SPC即统计过程控制(Statistical Process Control)。SPC主要是指应用统计分析技术对生产过程进行实时监控,科学的区分出生产过程中产品质量的随机波动与异常波动,从而对生产过程的异常趋势提出预警,以便生产管理人员及时采取措施,消除异常,恢复过程的稳定,从而达到提高和控制质量的目的。

控制图是统计质量控制的基本工具,是一种把代表过程当前状态的样本信息与根据过程固有变异建立的控制限进行比较的方法。其主要用途是提供一种手段,以评估生产运行或管理过程是否处于“统计控制状态”。

目前只是实现了,flot转换为Xbar,Xbars,I-MR,I-MR-S,EWMA等的转换。无非就是为了实现在网页上亦可以通过控制图重现实际数据。

只谈一下,转换时的想法,因为可能想法也不算成熟,只是工作需要就草草将其实现并包装。不过需要的博友们可以联系偶。

flot向Xbar,Xbars,I-MR,I-MR-S转身时,根据这些控制图的特点:每种控制图中包含不同张数的小图,每张小图亦有自己的控制限,数据等。我们做绘制时,只需要将数据绘制到页面中,并不需要管究竟是那张图。简单的想法就是:对于需要绘制的控制图,每张小图占用一个div,将多个div拼接在一起即可组成需要的不同的控制图整体。我们需要为不同小图占用的DIV利用Flot进行绘制即可。至于封装过程,可以根据自己需要去设计。下面给出一个我的接口:

function DrawChart(chartcount, spec1, spec2, spec3, data1, reddotArry, data2, data3, timeArry, batchChangeTime, Tips1, Tips2, Tips3, placeholder1, placeholder2, placeholder3)

参数解释:

目前,我们再使用的控制图中,最多有三张图,最少一张。其实有三张图已经足够了。所以,我的接口很撮的给它封死了。如果说以后的以后的以后控制图张数增加了,就需要修改了...八嘎.最近也在计划抽时间修改

function DrawChart(chartcount, spec, data, reddotArry, timeArry, batchChangeTime, Tips, placeholder)

spec为spec1, spec2, spec3,spec4...的数组,同理data,tips,placeholder。设计为数组的数组,这样就可以随意不需要估计上限了,只需要穿参数时,将数据打包过来就行...尚未行动起来哉

chartcount:需要绘制的控制图整体总包含几张小图。有几张小图就显示几个组合需要的DIV

spec1:第一张控制图的控制限,数组

spec2:第二张控制图的控制限,数组

spec3:第三张控制图的控制限,数组

data1:第一张图的数据序列,数组

reddoyArry:由于第一张图需要判异,异常的数据点需要标为红色,数组

data2:第二章图的数据序列,数组

data3:第三张图的数据序列,数组

timeArry:每一个数据点采集时都有自己的采集时间,数组.该时间与上面说的第一张图的数据点一一对应

batchChangeTime:换批时间,因为根据数据或者数据采集时间根本无法判断生产过程中,批次是否发生变化,所以换批时间需要外部传如,控制图中根据换批时间给出换批提示

聪明的你,肯定想到了,Tip1,2,3一定都是对应的三张图的每个点的提示信息,都是以数组形式传入的。

placeholder1, placeholder2, placeholder3是三张小图分别的位置。

这个封装,最多三张控制图时使用可以了。当然了,这过程中需要修改Flot的源码。

Flot向EWMA转身。我的设想是:同一张图中画三根曲线:上面的一根作为“上限”,只显示线,不显示点。中间一根作为绘制数据点的线,有连接线,有数据点。下面一根作为“下限”,各司其职。只是在“上限”“下限”绘制时,需要根据中间的显示数据信息的线来确定他们的位置。每一个点对应的控制限位置不同。

我设计的接口

function DrawEWMAChart(data1,data2,data3,timeArry,specArry,tips)

其中 tips只是中间显示数据的点的ToolTip,数组

specArry:设置y轴用的

timeArry:用来设置x轴的Ticks

data1,data2,data3分别为“上限”,“数据点”,“下限”。

这里没有涉及到跟中控制图的算法。算法都是C#后台算好,网页中只需要Ajax获取这些数据即可绘制控制图

转载于:https://www.cnblogs.com/hexinxiaoyao/archive/2012/05/24/he3.html

Flot转身为其它的SPC控制图相关推荐

  1. python画spc控制图_手把手教你SPC控制图怎么做以及SPC控制图分类

    01.什么是SPC控制图?SPC控制图怎么做以及SPC控制图分类. SPC控制图是SPC统计过程控制的核心工具,是对过程质量加以测定.记录从而进行控制管理的一种用科学方法设计的图,是用于分析和判断工序 ...

