودار ‪ ، C‬مقدار ‪ C0‬داده نشده است‬
‫يک سازنده ويدئو ضبط‪ ،‬مي خواهد تا تعداد نقاط عدم انطباق در ويدئو ضبطها را کنترل کند‪ .‬دادههای زير‪،‬‬
‫تعداد عدم انطباقهای نقطهای پيدا شده از طريق امتحان متوالي سطح ‪ 96‬حلقه ويدئو ضبط ميباشد‪ ،‬به‬
‫طوری که هر کدام دارای‪ 336‬متر طول و از يک فرايند توليد معين در جايي که آخرين مرحله بررسي‬
‫ويدوئو ضبط صورت ميگيرد‪ ،‬ميباشد‪.‬‬
‫به منظور کنترل اين فرايند‪ ،‬نمودار ‪ c‬را بارسم تعداد عدم انطباقهای نقطهای‪ ،‬به کار ميبريم‪ .‬دادههای‬
‫مربوط به ‪ 96‬حلقه که در جدول الف‪ 3-‬آمده‪ ،‬به عنوان دادههای اوليه برای تهيه نمودار ‪ c‬در نظر گرفته‬
‫ميشود‪.‬‬
‫جدول الف‪ -8-‬دادههای اولیه‪ :‬ويدئو ضبط‬

‫كل‬ ‫‪21‬‬ ‫‪23‬‬ ‫‪28‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪23‬‬ ‫‪24‬‬ ‫‪25‬‬ ‫‪22‬‬ ‫‪21‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫شماره حلقه‬
‫‪03‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪9‬‬ ‫‪0‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫تعداد نقاط عدم‬
‫انطباق‬
‫خط مرکزی و حدود کنترل به طريق زير محاسبه و رسم ميشوند‪.‬‬
‫خط مرکزی‬ ‫̅‬
‫̅‬ ‫̅ √‬ ‫√‬
‫̅‬ ‫̅ √‬ ‫√‬
‫هنگامي که حد کنترل پاييني منفي باشد‪،‬يعني هيچ حد کنترل پاييني وجود ندارد‪.‬‬

‫‪23‬‬
 ‫شکل الف‪ -22-‬نمودار ‪ c‬برای دادهها از تولید ويدئوضبط‬

‫دادههای اوليه نشان ميدهد که فرايند در وضعيت کنترل آماری است‪.‬‬

‫الف‪ 4-4-‬نمودار ‪ -u‬مقدار ‪ u0‬داده شده است‬
‫در يک کارخانه ساخت تاير‪ 36 ،‬تاير هر نيم ساعت يکبار بازرسي شده و تعداد کل عدم انطباقها و تعداد‬
‫عدم انطباقها در هر واحد ثبت شده بود‪ .‬تصميم گرفته شد به منظور بررسي وضعيت کنترل فرايند‪ ،‬يک‬
‫نمودار ‪ u‬برای تعداد عدم انطباقها در هر واحد تهيه شود‪ .‬دادهها در جدول الف‪ 9-‬نشان داده شدهاند‪.‬‬
‫متوسط مقادير ‪ ،u‬چنانچه در زير آمده‪ ،‬از جدول محاسبه ميشوند‪.‬‬
‫جدول الف‪-3-‬تعداد عدم انطباقها در هر واحد( واحدهای زيرگروه های بررسي شده‪)n =31 ،‬‬

‫‪21‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪6‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫شماره زيرگروه‬
‫‪2‬‬ ‫‪9‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪ :c‬تعداد عدم انطباقها‬
‫‪6/63‬‬ ‫‪6/62‬‬ ‫‪6/19‬‬ ‫‪6/16‬‬ ‫‪6/69‬‬ ‫‪6/62‬‬ ‫‪6/19‬‬ ‫‪6/60‬‬ ‫‪6/16‬‬ ‫‪6/63‬‬ ‫‪ :u‬تعداد عدم انطباقها‬
‫در هر واحد‬

‫كل‬ ‫‪21‬‬ ‫‪23‬‬ ‫‪28‬‬ ‫‪22‬‬ ‫‪26‬‬ ‫‪23‬‬ ‫‪24‬‬ ‫‪25‬‬ ‫‪22‬‬ ‫‪22‬‬ ‫شماره زيرگروه‬

‫‪33‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪0‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪ :c‬تعداد عدم انطباقها‬

