Poisson-capabiliteit (Poisson Capability)

Poisson Capability-analyse meet hoe goed een proces aan een specificatie voor de frequentie van defecten of zeldzame gebeurtenissen voldoet, wanneer de gegevens een Poisson-verdeling volgen. Ze wordt gebruikt wanneer elke inspectie-eenheid meerdere defecten of gebeurtenissen kan hebben — zoals het aantal krassen op een paneel, fouten in een document, gebreken in een lengte draad of oproepen naar een helpdesk per uur — en het doel is vast te stellen of de defectfrequentie binnen een aanvaardbaar streefniveau ligt.

Laatst beoordeeld

Belangrijkste conclusie

Poisson Capability-analyse meet hoe goed een proces aan een specificatie voor de frequentie van defecten of zeldzame gebeurtenissen voldoet, wanneer de gegevens een Poisson-verdeling volgen.

Op deze pagina
  1. Wat is Poisson-capabiliteit?
  2. Wanneer gebruikt u Poisson-capabiliteit?
  3. Richtlijnen voor correct gebruik van Poisson-capabiliteit
  4. Alternatieven: wanneer u geen Poisson-capabiliteit gebruikt
  5. Voorbeeld van Poisson-capabiliteit
  6. Zo voert u een Poisson-capabiliteitsanalyse uit

Wat is Poisson-capabiliteit?

Poisson Capability-analyse meet hoe goed een proces aan een specificatie voor de frequentie van defecten of zeldzame gebeurtenissen voldoet, wanneer de gegevens een Poisson-verdeling volgen. Ze wordt gebruikt wanneer elke inspectie-eenheid meerdere defecten of gebeurtenissen kan hebben — zoals het aantal krassen op een paneel, fouten in een document, gebreken in een lengte draad of oproepen naar een helpdesk per uur — en het doel is vast te stellen of de defectfrequentie binnen een aanvaardbaar streefniveau ligt.

In tegenstelling tot continue capabiliteitsanalyse, die metingen vergelijkt met bovenste en onderste specificatiegrenzen, gebruikt Poisson Capability een maximaal toelaatbare defectfrequentie als benchmark. Ze drukt de procesprestatie uit in defecten per miljoen mogelijkheden (Defects Per Million Opportunities, DPMO) en het equivalente sigmaniveau, wat een eenvoudige vergelijking met Six Sigma-doelen mogelijk maakt.

Eenvoudige definitie: Een capabiliteitsanalyse voor telgegevens, specifiek om te meten hoe vaak defecten of gebeurtenissen per eenheid optreden en of die frequentie laag genoeg is om aan de kwaliteitsdoelen te voldoen

Wanneer gebruikt u Poisson-capabiliteit?

  • Gebruik haar wanneer de gegevens aantallen defecten, gebeurtenissen of voorvallen per eenheid of per tijdsperiode weergeven — bijvoorbeeld het aantal lakdefecten per auto, het aantal typefouten per pagina of het aantal machinestoringen per maand.
  • Gebruik haar wanneer één item meer dan één defect kan hebben — wat haar onderscheidt van Binomial Capability, waarbij elk item eenvoudig als goed of fout wordt geclassificeerd.
  • Gebruik haar wanneer de defectfrequentie laag is en gebeurtenissen onafhankelijk van elkaar optreden — dit zijn de fundamentele voorwaarden die een Poisson-proces definiëren.
  • Gebruik haar wanneer u een gedefinieerde streefwaarde of maximaal toelaatbare defectfrequentie hebt om de prestatie mee te vergelijken.

Richtlijnen voor correct gebruik van Poisson-capabiliteit

  • Bevestig dat de gegevens echt een Poisson-verdeling volgen — het gemiddelde en de variantie van telgegevens moeten ongeveer gelijk zijn; een groot verschil duidt op overdispersie en mogelijk is een ander model nodig.
  • Elk defect of elke gebeurtenis moet onafhankelijk van de andere zijn — het ene voorval mag de kans op het volgende niet beïnvloeden.
  • De omvang van de inspectiemogelijkheden moet consistent zijn over alle waarnemingen — of, als die varieert, moet de analyse rekening houden met de verschillende omvangen per eenheid.
  • Verzamel voldoende subgroepen of tijdsperiodes voor een stabiele schatting van de defectfrequentie van het proces — minimaal 25 subgroepen worden aanbevolen voordat u conclusies trekt.
  • Zorg dat het proces stabiel is voordat u de capabiliteit interpreteert — gebruik een U-kaart of C-kaart om te controleren dat de defectfrequentie niet afdrijft en geen signalen buiten controle toont.
  • De belangrijkste uitvoermaten zijn DPU (defecten per eenheid), DPMO (defecten per miljoen mogelijkheden) en het sigmaniveau — interpreteer deze ten opzichte van uw kwaliteitsdoel in plaats van de traditionele drempels voor Cp/Cpk.

