Analyse de capacité des données non normalesSalut tout le monde,
J'essaie de calculer le CpK pour deux paramètres différents. Les données pour les deux n'ont pas une distribution normale. J'ai suivi les conseils fournis dans le post suivant:
https://community.jmp.com/t5/JMPer-Cable/Process-Capability-Analysis-for-nonnormal-data/ba-p/38112
Sur la base de cette analyse, le mélange de 3 normales semble le meilleur (AICc). Ensuite, j'ai tracé les tracés de probabilité individuels. Vous trouverez ci-dessous les 3 meilleurs tracés de probabilité, y compris "Normal".
Sur la base de cette analyse, le CpK calculé (Mélange de 3 normaux) était de 0,65 par opposition à celui calculé avec "Normal" qui était de 0,9. Cette approche est-elle correcte ?
Le deuxième paramètre est encore plus compliqué car les données sont faussées principalement en raison des valeurs inférieures à la LOQ du test rapportées comme 109.
Toute aide est appréciée!
Merci
Objet : Analyse de la capacité des données non normalesVous avez choisi des mélanges Normal 3 pour votre distribution, mais SHASH et Johnson Su sont de meilleurs choix en raison de leurs scores AICc inférieurs.Plus l'AICc est bas, mieux c'est.
Le Distribution SHASH est également connu sous le nom de sinh-arcsinh distribution . Ce distribution est similaire à Johnson distributions en ce sens qu'il s'agit d'une transformation vers la normalité, mais le Distribution SHASH comprend la normale distribution comme cas particulier. Ce distribution peut être symétrique ou asymétrique.
En outre, vous avez deux valeurs aberrantes, l'une bien en dessous de votre LOQ et l'autre bien au-dessus et au-delà de votre USL.Vous voudrez peut-être masquer et exclure ces points et réajuster vos distributions pour voir dans quelle mesure ces points tirent parti de l'ajustement global et du Cpk.
Objet : Analyse de la capacité des données non normalesLOQ est la limite de quantification. Fondamentalement, c'est la valeur la plus basse qu'un test peut rapporter de manière fiable.
Objet : Analyse de la capacité des données non normalesJe ne sais pas ce que signifie LOQ.Je ne suis pas sûr de pouvoir être d'une grande aide pour ces questions.
Objet : Analyse de la capacité des données non normalesQuelle pourrait être la justification de la réduction de la limite de spécification dans le cas suivant où les données sont fortement faussées ?
Fondamentalement, la plupart des données sont à 109, qui est la LOQ du test.
Encore une fois, le mélange Norm 3 semble le meilleur et le nouveau calcul CpK avec Norm 3 est inférieur à 3,1.
Existe-t-il un moyen de traiter les données proches de la LOQ ? Le calcul du CpK est-il ainsi précis ?
Merci pour toutes les réponses précédentes !
Objet : Analyse de la capacité des données non normalesJe pense que vous pouvez éliminer les échantillons dont vous savez qu'ils ont été préparés de manière incorrecte puisque vous avez une cause attribuable.Votre objectif est de généraliser au produit non échantillonné, et le produit non échantillonné n'est pas du tout préparé pour les tests, donc je dirais que cela ne fait pas partie du processus.
JMP ne peut pas vraiment déterminer quels échantillons appartiennent à quel mode ; il n'y a aucun moyen de le déterminer précisément.Le mieux que vous puissiez probablement faire est d'affecter chaque individu au mode le plus proche, mais vous risquez de vous tromper sur beaucoup d'entre eux.Si vous pouvez regarder des échantillons provenant de différentes parties de la distribution et voir si vous pouvez comprendre en quoi ils sont différents.Nous voyons parfois plusieurs modes dans nos tests de résistance et les modes s'alignent sur différents modes de défaillance.
Il peut également être utile de consulter une carte de contrôle.Si les différents modes de vos distributions correspondent à des périodes de temps le long de l'axe X, vous pourrez peut-être trouver une cause première.
Objet : Analyse de la capacité des données non normalesMerci Cameron pour la réponse rapide ! Existe-t-il un moyen d'identifier ces modes multiples dans JMP 14 et de les analyser ?
J'ai également oublié de mentionner que certains des points de données mis en évidence ci-dessous ont été déterminés comme étant dus à une erreur de préparation d'échantillon.Ceux-ci peuvent-ils être éliminés de la capacité du processus ou les erreurs de préparation ou de mélange des échantillons sont-elles considérées comme faisant partie de votre processus ?
De plus, l'objectif n'est pas seulement de calculer le CpK, mais de modifier les spécifications (resserrer ou élargir) en fonction des résultats de l'analyse de capacité.
Objet : Analyse de la capacité des données non normalesEh bien, je ne ferais certainement pas confiance à l'estimation normale, mais je ne suis pas sûr de faire confiance à l'une d'entre elles.La stabilité est une hypothèse fondamentale pour les indices de capabilité.Ils ne doivent pas nécessairement être normaux, mais les données doivent conserver une moyenne et une variance constantes.Dans l'autre fil , Mark et Mike ont parlé de comprendre pourquoi vous avez plusieurs modes.Cela ne signifie pas absolument que vous n'avez pas de processus stable, car il existe parfois des raisons parfaitement raisonnables d'avoir des données multimodes et elles ne peuvent pas être "fixées".Cependant, vous devez vraiment vous assurer de faire preuve de diligence raisonnable.Si l'hypothèse de stabilité n'est pas satisfaite, vos estimations de capacité ne sont probablement pas indicatives de la capacité que vous aurez à l'avenir.
Cela étant dit, si vous êtes sûr que votre processus est stable, alors basez certainement les calculs de capacité sur la distribution ajustée la plus appropriée.Une alternative est la capacité non paramétrique, qui ne suppose aucune distribution.
