Baixe o app para aproveitar ainda mais
Prévia do material em texto
Artigo 6 – Tradução Questões práticas na construção de gráficos de controle em aplicativos de mineração Sinopse O Shewhart X - e os gráficos R ainda são o controle mais popular gráficos em uso hoje para o monitoramento contínuo de dados de qualidade. No entanto, para que esses gráficos funcionem corretamente, o subjacente A suposição de normalidade e a independência dos dados devem ser satisfeito. Quando a independência e / ou a normalidade dos dados são não presente, que é uma característica comum dos dados de qualidade do minério, um Aplicação do Shewhart convencional X - e os gráficos R podem introduzir falsos alarmes na análise dos dados. Para resolver estes questões, uma diretriz é proposta para a construção de gráficos de controle univariados e multivariados para uma variedade de situações. O uso desta orientação para uma mina de bauxita sugeriu a construção de gráfico de controle de causa especial para análise de variáveis individuais, nomeadamente, Al2O3% e SiO2%; Considerando que a É proposto um gráfico T2 multivariável baseado em resíduos. análise bivariada das variáveis. O estudo de caso revelou claramente que sem considerar a correlação de dados, pode estar em um estado de falsa impressão sobre uma condição de controle insuficiente durante o uso o Shewhart X - e gráficos R para o univariado e o Hotelling T2 gráfico para análise multivariada. Para comparar a eficácia da gráficos de controle, especificamente o Shewhart X - e a causa especial gráficos de controle, um estudo de simulação foi conduzido. Foi descoberto que o gráfico convencional Shewhart proporcionou menor probabilidade de cobertura do que o gráfico de controle de causa especial. Também foi revelado que a especificação de qualidade de Al2O3% é cumprida como a variação de Al2O3% está bem dentro dos limites de especificação; Considerando que é difícil para atender a especificação de qualidade de SiO2% em uma base regular. Introdução Nos últimos anos, a importância da qualidade tornam-se cada vez mais aparente devido a concorrência. De acordo com Banker et al. (1998), a qualidade é a estratégia estratégica mais importante. questão da gestão de topo. É principalmente preocupado com a visão de valor do consumidor desejado e valor recebido. Em geral, o A qualidade do termo aborda dois aspectos: qualidade de design e qualidade de conformidade. Na indústria mineral, procedimentos de controle de qualidade estão principalmente preocupados com a qualidade de conformidade com o objetivo de atender o consumidor Limites de especificação desejados. O problema de o controle de qualidade é de importância decisiva no indústria de mineração devido à não homogênea formação de depósitos de minério. Particularmente no casos de depósitos de minério que são formados sob fenômenos geológicos complexos, o processo de mineralização afeta amplamente a distribuição de notas. Isso leva à formação de depósitos que geralmente são caracterizados por ampla variação de tipos e graus de minério. A tarefa de um profissional de controle de qualidade é homogeneizar as diferentes qualidades de minério durante a extração, a fim de satisfazer requisitos de qualidade do consumidor. Facilitar suas operações, o uso de qualidade estatística técnicas de controle, incluindo cartas de controle provou ser um importante fator contribuinte na obtenção da qualidade necessária e melhoria produtividade. Através da aplicação de gráficos de controle, várias causas atribuíveis de variação de qualidade é identificada. O Shewhart X — e os gráficos R ainda são os mais populares gráficos de controle em uso hoje para contínuo monitoramento da variação de qualidade, devido à sua simplicidade e eficácia. O propósito principal da aplicação desses gráficos é identificar as causas profundas da variação de qualidade com base em quais ações corretivas são tomadas para remover flutuação de grau irregular. Para que Shewhart X - e R para funcionar corretamente, os pressupostos subjacentes são que o Observa-se que as observações da amostra são normalmente distribuído e estatisticamente independente. Mesmo que esses pressupostos são importantes, mas sua existência é questionável em aplicações de mineração. Uma justificativa teórica para a normalidade é baseada no teorema do limite central. De acordo com Teorema do limite central, a distribuição do médias de amostras de n independentes as observações abordarão a normalidade como O número de observações em uma amostra aumenta, mesmo que as observações individuais não sejam distribuído normalmente. Neste