EWMA-kaart
Een EWMA-kaart (Exponentially Weighted Moving Average Chart, exponentieel gewogen voortschrijdend gemiddelde) detecteert kleine, aanhoudende verschuivingen in het procesgemiddelde door een gewogen gemiddelde van alle eerdere en huidige waarnemingen te berekenen. De meest recente datapunten wegen daarbij het zwaarst en oudere waarnemingen dragen steeds minder bij. Door deze weging is de kaart zeer gevoelig voor geleidelijke procesdrift, terwijl hij minder reageert op willekeurige individuele pieken.
Laatst beoordeeld
Belangrijkste conclusie
Een EWMA-kaart (exponentieel gewogen voortschrijdend gemiddelde) detecteert kleine, aanhoudende verschuivingen in het procesgemiddelde met een gewogen gemiddelde van alle eerdere en huidige waarnemingen.
Op deze pagina
Wat is een EWMA-kaart?
Een EWMA-kaart (Exponentially Weighted Moving Average Chart, exponentieel gewogen voortschrijdend gemiddelde) detecteert kleine, aanhoudende verschuivingen in het procesgemiddelde door een gewogen gemiddelde van alle eerdere en huidige waarnemingen te berekenen. De meest recente datapunten wegen daarbij het zwaarst en oudere waarnemingen dragen steeds minder bij. Door deze weging is de kaart zeer gevoelig voor geleidelijke procesdrift, terwijl hij minder reageert op willekeurige individuele pieken.
De belangrijkste parameter is lambda (λ) , de afvlakkingsconstante, die bepaalt hoeveel gewicht de meest recente waarneming krijgt. Een kleine lambda geeft meer afvlakking en detecteert langzame drift; een grotere lambda reageert sneller maar is gevoeliger voor ruis.
Wanneer gebruikt u een EWMA-kaart?
- Gebruik hem wanneer u kleine, geleidelijke verschuivingen in het procesgemiddelde wilt detecteren, doorgaans veranderingen van 0.5 tot 1.5 standaardafwijkingen.
- Gebruik hem wanneer individuele metingen continu zijn en in tijdsvolgorde worden verzameld, hetzij als individuele waarden, hetzij als subgroepgemiddelden.
- Gebruik hem wanneer u een vergelijkbare gevoeligheid als CUSUM wilt, maar de voorkeur geeft aan een eenvoudiger, intuïtievere kaart die gemakkelijker uit te leggen is aan een publiek zonder statistische achtergrond.
- Gebruik hem in chemische en farmaceutische processen en in hoogprecisieproductie , waar langzame drift in kwaliteitskenmerken een hoog risico met zich meebrengt.
Lambda (λ) begrijpen
Lambda bepaalt hoe snel de kaart reageert op procesveranderingen. De juiste lambda hangt af van de grootte van de verschuiving die u wilt detecteren:
Lambdawaarde
Gedrag
Het meest geschikt voor
λ = 0.05 – 0.10
Sterke afvlakking, reageert langzaam
Zeer kleine, langzame drift detecteren
λ = 0.20 (standaard)
Evenwichtige gevoeligheid en afvlakking
De meeste algemene toepassingen
λ = 0.40 – 0.50
Lichte afvlakking, snellere reactie
Grotere verschuivingen, snellere detectie nodig
λ = 1.00
Geen afvlakking: gedraagt zich als een I-kaart
Gelijk aan een standaard Shewhart-kaart
Richtlijnen voor correct gebruik van de EWMA-kaart
- Gebruik de standaard lambda van 0.20 als uitgangspunt: die biedt voor de meeste processen een goed evenwicht tussen gevoeligheid en afvlakking.
- Gegevens moeten in strikte tijdsvolgorde worden verzameld: het gewogen gemiddelde is zinloos als de waarnemingen niet in de juiste volgorde staan.
- Gegevens moeten bij benadering normaal verdeeld zijn om de regelgrenzen statistisch geldig te laten zijn.
- Stel de breedte van de regelgrenzen (L) in: een waarde van 3 is de gangbare standaard, gelijk aan 3-sigmagrenzen op een traditionele kaart.
- Verzamel minimaal 20 waarnemingen voor de nulmeting om het procesgemiddelde en de standaardafwijking nauwkeurig te schatten voordat u signalen interpreteert.
- Werk na een bevestigde procesverschuiving de streefwaarde van het proces bij en start de kaart opnieuw: doorgaan met een verouderde streefwaarde levert misleidende signalen op.
Alternatieven: wanneer u de EWMA-kaart niet gebruikt
- Als u grote, plotselinge procesverschuivingenwilt detecteren, gebruik dan de I-MR-kaart of Xbar-R-kaart : Shewhart-kaarten signaleren abrupte veranderingen sneller.
