Statistical Process Control (SPC) Kya Hai? In Hindi- क्यों और कैसे उपयोग करें। इसके Features,Benefits और Resources की हिंदी में जानकारी .
Statistical Process Control (SPC)- सांख्यिकीय प्रक्रिया नियंत्रण (SPC)
Statistical Process Control (SPC) विनिर्माण प्रक्रिया (manufacturing process) के दौरान गुणवत्ता (Quality) को मापने (Measure) और नियंत्रित (Control) करने के लिए एक उद्योग-मानक (Industry Standard) पद्धति है। उत्पाद या प्रक्रिया माप (Product or Process measurements ) के रूप में गुणवत्ता(Quality) डेटा(Data) विनिर्माण (manufacturing) के दौरान वास्तविक समय में प्राप्त किया जाता है। इस data को पहले से निर्धारित नियंत्रण सीमाओं (Control limits ) के साथ एक ग्राफ पर प्लॉट किया जाता है। नियंत्रण सीमाएं (Control limits ) प्रक्रिया की क्षमता द्वारा निर्धारित की जाती हैं, जबकि विनिर्देश सीमाएं (specification limits ) ग्राहक की जरूरतों के अनुसार निर्धारित की जाती हैं।
Statistical Process Control (SPC) उद्योग के लिए नया नहीं है। 1924 में बेल लेबोरेटरीज के एक व्यक्ति ने कंट्रोल चार्ट और कॉन्सेप्ट विकसित किया कि एक प्रक्रिया सांख्यिकीय नियंत्रण में हो सकती है। उसका नाम विलियम ए शेवर्ट था। उन्होंने अंततः "गुणवत्ता नियंत्रण के दृष्टिकोण से सांख्यिकीय विधि (Statistical Method from the Viewpoint of Quality Control)" नामक पुस्तक प्रकाशित की (1939)। Statistical Process Control (SPC) Process ने द्वितीय विश्व युद्ध के दौरान सैन्य टुकड़ियों और हथियारों की सुविधाओं में व्यापक उपयोग किया। उत्पाद की मांग ने उन्हें सुरक्षा से समझौता किए बिना उत्पाद की गुणवत्ता की निगरानी के लिए एक बेहतर और अधिक कुशल तरीके से देखने के लिए मजबूर किया था। एसपीसी ने वह जरूरत भर की। अमेरिका में एसपीसी तकनीकों का उपयोग युद्ध के बाद फीका पड़ गया। इसे तब जापानी निर्माण कंपनियों द्वारा उठाया गया था जहां आज भी इसका उपयोग किया जाता है। 1970 के दशक में, एसपीसी ने अमेरिकी उद्योग द्वारा जापान से आयात किए जा रहे उच्च गुणवत्ता वाले उत्पादों के दबाव की भावना के कारण फिर से स्वीकृति प्राप्त करना शुरू कर दिया। आज, SPC कई उद्योगों में व्यापक रूप से उपयोग किया जाने वाला गुणवत्ता उपकरण है।
Read These Also-
सांख्यिकीय प्रक्रिया नियंत्रण (SPC) का उपयोग क्यों करें {Why Use Statistical Process Control (SPC)}
Manufacturing Companies को आज बढ़ती प्रतिस्पर्धा (competition) का सामना करना पड़ रहा है। एक ही समय में कच्चे माल की लागत में वृद्धि जारी है। ये ऐसे कारक हैं जो अधिकांश भाग के लिए कंपनियों को नियंत्रित नहीं कर सकते हैं। इसलिए कंपनियों को इस बात पर ध्यान केंद्रित करना चाहिए कि वे क्या नियंत्रित कर सकते हैं: उनकी प्रक्रियाएं। कंपनियों को गुणवत्ता, दक्षता और लागत में कमी में निरंतर सुधार के लिए प्रयास करना चाहिए। कई कंपनियां गुणवत्ता के मुद्दों का पता लगाने के लिए उत्पादन के बाद भी केवल निरीक्षण पर भरोसा करती हैं। SPC Process एक कंपनी को रोकने के लिए कार्यान्वित की जाती है ताकि रोकथाम आधारित गुणवत्ता नियंत्रणों का पता लगाया जा सके। वास्तविक समय में किसी प्रक्रिया के प्रदर्शन की निगरानी करके, ऑपरेटर गैर-अनुरूपता वाले उत्पाद और स्क्रैप के परिणामस्वरूप प्रक्रिया के रुझानों या परिवर्तनों का पता लगा सकता है।