Alternatieven: wanneer u geen Poisson-capabiliteit gebruikt

Situatie

Gebruik in plaats daarvan

Elk item is eenvoudig goed of fout (geen telling van defecten)

Binomial Capability Analysis

De gegevens zijn continue meetwaarden

Normal, Non-Normal, or Nonparametric Capability Analysis

Telgegevens vertonen overdispersie (variantie >> gemiddelde)

Negatief-binomiaal- of Poisson-model met overdispersie

De defectfrequentie is hoog (geen proces met zeldzame gebeurtenissen)

Beoordeel de procesbeheersing vóór de capabiliteitsanalyse

De omvang van de mogelijkheden verschilt sterk tussen eenheden

Gebruik analyse op basis van een U-kaart met variabele omvang van de mogelijkheden

Voorbeeld van Poisson-capabiliteit

Een procesingenieur beoordeelt de duurzaamheid van de isolatie van een elektrische draad. De ingenieur selecteert willekeurig draadstukken en onderwerpt ze aan een spanningstest om zwakke plekken in de isolatie op te sporen die tijdens gebruik tot uitval kunnen leiden. Voor elk draadstuk legt de ingenieur zowel het aantal gedetecteerde zwakke plekken (defecten) als de lengte van de draad in meters vast. Het doel is een Poisson-capabiliteitsanalyse uit te voeren om te beoordelen hoe het isolatieproces presteert ten opzichte van de duurzaamheidsnormen, en vast te stellen of het over verschillende draadlengten consequent het vereiste kwaliteitsniveau handhaaft. De volgende stappen:

  1. De benodigde gegevens verzameld.
Poisson Capability — figure 1
  1. Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
  2. Kies voor Poisson-capabiliteit Statistical module> Process Capability>Poisson Capability.
  3. Voer in de tool de gegevens samen met de overige invoer als volgt in:
Poisson Capability — figure 2
  1. Na gebruik van bovenstaande tool wordt de uitvoer als volgt opgehaald:
Poisson Capability — figure 3Poisson Capability — figure 4

Zo voert u een Poisson-capabiliteitsanalyse uit

De handleiding is als volgt:

  1. Log in bij Zometric Statistical Software op https://statsai.zometric.com/
  2. Kies op de startpagina Statistical Tool> Process Capability >Poisson Capability .
  3. Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-sheet en plak (Ctrl+V) ze hier.
  4. Vul de vereiste opties in.
  5. Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.

Op het dashboard van Poisson Capability is het venster in twee delen gesplitst.

Poisson Capability — figure 5

Links bevindt zich de Data Pane. In de Data Pane vormt elke rij één subgroep. Gegevens kunnen handmatig worden ingevoerd, of u kunt de gegevens volledig uit een Excel-sheet kopiëren (Ctrl+C) en hier plakken (Ctrl+V).

Load example: Voorbeeldgegevens worden geladen.

Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.

Rechts zijn de volgende opties beschikbaar:

  • Defects Selecteer de kolom met het aantal defecten of voorvallen dat in elke inspectieperiode of subgroep is vastgelegd bijvoorbeeld het aantal oppervlaktekrassen per paneel, fouten per document of storingen per lengte-eenheid kabel. Elke waarde in deze kolom is het totale aantal defecten dat in één inspectie-eenheid of tijdsperiode is waargenomen. Dit is de primaire invoer waarmee de analyse de defectfrequentie van het proces schat.
  • Sample Size Selecteer de kolom met het aantal eenheden of de omvang van het inspectiegebied dat bij elk aantal defecten hoort. Dit is essentieel omdat de defectfrequentie wordt berekend door het aantal defecten te delen door de steekproefomvang bijvoorbeeld 12 defecten bij 300 geïnspecteerde eenheden geeft een frequentie van 0.04 defecten per eenheid. Als de steekproefomvang voor elke rij gelijk is, kan in plaats van een kolom een constante waarde worden ingevoerd.
  • Historical Mu (μ) Optioneel. Mu (μ) is de bekende of historisch vastgestelde gemiddelde defectfrequentie van het proces. Als u een betrouwbare basisfrequentie uit een eerdere studie of een langetermijnprocesregistratie hebt, voer die hier in. Indien opgegeven gebruikt de analyse deze waarde rechtstreeks om capabiliteitsstatistieken te berekenen en prestatiebenchmarks vast te stellen — in plaats van de defectfrequentie alleen uit de huidige dataset te schatten. Dit geeft stabielere en consistentere resultaten, vooral wanneer de huidige steekproef klein is. Laat het leeg om de analyse mu uit de gegevens te laten schatten.
  • Target De gewenste of ideale defectfrequentie die het proces moet bereiken. Door een streefwaarde in te voeren kan de analyse de huidige procesprestatie rechtstreeks met een gedefinieerd doel vergelijken bijvoorbeeld, een streefwaarde van 0.01 defecten per eenheid betekent dat maximaal 1 defect per 100 eenheden aanvaardbaar is. Deze waarde wordt in de uitvoer als benchmark gebruikt en als referentielijn op de capabiliteitskaart getoond, zodat u makkelijk ziet hoe ver het huidige proces van het gewenste prestatieniveau verwijderd is.
  • Check Rule 1: 1 point > K Stdev from center line: Toets 1 is essentieel om subgroepen te identificeren die significant van de andere afwijken, waardoor het een algemeen erkend hulpmiddel is om situaties buiten controle te detecteren. Om de gevoeligheid te verhogen en kleinere verschuivingen in het proces te detecteren, kan Toets 2 samen met Toets 1 worden gebruikt, wat de effectiviteit van regelkaarten vergroot.
  • Check Rule 2: K points in a row on same side of center line: Toets 2 detecteert veranderingen in de centrering of variatie van het proces. Bij het bewaken van kleine verschuivingen in het proces kan Toets 2 samen met Toets 1 worden gebruikt om de gevoeligheid van regelkaarten te verhogen.
  • Check Rule 3: K points in a row, all increasing or all decreasing: Toets 3 is bedoeld om trends in een proces te identificeren. Deze toets zoekt specifiek naar een lange reeks opeenvolgende datapunten die consequent in waarde stijgen of dalen, wat wijst op een mogelijke onderliggende trend in het procesgedrag.
  • Check Rule 4: K points in a row, alternating up and down: Toets 4 is bedoeld om systematische variaties in een proces te identificeren. Idealiter is het variatiepatroon in een proces willekeurig. Als een punt Toets 4 echter niet doorstaat, kan dat erop wijzen dat de variatie niet willekeurig is maar een voorspelbaar patroon volgt.
  • Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): Toets 5 detecteert kleine verschuivingen in het proces.
  • Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):Toets 6 detecteert kleine verschuivingen in het proces.
  • Check Rule 7: K points in a row within 1 standard deviation of center line (either side):Toets 7 identificeert variatiepatronen die ten onrechte als bewijs van goede beheersing kunnen worden geïnterpreteerd. Deze toets detecteert te brede regelgrenzen, die vaak het gevolg zijn van gestratificeerde gegevens. Gestratificeerde gegevens ontstaan wanneer er binnen elke subgroep een systematische bron van variatie is, waardoor de regelgrenzen breder lijken dan ze zouden moeten zijn.
  • Check Rule 8: K points in a row > 1 standard deviation from center line (either side):Toets 8 detecteert een mengpatroon. Bij een mengpatroon vallen de punten niet dicht bij de middenlijn maar juist dicht bij de regelgrenzen.

Veelgestelde vragen

Wat is Poisson-capabiliteitsanalyse?

Poisson-capabiliteitsanalyse meet hoe goed een proces aan een specificatie voor de frequentie van defecten of zeldzame gebeurtenissen voldoet wanneer de gegevens een Poisson-verdeling volgen. In plaats van bovenste en onderste specificatiegrenzen gebruikt ze een maximaal toelaatbare defectfrequentie als benchmark en rapporteert ze de prestatie als defecten per eenheid, defecten per miljoen mogelijkheden (DPMO) en het equivalente sigmaniveau.

Wanneer gebruikt u Poisson-capabiliteit in plaats van binomiale capabiliteit?

Gebruik Poisson-capabiliteit wanneer de gegevens aantallen defecten of gebeurtenissen per eenheid of per tijdsperiode zijn en één item meer dan één defect kan hebben, zoals lakdefecten per auto. Gebruik binomiale capabiliteit wanneer elk item eenvoudig als goed of fout wordt geclassificeerd. Gebruik voor continue meetwaarden in plaats daarvan normale, niet-normale of niet-parametrische capabiliteitsanalyse.

Wat zijn de aannames van Poisson-capabiliteitsanalyse?

De aantallen moeten een Poisson-verdeling volgen, met ongeveer gelijk gemiddelde en variantie; een groot verschil duidt op overdispersie. Defecten moeten onafhankelijk optreden en de omvang van de mogelijkheden moet consistent zijn, of er moet rekening mee worden gehouden wanneer ze varieert. Minimaal 25 subgroepen worden aanbevolen en het proces moet stabiel zijn, gecontroleerd met een U-kaart of C-kaart, voordat de capabiliteit wordt geïnterpreteerd.

Hoe interpreteert u de resultaten van Poisson-capabiliteit?

De belangrijkste uitvoer is DPU (defecten per eenheid), DPMO (defecten per miljoen mogelijkheden) en het sigmaniveau. Interpreteer deze ten opzichte van uw kwaliteitsdoel in plaats van de traditionele drempels voor Cp of Cpk. Als een streefdefectfrequentie is ingevoerd, verschijnt die als referentielijn op de capabiliteitskaart, zodat u ziet hoe ver het huidige proces van de gewenste prestatie verwijderd is.