Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneExiste-t-il un moyen simple d'utiliser JMP 13 pour créer un graphique de plage basé sur la plage MÉDIANE et non sur la plage moyenne ? (Par conséquent, la limite supérieure de la fourchette serait également basée sur la fourchette médiane.)
Sinon, je suppose qu'une option consiste à utiliser le diagramme d'exécution et à l'adapter via des scripts. Je mettrais les valeurs de plage pour tous les sous-groupes dans une liste, trouverais la médiane de cette liste, puis la prendrais à partir de là (c'est-à-dire en ajoutant des lignes de référence via un script avec la ligne centrale la plage médiane et la plage supérieure limite la plage médiane multiplié par le facteur de correction de biais approprié).
Tout commentaire/astuce serait le bienvenu.
Scott.
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneScott, j'aime ton expérience de pensée , donc je vais continuer.
Je réitère d'abord : Graphiques de plage répondez à la question : la variation au sein du sous-groupe (qui est fonction de l'évolution des X au sein du sous-groupe) est-elle cohérente, stable (donc prévisible) ? Sinon, vous devriez examiner les changements de X au sein du sous-groupe pour connaître leur effet possible sur Y. La carte de contrôle, dans ce cas la carte de plage, est destinée à aider à identifier ces « sources de variation inhabituellement importantes ». Parfois, la cause particulière (Don aime l'appeler cause attribuable) est évidente et vous n'avez pas vraiment besoin de tests statistiques (limites de contrôle).Cartes Xbar sont des tableaux comparatifs. Ils comparent les sources de variation internes (représentées par les limites de contrôle) aux sources inter-sources (représentées par les moyennes tracées) pour déterminer où se trouve l'effet de levier (où doit se poursuivre la compréhension du processus ?, quel ensemble de X devriez-vous approfondir ?) .
OK, disons que vous vous êtes limité à quelque chose concernant la source d'hélium. Bien sûr, il y a plus d'une variable qui change au sein du sous-groupe et l'une d'elles concerne la source d'hélium (bien que vous ne suggériez pas quoi ?). Le montant est-il insuffisant ? La concentration varie-t-elle ? Y a-t-il des contaminants ? Vous souhaitez que les graphiques identifient ces « événements » afin que vous puissiez agir de manière appropriée sur le processus. Le tableau a atteint son objectif. Je suppose que cela arrive à l'hélium plus d'une fois... ce n'est vraiment pas spécial, juste spécial en fonction de la série chronologique ou du plan d'échantillonnage que vous avez choisi . L'action que vous entreprenez ressemblerait cause commune comme (changer le processus) pour éviter cela à l'avenir (vraiment pas spécial).Si vous modifiez le processus à la suite de ce que vous avez appris, devez-vous utiliser les données de « l’ancien » processus ?
je ne sais pas quoi données de base est, mais je vous suggère d'utiliser le 10 sous-groupes comme base de comparaison et de prise de décision. Pourquoi 10 ? Je suppose que vous pensez que ces 10 fourniront une estimation représentative de la variabilité du processus (de ce que certains pourraient appeler la variabilité de cause commune). 10 parce que vous pensez qu'en 10 vous verrez l'influence des X dont vous supposez qu'elle affectera les Y (ils changeront suffisamment au cours des 10 sous-groupes...). Mais, contenu dans ces 10 est un « point de données » inhabituel qui s’est manifesté en créant une large plage au sein du sous-groupe. Quelle est la cause de ce point de données ? Était-ce une erreur de mesure ? Ou à cause du changement d'autres X au sein du sous-groupe ? Vous seriez certainement sûr que cela a quelque chose à voir avec le changement des X au sein du sous-groupe (attribuable aux X au sein du sous-groupe), car il existe NON entre les sources de sous-groupes capturées dans la statistique Plage.Je suis un peu confus par vos hypothèses sur l'hélium, car si l'hélium se détériore avec le temps, il apparaîtra probablement sur la carte Xbar, mais je vais jouer le jeu. Peut-être que la variabilité due à l'effet hélium était réellement présente dans tous les points de données et n'était exagérée que dans le seul point de données à l'origine de la condition OOC ? Ou peut-être que l’hélium n’était qu’une partie du problème ? Devriez-vous utiliser le reste des données pour comparer les sources au sein et entre elles ? Ou devriez-vous développer un nouveau plan d’échantillonnage et obtenir