Read also This
सांख्यिकीय प्रक्रिया नियंत्रण (SPC) का उपयोग कैसे करें {How to Use Statistical Process Control (SPC)}
SPC या किसी भी New Quality System लागू करने से पहले, कचरे (Waste) के मुख्य क्षेत्रों को निर्धारित करने के लिए विनिर्माण प्रक्रिया का मूल्यांकन किया जाना चाहिए। Manufacturing Process के Waste के कुछ उदाहरण हैं rework, Scrap और excessive inspection time। सबसे पहले इन क्षेत्रों में SPC Tools लागू करना सबसे अधिक फायदेमंद होगा। SPC के दौरान, सभी आयामों पर खर्च, समय और उत्पादन में देरी के कारण निगरानी नहीं की जाती है। SPC कार्यान्वयन से पहले डिजाइन या प्रक्रिया की प्रमुख या महत्वपूर्ण विशेषताओं को एक प्रिंट समीक्षा या डिजाइन विफलता मोड और प्रभाव विश्लेषण (DFMEA) अभ्यास के दौरान एक क्रॉस फंक्शनल टीम (CFT) द्वारा पहचाना जाना चाहिए। फिर डेटा को इन प्रमुख या महत्वपूर्ण विशेषताओं पर एकत्र किया जाएगा और निगरानी की जाएगी।
डेटा एकत्र करना और रिकॉर्ड करना (Collecting and Recording Data)
SPC Data एक Product Dimension / प्रक्रिया इंस्ट्रूमेंटेशन(Process Instrumentation) रीडिंग के माप के रूप में एकत्र किया जाता है। तब एकत्रित किए गए डेटा के आधार पर डेटा को विभिन्न प्रकार के नियंत्रण चार्टों पर रिकॉर्ड और ट्रैक किया जाता है। यह महत्वपूर्ण है कि सही प्रकार के चार्ट का उपयोग लाभ मूल्य और उपयोगी जानकारी प्राप्त करने के लिए किया जाए। डेटा निरंतर परिवर्तनशील डेटा या विशेषता डेटा के रूप में हो सकता है। डेटा को व्यक्तिगत मूल्यों या रीडिंग के एक समूह के औसत के रूप में भी एकत्र और दर्ज किया जा सकता है। कुछ सामान्य दिशानिर्देश और उदाहरण नीचे सूचीबद्ध हैं। यह सूची सभी समावेशी नहीं है और केवल एक संदर्भ के रूप में आपूर्ति की गई है।
Variable data
- Individual – Moving Range chart: to be used if your data is individual values
- Xbar – R chart: to be used if you are recording data in sub-groups of 8 or less
- Xbar – S chart: to be used if your sub-group size is greater than 8
Attribute data
- P chart – For recording the number of defective parts in a group of parts
- U chart – For recording the number of defects in each part
नियंत्रण चार्ट (control Charts)
Variable Data के लिए सबसे व्यापक रूप से उपयोग किए जाने वाले Control Charts में से एक X- Bar और R- Chart है। X-बार वैरिएबल x के औसत या "माध्य" मान का प्रतिनिधित्व करता है। X- बार चार्ट नमूना साधन या औसत में भिन्नता प्रदर्शित करता है। रेंज चार्ट उपसमूह के भीतर भिन्नता को दर्शाता है। सीमा केवल उच्चतम और निम्नतम मूल्य के बीच का अंतर है। X- बार और R चार्ट बनाने के लिए निम्न चरणों की आवश्यकता होती है:
- Sample size " n " नामित करें। आमतौर पर 4 या 5 कई उद्योगों में उपयोग किए जाने वाले सामान्य Sample size हैं। याद रखें कि Sample size 8 या उससे कम होना चाहिए। आवृत्ति को भी निर्धारित करें कि sample measurement एकत्र किया जाएगा।
- Sample के अपने प्रारंभिक सेट को इकट्ठा करना शुरू करें। एक सामान्य नियम 4 के समूहों में 100 माप एकत्र करना है, जिसके परिणामस्वरूप 25 डेटा बिंदु होंगे।