contexto, Shewhart observou que muitas observações individuais não são normais, embora a distribuição de meios de amostragem de tamanho quatro serão em muitos casos siga a curva normal conforme previsto pelo limite central Teorema (Grant e Leavenworth, 1980). Contudo, de acordo com Spedding e Rawlings (1994), mais extremo A distribuição populacional pode exigir tamanhos de amostra maiores para alcançar uma distribuição normal de meios de amostra. este A situação geralmente pode ser encontrada em aplicações de mineração que pode proibir a aplicação do convencional Shewhart X - e gráficos R. Mesmo que a assunção do Normalmente, a normalidade pode ser cumprida por causa do limite central Teorema, a necessidade de as observações da amostra ser estatisticamente independente pode ser um problema muito mais grave como A autocorrelaçao entre as observações torna-se inerente característica em depósitos minerais onde as notas de minério são relacionados espacialmente. Como resultado, espera-se que a amostra as observações X (t) e X (t + 1) serão positivamente auto-correlacionadas. Além disso, os meios da amostra podem tender a deriva sobre Tempo. Qualquer uma ou combinação destas questões relativas a o comportamento de uma característica de qualidade em qualidade estatística controle não significa que a característica de qualidade está fora de ao controle. Eles apenas representam a variação de qualidade inerente. Uma aplicação de um gráfico Shewhart convencional nestes casos resultará em muitos falsos alarmes levando a injustificados procura causas atribuíveis. Muitas operações de controle de qualidade na mineração lidam com controlando mais de uma variável para atender a qualidade especificações. Nesses casos, uma aplicação da univariada gráficos de controle é insatisfatório, pois não considera a Problema na situação multivariada ignorando a correlação estruturas entre as variáveis. Por isso, o controle multivariável Os gráficos devem ser construídos para identificar um fora de controle condição. Assim, as discussões acima revelaram claramente que a seleção de um gráfico de controle apropriado depende do específico da mina situações. Neste documento, uma diretriz é proposta para selecionar gráficos de controle para uma variedade de situações. Além disso, um estudo é apresentado para demonstrar o uso da orientação sugerida para a construção de gráficos adequados para uma mina de bauxita. Metodologia A qualidade do minério depende de uma série de fatores como variação do grau in situ, método e equipamento de extração planejamento de produção, controle de classificação em faces, mistura de minério, diluição e posterior processamento de minério. Dependendo de as práticas de controle de classificação em minas, a qualidade do minério pode siga um padrão sistemático ou pode comportar-se de forma errática devido à presença ocasional de algumas causas atribuíveis. O padrão sistemático de variação de uma característica de qualidade pode ser devido a causas ocasionais de variação, tais como inerentes variação do grau de um bloco, variação de graus de diferentes blocos e ocorrência de zonas de baixa / alta depósito. Por outro lado, várias causas atribuíveis de variações de qualidade são: estimativa inadequada do grau in situ de minério, classificação errada de minério e blocosde resíduos, impróprio mistura e processamento de minério. Como mencionado anteriormente, um ferramenta essencial para controle de qualidade em minas é o gráfico de controle. A Tabela I é apresentada como diretriz para a seleção de gráficos de controle para uma variedade de situações para identificar a chance e causas atribuíveis de variação de qualidade. Uma discussão sobre a Tabela I na aplicação de vários gráficos de controle é apresentado aqui. Gráficos univariados Os gráficos de controle univariados mais comumente usados são o Shewhart X - e gráficos R (Grant e Leavenworth, 1980; Porter e Caulcutt, 1992; Bissell, 1991; Wetherill e Brown, 1991; Mitra, 1993). A revisão da literatura revelou que o Shewhart X - e os gráficos R têm sido amplamente utilizados em outras indústrias; no entanto, uma literatura limitada está disponível na aplicação de gráficos de controle de qualidade na mineração (Coxon e Sichel, 1959; Khuntia, 1991; Samanta et al., 1998). Dentro Ordem para que esses gráficos funcionem corretamente, os pressupostos da normalidade e independência estatística da amostra as observações devem ser testadas através de vários testes estatísticos. Basicamente, o Shewhart X - gráfico é usado para monitorar o média de uma característica de qualidade e o gráfico R é