Statistični nadzor procesov se uporablja za spremljanje in upravljanje procesa, ki se spremlja. Za kompleksne sisteme je morda treba izdelati model za določitev, kako bo pregledovalnik SPC izgledal glede na specifične spremenljivke. To omogoča tudi upravljanje, da izračuna povprečno in pričakovano odstopanje, da ustvari nadzorno tabelo SPC za specifične vhodne spremenljivke, namesto da pusti sistemu zagnati in ustvariti nov diagram vsakič, ko se spremenijo vhodi procesa.
Pregled statističnega nadzora procesov
SPC zbira vrsto vrednosti glede na značilnosti (višina, teža, dimenzije), ki jih opazujemo. Te vrednosti so prikazane na karti. Izračuna se srednja vrednost procesa. To se uporablja kot sredinska črta tabele SPC. Nato se izračuna standardno odstopanje. Določita se zgornja in spodnja kontrolna meja, ki se nato postavita na karto. Tabela SPC se nato spremlja. Zabeleženi so vsi trendi. Vsak trend, ki se približuje zgornjim ali spodnjim kontrolnim mejam, bo povzročil korektivne ukrepe.
Modeliranje časovnih serij
Modeliranje časovnih vrst meri proces v določenih časovnih intervalih. Nato se za obstoječe podatke časovnih vrst izračuna vrsta trendnih linij ali krivulj. Linija trenda je preprosta algebraična enačba. Model časovne vrste lahko nato napove, kaj bo ta trend trend v prihodnosti. Linija trendov je lahko ploska, navzgor ali navzdol.
Multivariatno modeliranje
Multivariate pomeni veliko spremenljivk. Multivariatni model ima več spremenljivk, vse s svojimi povezanimi enačbami. Te spremenljivke lahko vključujejo čas, hitrost postopka, variacije materialov in vse druge spremenljivke procesa. Izdelan je multivariatni model, ki temelji na upoštevanju vseh teh dejavnikov. Multivariatni model za tabelo statističnih kontrolnih procesov bo nato ustvarjen z vnosom različnih časov. Ta model lahko nato pokaže, kako naj bi se preglednica SPC sčasoma preučila za različne vrednosti spremenljivk.
Stohastični modeli
Stohastični procesi so v bistvu naključni. Ti procesi se modelirajo z dodelitvijo verjetnosti vsakemu možnemu izidu. Model se nato ustvari z izvajanjem enačbe večkrat, da se ustvari najverjetnejši izid in verjetnost drugih izidov. Stohastični modeli se imenujejo tudi Monte Carlo simulacije.
Umetne nevronske mreže
Ta tip statističnega modela za nadzor procesov je skrajšan na ANN. ANN so najbolj zapletena oblika statističnih modelov za nadzor procesov. Simulirajo procese z več vhodi, ki se lahko razlikujejo, vmesnimi koraki, ki se lahko razlikujejo, in različnimi nastalimi izhodi. ANN bo nato dobila rezultate. Če ima proces vse stohastične procese skupaj s spremenljivkami, ki jih definirajo linearne enačbe, lahko ANN poda vrsto rezultatov. Če se izvaja večkrat, bo to dalo najbolj verjeten in s tem »srednji« rezultat za kartico SPC za tako zapleten proces.
