T 관리도(사건 간 시간)

T 관리도는 구간당 계수 대신 연속된 발생 사이의 시간을 관리도로 그려 드문 사건을 모니터링합니다. 음이 아닌 간격에 Exponential(기본값) 또는 Weibull 분포를 적합하며, 중심선은 적합된 중앙값이고 한계는 0.135번째와 99.865번째 백분위수입니다. Nelson 규칙 1~4가 특수 원인을 표시합니다. 출력은 관리도, 적합 요약, 특수 원인 점입니다.

최종 검토

핵심 요점

T 관리도는 드문 사건을 위한 관리도로, 연속된 발생 사이의 시간을 타점으로 그리며 적합된 Exponential 또는 Weibull 분포로 한계를 구하므로 c 관리도나 u 관리도보다 민감합니다.

이 페이지 내용
  1. 목적
  2. 주요 기능
  3. 통계적 방법
  4. 입력 항목 및 옵션
  5. 출력 설명
  6. 계산 예제

목적

T 관리도는 c 관리도나 u 관리도처럼 고정된 구간당 사건 수를 세는 대신 연속된 발생 사이의 시간(또는 다른 연속형 측도)을 타점으로 그려 드문 사건을 모니터링합니다. 사건이 드물면 고정 구간당 계수의 대부분이 0이 되어 c/u 관리도는 둔감해지는데, T 관리도는 새로운 간격마다 직접 반응하므로 기저 사건 발생률의 실제 변화에 훨씬 민감합니다.

주요 기능

  • 정규성을 가정하는 대신 기저 분포(Exponential 또는 Weibull)를 선택하여 음이 아닌 사건 간 시간 데이터를 직접 관리도로 그립니다.
  • 적합된 관리도에 완전한 Nelson 규칙 특수 원인 탐지(설정 가능한 4개 규칙)를 적용합니다.
  • 행 포함/제외와 별도의 “estimate parameters from” 부분군 선택기를 제공하므로, 안정적인 과거 기간을 기준으로 관리 한계를 설정하고 이후의 점은 비교를 위해 타점으로 그릴 수 있습니다.
  • 시간 축에 레이블을 붙이기 위한 X축 척도를 설정할 수 있습니다.

통계적 방법

드문 사건의 사건 간 시간 데이터는 보통 오른쪽으로 치우쳐 있어 정규분포로 잘 모형화되지 않으므로, T 관리도는 사건 간 시간 시계열에 최대우도법으로 Exponential 또는 Weibull 분포를 적합합니다(기본값은 일정하고 무기억인 고장/사건 발생률의 표준 모형인 Exponential입니다).

중심선은 적합된 분포의 중앙값(50번째 백분위수)이고 관리 한계는 0.135번째와 99.865번째 백분위수입니다. LCL = max(0, dist.ppf(0.00135)), UCL = dist.ppf(0.99865)이며, 이는 ±3σ 정규 관리도가 포함하는 것과 같은 꼬리 확률을 적합된 비정규 분포 자체의 분위수 함수에 적용한 것입니다. 변환하지 않은 척도에서 단순히 평균 ± 3σ를 쓰는 것이 아니라, 치우친 데이터에 한계를 설정하는 통계적으로 올바른 방법입니다.

그런 다음 Nelson 규칙(특수 원인 탐지)을 앱의 다른 관리도와 똑같이 적합된 관리 한계에 대해 평가하여, 한계를 벗어난 점(규칙 1), 중심의 한쪽에 연속된 점(규칙 2), 지속적인 추세(규칙 3), 번갈아 나타나는 패턴(규칙 4)을 표시합니다.

입력 항목 및 옵션

항목

설명

Time between events

필수. 연속된 드문 사건 사이의 음이 아닌 시간(또는 다른 연속형 측도)이 시간 순서대로 들어 있는 열입니다.

Fit distribution

Exponential(기본값) 또는 Weibull 중에서 선택하며, 사건 간 시간 시계열에 적합할 분포입니다.

Check Rule 1–4 / K for Rule 1–4

네 가지 Nelson 특수 원인 규칙이며, 각각 독립적으로 켜고 끌 수 있습니다(기본값 K = 3, 9, 6, 14).