- Als het detecteren van geleidelijke trends het hoofddoel is maar eenvoud de voorkeur heeft, gebruik dan de Voortschrijdend-gemiddeldekaart
- Als u de hoogst mogelijke gevoeligheid voor kleine verschuivingen met formele statistische optimalisatie nodig hebt, gebruik dan de CUSUM-kaart
- Als de gegevens attribuutgegevens zijn (aantallen of proporties), gebruik dan geschikte attribuutkaarten, zoals P-, NP-, Laney P’-, C- of U-kaarten
- Als het proces geen vastgestelde streefwaarde of gemiddelde voor de nulmetingheeft, kan de EWMA-kaart niet goed worden ingesteld: verzamel eerst voldoende gegevens voor de nulmeting.
Voorbeeld van een EWMA-kaart
Een kwaliteitsingenieur bij een fabrikant van kunststof wil ervoor zorgen dat het batchproductieproces consistent en onder controle blijft. Om dit te bewaken registreert de ingenieur de pigmentconcentratie van elk van de 35 productiebatches. De manager volgt deze stappen:
- De benodigde gegevens verzameld.

2. Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
3. Kies voor de EWMA-kaart Statistical module> Control Chart> EWMA Chart.
4. Voer in de tool de gegevens samen met de andere invoer als volgt in:

5. Na gebruik van bovenstaande tool wordt de uitvoer als volgt weergegeven:

Zo maakt u een EWMA-kaart
De handleiding is als volgt:
- Log in bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Control Chart >EWMA Chart .
- Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van de EWMA-kaart is het venster in twee delen verdeeld.

Links bevindt zich de Data Pane. De gegevens kunnen handmatig worden ingevoerd, of u kunt ze volledig uit een Excel-blad kopiëren (Ctrl+C) en hier plakken (Ctrl+V).
Load example: Voorbeeldgegevens worden geladen.
Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.
Rechts staan veel opties, als volgt:
Observation Column Selecteer de kolom(men) met uw meetgegevens. Gebruik Ctrl of Command + klik om meerdere kolommen te selecteren. Dit zijn de individuele of in subgroepen verzamelde waarden, zoals afmetingen, gewichten of temperaturen, die de kaart gebruikt om de exponentieel gewogen voortschrijdende gemiddelden te berekenen en geleidelijke procesverschuivingen in de tijd te bewaken.
- Subgroup Size Column Selecteer de kolom die aangeeft welke waarnemingen bij welke subgroep horen wanneer de subgroepgrootte per tijdsperiode verschilt. Vul dit veld of het Subgroup Number in, niet beide. Gebruik dit wanneer het aantal metingen per subgroep in de dataset niet gelijk is.
- Subgroup Voer een vast getal in als alle subgroepen hetzelfde aantal waarnemingen bevatten. Bij 1 bewaakt de kaart de individuele metingen rechtstreeks. Bij een waarde groter dan 1 worden eerst de subgroepgemiddelden berekend en wordt de EWMA vervolgens op die subgroepgemiddelden toegepast.
- Weight of EWMA (Lambda λ) De belangrijkste instelling van de EWMA-kaart. Lambda bepaalt hoeveel gewicht de meest recente waarneming krijgt ten opzichte van oudere bij het berekenen van elke uitgezette waarde. De waarde moet tussen 0 en 1 liggen:
- Kleine lambda (0.05–0.10) : kent meer gewicht toe aan historische gegevens en geeft sterke afvlakking. Het meest geschikt om zeer kleine, langzame drift te detecteren, maar reageert langzamer op plotselinge veranderingen.
- Standaard lambda (0.20) : het aanbevolen uitgangspunt voor de meeste processen, met een evenwicht tussen gevoeligheid voor kleine verschuivingen en een redelijke reactiesnelheid.
- Grote lambda (0.40–1.00) : kent meer gewicht toe aan recente gegevens, reageert sneller op veranderingen maar vlakt minder af. Bij lambda = 1 gedraagt de kaart zich identiek aan een standaard I-kaart zonder afvlakking.
- Mean Optioneel. Als u een bekend of historisch vastgesteld streefgemiddelde voor het proces hebt, voert u dat hier in. Wanneer het is opgegeven, gebruikt de kaart deze waarde om de middenlijn te plaatsen en de regelgrenzen rechtstreeks te berekenen, in plaats van het gemiddelde uit de huidige dataset te schatten. Dat levert stabielere grenzen op die een gevalideerde procesnulmeting weerspiegelen.
- Standard Deviation Optioneel. Als u een bekende of historisch gevalideerde standaardafwijking hebt, voert u die hier in. Wanneer die is opgegeven, wordt deze waarde rechtstreeks gebruikt om de EWMA-regelgrenzen te schalen in plaats van de spreiding uit de gegevens te schatten. Dat is nuttig wanneer er al een betrouwbare procesnulmeting bestaat en u consistente, stabiele grensberekeningen wilt.
- SD Estimation Method for Subgroup Size = 1 Bepaalt hoe de standaardafwijking wordt geschat wanneer de gegevens uit individuele metingen bestaan. Er zijn twee opties:
- Average Moving Range : schat de standaardafwijking door de voortschrijdende spreidingsbreedtes tussen opeenvolgende waarnemingen te middelen. Dit is de gangbare standaardinstelling en werkt betrouwbaar voor de meeste processen met individuele metingen.