de nouvelles données ? Hmmm, d'après ce que je comprends, vous commencez par des hypothèses (et des prédictions faites sur l'effet des hypothèses), obtenez des données pour donner un aperçu de vos hypothèses (et pour déterminer la qualité de vos prédictions), puis comprenez ce qui a été appris, abandonnez /ajoutez/modifiez vos hypothèses et parcourez à nouveau le cycle. Pour votre expérience de pensée : ces X sont capturés dans le sous-groupe (changement à la fréquence au sein du sous-groupe) peut affecter le Y et il y a ces autres X qui changeront au entre fréquence du sous-groupe (en utilisant seulement 2 couches d’un arbre d’échantillonnage). Je souhaite utiliser l'échantillonnage pour aider à identifier les sources les plus importantes (qui ont un plus grand effet de levier) car je veux savoir où concentrer mes efforts. Mais avant de comparer les sources, je veux m'assurer que la base de comparaison (le sous-groupe intérieur) est stable (les comparaisons avec une base instable sont irrationnelles). C’est le but du tableau des fourchettes. Si les sources au sein du sous-groupe ne sont pas stables, recherchez pourquoi et prenez les mesures appropriées (qui peuvent consister à modifier le processus). S'ils sont stables, procédez à la comparaison.
Bien entendu, c'est à vous de choisir la manière dont vous "manipulez" vos données. Et je suppose que JMP se fera un plaisir de vous aider à manipuler les données. Il me semble ton cas est assez particulier . Je ne pense pas que JMP devrait changer le "logiciel", une action de cause commune , pour réagir à un événement de cause spéciale.
Deming "Sortir de la crise", p.318 :
Deux types d'erreurs :
1. Attribuer une variation ou une erreur à une cause particulière alors qu'en fait la cause appartient au système (cause commune),
2. Attribuer une variation ou une erreur au système (cause commune) alors qu'en fait la cause était particulière
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneJe pense que nous sommes plus proches dans nos réflexions que ne le suggère votre dernière réponse. Vous pouvez lire les articles que j'ai publiés sur Quality Digest pour voir que je ne supprimerais pas de données sans raison valable. Deux de mes nombreux apprentissages du séminaire SPC du Dr Wheeler étaient (i) que les valeurs aberrantes sont les valeurs les plus importantes de votre ensemble de données, et (ii) l'utilisation possible de la médiane (bien qu'en de rares occasions).
Expérience de pensée : vous avez dix sous-groupes et l'un de ces sous-groupes a une large gamme. La source d'hélium entrant dans un appareil n'avait pas été modifiée alors qu'elle aurait dû l'être et les mesures ne fonctionnaient pas comme d'habitude, c'est-à-dire incohérentes. Ce qu'il faut faire? Tirez les leçons de la cause particulière, par exemple les procédures de mise à jour afin que la source d'hélium soit changée plus rapidement, soit en augmentant la fréquence de changement, soit en surveillant plus fréquemment ses propriétés pour savoir quand le changement d'hélium doit être effectué.
Si ces dix sous-groupes étaient mes données de base, j'obtiendrais des limites gonflées à cause de cette grande plage. La plage médiane des dix plages de sous-groupes, sans qu'il soit nécessaire de supprimer la « cause spéciale » de l'ensemble de données, me donnerait quand même une bonne estimation de ma variation de routine (cause commune). La fourchette moyenne serait gonflée.
Comme je l'ai dit, ma prise de conscience de la valeur potentielle de la médiane est venue du séminaire SPC du Dr Wheeler. À quelle fréquence devrais-je utiliser la plage médiane ? Pas très souvent, mais l'avoir sur place est utile. (Du point de vue logiciel, je suppose qu'il serait assez facile pour JMP, ou tout autre fournisseur de logiciels, d'introduire la plage médiane en complément de la plage moyenne.)
J'écrirai un de mes exemples dans Quality Digest à un moment donné.
J'espère que cela t'aides.
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneL'article Wheeler vise simplement à compiler les multiples types de graphiques disponibles. Si vous regardez le tableau 1 (Quel graphique utiliser), ce sont les graphiques recommandés par Wheeler. Je suis confus par votre utilisation des graphiques. Vous indiquez la suppression des données ? Pourquoi? Les informations les plus importantes sont supprimées ? Vous devez comprendre pourquoi ces causes spéciales se sont produites et corriger le processus. Pourquoi la gamme est-elle gonflée ?