usado para monitorar a variabilidade. Em ambos os X - e gráficos R, três são desenhadas linhas que são chamadas de linha central (CL), superior limite de controle (UCL) e limite de controle inferior (LCL). No X - gráfico, o CL é definido na média do processo; Considerando que a UCL e LCL são desenhados em X - ± 3σ -X. ▲ 174 DE ABRIL DE 2002 O Jornal do Instituto Sul-Africano de Minas e Metalurgia Tabela I Abordagem sugerida para a seleção de gráficos de controle Tipo de gráfico Finalidade / uso Observações Shewhart X - gráfico Monitorando a média de uma qualidade As observações de amostra são normalmente distribuídas característica ao longo do tempo e estatisticamente independente Shewhart R Chart Monitorando a variabilidade de uma qualidade As amostras de observações são normalmente distribuídas característica ao longo do tempo e estatisticamente independente UNIVARIADO Cumulativo UNIVARIADO Tipo de gráfico Finalidade / uso Observações Shewhart X - gráfico Monitorando a média de uma qualidade As observações de amostra são normalmente distribuídas característica ao longo do tempo e estatisticamente independente Shewhart R Chart estatisticamente independente Finalidade / uso Monitoramento a média de uma qualidade As amostras de observações são normalmente distribuídas característica ao longo do tempo e monitoramento de turnos de uma média a qualidade das caracteríticas quando convencional Shewart graficos não são sensíveis suficientes Semelhante a Shewhart X - e gráficos R Monitorando a média de uma qualidade Caracteristica ao longo do tempo quando a amostra as observações são auto-correlacionadas. Observações As observações da amostra são normalmente distribuídas e estatisticamente independente amplas observações são normalmente distribuídas sensiveis a turnos menores mas mais lento para reagir a grandes turnos. As observações da amostra estão distorcidas e não normalmente distribuídos, no entanto, são estatisticamente independentes. As observações da amostra não são estatisticamente independentes e são auto-correlacionados. MULTIVARIADO Carta do Hotelling T2 Box-Cox transformou Dados aplicados ao gráfico T2 Gráfico T2 modificado com base em resíduos Monitorando várias características de qualidade relacionadas Semelhante ao gráfico de Hotelling T2. Semelhante aos gráficos de Hotelling T2 As características de qualidade são distribuídas em conjunto de acordo com a distribuição normal multivariada e as observações são estatisticamente independentes As características de qualidade não são normais mas estatisticamente independente As características de qualidade não são estatisticamente independentes Da mesma forma, no gráfico R, o CL está definido na faixa média de O processo e a UCL e LCL são desenhados em R - ± 3σR. O Shewhart X - O gráfico é usado para detectar grandes mudanças de um valor alvo. Em locais onde é necessário detectar muito pequenas mudanças de valores-alvo, o gráfico de controle CUSUM é útil. O gráfico de controle CUSUM é muito poderoso na detecção Alterações repentinas e persistentes ao contrário de intermitentes causas atribuíveis do gráfico Shewhart. O gráfico CUSUM é com base na idéia de que, embora uma pequena mudança de qualidade A característica pode não levar a um único ponto fora do limites de controle, a presença dessa alteração pode ser detectada se o efeito se acumula em várias amostras (Ewan, 1963; Johnson, 1961; Lucas, 1973). Assim, leva em consideração o soma cumulativa de observações passadas, bem como atuais observação na detecção de uma condição fora de controle. Como mencionado anteriormente, a construção de Shewhart Os gráficos são baseados na suposição de normalidade da amostra observações. No entanto, se uma característica não é normalmente técnicas distribuídas, mas normais, como o Shewhart Os gráficos são usados, erros sérios podem ser feitos. Yourstone e Zimmer (1992) mostrou que desvios significativos de a normalidade pode ter sérios efeitos sobre a probabilidade de erro e interpretação associada a tais gráficos. Entre o várias abordagens que lidam com a falta de construindo os gráficos de controle, os métodos mais populares usado é o Método da Variância Ponderada (W.V.) (Choobineh e Ballard, 1987; Bai e Choi, 1995) e Johnson transformação (Spedding e Rawlings, 1994; Chou et al., 1998). O W.V. O método é usado para uma população distorcida. Este método baseia-se na ideia de que uma distribuição distorcida pode ser dividido em dois segmentos na sua média, dependendo de é a omissão e cada segmento pode ser usado para criar um Nova distribuição simétrica (Choobineh e Ballard, 1987). As