관리도 및 3시그마<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />첨부된 표를 참고하여:
나는 약 30 개의 관찰을 가지고 있습니다. 값의 표준편차는 0.534121입니다.
평균은 73.93235입니다.
이제 ± 3 시그마의 경험 법칙을 기반으로 관리 한계를 계산하면 한계는 72.3 LCL 및 75.5 UCL로 나옵니다.
그러나 첨부된 표를 사용하여 관리도를 그리면 UCL과 LCL이 72.852에서 75.01로 계산됩니다.
나는 이 차이의 이유를 이해할 수 없다.
어떤 사람이 설명할 수 있나요?
나는 이것을 해결하려고 노력했고 JMP가 한계를 계산하기 위해 ± 2 시그마를 사용하고 또한 이 목적을 위해 추정한 시그마 값이 위에서 계산한 값과 다르다는 것을 알아냈습니다. 나는 이것을 이해할 수 없습니다.
답변: 관리도 및 3 시그마관리도는 출력이 괜찮은지 아닌지 알려주지 않습니다.프로세스가 "합리적인 수준의 통계적 제어"로 운영되고 있는지 알려드립니다.그렇다면 프로세스는 가능한 한 잘 작동하고 있는 것입니다.그렇지 않다면 프로세스를 개선하기 전에 제거해야 하는 특별한 변동 원인이 있는 것입니다.특수 원인을 제거하는 것은 프로세스를 개선하는 것이 아닙니다.프로세스가 가능한 한 잘 작동되면 프로세스 자체를 변경하여 더 바람직한 평균 및/또는 더 적은 변동성으로 새로운 수준의 성능에 도달할 수 있습니다.
답변: 관리도 및 3 시그마관리도를 고안한 Walter Shewhart의 절대적인 천재성에 관심이 있는 사람이라면 누구나 1931년에 출판된 그의 원본 책을 읽어야 합니다. Amazon.com에서 50주년 기념판을 구할 수 있습니다.나는 이 책을 여러 번 읽고 다시 읽었으며 경험적 걸작으로 이어지는 500페이지의 개발 및 이론이 뒷받침되는 이 간단한 도구에 대해 항상 더 많은 통찰력을 얻었습니다.
1989년에 W. Edwards Deming은 다음과 같이 말했습니다. "Shewhart 박사가 1924년에 이 규칙을 고안하고 발표했습니다. 그 이후로 그보다 더 나은 일을 한 사람은 아무도 없었습니다."
1967년 8월호 산업 품질 관리 우리의 기사”를 게재했습니다. 월터에게 빚을 졌다 쉬와트 " 어느 1페이지 메모 포함 ~에서 쉬와트 그의 상사에게 그리고 처음으로 출판된 관리도 사본을 전달했습니다.놀라운 것들!
답변: 관리도 및 3 시그마여기에는 관리도의 기본 사항에 대한 정말 좋은 토론이 있습니다. 다른 사람들과 마찬가지로 Wheeler의 책을 구입하는 것이 좋습니다.
그 책에서 그는 한계가 두 가지 역할을 한다고 설명합니다. 첫째, 통제할 수 없는 상황이 있는지 판단합니다. 그렇지 않다면 그들이 수행하는 두 번째 역할은 미래의 산출물이 어디에 나타날지 예측하는 것입니다.
따라서 새 데이터가 시작될 때 한도를 다시 계산하는 것에 대한 질문에... 프로세스가 안정적이라면 한계를 수정할 필요가 없습니다. 기본적으로 이미 가지고 있는 것과 동일한 한계를 제공하게 됩니다. 공정이 불안정한 경우 한계는 단독으로 판단하여 특수 원인을 식별하고 제거하는 데 도움이 됩니다.
불안정한 프로세스로 인해 한계가 크게 변경될 수 있습니다. 한계를 계산하고 특수 원인을 찾아 제거합니다. 일부에서는 특수 원인 데이터를 제거하여 "이론적 한계"를 계산하는 관행이 있습니다. 다른 사람들은 계속해서 특수 원인을 식별하고 제거하는 동시에 새로운 데이터를 수집하면서 한계를 계속 수정합니다. 특별한 원인 없이 일정 기간이 지나면 프로세스가 안정적이라고 선언하고 한도를 동결할 수 있습니다.
실제로 프로세스 지식이 없으면 차트를 사용할 방법이 없습니다. 차트의 도움으로 작업이 안정적인지 여부를 알려주는지를 이해해야 합니다. 예를 들어, 도구를 교체하거나 교체하면 차트가 변경될 것으로 예상할 수 있습니다. 그렇다면 작업에 관련된 각 도구에 대한 제어 차트가 필요합니다. 각 도구는 고유한 "안정적인" 패턴(특별한 원인이 없다고 가정)을 갖는 별도의 프로세스이기 때문입니다.