- 4 Samples के 25 समूहों में से प्रत्येक के लिए औसत मूल्य की गणना करें।
- 4 measurement के 25 Samples में से प्रत्येक की सीमा की गणना करें। सीमा 4 नमूना माप के प्रत्येक सेट में उच्चतम और निम्नतम मूल्य के बीच का अंतर है।
- एक्स- Double बार (औसत का औसत) की गणना करें, जो एक ठोस केंद्र रेखा द्वारा एक्स-बार चार्ट पर दर्शाया गया है।
- Sample Range या "R " मूल्यों के औसत की गणना करें। यह रेंज चार्ट की सेंटरलाइन होगी।
- प्रत्येक चार्ट के लिए ऊपरी और निचले नियंत्रण सीमाएं (UCL, LCL) की गणना करें। स्पष्ट होने के लिए, नियंत्रण सीमा इंजीनियर द्वारा ड्राइंग पर निर्धारित की गई सीमा नहीं है। नियंत्रण सीमाएं डेटा से ली गई हैं। अधिकांश इंजीनियर सांख्यिकीय सॉफ़्टवेयर का उपयोग करते हैं जो गणना स्वचालित रूप से करेंगे।
एक बार चार्ट सेटअप होने के बाद, ऑपरेटर या तकनीशियन कई नमूनों को मापेंगे, मूल्यों को एक साथ जोड़ेंगे फिर औसत की गणना करेंगे। यह मान फिर एक नियंत्रण चार्ट या एक्स-बार चार्ट पर दर्ज किया जाता है। उपसमूहों की श्रेणी भी दर्ज की गई है। Sample Measurement को नियमित अंतराल में लिया जाना चाहिए और दर्ज किया जाना चाहिए, जिसमें प्रक्रिया की स्थिरता को ट्रैक करने की तारीख और समय भी शामिल है। किसी विशेष या असाइन किए गए कारणों के लिए देखें और एक स्थिर और नियंत्रण प्रक्रिया को बनाए रखने के लिए आवश्यक रूप से प्रक्रिया को समायोजित करें।
डेटा का विश्लेषण (Analyzing the Data)
एक Control Chart पर दर्ज डेटा बिंदुओं को नियंत्रण सीमाओं (Control Limit) के बीच गिरना चाहिए, बशर्ते कि केवल सामान्य कारण और कोई विशेष कारणों की पहचान नहीं की गई हो। सामान्य कारण नियंत्रण सीमा के बीच में आ जाएंगे जबकि विशेष कारण आमतौर पर नियंत्रण सीमा से बाहर हैं या नियंत्रण सीमा से बाहर हैं। Statistical Control में समझी जाने वाली प्रक्रिया के लिए किसी भी चार्ट में कोई विशेष कारण नहीं होना चाहिए। नियंत्रण में एक प्रक्रिया के लिए कोई विशेष कारण की पहचान नहीं होगी और डेटा नियंत्रण सीमाओं के बीच गिरना चाहिए। सामान्य कारण भिन्नता के कुछ उदाहरण इस प्रकार हैं:
- विनिर्देश के भीतर भौतिक गुणों में भिन्नता
- परिवेश के तापमान या आर्द्रता में मौसमी परिवर्तन
- सामान्य मशीन या टूलींग पहनते हैं
- ऑपरेटर नियंत्रित सेटिंग्स में परिवर्तनशीलता
- सामान्य माप भिन्नता
इसके विपरीत, विशेष कारण आमतौर पर नियंत्रण सीमा से बाहर हो जाते हैं या प्रक्रिया में भारी बदलाव या बदलाव का संकेत देते हैं। विशेष कारण भिन्नता के कुछ उदाहरण नीचे दिए गए हैं:
- विफल नियंत्रक
- अनुचित उपकरण समायोजन
- माप प्रणाली में बदलाव
- एक प्रक्रिया बदलाव
- मशीन की खराबी
- कच्चे माल डिजाइन विनिर्देशों से बाहर गुण
- टूटा हुआ उपकरण, पंच, बिट आदि।
- अनुभवहीन ऑपरेटर प्रक्रिया से परिचित नहीं है
SPC Chart के माध्यम से एक प्रक्रिया की निगरानी करते समय निरीक्षक यह सत्यापित करेगा कि सभी डेटा बिंदु नियंत्रण सीमा के भीतर हैं और प्रक्रिया में रुझान या अचानक बदलाव के लिए देखते हैं। यदि भिन्नता के किसी विशेष कारण की पहचान की जाती है, तो कारण को निर्धारित करने के लिए उचित कार्रवाई की जानी चाहिए और प्रक्रिया को सांख्यिकीय नियंत्रण की स्थिति में वापस करने के लिए सुधारात्मक कार्रवाई को लागू करना चाहिए