duas novas distribuições criadas a partir do original distorcido A distribuição tem desvios padrão diferentes. O W.V. O método usa essas duas distribuições para configurar os limites de um gráfico de controle, um para o desvio padrão de computação para o limite de controle superior (UCL) eo outro para estimar desvio padrão para o limite de controle inferior (LCL). Se o A população está distorcida para a direita, depois a distância da UCL da média é maior do que o LCL. Da mesma forma, se a população é inclinada para a esquerda, então a distância da LCL da média é maior que o da UCL. Detalhado A discussão para a formulação dos limites de controle será encontrada em Bai e Choi (1995). Por outro lado, usando o Johnson a transformação dos dados não-normalizados é transformada dados normais usando as três famílias da distribuição de Johnson e os gráficos de controle Shewhart são aplicados no transformou dados à medida que eles seguem a distribuição normal (Chou et al., 1998). Além da suposição de normalidade, as construções de Os gráficos Shewhart baseiam-se no pressuposto de que as observações são independentes. Como mencionado anteriormente, o Assunção de independência de observações de uma qualidade A característica na mineração é questionável como autocorrelação entre as observações se torna uma característica inerente em dados de controle de qualidade. Johnson e Bagshaw (1974), Harris e Ross (1991), Alwan (1992), Padgett et al. (1992) e Maragah e Woodball (1992) mostraram que o funcionamento As características dos gráficos de controle tradicionais são adversamente afetado pela violação do pressuposto de independência. Assim, para observações correlacionadas as abordagens para construção de cartas de controle com base na independência de as observações são insatisfatórias, pois não conseguem capturar a variabilidade natural real devido à presença de autocorrelação de dados. Mesmo um nívelmuito baixo de correlação serial produz perturbações dramáticas nas propriedades do gráfico de controle. Estes perturbações levam a conclusões erradas sobre o estado de controle de uma característica de qualidade (Montgomery e Mastrangelo, 1991). Uma das abordagens mais utilizadas abordar este problema é a aplicação de séries temporais modelos (Ermer et al., 1979; Alwan e Roberts, 1988; Montgomery e Friedmen, 1989; Alwan, 1992; Wardell et al., 1992). O método envolve um processo de dois estágios no qual um primeiro se ajusta aos dados com um modelo de séries temporais e, em seguida, monitora os resíduos de previsão de um passo a frente ao longo do tempo usando gráficos de controle tradicionais. A essência desta abordagem é usar um modelo de série temporal apropriado para contabilizar autocorrelação e presença de tendência no conjunto de dados. Uma vez a modelagem está completa, um gráfico a saber Causa Especial Tabela de controle denominada por Alwan e Roberts (1988) com base em Os resíduos de previsão de resíduos ou de um passo podem ser usados para monitorar uma característica de qualidade. Salvo quaisquer causas especiais, os resíduos devem ser independentes e de forma idêntica distribuído e, portanto, todos os pressupostos de tabela de controle de qualidade espera. Em caso de perturbação, o os resíduos começarão a mostrar uma partida de estatística ao controle. Gráficos multivariados Muitas operações de controle de qualidade na mineração lidam com controlando mais de uma característica de qualidade. Para situação multivariada, se as variáveis não estão relacionadas a cada uma outras tabelas univariadas devem ser construídas. Contudo, se as variáveis estiverem correlacionadas, então uma multivariada padrão O gráfico de controle deve ser usado no monitoramento da qualidade características. Muitos pesquisadores investigaram multivariados gráficos de controle e implementados com sucesso em outros indústrias (Pignatiello e Runger, 1990; Tracy et al., 1992; Hawkins, 1993). A abordagem multivariada do controle de qualidade foi amplamente utilizado no final da década de 1940 pela Hotelling no teste de bombsights (Hotelling, 1947 e Hotelling, 1950). Desde a então, o gráfico do Hotelling T2 é popularmente usado no problemas de controle de qualidade multivariados (Alt, 1985; Jackson, 1985; Rius, et al., 1997; Morud, 1996; Samanta e Bhattacherjee, 1999). O gráfico do Hotelling T2 leva em consideração o desvio dos vetores observados da vector médio, bem como a matriz de variância-covariância do conjuntos de dados. Um plano teórico para a formulação deste gráfico será encontrado em Mitra (1993). O Hotelling T2 é basicamente a contrapartida