Scaricare la presentazione
La presentazione è in caricamento. Aspetta per favore
1
Ugo Cardamone/Laura Deldossi STMicroelectronics
Strumenti di controllo dell’impatto ambientale in presenza di dati autocorrelati Ugo Cardamone/Laura Deldossi STMicroelectronics U. Cardamone - STMicroelectronics
2
SPC (Statistical Process Control)
Il controllo statistico tradizionale si basa sull’assunzione di osservazioni indipendenti e identicamente distribuite. Nel caso di osservazioni provenienti dal campo ambientale tale condizione non è sempre verificata. PERCHÈ? U. Cardamone - STMicroelectronics
3
U. Cardamone - STMicroelectronics
Cause correlazione I processi ambientali sono spesso processi di natura chimica (tipicamente correlati) Inerzia di alcune procedure Utilizzo di strumenti di misura automatica (alta frequenza delle rilevazioni e possibile correlazione tra le osservazioni) U. Cardamone - STMicroelectronics
4
Come si può verificare che non sussiste la condizione di indipendenza?
Diagramma di dispersione Correlogramma (ACF) U. Cardamone - STMicroelectronics
5
Esempio di correlazione
Diagramma di dispersione Correlogramma Se le osservazioni non sono indipendenti, come fare a controllare il processo? U. Cardamone - STMicroelectronics
6
U. Cardamone - STMicroelectronics
Esempio 1: Resistività ACF tutti i dati (n=2266) LSL PreAl ACF prime 500 oss. U. Cardamone - STMicroelectronics
7
Osservazioni correlate – Cause Speciali
Carta di controllo di Shewart Out Of Control Carta EWMA l=0.2 L=2.958 U. Cardamone - STMicroelectronics
8
Eliminando le osservazioni fuori controllo
Non sempre la correlazione è dovuta all’insorgere di una causa speciale. Spesso essa è intrinseca al processo. U. Cardamone - STMicroelectronics
9
Correlazione intrinseca al processo
Non utilizzabili le Carte di Controllo Standard! Stimatori della varianza distorti Se correlazione positiva (frequente), gli stimatori della varianza sottostimano il suo vero valore. Elevato numero falsi allarmi Sfiducia ed Inefficaci Oneri Economici U. Cardamone - STMicroelectronics
10
U. Cardamone - STMicroelectronics
Possibili Approcci Modellizzazione del processo + controllo sui residui “Aggiustamento” dei limiti di controllo Carte di controllo ad “hoc” Controllo di tipo “ingegneristico” Esempio 2: Toc Esempio 3: pH U. Cardamone - STMicroelectronics
11
Modellizzazione e controllo dei residui
Approccio tradizionale Procedimento: - si modella il processo - se il modello è corretto Residui sono i.i.d. Applicazione delle carte di controllo usuali Necessità di identificare il modello, stimare i parametri ed ottenere residui i.i.d. U. Cardamone - STMicroelectronics
12
U. Cardamone - STMicroelectronics
PROBLEMI Le carte applicate ai residui, anche se i.i.d., non hanno un comportamento analogo alle carte sulle osservazioni. La rottura di media che interviene sul processo viene riassorbita dallo stesso con modalità e tempi differenti a seconda della tipologia di modello sottostante e del tipo ed entità della rottura (FORECAST RECOVERY) U. Cardamone - STMicroelectronics
13
U. Cardamone - STMicroelectronics
Il problema del FORECAST RECOVERY rende più problematica la rilevazione della rottura. A ciò si aggiungono problemi di robustezza legati alla stima dei parametri del modello (necessità di serie numerose) NONOSTANTE QUESTO Carte di controllo sui residui risultano essere le migliori qualora il processo sia caratterizzato da correlazione alta e si vogliano rilevare rotture di media di grande entità U. Cardamone - STMicroelectronics
14
Esempio 2: Total Organic Carbon
Numero Osservazioni = 13595 USL = 5 ppb PreAllarme = 3 ppb U. Cardamone - STMicroelectronics
15
U. Cardamone - STMicroelectronics
Total Organic Carbon Limitandosi alle osservazione rilevate nel mese di marzo (4464 osservazioni) il processo si modella secondo un IMA(1,1) ACF Calcolata sui residui U. Cardamone - STMicroelectronics
16
TOC – Carta Shewart + EWMA sui residui (Lin e Adams (1996))
Nell’ipotesi che TOC (mese marzo) sia in controllo, utilizziamo il modello individuato per fare previsioni sul futuro. La carta di controllo è costruita in modo tale che: - ARL (Average Run Lenght) in controllo = 2000 - per individuare una rottura di entità 6s=(6*0.0591=0.3546)=0.3546 Tenendo conto che per il modello adottato l’errore di previsione atteso subito dopo una rottura di entità 6s è pari a (6*0.7227*0.0591) , i limiti di controllo per la carta di Shewhart sono fissati a 4s (per garantire ARL=2000) e quelli per la EWMA a Ls=3s, essendo L=3.5 e l=0.85. U. Cardamone - STMicroelectronics
17
U. Cardamone - STMicroelectronics
Esempio 3: pH Osservazioni = 2266 USL = LSL = PreAl inf = PreAl sup = U. Cardamone - STMicroelectronics
18
Estrazione sottoserie stazionaria pH
Osservazioni = 900 USL = LSL = PreAl inf = PreAl sup = Carta EWMAST per processi stazionari (Zhang (1998)) Carta EWMAST dà buoni risultati per processi non altamente correlati e per rotture di media entità U. Cardamone - STMicroelectronics
19
U. Cardamone - STMicroelectronics
20
U. Cardamone - STMicroelectronics
Conclusioni Le metodologie proposte in letteratura sono tra loro assai differenti. Non esiste una metodologia che valga per qualsiasi tipo di processo correlato. E’ necessario conoscere “bene” il processo per poter individuare lo strumento più idoneo. Necessità di competenze statistiche e di software che consenta implementazione semiautomatica dei procedimenti. U. Cardamone - STMicroelectronics
21
Modellizzazione del processo
Vantaggi: Non richiesta Stazionarieta’ Svantaggi: Richiede di modellare il processo Utilizzando i residui Trend shift” in input Rilevare rottura di media “C” “Step Shift” in output Rilevare rottura di media “C” Rischio “Forecast Recovery” U. Cardamone - STMicroelectronics
22
U. Cardamone - STMicroelectronics
Forecast Recovery By Lin & Adams 1996 U. Cardamone - STMicroelectronics
Presentazioni simili
© 2024 SlidePlayer.it Inc.
All rights reserved.