Fähigkeitsanalyse für nicht normale DatenHallo allerseits,
ich versuche zu Berechnen Sie CpK für zwei verschiedene Parameter. Die Daten für beide weisen keine Normalverteilung auf. Ich habe die Tipps im folgenden Beitrag befolgt:
https://community.jmp.com/t5/JMPer-Cable/Process-Capability-Analysis-for-nonnormal-data/ba-p/38112
Basierend auf dieser Analyse sieht eine Mischung aus 3 Normalen am besten aus (AICc). Dann habe ich die einzelnen Wahrscheinlichkeitsdiagramme gezeichnet. Unten sind die drei besten Wahrscheinlichkeitsdiagramme einschließlich „Normal“ aufgeführt.
Basierend auf dieser Analyse betrug der berechnete CpK (Mischung aus 3 Normalen) 0,65 im Gegensatz zu dem mit „Normal“ berechneten Wert von 0,9. Ist dieser Ansatz richtig?
Der zweite Parameter ist noch komplizierter, da die Daten vor allem aufgrund von Werten unter der LOQ des Assays, die mit 109 angegeben werden, verzerrt sind.
Jede Hilfe ist willkommen!
Danke
Betreff: Fähigkeitsanalyse für nicht normale DatenSie haben Normal 3-Mischungen für Ihre Verteilung ausgewählt, aber SHASH und Johnson Su sind aufgrund ihrer niedrigeren AICc-Werte die bessere Wahl.Je niedriger der AICc, desto besser.
Der SHASH-Verteilung ist auch als Sinh-Arcsinh bekannt Verteilung . Das Verteilung ähnelt Johnson Verteilungen darin, dass es eine Transformation zur Normalität ist, aber die SHASH-Verteilung beinhaltet das Normale Verteilung als Sonderfall. Das Verteilung kann symmetrisch oder asymmetrisch sein.
Außerdem gibt es zwei Ausreißer: Einer liegt weit unter Ihrem LOQ und der andere weit über und über Ihrem USL.Möglicherweise möchten Sie diese Punkte ausblenden und ausschließen und Ihre Verteilungen neu anpassen, um zu sehen, wie stark diese Punkte die Gesamtanpassung und den Cpk beeinflussen.
Betreff: Fähigkeitsanalyse für nicht normale DatenLOQ ist die Quantifizierungsgrenze. Im Grunde ist das der niedrigste Wert, den ein Assay zuverlässig melden kann.
Betreff: Fähigkeitsanalyse für nicht normale DatenIch weiß nicht, was LOQ bedeutet.Ich bin mir nicht sicher, ob ich bei diesen Fragen hilfreich sein kann.
Betreff: Fähigkeitsanalyse für nicht normale DatenWas könnte die Rechtfertigung für die Reduzierung des Spezifikationslimits im folgenden Fall sein, in dem die Daten stark verzerrt sind?
Grundsätzlich liegen die meisten Daten bei 109, was dem LOQ des Tests entspricht.
Auch hier sieht die Norm 3-Mischung am besten aus und die neue CpK-Berechnung mit Norm 3 liegt niedriger bei 3,1.
Gibt es eine Möglichkeit, mit den Near-LOQ-Daten umzugehen? Ist die CpK-Berechnung auf diese Weise korrekt?
Vielen Dank für alle bisherigen Antworten!
Betreff: Fähigkeitsanalyse für nicht normale DatenIch denke, Sie können die Proben, von denen Sie wissen, dass sie falsch vorbereitet wurden, eliminieren, da Sie eine zuweisbare Ursache haben.Ihr Ziel besteht darin, auf ein nicht beprobtes Produkt zu verallgemeinern, und ein nicht beprobtes Produkt ist überhaupt nicht für Tests vorbereitet, daher würde ich sagen, dass es nicht Teil des Prozesses ist.
JMP kann nicht wirklich herausfinden, welche Samples zu welchem Modus gehören; Es gibt keine Möglichkeit, das genau zu bestimmen.Das Beste, was Sie wahrscheinlich tun könnten, wäre, jeden Einzelnen dem nächstgelegenen Modus zuzuordnen, aber Sie werden wahrscheinlich viele davon falsch verstehen.Wenn Sie sich Beispiele ansehen können, die aus verschiedenen Teilen der Verteilung stammen, können Sie herausfinden, wie sie sich unterscheiden.Bei unseren Festigkeitsprüfungen sehen wir manchmal mehrere Modi, und die Modi stimmen mit unterschiedlichen Fehlermodi überein.
Es kann auch hilfreich sein, sich ein Kontrolldiagramm anzusehen.Wenn die verschiedenen Modi Ihrer Verteilungen Zeiträumen entlang der X-Achse entsprechen, können Sie möglicherweise eine Grundursache finden.
Betreff: Fähigkeitsanalyse für nicht normale DatenDanke Cameron für die schnelle Antwort! Gibt es eine Möglichkeit, diese mehreren Modi in JMP 14 zu identifizieren und zu analysieren?
Außerdem habe ich vergessen zu erwähnen, dass einige der unten hervorgehobenen Datenpunkte auf einen Fehler bei der Probenvorbereitung zurückzuführen waren.Können diese aus der Prozessfähigkeit eliminiert werden oder werden Probenvorbereitungs- oder Mischfehler als Teil Ihres Prozesses betrachtet?
Das Ziel besteht außerdem nicht nur darin, CpK zu berechnen, sondern auch die Spezifikationen zu ändern (verschärfen oder erweitern), abhängig von den Ergebnissen der Fähigkeitsanalyse.
Betreff: Fähigkeitsanalyse für nicht normale DatenNun, ich würde der normalen Schätzung sicherlich nicht vertrauen, aber ich bin mir nicht sicher, ob ich einer davon vertrauen würde.Stabilität ist eine Grundannahme für die Fähigkeitsindizes.Sie müssen nicht normal sein, aber die Daten müssen einen konstanten Mittelwert und eine konstante Varianz aufweisen.In dem anderen Gewinde , Mark und Mike sprachen darüber, zu verstehen, warum es mehrere Modi gibt.Das bedeutet nicht unbedingt, dass Sie keinen stabilen Prozess haben, denn manchmal gibt es durchaus vernünftige Gründe für multimodale Daten, die nicht „repariert“ werden können.Sie müssen jedoch wirklich sicherstellen, dass Sie Ihrer Sorgfaltspflicht nachkommen.Wenn die Stabilitätsannahme nicht erfüllt ist, sind Ihre Fähigkeitsschätzungen wahrscheinlich kein Hinweis auf die Fähigkeit, über die Sie in der Zukunft verfügen werden.
Wenn Sie jedoch sicher sind, dass Ihr Prozess stabil ist, sollten Sie die Fähigkeitsberechnungen auf jeden Fall auf der am besten geeigneten angepassten Verteilung basieren.Eine Alternative ist die nichtparametrische Fähigkeit, die keine Verteilung voraussetzt.