multivariada da tabela univariada Shewhart. Portanto, todos os Os pressupostos de gráficos Shewhart univariáveis também são válidos Aqui; isto é, as variáveis em estudo devem ser estatisticamente independentes e seguirão a distribuição normal multivariada. Em aplicações de mineração, mesmo que individuais variáveis de qualidade de minério às vezes seguem distribuição normal; no entanto, eles podem não seguir distribuição normal multivariada. Um dos remédios nessa situação é transformar os dados usando a transformação Box-Cox para alcançar a normalidade multivariada e depois aplicar gráfico T2 multivariante dos dados transferidos (Tang e Tham, 1999). Os efeitos da independência estatística dos dados sobre O T2 é menos grave do que o caso univariado em algumas situações (Mastrangelo et al., 1996); no entanto, na presença de auto-correlação Os dados de cada variável podem ser ajustados por modelos de séries temporais para remover a auto correlação de cada variável conjunto de dados. Os resíduos que permanecem podem então ser usados para construa o gráfico T2 (Slutter et al., 1998). Estudo de caso O estudo foi realizado em uma mina metálica que fornece bauxita minério para uma fábrica de refinaria de alumínio. A morfologia do depósito e sua espessura irregular tornaram impossível adotar método de banco convencional de mineração a céu aberto. Em vez de um método de trinche modificado que consiste no desenvolvimento de Trinques aproximadamente paralelos foram adotados para uma eficiência controle de qualidade. Além disso, um planejamento de mina assistido por computador O sistema é praticado pelo gerenciamento de minas para desenvolvimento da área de mineração que leva em consideração as características geológicas do depósito e a variabilidade de qualidade do minério. Especificamente, nas trincheiras, a bauxita é extraída em duas fases distintas. Na primeira fase, uma fatia de 8 a 12 metros de espessura são extraídos com perfuração normal e procedimento de jateamento; enquanto na segunda fase, a bauxita é Extraído seletivamente em fatias de 4 metros de espessura. Este processo minimiza efetivamente a diluição do minério. Roda de tamanho grande carregadores ou escavadeiras hidráulicas foram encontrados adequados para operações de carregamento na primeira fase; enquanto que, no segundo As escavadeiras hidráulicas de retroescavadeira de fase são usadas para seletivos mineração. Normalmente, a largura de uma trincheira é mais de 70 metros para o uso eficiente de máquinas pesadas e nível As diferenças entre trincheiras adjacentes são geralmente mantidas a menos de 4 metros. O material extraído de um rosto por A pá é carregada em dumpers que, por sua vez, despacham material em um triturador. Do triturador, o material é enviado para um estoque para misturar através de um único voo transportador de 14 metros de comprimento. A partir daí o material é enviado para uma fábrica de refinaria. Os principais constituintes do minério de bauxita são Al2O3% e SiO2%. Para realizar este estudo, as amostras coletadas por um período de seis meses a partir da seção de despacho da mina foram usados. A informação média das amostras foram registrados diariamente pelo controle de qualidade pessoal da mina. As normas de qualidade definidas para o O fornecimento de minério da mina para a refinaria é o seguindo: Al2O3% -42,5% ± 2% e SiO2% -max 3%. Seleção de gráficos de controle Antes de construir gráficos de controle, uma análise preliminar de os conjuntos de dados originais foram realizados. Figuras 1 e 2 mostram a variação do dia-a-dia para Al2O3% e SiO2% em um ordem cronológica. Um exame dos números revelou que não houve tendência nos dados observados. Esse fato foi também justificado pela comparação dos meios e variâncias do conjuntos de dados em diferentes intervalos de tempo (Tabela II). Os resultados indicou que não houve tendência nos valores médios de Al2O3% e SiO2%. Inicialmente foram investigados gráficos de controle univariados. Para construindo os gráficos de controle, um tamanho de subgrupo de cinco foi encontrado mais apropriado para capturar a variação de qualidade do grau de minério. O tamanho do subgrupo foi escolhido como cinco como representou um tamanho racional do subgrupo para capturar o semanário variação de qualidade do grau de minério. Como resultado, trinta As amostras foram geradas com base em quais gráficos de controle foram preparado. Como a principal consideração para a seleção do Shewhart X - e gráficos R é a validade da normalidade Assunção e independência estatística das observações. Em primeiro lugar, estes dois pressupostos