‫‪6/633‬‬ ‫‪6/16‬‬ ‫‪6/60‬‬ ‫‪6/19‬‬ ‫‪6/62‬‬ ‫‪6/69‬‬ ‫‪6/16‬‬ ‫‪6/60‬‬ ‫‪6/62‬‬ ‫‪6/16‬‬ ‫‪6/12‬‬ ‫‪ :u‬تعداد عدم انطباقها‬
‫در هر واحد‬

‫تعداد کل عدم انطباق ها (از رديف مقادير ‪ )c‬را بر تعداد واحدهای بازرسي شده تقسيم کنيد‪.‬‬
‫∑‬
‫̅‬
‫∑‬
‫̅‬
‫̅‬ ‫√‬ ‫√‬

‫‪20‬‬
 ‫̅‬
‫̅‬ ‫√‬ ‫√‬

‫يادآوری‪ -‬از آن جاييکه مقدار منفي امكانپذير نيست‪ ،‬حد پاييني نشان داده نميشود‪.‬‬
‫دادهها و خطوط کنترل در شكل الف‪ ،19-‬رسم شدهاند‪.‬‬

‫شکل الف‪ -22-‬نمودار‪ u‬برای دادههای مربوط به ساخت تاير‬

‫شكل الف‪ 19-‬نشان ميدهد که فرايند در وضعيت کنترل آماری قرار دارد‪.‬‬

‫يادآوری‪ -‬از آنجاييکه اندازه زيرگروه ثابت است‪ ،‬از نمودار ‪ c‬به جای نمودار ‪ u‬ميتوان استفاده نمود‪.‬‬

‫‪23‬‬
 ‫پیوست ب‬
‫(اطالعاتي)‬
‫مالحظات عملي در رابطه با آزمونهای روند برای موارد انحراف قابل تشخیص‬
‫مالحظات عملي در مورد استفاده از آزمونهای روند در شكل ‪ 3‬که در زير آمده نشان داده ميشود‪.‬‬
‫الف آزمونهای روند متفاوت زيادی در دسترس هستند‪ .‬آزمونهای روند نشان داده شده در شكل ‪،3‬‬
‫معموالً برای آزمونها استفاده ميشوند‪ .‬هدف از نمودارهای کنترل شوهارت اين است که ببينيم آيا فرايند در‬
‫يک شرايط پايدار قرار دارد يا خير‪ .‬به طور مثال‪ ،‬چنانچه تمايلي برای اکسيدشدن در فرايند ساخت جسم‬
‫نيمههادی‪ ،‬وجود داشته باشد که تحت تأثير فشار هوا قرار دارد‪ ،‬مناسب است که امتداد مسير‪ ،‬درنمودارهای‬
‫کنترل پديدار شوند‪ .‬بااينحال‪ ،‬چنين وضعيتي معمول بوده و غيرعادی به حساب نميآيد‪ .‬بنابراين‪ ،‬باطری در‬
‫آزمونهای الگوی شكل‪ 3‬نبايد به عنوان قواعد خاص مدنظر قرار گيرد‪ ،‬بلكه بايد به عنوان نوعي راهنما‬
‫استفاده شود‪ .‬آزمونهای الگو بايد براساس وضعيت معمولي فرايند‪ ،‬تعيين شود‪.‬‬
‫ب همان طور که در بند ‪ 3‬نشان داده شد‪ ،‬اگر چند آزمون شكل ‪ 3‬با همديگر استفاده شود‪ ،‬احتمال وقوع‬
‫خطای نوع اول خيلي زياد ميشود‪ .‬با اين حال‪ ،‬در مرحله اوليه توليد‪ ،‬هدف از کنترل فرايند آماری اينست‬
‫که فرايند را تحت يک وضعيت ثابت درآورده و آن را به منظور عملكرد بهتر‪ ،‬بهبود دهيم‪ .‬بنابراين‪ ،‬ما بايد به‬
‫طور قطعي و با سرعت‪ ،‬عوامل قابل تشخيص را با استفاده از برخي آزمونهای شكل ‪ 3‬مشخص سازيم‪،‬‬
‫هرچند که احتمال خطای نوع اول خيلي زياد ميشود‪ .‬اينها ميتواند به عنوان دادههای اکتشافي تحليل در‬
‫نظر گرفته شود‪ .‬از طرف ديگر‪ ،‬هنگامي که مرحله توليد به مرحله توليد روزمره و انبوه‪ ،‬انتقال مييابد‪ ،‬هدف‬
‫از کنترل فرايند آماری اين است که فرايند را در وضعيت کنترل حفظ کنيم‪ .‬در اين مورد‪ ،‬احتمال خيلي‬
‫کمي از خطای نوع اول وجود دارد‪ .‬بنابراين‪ ،‬از استفاده برخي آزمونها باهمديگر‪ ،‬اجتناب ميشود‪ .‬آزمون‪،1‬‬
‫قاعده اساسي نمودار کنترل شوهارت و يک آزمون عمومي است‪ .‬اگر تمايل و يا روند نسبتاً کمي در ميانگين‬
‫فرايند ظاهر شود‪ ،‬استفاده از يک قاعده تكميلي مفيد خواهد بود‪ .‬به طور مثال‪ ،‬آزمون ‪ 3‬قواعد الكتريكي‬
‫وسترن ميتواند عالوه بر آزمون ‪ ،1‬به عنوان قاعده تكميلي‪ ،‬تعيين شود‪.‬‬
‫پ قواعد الكتريكي وسترن‪ :‬معيارهای متفاوت زيادی برای شناسايي عوامل قابل تشخيص وجود دارند‪ .‬يكي از‬
‫قواعد رايجي که از سال ‪ 1236‬ميالدی تاکنون استفاده ميشود‪ ،‬معيار معروف قواعدالكتريكي وسترن يا‬
‫قواعد ‪ AT&T‬است‪ .‬شكل ب‪ ،1-‬هشت معيار آزمون معمول در اين قواعد را نشان ميدهد‪ .‬همچنان که قبالً‬
‫توضيح داده شد‪ ،‬تصميمگيری در مورد اين که کدام معيار استفاده شود بستگي به فرايند مورد مطالعه دارد‪.‬‬