X scale

시간 축에 대한 선택적 사용자 지정 레이블입니다.

Include or Exclude / Specify which rows / Row numbers

타점으로 그릴 행을 제어합니다.

Specify subgroups to estimate parameters / Subgroups

분포를 적합하고 관리 한계를 설정하는 데 사용할 행을 선택적으로 제한하면서 모든 행은 계속 타점으로 그립니다. 안정적인 것으로 알려진 기간을 기준으로 설정할 때 유용합니다.

 

t-chart-inputs


그림 1 — C1에 붙여넣은 고장 간 시간 간격 25개(시간 단위)이며, Time between events는 C1, Fit distribution = Exponential로 설정했습니다.

 

출력 설명

  • T Chart plot — 사건 간 시간 시계열을 시간 순서대로 나타내며, 적합된 분포로 구한 UCL, 중심선, LCL을 함께 표시합니다.
  • Fit summary table — 적합된 분포, 중심선, LCL, UCL입니다.
  • Nelson's Rules / Potential Special Cause Points — 점검한 규칙과 이를 위반한 점(있는 경우)입니다.
  • Download as PDF를 통한 PDF 내보내기.
t-chart-output


그림 2 — T Chart 출력: 적합된 관리 한계, 타점으로 그린 사건 간 시간 시계열, 적합 분포/중심선/UCL/LCL 요약 표.

 

계산 예제

한 공장이 포장 라인에서 안전과 관련된 설비 고장을 추적하며, 연속된 고장 사이의 시간(시간 단위)을 기록합니다(연속 간격 25개, C1 열). Fit distribution = Exponential로 설정하면 도구는 간격에 Exponential 모형을 적합하고(Center Line ≈ 31.7, UCL ≈ 302.6, LCL ≈ 0.06) 간격 25개를 모두 타점으로 그립니다. 이를 통해 기존의 계수 기반 관리도에서 반응하기에 충분한 고장이 누적되기 훨씬 전에, 고장률이 가속되고 있는지(연속된 간격이 관리 하한 쪽으로 줄어드는지) 즉시 시각적으로 파악할 수 있습니다.

자주 묻는 질문

c 관리도나 u 관리도 대신 T 관리도는 언제 사용합니까?

사건이 드물 때 T 관리도를 사용합니다. 사건이 드물면 고정 구간당 계수의 대부분이 0이므로 c 관리도나 u 관리도가 둔감해집니다. T 관리도는 연속된 사건 사이의 시간을 타점으로 그리고 새로운 간격마다 직접 반응하므로, 기저 사건 발생률의 실제 변화에 더 민감합니다.

T 관리도의 관리 한계는 어떻게 계산합니까?

사건 간 시간 데이터에 최대우도법으로 Exponential 또는 Weibull 분포를 적합합니다. 중심선은 적합된 중앙값이고 관리 한계는 그 분포의 0.135번째와 99.865번째 백분위수로, ±3 시그마 정규 관리도가 포함하는 것과 같은 꼬리 확률이며 하한은 0 아래로 내려가지 않습니다.

T 관리도가 정규분포를 가정하지 않는 이유는 무엇입니까?

드문 사건의 사건 간 시간 데이터는 보통 오른쪽으로 치우쳐 있어 정규분포로 잘 모형화되지 않습니다. 변환하지 않은 척도에서 평균 ± 3 시그마를 쓰는 것보다 적합된 분포 자체의 분위수로 한계를 설정하는 것이 치우친 데이터에 더 적합합니다. 일정한 사건 발생률의 표준 모형이므로 Exponential이 기본값입니다.

T 관리도는 어떻게 해석합니까?

점은 연속된 사건 사이의 간격을 시간 순서대로 나타냅니다. 간격이 관리 하한 쪽으로 줄어들면 고장이 가속되는 것처럼 사건 발생률이 증가하고 있음을 시사합니다. Nelson 규칙은 한계를 벗어난 점, 중심선의 한쪽에 연속된 점, 지속적인 추세, 번갈아 나타나는 패턴을 잠재적인 특수 원인으로 표시합니다.