Kawalan proses statistik digunakan untuk memantau dan kemudian menguruskan proses yang dipantau. Bagi sistem yang rumit, ia mungkin perlu untuk menghasilkan model untuk menentukan bagaimana carta SPC akan dilihat memandangkan keadaan berubah-ubah tertentu. Ini juga membolehkan pengurusan untuk mengira sisihan yang bermakna dan diharapkan untuk membuat carta kawalan SPC untuk pemboleh ubah input tertentu, dan bukannya harus membiarkan sistem berjalan dan membuat carta baru setiap kali input proses berubah.
Gambaran Keseluruhan Kawalan Proses Statistik
SPC mengumpul siri nilai pada ciri-ciri (ketinggian, berat, dimensi) yang diperhatikan. Nilai-nilai ini ditunjukkan. Maksud proses dikira. Ini digunakan sebagai garisan tengah carta SPC. Kemudian, sisihan piawai dikira. Had kawalan atas dan bawah ditentukan dan kemudian diletakkan pada carta. Carta SPC kemudian dipantau. Sebarang trend dicatatkan. Sebarang trend yang mendekati had kawalan atas atau bawah akan mengakibatkan tindakan pembetulan.
Pemodelan Siri Masa
Pemodelan siri masa mengukur proses pada selang waktu tertentu. Satu siri garis arah atau lengkung kemudian dikira untuk data siri masa sedia ada. Garis trend adalah persamaan algebra yang mudah. Model siri masa kemudiannya boleh meramalkan apa yang trend trend akan di masa depan. Garis trend boleh menjadi rata, menaikkan atau menurunkan.
Pemodelan Multivariate
Multivariate bermakna banyak pembolehubah. Model multivariate mempunyai beberapa pembolehubah, semua dengan persamaan berkaitan mereka sendiri. Pembolehubah ini boleh termasuk masa, kelajuan proses, variasi bahan dan pemboleh ubah proses yang lain. Model multivariat dibuat berdasarkan mengambil kira semua faktor ini. Model multivariat untuk carta kawalan proses statistik kemudiannya akan dibuat dengan memasukkan waktu yang berlainan. Model ini kemudiannya boleh menunjukkan bagaimana carta SPC perlu dilihat dari masa ke masa untuk nilai-nilai variabel yang berbeza.
Model Stokastik
Proses stokastik pada dasarnya rawak. Proses ini dimodelkan dengan memberikan kebarangkalian kepada setiap hasil yang mungkin. Model ini kemudiannya dicipta dengan menjalankan persamaan banyak kali untuk menghasilkan hasil yang paling mungkin dan kebarangkalian hasil lain. Model stokastik juga dipanggil simulasi Monte Carlo.
Rangkaian Neural Buatan
Model kawalan proses jenis statistik ini disingkat ANN. ANN adalah model kawalan proses statistik yang paling kompleks. Mereka mensimulasikan proses dengan pelbagai input yang boleh berbeza-beza, langkah-langkah pertengahan yang boleh berbeza-beza, dan output yang berbeza. ANN kemudian akan memberikan hasil yang dihasilkan. Sekiranya proses itu mempunyai sebarang proses stokastik bersama-sama dengan pembolehubah yang ditakrifkan oleh persamaan linear, ANN boleh memberikan pelbagai hasil. Sekiranya berlalu berkali-kali, ini akan memberikan yang paling mungkin dan dengan itu "bermakna" hasil untuk carta SPC untuk proses yang kompleks seperti itu.