- Median Moving Range : gebruikt in plaats daarvan de mediaan van de voortschrijdende spreidingsbreedtes, waardoor de schatting robuuster is tegen de invloed van uitschieters of ongebruikelijke pieken in de gegevens.
- SD Estimation Method for Subgroup Size > 1 Bepaalt hoe de standaardafwijking wordt geschat wanneer de gegevens in subgroepen van twee of meer worden verzameld. Er zijn drie opties:
- Pooled Stdev : combineert de standaardafwijkingen van alle subgroepen tot één gepoolde schatting, een stabiele en nauwkeurige maat voor de totale variatie binnen subgroepen.
- Rbar : schat de standaardafwijking uit het gemiddelde van de subgroepspreidingsbreedtes. Eenvoudig en betrouwbaar voor subgroepgroottes van 2 tot 8.
- Sbar : schat de standaardafwijking uit het gemiddelde van de standaardafwijkingen van de subgroepen. Nauwkeuriger dan Rbar voor subgroepgroottes groter dan 8.
- Check Rule 1 — 1 point > K standard deviations from centre line Schakelt de primaire detectieregel voor buiten controle in. Wanneer geactiveerd, wordt elke afzonderlijke uitgezette EWMA-waarde die verder dan K standaardafwijkingen van de middenlijn ligt, als signaal gemarkeerd. De standaard K is 3, overeenkomend met standaard ±3-sigmaregelgrenzen. Lagere K-waarden maken de regel gevoeliger en signaleren kleinere afwijkingen; hogere K-waarden verminderen valse alarmen maar vereisen een grotere verschuiving voordat er een signaal komt.
- Length Moving Range Bepaalt hoeveel opeenvolgende waarnemingen worden gebruikt om elke waarde van de voortschrijdende spreidingsbreedte te berekenen bij het schatten van de standaardafwijking. De standaardwaarde is 2, wat betekent dat elke voortschrijdende spreidingsbreedte het absolute verschil is tussen twee opeenvolgende metingen. Een hogere waarde geeft een vloeiendere schatting van de standaardafwijking, maar vermindert de gevoeligheid voor veranderingen in kortetermijnvariatie.
- Use Unbiasing Constant Wanneer aangevinkt, wordt een statistische correctiefactor toegepast die de kleine wiskundige bias verwijdert die van nature aanwezig is bij het schatten van de standaardafwijking uit steekproefgegevens. Dit verbetert de nauwkeurigheid van de berekening van de regelgrenzen; het wordt aanbevolen om dit ingeschakeld te laten voor nauwkeurigere en betrouwbaardere resultaten.
Veelgestelde vragen
Wat is een EWMA-kaart?
Een EWMA-kaart (Exponentially Weighted Moving Average, exponentieel gewogen voortschrijdend gemiddelde) detecteert kleine, aanhoudende verschuivingen in het procesgemiddelde door een gewogen gemiddelde van alle eerdere en huidige waarnemingen uit te zetten. De meest recente punten wegen het zwaarst, zodat de kaart gevoelig is voor geleidelijke procesdrift en minder reageert op willekeurige individuele pieken.
Welke lambdawaarde gebruikt u voor een EWMA-kaart?
Lambda (λ), ingesteld tussen 0 en 1, bepaalt hoeveel gewicht de meest recente waarneming krijgt. De standaardwaarde 0.20 balanceert gevoeligheid en afvlakking voor de meeste processen. Waarden van 0.05 tot 0.10 vlakken sterk af om zeer kleine, langzame drift te detecteren, 0.40 tot 0.50 reageren sneller op grotere verschuivingen, en bij 1.00 gedraagt de kaart zich als een I-kaart.
Wanneer gebruikt u een EWMA-kaart in plaats van een I-MR-kaart of Xbar-R-kaart?
Gebruik een EWMA-kaart om kleine, geleidelijke verschuivingen in het procesgemiddelde te detecteren, doorgaans 0.5 tot 1.5 standaardafwijkingen. Voor grote, plotselinge verschuivingen signaleren I-MR-kaarten of Xbar-R-kaarten abrupte veranderingen sneller. Als u de hoogst mogelijke gevoeligheid voor kleine verschuivingen met formele statistische optimalisatie nodig hebt, gebruik dan een CUSUM-kaart.
Aan welke eisen moet worden voldaan om een EWMA-kaart te gebruiken?
De gegevens moeten continu zijn, in strikte tijdsvolgorde zijn verzameld en bij benadering normaal verdeeld zijn om de regelgrenzen geldig te laten zijn. Verzamel minimaal 20 waarnemingen voor de nulmeting om het procesgemiddelde en de standaardafwijking te schatten voordat u signalen interpreteert. Een breedte van de regelgrenzen (L) van 3 is de gangbare standaard, gelijk aan 3-sigmagrenzen.