foram testados para todos os dados conjuntos. Para verificar a suposição de normalidade, histogramas de os conjuntos de dados de ambas as variáveis Al2O3% e SiO2% foram primeiro investigado. Os gráficos de histograma das variáveis mostrou as evidências iniciais para a normalidade dos conjuntos de dados. No entanto, uma abordagem mais confiável para testes de normalidade é o gráfico de probabilidade normal de dados. A probabilidade normal Parcelas de Al2O3% e SiO2% são mostradas nas Figuras 3 e 4 respectivamente. As parcelas mostraram que os dados eram mais ou menos seguindo as linhas diagonais. Além disso, o O teste de normalidadede Kolmogorov-Smirnov (K-S) foi conduzido para os conjuntos de dados. O teste K-S mostrou que o estimado valores de probabilidade (α) para as variáveis Al2O3% e SiO2% foram 0,771 e 0,752, respectivamente. Assim, defendeu a normalidade dos conjuntos de dados. Para testar a independência estatística dos conjuntos de dados, o teste de corrida foi realizado e verificou-se que o Assunção de independência estatística das observações falhou para ambos os conjuntos de dados. Além disso, a auto correlação em o atraso 1 para as variáveis Al2O3% e SiO2% foram 0,688 e 0,649, respectivamente, o que mostrou que as observações foram moderadamente auto correlacionado. Gráfico univariado Uma aplicação do gráfico Shewhart convencional foi OBS: NA PAGINA 4 E 5 TEM 3 GRAFICOS E UMA TABELA proibido como a independência estatística dos conjuntos de dados falhou. Neste caso, o gráfico mais adequado será o especial causa um quadro de controle. Para usar o controle de causa especial um modelo de série temporal adequado foi montado. Antes do encaixe um modelo de série temporal apropriado, a condição de estacionaria foi verificado. Ao estudar a aparência geral do autocorrelação estimada e autocorrelação parcial funções de cada série, foram obtidas pistas sobre o condição de estacionaria e foi inferido que não havia tendência nos conjuntos de dados. Como a construção de gráficos de controle foi baseada no tamanho do subgrupo de cinco, o subgrupo significa tamanho da amostra Cinco foram montados em um modelo de série temporal apropriado que foi considerado o modelo autoregressivo de primeira ordem (AR (1)) para ambos os conjuntos de dados. Os parâmetros AR estimados para o as variáveis Al2O3% e SiO2% foram de 0,486 e 0,487, respectivamente. Os valores t estatísticos desses parâmetros e seus Os valores de p associados revelaram que os parâmetros são estatisticamente significativo. Os resultados do modelo revelaram que o subgrupo Os meios dos conjuntos de dados foram positivamente correlacionados. Além do que, além do mais, presença de autocorrelação para os valores de intervalo para A construção do gráfico R também foi testada para ambos os conjuntos de dados. Os valores de autocorrelação estimados no intervalo 1 revelaram que os valores de intervalo para os conjuntos de dados estavam livres de autocorrelação. Portanto, os gráficos R foram construídos usando o Shewhart método. Usando os resíduos previstos, o controle de causa especial Foram construídos gráficos de Al2O3% e SiO2%. Além do que, além do mais, o Shewhart X - Os gráficos para ambas as variáveis também foram construído para observar o efeito da autocorrelação na procedimento de gerenciamento de controle. A Figura 5 mostra a causa especial gráfico de controle de Al2O3%. O gráfico mostra que a parte superior e limites de controle inferiores são um pouco maiores do que o original Shewhart X - gráfico. Como resultado, nenhuma amostra saiu controle neste gráfico; enquanto, no original Shewhart X - gráfico sete amostras foram fora de controle condição (Figura 6). Assim, esta observação revela fortemente que a A correlação serial de observações tem um efeito pronunciado sobre o desempenho do gráfico de controle Shewhart. Figura 7 mostra o gráfico de controle de causa especial de SiO2% para correlação observações. Este gráfico também mostra que a parte superior e inferior os limites de controle são colocados um pouco maiores do que o original Shewhart X - (Figura 8). Como conseqüência, nenhuma amostra cai fora de controle no gráfico de controle de causa especial em comparação com Doze amostras do gráfico Shewhart. Por isso, pode ser inferido para o estudo de caso, a mina que o uso de um convencional Shewhart gráfico em vez de gráfico de controle de causa especial Para ambas as variáveis resultará em muitos falsos alarmes. este estudo de caso também revelou que sem considerar os dados correlação pode estar em um estado de falsa impressão sobre um fora de controle. No