<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />親愛なるJMPファンおよび専門家の皆様
プロセススタディでは、工程能力スタディのためにデータセットを収集するケースがよくあります。残念ながら、収集したデータセットは非正規分布ですが、そのCpkを計算したい場合、データセットは正規分布でなければなりません。現時点では、非正規分布を正規分布に変換する方法を最初に考えます。
JMPで私の考えを共有したいと思います
1. 分析＞配信
2. 分布の赤い三角の下で、[Continuous Fit] > [Normal] を選択します。
3. Normal Fitted の赤い三角の下で、Save Fit quantile を選択します
その後、設計された列のすべてのデータを新しい列の通常のデータに転送できます
そうですか？
この機能は、[ディストリビューション プラットフォーム] (基礎となるディストリビューションを理解できる) > [機能分析] にあります。
... JMP を使用すると、明示的な変換を実行することなく、非正規分布の工程能力統計を計算することもできます。
十分なサンプルがあり、計測が非常に正確で正確であれば、ほとんどのデータは非正規です。
これはほとんどの p 値と同様、大量のデータによって簡単に圧倒されてしまいます。
また、SPC チャート データに基づいている場合は、自動計測により多くの自己相関データが得られ、実行ルール違反として表示され、SPC の過剰制御につながる可能性があるため、サンプリング計画に注意してください。
そして、能力研究では SPC 統計データではなく RAW データを使用することを忘れないでください...私の意見では...仕様の制限は通常、個々の部品に関するものであるためです。しかし、業界が異なれば、計測方法や監視される「重要な」変数も大きく異なります。Cpk または Ppk インデックスを取得するために分布を当てはめて時間を無駄にする前に、業界固有の専門家に相談してください。多くの業界は仕様制限を回避し、Taguchi スタイルの機能の TARGETS および Cpm 測定を使用しています。目標を達成してください。バリエーションを引き締め続けます。
データをグラフ化して外れ値を調査し、理解できる外れ値を削除すると役に立ちます。
次に、データが大きく偏っている場合は変換する必要があるかもしれませんが、そうでない場合は単純に通常のデータを呼び出し、JMP を使用してサンプルサイズと信頼区間データを含むインデックス値を取得できます。
インデックス値が非常に高ければ...それで十分です。
非常に低い場合は、それで十分です。
インデックスが 1 と 2 の間にある場合にのみ、レポート制限に合格するか不合格になるかを「拷問」する必要がある場合があります。
多くの工場では、長期的なプロセス能力が毎月変動しており、この種の調査は主に、主要なプロジェクト、ツール、または計測への投資を決定するために使用されます（通常、SPC チャートや OCAPS を使用して行われる微調整ではなく）。したがって、多くの場合、データを変換してデータを加工する必要はほとんどありませんが、外れ値を調査する必要がある場合もあります。また、データが大きく偏っていても、ログやその他の変換によって誤解を招く可能性があります。データ変換について心配する前に、外れ値を調査してその由来を確認し、それらの外れ値に対して何かを行うことの経済性を検討する方が良いでしょう。拷問されたデータはあなたの聞きたいことを何でも教えてくれます!
おそらく、探索的なデータ時間を分散成分研究に費やして、根本原因のカテゴリを推測し、いくつかのスクリーニング DOE を実行して検証する方がよいでしょう。私は数十年にわたり、非正規データをさまざまな方法でグラフ化し、アクションのヒントとなる分散成分に焦点を当てることで、非正規データを非常に効果的に扱うことに費やしました。マルチバリ プロットは解明に役立ちます。グラフを共有すると、多くのフィードバックが得られます。
しかし、可能性のある歩留まりの問題として監視するパラメータが数百ある場合、JMP Capability Platform はパレートを調べるのに便利です。また、Distribution プラットフォームは、オペレータ、エンジニア、メンテナンス担当者とグラフを共有して、変動性の既知の問題と、それらについて何かを行うためのコストに関する入力を取得した後、ロングテールを調べて他の分布をフィッティングするのに役立ちます。一部の工場プロセス変数には、正常ではないがよく理解されている自然な分布があります。たとえば、粒子数が正規になることはほとんどなく、一部はポアソン分布またはレイノルズ分布に従いますが、ここでも、それらの尾部をトリミングすることと、それらを共存させることのコストを検討する必要があります。
最後にもう 1 点。
生産能力では、統計的な制限ではなくENGまたは顧客の仕様制限が使用されます。これらの制限は、R/D期間中に設定された可能性があり、量産製造でこれらのパラメータが歩留まりや信頼性、その他のコストにどのような影響を与えるかについての情報が提供されると更新されないため、多くの場合間違っています。偽の制限に基づいて機能を報告するのは、時間とお金の膨大な無駄です。
正規分布に変換するための私の推奨の方法は、Continuous Fit==>All を使用することです。
これにより、どの分布がデータに最適であるかを示す順序付きリストが提供されます。その後、GLot を使用するなど、最適な変換をそこから選択し、データを強制的に分位数に変換することなく、変換されたデータを直接保存できます。
