دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: William A. Levinson
سری:
ISBN (شابک) : 9781032249902, 9781003281061
ناشر: Routledge/Productivity Press
سال نشر: 2022
تعداد صفحات: 98
[99]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 Mb
در صورت تبدیل فایل کتاب Short-Run SPC for Manufacturing and Quality Professionals به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب SPC کوتاه مدت برای حرفه ای های تولید و کیفیت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در طبقه کارگاه تولیدی، اصل \"ارزش از تولید قطعات به جای نمودارها ناشی می شود\" در هنگام استفاده از کنترل فرآیند آماری عملی (SPC) به طور اساسی اعمال می شود. کارگر تولیدی باید فقط اندازهگیریهای نمونه را وارد کند تا اطلاعات عملی فوری را در مورد اینکه آیا اقدام اصلاحی (مثلاً همانطور که توسط طرح واکنش طرح کنترل تعریف شده است) برای یک موقعیت خارج از کنترل ضروری است یا خیر، و نباید انجام دهد. هر گونه محاسبات، نمودارهای کنترلی رسم کنید یا از نرم افزارهای آماری پیچیده استفاده کنید. مزیت اصلی این کتاب برای خوانندگان شامل راهحلهای صفحهگسترده با تمام دقت ریاضی ورنیه و سادگی تبر سنگی است.\r\n\r\nSPC سنتی بر این فرض تکیه می کند که داده های کافی برای تخمین پارامترهای فرآیند و تعیین محدودیت های کنترل مناسب در دسترس است. با این حال، بسیاری از کاربردهای عملی شامل دوره های تولید کوتاهی است که هیچ سابقه فرآیندی برای آنها در دسترس نیست. با این وجود روش های کنترلی آزمایش شده و عملی مانند PRE-Control و SPC کوتاه مدت وجود دارد که از مشخصات محصول برای تعیین محدودیت های مناسب استفاده می کند. PRE-Control صرفاً به محدودیتهای مشخصات متکی است در حالی که SPC کوتاهمدت با این فرض شروع میشود که فرآیند قادر است - یعنی حداقل یک فرآیند 4 سیگما، و از آنجا برای تنظیم محدودیتهای کنترلی کار میکند. نمودارهای جمع تجمعی (CUSUM) و میانگین متحرک وزنی نمایی (EWMA) نیز می توانند برای این منظور استفاده شوند. نمودارهای تخصصی همچنین می توانند چندین ویژگی قطعه و قطعات با مشخصات مختلف را به طور همزمان ردیابی کنند. این اغلب مفید است، برای مثال، در جایی که همان ابزار در تولید مدل ترکیبی مشغول است.\r\n\r\nخوانندگان قادر خواهند بود نمودارهای کنترلی عملی و ساده را برای دورههای تولیدی که هیچ سابقه قبلی در دسترس نیست، مستقر کنند و فرآیندها را تا زمانی که دادههای کافی برای فعال کردن روشهای سنتی جمعآوری شود، کنترل کنند (با فرض اینکه چنین شود). آنها قادر خواهند بود چندین ویژگی محصول را با مشخصات مختلف ردیابی کنند و همچنین برنامه های کاربردی مدل ترکیبی را کنترل کنند که در آنها یک ابزار قطعات بسیار کوتاهی با مشخصات متفاوت تولید می کند. این روشها به نرمافزاری فراتر از صفحات گسترده در دسترس نیاز ندارند، و همچنین به جداول تخصصی که به طور گسترده در دسترس نیستند، نیاز ندارند. صاحبان فرآیند و مهندسین کیفیت قادر خواهند بود تمام محاسبات پشتیبانی را در Microsoft Excel و بدون نیاز به نرم افزار پیشرفته انجام دهند.
On the manufacturing shop floor, the principle of "value comes from the production of parts rather than charts" crucially applies when using practical statistical process control (SPC). The production worker should need to enter only a sample’s measurements to get immediately actionable information as to whether corrective action (e.g., as defined by a control plan’s reaction plan) is necessary for an out-of-control situation, and should not have to perform any calculations, draw control charts, or use sophisticated statistical software. This book’s key benefit for readers consists of spreadsheet-deployable solutions with all the mathematical precision of a vernier along with the simplicity of a stone ax. Traditional SPC relies on the assumption that sufficient data are available with which to estimate the process parameters and set suitable control limits. Many practical applications involve, however, short production runs for which no process history is available. There are nonetheless tested and practical control methods such as PRE-Control and short-run SPC that use the product specifications to set appropriate limits. PRE-Control relies solely on the specification limits while short-run SPC starts with the assumption that the process is capable—that is, at least a 4-sigma process, and works from there to set control limits. Cumulative Sum (CUSUM) and exponentially weighted moving average (EWMA) charts also can be used for this purpose. Specialized charts can also track multiple part characteristics, and parts with different specifications, simultaneously. This is often useful, for example, where the same tool is engaged in mixed-model production. Readers will be able to deploy practical and simple control charts for production runs for which no prior history is available and control the processes until enough data accumulate to enable the traditional methods (assuming it ever does). They will be able to track multiple product features with different specifications and also control mixed-model applications in which a tool generates very short runs of parts with different specifications. The methods will not require software beyond readily available spreadsheets, nor will they require specialized tables that are not widely available. Process owners and quality engineers will be able to perform all supporting calculations in Microsoft Excel, and without the need for advanced software.
Cover Half Title Title Page Copyright Page Table of Contents Preface Introduction Chapter 1 PRE-Control Two-Sided Tolerance: Nominal Is Best Process Qualification Process Monitoring Go/No-Go Gages Producer’s and Consumer’s Risks One-Sided Specification Limits One-Sided Specification Limit: More Is Better One-Sided Specification Limit: Less Is Better Shop Floor Spreadsheet Spreadsheet for Less Is Better Summary: PRE-Control Chapter 2 Introduction to Short-Run SPC Limitation to Normally Distributed Processes Deviation from Nominal (DNOM) Method: Single Quality Characteristic Chart for Process Variation Example: Chart for Individuals Deployment to the Shop Floor Charts for Samples Probabilistic Control Limits for Variation Standardized Range Chart Summary: Short-Run SPC, Single Quality Characteristic Chapter 3 Cumulative Sum (CUSUM) Chart Engineering Process Control and CUSUM Integral Control CUSUM Tabular CUSUM Decision Interval and K Tabular CUSUM in Excel Tabular CUSUM for Samples Cuscore CUSUM versus Cuscore EWMA Charts EWMA for Individuals Selection of Method: Traditional SPC, CUSUM, or EWMA? Average Run Length, Traditional SPC Average Run Length, CUSUM Average Run Length, EWMA Summary Chapter 4 Charts for Multiple Nominals Parts with Different Nominals Practical Consideration: Number of “Tools” Parts with Multiple Characteristics, Same Variation Parts with Multiple Characteristics and Different Variations Group Charts The Group Chart Summary Chapter 5 Acceptance Control Charts Bibliography Index