entanto, deve ser mencionado Aqui, o gráfico de controle de causa especial é baseado no tempo resíduos de série que são aleatórios. Como resultado, o especial porque o gráfico de controle pode não recuperar uma tendência nos dados que OBS: MAIS GRAFICOS NA PAG 5 E 6 pode ser observado no gráfico Shewhart que é construído com base nos dados originais. Por exemplo, a causa especial O gráfico de controle de SiO2% apresentado na Figura 7 não retoma a tendência nos valores médios dos dados originais, que foi refletido no Shewhart X - gráfico mostrado na Figura 8. Figuras 9 e 10 mostram os gráficos Shewhart R para as variáveis Al2O3% e SiO2%. As Figuras revelam que nenhuma amostra cai fora de controle na tabela R de Al2O3%, enquanto que apenas uma amostra cai fora do controle da tabela R de SiO2%. O fato revelador de que um grande número de pontos de amostra estavam fora de controle no Shewhart X - gráfico comparado ao gráfico de controle de causa especial levou a um estudo de simulação para observe o efeito da autocorrelação nos gráficos de controle. No estudo de simulação, o modelo AR (1) foi escolhido para gerar diferentes séries temporais com diferentes parâmetros autorregressivos valores (φ). Uma ampla gama de valores φ variando de 0,1 a 0,9 foram considerados para um extenso estudo de medir o influência da autocorrelação no desempenho dos dois Controle os procedimentos de gráficos. A eficácia do controle Os gráficos foram medidos pela probabilidade de cobertura. o A probabilidade de cobertura calcula a probabilidade de amostras caindo entre os limites do gráfico. Um gráfico de controle mostre um desempenho melhorado se fornecer um maior probabilidade de cobertura em relação a outros métodos (Choobineh e Ballard, 1987; Samanta e Bhattacherjee, 2001). Tabela III apresenta os resultados do estudo de simulação, que indicam que, como o valor φ aumenta, a probabilidade de cobertura no O gráfico de Shewhart diminui, enquanto a probabilidade de A cobertura no gráfico de controle de causa especial permanece constante. Assim, o estudo de simulação revelou claramente que com aumento da autocorrelação no desempenho do Shewhart X - gráfico deteriora-se drasticamente. Também revelou que mesmo embora um grande número de amostras estivessem fora de controle no Shewhart X- gráfico comparado ao gráfico de controle de causa especial Para o estudo de caso, meu fenômeno não se refletiu no estudo de simulação. Por exemplo, para a variável Al2O3%, 23,3% (7 de 30) das amostras estavam fora de controle no Shewhart X - gráfico; enquanto, na simulação estudo 6,6% das amostras estavam fora de controle no Shewhart X - gráfico. Gráfico de controle multivariante É claro que a construção de gráficos de controle univariados para ambas as variáveis resultarão em perdas de informação do inter-correlação das variáveis. Portanto, padrão gráficos de controle multivariados devem ser investigados, além disso para os gráficos de controle univariados. Conforme mencionado anteriormente, o O gráfico de controle multivariável mais popular é o Hotelling T2 gráfico. No entanto, uma aplicação do gráfico de Hotelling T2 exige a assunção de uma normalidade multivariada e a OBS: GRAFICOS E TABELA PAG 6 E 7 independência estatística das observações. Portanto, o A normalidade multivariada dos conjuntos de dados foi primeiramente verificada antes de aplicar este gráfico. Embora o teste univariado as estatísticas mostraram que as variáveis eram de normalidade distribuído, no entanto, não há garantia de que as variáveis seguirem conjuntamente a distribuição normal multivariada. Em ordem para testar a normalidade multivariada os critérios dados por Mardia (1970, 1974, 1983, 1985), que se baseiam principalmente na medida da nebulosidade e da curtose multivariada valores. Os resultados mostraram que a multivariada estimada Os valores de asma e de curtose para as variáveis foram de 0,397 e 2.85, e oscorrespondentes pontos percentuais (p) para A normalidade foi de 0,08 e 0,91, respectivamente. Portanto, o A suposição de normalidade multivariada para os conjuntos de dados foi satisfeito. No entanto, a independência estatística dos dados conjuntos não foi satisfeito como testado anteriormente. Portanto, o O gráfico do Hotelling T2 baseado em dados originais não pode ser um escolha apropriada. Conforme mencionado na Tabela I, o T2 modificado gráfico baseado nos resíduos previstos dos modelos da série temporal das variáveis individuais seriam construídas. A Figura 11 mostra o gráfico T2 multivariante construído com base em resíduos do modelo autoregressivo de primeira ordem. Além