<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Cari fan ed esperti di JMP
Nello studio del processo, spesso incontriamo un caso in cui raccogliamo un set di dati per lo studio della capacità del processo, sfortunatamente il set di dati che raccogliamo è una distribuzione non normale, ma se vuoi calcolare il suo Cpk, allora il set di dati deve essere una distribuzione normale, al momento, pensiamo prima a come trasferire la distribuzione non normale nella distribuzione normale, qui
Vorrei condividere qual è il mio pensiero su JMP
1. Analisi> distribuzione
2. sotto il triangolo rosso di distribuzione, seleziona adattamento continuo> normale,
3. Sotto il triangolo rosso di Adattamento normale, selezionare salva quantile adattato
quindi tutti i dati nella colonna progettata possono essere trasferiti in uno normale in una nuova colonna
È giusto?
Questa funzionalità si trova nella piattaforma di distribuzione (dove è possibile comprendere la distribuzione sottostante)>Analisi delle capacità.
... JMP consente inoltre di calcolare statistiche sulla capacità di elaborazione per distribuzioni non normali senza dover eseguire una trasformazione esplicita
La maggior parte dei dati non è normale se si dispone di campioni sufficienti e la metrologia è molto precisa e accurata.
È come la maggior parte dei valori p, facilmente sopraffatti da molti dati.
E se si basa sui dati del grafico SPC, fai attenzione ai piani di campionamento poiché la misurazione automatica ci ha fornito molti dati correlati automaticamente che si presentano come violazioni delle regole di esecuzione e possono portare a un controllo eccessivo SPC.
E ricorda che per gli studi sulle capacità usa i dati RAW e non i dati SPC Stats ... secondo me ... poiché i limiti delle specifiche riguardano solitamente le singole parti.Ma diversi settori hanno una metrologia molto diversa e variabili "critiche" che vengono monitorate.Parla con esperti specifici del settore prima di perdere tempo con l'adattamento delle distribuzioni per ottenere un indice Cpk o Ppk.Molte industrie evitano i limiti delle specifiche e utilizzano misure TARGETS e Cpm della capacità in stile Taguchi.Mantieni l'obiettivo.Stringere continuamente la variazione.
Se rappresenti graficamente i dati e studi i valori anomali e possibilmente rimuovi quelli che capisci, questo aiuta.
Quindi, se i dati sono altamente SKEWED, potrebbe essere necessario trasformarli, ma in caso contrario è possibile semplicemente CHIAMARLI normali e ottenere i valori dell'indice, inclusa la dimensione del campione e i dati dell'intervallo di confidenza, utilizzando JMP.
Quindi SE i valori dell'indice sono molto alti ... è sufficiente.
Se sono molto bassi... è sufficiente.
È solo quando l'indice è compreso tra 1 e 2 che potrebbe essere necessario "torturarlo" per superare o fallire un limite di segnalazione.
La capacità di processo a lungo termine vaga su base mensile in molte fabbriche e questo tipo di studio viene utilizzato principalmente per decidere su grandi progetti o investimenti in strumenti o metrologia (piuttosto che la messa a punto che di solito viene eseguita con grafici SPC e OCAPS), quindi spesso c'è poco bisogno di torturare i dati trasformandoli, ma alcuni hanno bisogno di studiare i valori anomali.E anche se i dati sono molto distorti... il registro o altre trasformazioni potrebbero fuorviarti.Meglio studiare i valori anomali per vedere da dove provengono e guardare l'economia di fare qualcosa su quei valori anomali prima di preoccuparsi delle trasformazioni dei dati.I dati torturati ti diranno tutto quello che vuoi sentire!
Forse è meglio dedicare il tempo esplorativo ai dati sugli studi sui componenti della varianza per dedurre le categorie delle cause alla radice, quindi eseguire alcuni DOE di screening per convalidare.Ho passato decenni a lavorare con dati non normali in modo molto efficace rappresentandoli graficamente in molti modi e concentrandomi sui suggerimenti dei componenti della varianza per le azioni.I grafici Multi-Vari aiutano a illuminare.La condivisione dei grafici ottiene molti feedback.
MA se hai centinaia di parametri da osservare come possibili problemi di rendimento, allora la piattaforma di capacità JMP è utile per l'aspetto di Pareto e la piattaforma di distribuzione per esaminare le code lunghe e adattare altre distribuzioni DOPO aver condiviso i grafici con operatori, ingegneri, addetti alla manutenzione per ottenere input su problemi noti di variabilità e costo di fare qualsiasi cosa al riguardo.Alcune variabili di processo di fabbrica hanno distribuzioni NATURALI che non sono NORMALI ma sono ben comprese.I conteggi delle particelle, ad esempio, sono raramente normali e alcuni seguono le distribuzioni di Poisson o Reynolds, ma ancora una volta, devi studiare il costo di tagliare quelle code rispetto a vivere con loro.
Un ultimo punto.
Capability utilizza ENG O LIMITI DI SPECIFICA DEL CLIENTE non limiti statistici, e questi sono SPESSO SBAGLIATI in quanto potrebbero essere stati impostati durante il periodo di ricerca/sviluppo non aggiornati una volta che la produzione in serie fornisce informazioni su come questi parametri influiscono sulla resa o sull'affidabilità o su altri costi.È un enorme spreco di tempo e denaro segnalare capacità basate su limiti fasulli.
Il mio metodo preferito per convertire in una distribuzione normale è utilizzare l'adattamento continuo ==> tutto.
Ciò fornisce un elenco ordinato di quali distribuzioni si adattano meglio ai dati.È quindi possibile scegliere da lì quale trasformazione è la migliore, ad esempio utilizzando GLot e salvare direttamente i dati trasformati, senza dover forzare i dati in quantili.