  2. python画spc控制图_SPC控制图的制作方法和步骤

    SPC 控制图的制作方法和步骤 一.控制图法的涵义 影响产品质量的因素很多,有静态因素也有动态因素,有没有一种方法能够即时监控产品的生产过程.及时 发现质量隐患, 以便改善生产过程, 减少废品和次品的 ...

  3. python画spc控制图_SPC系列8:如何选择计数型数据的SPC控制图?

    SPC控制图可以分为计量型和计数型.计量型控制图的选择已经在另一篇文章中解释.这里来讨论一下计数型控制图的选择. AIAG的SPC手册中介绍了4种计量型控制图:p控制图,np控制图,u控制图,c控制图 ...

  4. SPC控制图为什么是±3σ而不是±2σ或者±4σ

    SPC控制图就是一个预警系统,预警系统都存在两类风险:第一类风险是误报警风险(第一类错误)α,第二类风险是漏报警风险(第二类错误)β. α风险:即使过程时候处于受控状态,由于偶然原因也可能有某些点落在 ...

  5. SPC控制图中的控制线应该用“3倍标准差“还是用“系数A2、D3、D4“公式来计算?

    ​ 有在学习六西格玛的小伙伴提问:SPC控制图中有的用系数A2.D3.D4来计算控制线,有的用3倍标准差来算,到底哪个是准确的?区别在什么?常数表中的A2.D3.D4是怎么得来的? 其实,SPC控制图 ...

  6. python画spc控制图_实施SPC控制图的八个步骤详解

    企业在实行SPC品质管理时,需要对过程控制的关键工序进行监控分析,而这一监控分析工具就是spc控制图,下面盈飞无限给大家主要介绍实施SPC控制图的八个步骤. 图示:实施SPC控制图的八个步骤 什么是S ...

  7. python画spc控制图_【SPC控制图模板绘制】SPC控制图模板搭建和使用方法

    2014-10-24 [SPC控制图模板绘制]SPC控制图模板搭建和使用方法 关键词:SPC控制图 SPC控制图模板 spc 企业可以快速使用SPC控制图模板进行质量数据管理,并发现疑点.常用的SPC ...

  8. Flask Web开发--3.实时SPC控制图的开发设计

    更多创客作品,请关注笔者网站园丁鸟,搜集全球极具创意,且有价值的创客作品 #前言 实时SPC也就是SPC的运行控制图,是实时收集生产过程中的生产数据,如来料检验的数据,生产过程中的数据,成品检验数据, ...

  9. SPC控制图的样品子组大小为什么建议4或者5

    随着样本量n的增大,控制限会变得越来越窄,这意味着过程稍微有一点波动,就可能会有点落在控制限外,也就是说控制图会变得越来越敏感.小的样本量会降低控制图敏感度,也就是存在过程已经发生偏移却不能被发现的风 ...

最新文章

  1. android中方法调用super(..)的相关知识
  2. 分库分表技术演进最佳实践-修订篇
  3. 零件分组pascal程序
  4. 10.18 nslookup:域名查询工具
  5. 为TFS配置跨平台的生成服务器Xplat (Ubuntu Linux)
  6. 【转】WebServices:WSDL的结构分析
  7. 中断、异常、处理对于操作系统的概念
  8. Windows Server 2012学习
  9. UE4 控制台管理器: 在C++中设置控制台变量
  10. SQL 读取XML到Datatable
  11. ResNet 6大变体对比
  12. MapReduce 1.x VS 2.x架构对比
  13. 用css做一个3d相册
  14. “第三届金融CIO班”开学典礼成功举行
  15. JVM--插入式注解处理器
  16. xch-sboot单体服务架子
  17. 无线路由的四种加密方式
  18. 定时器轮播图---(功能:自动轮播,左右箭头点击切换,点击圆点跳转图片)
  19. 二分法实例应用(一)
  20. Java反射的基本理解

热门文章

  1. 会自动分配IP地址的路由协议——DHCP
  2. 23种设计模式及其实例
  3. 如何提取OneDrive文件直链?
  4. 18.Sobel算子
  5. Leetcode-买卖股票的时机
  6. 深度剖析Java集合之ArrayDeque
  7. python getopt使用_python getopt使用
  8. python与我的第五天 奥利給
  9. WPF Expander控件使用
  10. 训练神经网络gpu占用率低,gpu为什么适合神经网络