disso, o gráfico de Hotelling T2 com base em dados brutos originais conjuntos também foi construído para ver o desempenho dos dois gráficos (Figura 12). Verificou-se que os dois gráficos têm o mesmo limite superior de controle porque o cálculo do O limite de controle superior do gráfico de controle do Hotelling T2 não depende dos valores de dados; e é uma função de (i) número de subgrupos, (ii) tamanho do subgrupo, (iii) número de qualidade características e (iv) erro de tipo I especificado. O essencial A diferença nos dois gráficos multivariados acima é que o T2 os valores diferem nos dois métodos. A Figura 11 mostra que não A amostra ultrapassa os limites de controle; Considerando que, Figura 12 revela que quinze amostras estão fora de controle. Portanto, o efeito da correlação serial das observações foi também refletido no gráfico de Hotelling T2. Discussão O estudo revelou claramente que nenhuma amostra foi detectada para ser fora de controle pelo uso adequado de univariado ou gráfico de controle multivariado. Também foi revelado que a A especificação de qualidade de Al2O3% é atendida como a variação de Al2O3% está bem dentro dos limites de especificação. No outro Em vez disso, é difícil atender às especificações de qualidade de SiO2% como o grande meio é muito próximo ao limite de especificação. Dentro este caso, mesmo que a característica de qualidade esteja em controle estatístico, não é possível cumprir a especificação limite de SiO2% em uma base regular. Portanto, a especificação O limite de SiO2% pode ser revisto. Caso contrário, alguns outros meios podem ser explorados para reduzir o valor médio de SiO2%. A fim de obter uma visão sobre o resultado desta investigação, uma discussão detalhada foi feita com o pessoal de controle de qualidade da mina. A discussão revelou que um trabalho de exploração exaustivo foi realizado na mina com base na qual avaliação de grau dos blocos foi realizada. Como resultado, uma estimativa confiável de grau foi obtido que foi suportado pela amostragem regular de buracos de explosão dos blocos de produção. Com base nessa informação, a mina O gerenciamento desenvolveu um cronograma de extração junto com um plano de controle de classificação para atender aos requisitos de qualidade. Dentro Além disso, a mistura foi realizada no estoque em um base regular para reduzir a variabilidade do minério. Todos estes os fatores levaram ao comportamento sistemático da flutuação da classe de minério que foi indicado nos quadros de controle. Conclusão A construção de gráficos de controle de qualidade convencionais é com base na suposição de existência de normalidade e independência de dados. No entanto, características comuns do minério Os dados de qualidade são correlação em série e distribuição não normal. Para abordar estas questões, uma orientação é sugerida em Este documento para avaliar vários gráficos de controle para minera específicas situação. O estudo de caso revelou claramente que a Aplicação de gráficos Shewhart convencionais na bauxita o meu resultará em falsos alarmes levando a injustificados procura causas atribuíveis. Como os conjuntos de dados de qualidade são OBS: GRAFICOS PAG 7 E 8 correlacionado em série, propõe-se que a causa especial O gráfico de controle deve ser construído para monitorar a qualidade de variáveis individuais. Além disso, um estudo de simulação revelou que em um ambiente auto correlacionado convencional O gráfico de Shewhart forneceu menor probabilidade de cobertura do que o gráfico especial de controle de causa. Para o caso multivariante, o O gráfico T2 multivariável modificado com base nos resíduos é recomendado. A aplicação de gráficos de controle claramente revelou que é difícil atender às especificações de qualidade de SiO2% em uma base regular; enquanto que a especificação de qualidade de Al2O3% podem ser facilmente encontrados à medida que a variação de Al2O3% é bem dentro dos limites de especificação. Recomenda-se ainda que, sempre que o controle gráficos são construídos, o pessoal de controle de qualidade deve compreenda os pressupostos subjacentes aos gráficos e eles deve garantir que os pressupostos sejam satisfeitos. Isto é Afortunado que mesmo quando os pressupostos são violados e o Shewhart X- e os gráficos R não podem mais ser bem-sucedidos usado para fins de monitoramento de qualidade; no entanto, eles podem ainda fornecem informações qualitativas úteis. Reconhecimentos O apoio da gestão da mina de estudo de caso é Agradecido com gratidão. Os autores agradecem muito os revisores por seus úteis comentários e sugestões. Referências
Compartilhar