T-kaart (tijd tussen gebeurtenissen)
De T Chart bewaakt zeldzame gebeurtenissen door de tijd tussen opeenvolgende voorvallen uit te zetten in plaats van aantallen per interval. Hij past een exponentiële (standaard) of Weibull-verdeling aan op de niet-negatieve tussentijden; de middenlijn is de aangepaste mediaan en de grenzen zijn het 0.135e en 99.865e percentiel ervan. De regels 1 tot 4 van Nelson signaleren speciale oorzaken. De uitvoer is de kaart, een samenvatting van de aanpassing en punten met speciale oorzaken.
Laatst beoordeeld
Belangrijkste conclusie
Een T-kaart is een regelkaart voor zeldzame gebeurtenissen die de tijd tussen opeenvolgende voorvallen uitzet, met grenzen uit een aangepaste exponentiële of Weibull-verdeling, en gevoeliger is dan C- of U-kaarten.
Op deze pagina
Doel
Een T Chart bewaakt zeldzame gebeurtenissen door de TIJD (of een andere continue maat) tussen opeenvolgende voorvallen uit te zetten, in plaats van gebeurtenissen per vast interval te tellen zoals een C-kaart of U-kaart doet. Wanneer gebeurtenissen zeldzaam zijn, zijn de meeste tellingen per vast interval nul en wordt een C/U-kaart ongevoelig — een T-kaart reageert rechtstreeks op elke nieuwe tussentijd, waardoor hij veel gevoeliger is voor een echte verandering in de onderliggende frequentie van gebeurtenissen.
Belangrijkste mogelijkheden
- Zet niet-negatieve gegevens over de tijd tussen gebeurtenissen rechtstreeks uit, met een keuze uit de onderliggende verdeling (exponentieel of Weibull) in plaats van normaliteit aan te nemen.
- Volledige detectie van speciale oorzaken met de regels van Nelson (4 instelbare regels), toegepast op de aangepaste kaart.
- Insluiten/uitsluiten van rijen en een afzonderlijke selector “parameters schatten uit” voor subgroepen, zodat regelgrenzen kunnen worden gebaseerd op een stabiele historische periode terwijl latere punten ter vergelijking worden uitgezet.
- Instelbare X-asschaal voor het labelen van de tijdas.
Statistische methoden
Gegevens over de tijd tussen gebeurtenissen bij zeldzame gebeurtenissen zijn doorgaans rechtsscheef en worden niet goed door een normale verdeling gemodelleerd, dus de T-kaart past met maximum likelihood een exponentiële of een Weibull-verdeling aan op de reeks tijden tussen gebeurtenissen (standaard is exponentieel, het standaardmodel voor een constante, geheugenloze faal- of gebeurtenisfrequentie).
De middenlijn is de mediaan van de aangepaste verdeling (haar 50e percentiel) en de regelgrenzen zijn haar 0.135e en 99.865e percentiel: LCL = max(0, dist.ppf(0.00135)), UCL = dist.ppf(0.99865) — dezelfde staartkansen die een normale regelkaart met ±3σ zou omsluiten, maar toegepast op de kwantielfunctie van de aangepaste, niet-normale verdeling zelf, wat de statistisch juiste manier is om grenzen voor scheve gegevens vast te stellen, in plaats van een ruw gemiddelde ± 3σ op de niet-getransformeerde schaal.
De regels van Nelson (detectie van speciale oorzaken) worden vervolgens getoetst aan de aangepaste regelgrenzen, precies zoals bij de andere regelkaarten van de applicatie, waarbij punten voorbij de grenzen (Rule 1), runs aan één kant van de middenlijn (Rule 2), aanhoudende trends (Rule 3) en afwisselende patronen (Rule 4) worden gesignaleerd.