Qu’entend-on par « variation de routine » ? Vous voulez dire une variation de cause commune ? Encore une fois, les graphiques remplissent 2 fonctions. Les graphiques de plage (R ou MR), et uniquement les graphiques de plage, évaluent la stabilité/cohérence et donnent un aperçu de la nature de la variabilité (cause spéciale/commune en utilisant la langue vernaculaire de Deming). Le Xbar (en fait le plus souvent le Ybar) est un tableau de comparaison permettant de fournir une comparaison entre les sources de variation internes et entre elles.
Encore une fois, ma question était la suivante : pouvez-vous fournir un exemple d'application réel qui profite de l'utilisation d'une plage médiane par rapport à une plage moyenne ? Dans quelle mesure la fourchette médiane fournit-elle des « informations supplémentaires » ?
Vous avez raison sur une chose, JMP ou tout autre logiciel statistique rend la manipulation des données beaucoup trop facile.
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneConvenez que le calcul par défaut de la plage moyenne fournit les informations nécessaires pour examiner la prévisibilité (ou son absence) du processus.Cependant, comme vous le dites, des valeurs de plage élevées gonfleront la plage moyenne, élargissant ainsi les limites à la fois du graphique de plage et du graphique de moyenne.Sans qu'il soit nécessaire de supprimer des données, la plage médiane est alors plus susceptible de donner une meilleure idée du niveau de variation de routine à prévoir SI les incohérences (à l'origine des plages gonflées) sont mieux contrôlées et leur effet éliminé. (Si nous utilisons une carte de contrôle, notre idée est-elle sûrement de chercher à agir sur les causes particulières ? La fourchette médiane peut donner une meilleure idée de ce à quoi s’attendre si cette action réussit.)
JMP facilite l'élimination de points des calculs (en excluant des lignes), ce que l'on peut faire si l'on persiste avec la plage moyenne. Mais une façon plus simple d'aborder cela, lorsque la plage moyenne est gonflée, consiste à utiliser la plage médiane plutôt que de conserver la plage moyenne et d'exercer un jugement sur les valeurs de plage à conserver/supprimer des calculs.
La plage médiane est simplement quelque chose qui peut parfois aider à obtenir des informations supplémentaires. Il s’agit d’une procédure simple – l’utilisation de la plage médiane comme l’explique Wheeler dans l’article cité ci-dessus – alors pourquoi ne pas la disposer pour nous aider dans notre travail ?
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneScott, pourriez-vous donner un exemple de cas où vous utiliseriez la plage médiane ? Je serais vraiment intéressé par une application réelle et par la rage médiane amélioration de l'analyse à l'aide de la méthode des cartes de contrôle .
Don (dans l'article référencé) déclare :
"En général, pour le calcul par défaut, la moyenne de vos mesures de dispersion au sein des sous-groupes est recommandée. Cependant, dans ces cas là où certaines valeurs extrêmement élevées peuvent avoir gonflé cette moyenne, vous pouvez utiliser la médiane de votre sous-groupe. Mesures de dispersion pour améliorer la sensibilité de votre analyse."Je pense que l'utilisation de la plage médiane vous donnerait des valeurs plus petites lorsqu'il existe des plages extrêmement grandes, ce qui entraînerait des limites de contrôle plus strictes (je suppose ce que Don entend par sensibilité accrue).
B Mais l'idée de la carte de contrôle n'est-elle pas de :
1. Déterminer si la variation au sein du sous-groupe est cohérente et, si la variation au sein du sous-groupe est cohérente,
2. Comparez les sources internes aux sources inter-sources pour déterminer laquelle a le plus grand effet de levier
Si vous avez des gammes extrêmement larges, ne voudriez-vous pas savoir pourquoi ? Je ne sais pas comment l'utilisation de la médiane permettrait de mieux comprendre les questions auxquelles répondent les cartes de contrôle. Ce n’est pas parce que vous pouvez calculer une fourchette médiane que cela est utile.