Statistical Process Control (SPC) के लाभ {Benefits of Statistical Process Control (SPC)}
- प्रक्रिया और विनिर्देश सीमाओं को समझना।
- भिन्नता के उपलब्ध (विशेष) स्रोतों को हटा दें, ताकि प्रक्रिया स्थिर हो।
- माध्य या भिन्नता के महत्वपूर्ण परिवर्तनों का पता लगाने के लिए नियंत्रण चार्ट के उपयोग द्वारा सहायता प्राप्त चल रही उत्पादन प्रक्रिया की निगरानी करना।
10 Comments
The more information are open to energize an insightful model, the more exact it becomes. Data Analytics Courses
ReplyDeleteI am really enjoying reading your well written articles. It looks like you spend a lot of effort and time on your blog. I have bookmarked it and I am looking forward to reading new articles. Keep up the good work.
ReplyDeletedata science course
Great post i must say and thanks for the information. Education is definitely a sticky subject. However, is still among the leading topics of our time. I appreciate your post and look forward to more.
ReplyDeleteSimple Linear Regression
Correlation vs Covariance
Very interesting to read this article.I would like to thank you for the efforts you had made for writing this awesome article. This article inspired me to read more. keep it up.
ReplyDeleteCorrelation vs Covariance
Simple linear regression
data science interview questions
This is a wonderful article, Given so much info in it, These type of articles keeps the users interest in the website, and keep on sharing more ... good luck.
ReplyDeleteSimple Linear Regression
Correlation vs covariance
KNN Algorithm
Logistic Regression explained
very well explained .I would like to thank you for the efforts you had made for writing this awesome article. This article inspired me to read more. keep it up.
ReplyDeleteSimple Linear Regression
Correlation vs covariance
data science interview questions
KNN Algorithm
Logistic Regression explained
I have to search sites with relevant information on given topic and provide them to teacher our opinion and the article.
ReplyDeletedata science interview questions
very well explained. I would like to thank you for the efforts you had made for writing this awesome article. This article inspired me to read more. keep it up.
ReplyDeleteLogistic Regression explained
Correlation vs Covariance
Simple Linear Regression
data science interview questions
KNN Algorithm
This is a wonderful article, Given so much info in it, These type of articles keeps the users interest in the website, and keep on sharing more ... good luck.
ReplyDeleteSimple Linear Regression
Correlation vs Covariance
Great Article Artificial Intelligence Projects
ReplyDeleteProject Center in Chennai
JavaScript Training in Chennai
JavaScript Training in Chennai Project Centers in Chennai