나는 여기서 횡설수설하고 있다고 생각합니다. Wheeler의 책을 구해서 읽으면 이 스레드에서 얻는 의견을 접할 수 있을 것입니다. 다음 주소로 데이터를 보내주실 수 있습니다. levin@predictum.com .
답변: 관리도 및 3 시그마Smoore님의 답변에 감사드립니다.
그러나 한계를 다시 계산하는 것이 왜 위험한지 이해하지 못합니다. 그렇다면 관리도가 필요한 이유는 무엇입니까? 즉, 시스템의 실제 동작을 기반으로 값을 제공하고 실제 시스템 출력이 괜찮은지 여부를 알려준다는 뜻입니다.
답변: 관리도 및 3 시그마없음1, 프로세스 동작 차트와 데이터를 지나치게 생각하거나 지나치게 생각하려고 하지 않도록 주의해야 합니다.그렇기 때문에 데이터의 출처, 수집 및 정의에 관한 지식을 갖는 것이 매우 중요합니다.사용하고 있는 소프트웨어 패키지는 원하는 것은 무엇이든 계산할 수 있지만 프로세스와 데이터에 대한 지식과 경험을 활용하는 것이 관리도의 진정한 가치입니다.제어 한계를 설정하고 후속 지점에서 제어 부족이 나타나면 조사할 수 있는 신호가 있는 것입니다.모든 후속 데이터 포인트에서 제어 한계를 업데이트하는 것은 위험합니다.이번에도 Wheeler는 자신의 글에서 이러한 상황을 다루고 있습니다.궁극적으로 질문은 다음과 같습니다. 이전 데이터 포인트를 생성한 것과 동일한 시스템이 이 데이터 포인트를 생성했습니까?어떻게 알 수 있나요?변화(신호)가 지속될 것으로 예상하시나요?이를 위해서는 수년간의 연습과 생각이 필요합니다.계속 생각해보세요.... 당신은 올바른 길을 가고 있습니다.
데이터 분석에 도움을 드릴 수 있다면 제 이메일은 다음과 같습니다. smoore@wausaupaper.com
답변: 관리도 및 3 시그마이제 상황이 생겼습니다. 이 프로세스에서는 지금까지 계산된 3 시그마를 벗어나는 결과가 갑자기 나타났습니다. 따라서 프로세스가 통제 불가능한 것처럼 보입니다.
그러나 3 시그마 한계를 벗어난 이러한 새 점을 시그마 계산에 포함하면 새 시그마는 괜찮은 것으로 보입니다. 그러므로 내 프로세스가 통제되고 있다고 말할 수 있습니까, 아니면 이것이 사기입니까?
답변: 관리도 및 3 시그마여기에도 더 큰 논의가 있습니다. 나에게 제어 차트는 "프로세스의 음성"이었습니다. 따라서 "안정적인" 프로세스가 특별한 원인으로 인해 경로를 벗어날 수 있는 경우를 나타내는 연기 감지기였습니다. 너무 널리 퍼져 있는 공통 원인 변동성을 추적하는 것은 매우 낭비입니다. 물론 완벽한 세상에서 "사용 적합성"과 성능을 기반으로 설정되는 사양도 있습니다. 이는 완전히 또 다른 논의 가치가 있지만 여기에서 설명할 공간이 충분하지 않습니다. 당사의 품질 시스템은 실험 설계를 통해 도출된 사용 적합성을 기반으로 구축된 사양과 공정의 다양한 지문 불순물 및 이것이 두 번째 사양인 고객 사용에 미치는 영향을 이해하는 데 기반을 두고 있습니다. 품질이 높을수록 좋다는 가이드라인에 따라 재료 사양이 설정되는 경우가 많지만 특정 "불순물"은 최종 제품이나 프로세스의 성능에 시너지 효과를 내고 유익하며 사양에 맞춰 프로세스를 맹목적으로 최적화한다고 해서 항상 최고의 성능을 발휘하는 제품이 나오는 것은 아닙니다. /프로세스. 프로세스/제품 이해가 핵심이고 관리도는 해당 이해의 필수적인 부분이지만 전체 내용은 아니기 때문에 이 내용을 논의에 추가하고 싶었습니다. 그러나 특별한 목적으로의 여행은 반드시 나쁜 것은 아니며 오히려 프로세스/제품에 대해 배울 수 있는 기회입니다. 왜냐하면 여행이 고객에게 더 나은 성능을 발휘하는 프로세스/제품을 제공했다는 것을 알 수 있기 때문입니다. 핵심은 여행의 영향을 평가하고 과학적 방법인 프로세스 지식을 얻는 것입니다.
답변: 관리도 및 3 시그마https://www.linkedin.com/groups/Does-Run-chart-require-data-3696237.S.63802395
위 링크는 관리 차트에 일반 데이터가 필요한지 여부에 대한 LinkedIn 스레드입니다. 이것이 귀하의 질문의 정확한 주제는 아니지만 통계 전문가가 아닌 제가 개인적으로 사물을 올바른 관점으로 보는 데 유용하다고 생각하고 귀하에게도 도움이 될 수 있는 몇 가지 사항이 있습니다.