Merci, Scott, ça aide. Il est bon de savoir qu'il s'agit toujours d'un "souhait" actif et qu'il n'a pas été entièrement satisfait par le changement que j'ai trouvé et que je pensais être le même que votre demande. J'ai demandé autour de moi pour avoir plus de clarté sur le problème. Cela a donné lieu à quelques discussions, notamment à la recherche de cette idée dans les recherches existantes en tant que mesure valable de la dispersion. (Nous devons disposer de références valides pour ajouter de nouveaux calculs à JMP.)
Pour être clair : je pense que votre demande est d'utiliser les plages médianes comme mesure de dispersion, plutôt que les valeurs de plage traditionnelles ou les valeurs d'écart type. Ainsi, au lieu de XBar-and-R ou XBar-and-S comme graphique d'emplacement et de dispersion couplé, vous recherchez une paire de graphiques XBar-and-Median-Range. Cela vous semble-t-il correct ?
Nous avons finalement trouvé une référence aux plages médianes utilisées dans le tableau de dispersion ici : https://www.spcpress.com/pdf/DJW207.pdf . Nous entamons une nouvelle demande à ce sujet, basée sur cette référence, et maintenant que nous comprenons mieux votre demande. Ce n'est pas quelque chose que nous voyons couramment et qui n'est pas actuellement réalisé dans JMP ou SAS, mais il existe un précédent. N'hésitez pas à jeter un œil au document et à ajouter des commentaires et des clarifications supplémentaires ici si vous le souhaitez.
En attendant, j'ai déjà demandé un exemple dans JMP qui pourrait être plus proche de ce que vous recherchez et on m'a donné l'idée d'un graphique Individu sur les moyens qui utilise la médiane. Notez que le nom du graphique utilise « Individuel », mais vous pouvez également l'utiliser avec des sous-groupes. Voici un exemple utilisant des exemples de données.
dt = Open( "$SAMPLE_DATA/Big class.jmp" );
Control Chart Builder(
Variables( Subgroup( :age ), Y( :height ) ),
Chart( Position( 1 ), Limits( Sigma( "Median Moving Range" ) ) )
);
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneBonjour Audrey, Merci pour le commentaire et oui, j'ai utilisé la plage mobile médiane pour certains graphiques de valeurs individuelles ces derniers mois. Ma question ne portait pas sur des valeurs individuelles mais plutôt sur des données sous-groupées où j'utiliserais par exemple un graphique de moyenne et de plage (graphique X-bar R). À moins que j'ai raté quelque chose, mon "souhait" reste toujours un "souhait". Dans certains cas, je préférerais utiliser la fourchette médiane et non la fourchette moyenne plus standard. J'ai fait cette demande il y a 2-3 ans Utilisation de la plage médiane pour le graphique de moyenne et de plage
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneLes solutions de contournement présentées ici étaient excellentes pour les versions antérieures de JMP. J'ai le plaisir d'annoncer que les graphiques d'individus et de plage mobile médiane sont pris en charge dans Control Chart Builder à partir de JMP 15.
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenne
Salut,
vous devez utiliser l'option Graphique à plage individuelle et mobile directement et non via le générateur de cartes de contrôle. Faire cela:
Menu Analyse -> Qualité & Processus -> Carte de Contrôle -> IR
Là, vous pouvez sélectionner la plage médiane au lieu de la plage mobile.
Les résultats ressembleraient par exemple à ceci (plage médiane à gauche, plage mobile à droite)
C'est dans JMP 13 et je suppose que les versions précédentes sont disponibles.Le calcul de la plage médiane est documenté dans le Guide de l'utilisateur Qualité et processus PDF sous Aide-> Livres -> Méthodes qualité et processus.
Le script ressemblerait à :
Control Chart(
Group Size( 1 ),
KSigma( 3 ),
Chart Col( :CI, Individual Measurement, Median Moving Range )
);
où :CI est la variable de processus que vous souhaitez analyser.
Re : Comment créer une carte de contrôle de plage basée sur la plage médiane et non sur la plage moyenneSalut @scottahindle , je ne trouve rien à suggérer qui soit actuellement pris en charge dans JMP, mais il serait relativement facile à incorporer en utilisant la propriété de colonne Limites de contrôle pour les individus et les graphiques de plage mobile.Cela vous permettrait d'implémenter vos limites personnalisées dans Control Chart Builder.