Invoervelden en opties
Veld | Beschrijving |
Time between events | Verplicht. De kolom met niet-negatieve tijd (of een andere continue maat) tussen opeenvolgende zeldzame gebeurtenissen, in chronologische volgorde. |
Fit distribution | Exponential (standaard) of Weibull — de verdeling die op de reeks tijden tussen gebeurtenissen wordt aangepast. |
Check Rule 1–4 / K for Rule 1–4 | De vier regels van Nelson voor speciale oorzaken, elk afzonderlijk in of uit te schakelen (standaard K = 3, 9, 6, 14). |
X scale | Optioneel eigen labeling voor de tijdas. |
Include or Exclude / Specify which rows / Row numbers | Bepaalt welke rijen worden uitgezet. |
Specify subgroups to estimate parameters / Subgroups | Beperkt optioneel welke rijen worden gebruikt om de verdeling aan te passen en de regelgrenzen vast te stellen, terwijl alle rijen toch worden uitgezet — nuttig om te baseren op een bekende stabiele periode. |

Figuur 1 — 25 tussentijden tussen storingen (uren) in C1 geplakt, met Time between events ingesteld op C1 en Fit distribution = Exponential.
Beschrijving van de uitvoer
- T Chart plot — de reeks tijden tussen gebeurtenissen in chronologische volgorde, met UCL, middenlijn en LCL uit de aangepaste verdeling.
- Fit summary table — de aangepaste verdeling, middenlijn, LCL en UCL.
- Nelson's Rules / Potential Special Cause Points — welke regels zijn gecontroleerd en welke punten (indien aanwezig) ze hebben overschreden.
- PDF-export via Download as PDF.

Figuur 2 — Uitvoer van de T Chart: aangepaste regelgrenzen, de uitgezette reeks tijden tussen gebeurtenissen en de samenvattingstabel met aangepaste verdeling, middenlijn, UCL en LCL.
Uitgewerkt voorbeeld
Een fabriek houdt veiligheidsrelevante storingen van apparatuur op een verpakkingslijn bij en registreert het aantal uren tussen opeenvolgende storingen (25 opeenvolgende tussentijden, kolom C1). Met Fit distribution = Exponential past de tool een exponentieel model aan op de tussentijden (Center Line ≈ 31.7, UCL ≈ 302.6, LCL ≈ 0.06) en zet alle 25 tussentijden uit — wat direct een visueel beeld geeft of de storingsfrequentie toeneemt (opeenvolgende tussentijden die naar de onderste regelgrens krimpen), ruim voordat er genoeg storingen zijn opgebouwd om op een traditionele, op aantallen gebaseerde kaart te reageren.
Veelgestelde vragen
Wanneer gebruikt u een T-kaart in plaats van een C-kaart of U-kaart?
Gebruik een T-kaart wanneer gebeurtenissen zeldzaam zijn. Bij zeldzame gebeurtenissen zijn de meeste tellingen per vast interval nul, waardoor een C- of U-kaart ongevoelig wordt. Een T-kaart zet de tijd tussen opeenvolgende gebeurtenissen uit en reageert rechtstreeks op elke nieuwe tussentijd, waardoor hij gevoeliger is voor een echte verandering in de onderliggende frequentie van gebeurtenissen.
Hoe worden de regelgrenzen van een T-kaart berekend?
Een exponentiële of Weibull-verdeling wordt met maximum likelihood aangepast op de gegevens over de tijd tussen gebeurtenissen. De middenlijn is de aangepaste mediaan en de regelgrenzen zijn het 0.135e en 99.865e percentiel van die verdeling, dezelfde staartkansen die een normale kaart met plus of min 3 sigma omsluit, waarbij de onderste grens niet onder nul komt.
Waarom veronderstelt de T-kaart geen normale verdeling?
Gegevens over de tijd tussen gebeurtenissen bij zeldzame gebeurtenissen zijn doorgaans rechtsscheef en worden niet goed door een normale verdeling gemodelleerd. Grenzen vaststellen uit de kwantielen van de aangepaste verdeling zelf is voor scheve gegevens geschikter dan een gemiddelde plus of min 3 sigma op de niet-getransformeerde schaal. Exponentieel is de standaardinstelling, als standaardmodel voor een constante frequentie van gebeurtenissen.
Hoe interpreteert u een T-kaart?
De punten zijn de tussentijden tussen opeenvolgende gebeurtenissen in tijdsvolgorde. Tussentijden die naar de onderste regelgrens krimpen, wijzen erop dat de frequentie van gebeurtenissen toeneemt, bijvoorbeeld dat storingen versnellen. De regels van Nelson signaleren punten voorbij de grenzen, runs aan één kant van de middenlijn, aanhoudende trends en afwisselende patronen als mogelijke speciale oorzaken.