- 궁극적으로 우리는 관리도의 목적인 특이치를 조사하는 경제적인 방법을 찾으려고 노력하고 있습니다.
- 기여자 중 한 명에 따르면: 6 시그마 = +-3 시그마는 운영상의 경제적 경계입니다. 내 관점에서 볼 때, Shewhart는 조사가 정당한 시기와 잡음으로 간주되는 시기를 식별하기 위해 강력한 운영 정의를 찾으려고 노력한 영리한 사람이었습니다.
- 때로 우리는 정확히 옳다는 것에 너무 집착하여 우리의 탐구가 실제로 매우 다른 결과를 낳는지 여부를 망각합니다. 즉, 머리카락을 나누기 위해 머리카락을 나누는 것입니까? 귀하의 경우는 잘 모르겠지만 두 차트에 데이터를 표시하고 경보 수가 다른지 여부를 관찰하는 것이 흥미로울 수 있습니다.
- Wheeler의 논문 "Are You Sure We Don't Need Normal Distributed Data?"라는 제목의 논문입니다. 이 개념을 생각하게 됐어요.
답변: 관리도 및 3 시그마또한 매우 좋은 반응입니다!
답변: 관리도 및 3 시그마내가 가늠할 수 있다면....I-MR 차트는 프로세스 행동 차트의 "Swiss Army Knife"입니다.거의 모든 데이터 세트에 매우 유용하며 강력합니다.이는 데이터 분포에 의존하지 않습니다. 즉, 데이터가 정규 분포를 따르지 않아도 됩니다.관리 상한 및 하한을 계산하기 위해 데이터의 표준 편차를 사용하는 것은 거의 항상 잘못되었습니다.그 이유는 다음과 같습니다. 귀하의 데이터는 시간순으로 정렬되어 있습니다. 그렇지 않으면 관리 차트가 쓸모가 없습니다.표준편차 계산은 데이터의 순서에 관계없이 동일한 결과를 제공합니다.이동 범위는 시간 순서 분산 통계를 제공하며 IS 시간 순서에 따라 다릅니다.이동 범위에 2.66을 곱하면 데이터에 대한 3-시그마 추정치가 제공됩니다.LouV가 말했듯이 Wheeler의 책은 훌륭합니다.www.qualitydigest.com에서 Wheeler의 많은 기사를 찾아보실 수 있습니다.Davis Balestracci의 작품도 살펴보시기 바랍니다.
답변: 관리도 및 3 시그마어느 것이 "최선의 방법"인지는 확실하지 않지만 30년 동안 제조 환경에서 경험한 바에 따르면 IR-MR 차트는 계산하기 쉽고 쉽기 때문에 바람직했습니다. 표준편차 계산보다 훨씬 더 많은 계산 방법을 훈련합니다. 생산 현장에는 그래프 용지와 함께 관리 차트가 보관되는 경우가 매우 많았으며 운영팀에서는 이에 따라 데이터를 채웠습니다. 제가 믿는 핵심은 기술을 선택하고 그 기술의 가치를 활용하며 통제 불능 신호가 있을 때 "프로세스의 목소리"에 대응하는 것입니다.
답변: 관리도 및 3 시그마두 분 모두 빠른 답변 감사드립니다.당신이 얼마나 빠른지 놀랍습니다.
따라서 문제는 산업 환경에서 관리도를 그리는 가장 좋은 방법이 무엇인지입니다.
LJ 플롯 또는 IR 차트?
답변: 관리도 및 3 시그마실제로 IR 관리도(부분군 크기 1)는 계산에 이동 범위를 사용하므로 3 시그마의 "엄지 법칙"이라고 말한 것이 맞습니다.
한계의 공식은 다음과 같습니다
UCL = 평균 + 2.66(0.406) = 73.93 + 1.08 = 75.01
LCL = 평균 -2.66(0.406) = 73.93-1.08 = 72.85
0.406은 데이터의 이동 범위에 대해 계산된 평균입니다.
이동 범위 열이 추가된 파일을 첨부했습니다.
나는 통계적 공정 제어에 관한 Donald Wheeler의 책을 강력히 추천합니다.
답변: 관리도 및 3 시그마이는 일반적인 질문이며 통계적 공정 관리에 관한 JMP 과정에서 답변됩니다. 개별 및 이동 범위 차트를 생성한다고 가정합니다. 개별 및 이동 범위 차트가 생성되는 방식을 이해해야 합니다. 그들은 관리 한계에 대한 표준 편차의 추정치를 사용합니다. 표준편차는 여러 가지 방법으로 추정할 수 있습니다. 이러한 차트는 계산기 이전에 생성되었기 때문에 일반적으로 표본 표준 편차 s가 아닌 이동 범위가 사용됩니다.
제안한 제한이 있는 차트를 얻으려면 해당 차트를 Levey-Jennings 차트라고 합니다.