‫‪23‬‬
‫آزمون‪ -2‬نه نقطه در يك رديف در ناحیه يا يك سمت خط مركزی‬ ‫آزمون ‪ -2‬يك نقطه خارج از ناحیه ‪A‬‬

‫آزمون‪ -4‬چهارده نقطه در يك رديف به طور متناوب باال و پايین‬ ‫آزمون‪ -5‬شش نقطه در يك رديف عمودی به حالت افزايشي يا‬
‫كاهشي‬

‫آزمون ‪ -6‬چهار نقطه از پنج نقطه در يك رديف در ناحیه ‪ B‬يا‬ ‫آزمون ‪ -3‬دو نقطه از سه نقطه در يك رديف در ناحیه ‪ C‬باال و‬
‫آنطرفتر در يك سمت خط مركزی‬ ‫پايین خط مركزی‬

‫آزمون ‪ -8‬هشت نقطه در يك رديف‪ ،‬هر دو طرف خط مركزی بدون‬ ‫آزمون ‪ -2‬نه نقطه در يك رديف در ناحیه يا يك سمت خط‬
‫هیچ نقطه در ناحیه ‪C‬‬ ‫مركزی‬

‫شکل ب‪ -2-‬آزمونهايي برای موارد قابل تشخیص‬

‫‪22‬‬
 ‫پیوست پ‬

)‫(اطالعاتي‬

‫كتابنامه‬

[1] Shewhart W.A. Economic Control of Manufactured Product. D.Van Norstrand, Co,
New York, 1931,pp.501.

[2] Nelson L.S. The Shewhart Control Chart – Test for Special Causes. Journal of Quality
Technology. 1984 Octobr, 16(4) pp. 237-239

[3] Nelson L.S. Interpreting Shewhart ̅ Control Charts. Jounal of Quality Technology.
1985 April, 17(2) pp. 114-116.

[4] Klein M. Two Alternatives to the Shewhart ̿ Control Charts. Journal of Quality
Technology. 2000, 32 pp. 427-431

[5] Grant E., & Leaveworth R. Statistical Quality Control. McGraw- Hill Series in
Industrial Engineering and Managemet, 1996

[6] Prabhu S.S., Montgomery D.C., Runger G.C. A Combined Adaptive Sample Size and
Sampling Interval ̅ Control Scheme. Journal of Quality Technology. 1994, 26 pp.
164-176

[7] Tagaras G.A Survey of Recent Developments in the Design of Adaptive Control
Charts. Journal of Quality Technology. 1998, 30 pp. 212-231

[8] Nishina K., Kuzuya K., Ishi N. Reconsideration of Control Charts in Japan. Frontiers
in Statistical Quality Control. 2005, 8pp. 136-150

36