So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichGibt es eine einfache Möglichkeit, mit JMP 13 ein Bereichsdiagramm zu erstellen, das auf dem MEDIAN-Bereich und nicht auf dem Durchschnittsbereich basiert? (Daher würde die obere Bereichsgrenze auch auf dem Medianbereich basieren.)
Wenn nicht, gehe ich davon aus, dass eine Möglichkeit darin besteht, das Laufdiagramm zu verwenden und es über Skripte anzupassen. Ich würde die Bereichswerte für alle Untergruppen in eine Liste einfügen, den Median dieser Liste ermitteln und ihn dann von dort übernehmen (d. h. Referenzlinien durch Skripterstellung hinzufügen, wobei die Mittellinie den Medianbereich und der obere Bereich den Medianbereich begrenzen). multipliziert mit dem entsprechenden Bias-Korrekturfaktor).
Jeder Kommentar/Tipp wäre willkommen.
Scott.
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichScott, ich liebe dich Gedankenexperiment , also werde ich es fortsetzen.
Zunächst möchte ich noch einmal wiederholen: Reichweitendiagramme Beantworten Sie die Frage: Ist die Variation innerhalb der Untergruppe (die eine Funktion der Änderung der X innerhalb der Untergruppe ist) konsistent, stabil (und daher vorhersehbar)? Wenn nicht, sollten Sie die Änderungen der X innerhalb der Untergruppe auf ihre mögliche Auswirkung auf Y untersuchen. Das Kontrolldiagramm, in diesem Fall das Bereichsdiagramm, soll dabei helfen, diese „ungewöhnlich großen Variationsquellen“ zu identifizieren. Manchmal ist die besondere Ursache (Don nennt sie gerne zuweisbare Ursache) offensichtlich und man braucht eigentlich keine statistischen Tests (Kontrollgrenzen).Xbar-Diagramme sind Vergleichstabellen. Sie vergleichen die Variationsquellen innerhalb (dargestellt durch die Kontrollgrenzen) mit denen zwischen Quellen (dargestellt durch die aufgetragenen Durchschnittswerte), um zu bestimmen, wo der Hebel liegt (wo sollte das Verständnis des Prozesses fortgesetzt werden? Welche Gruppe von Xs sollten Sie weiter untersuchen?) .
OK, nehmen wir an, Sie haben es auf etwas über die Heliumquelle eingegrenzt. Natürlich gibt es mehr als eine Variable, die sich innerhalb der Untergruppe ändert, und eine davon betrifft die Heliumquelle (obwohl Sie nicht vorschlagen, was?). Reicht die Menge nicht aus? Variiert die Konzentration? Gibt es Schadstoffe? Sie möchten, dass die Diagramme diese „Ereignisse“ identifizieren, damit Sie entsprechend auf den Prozess reagieren können. Das Diagramm hat seinen Zweck erfüllt. Ich vermute, dass dies dem Helium mehr als einmal passiert ... es ist wirklich nichts Besonderes, nur etwas Besonderes, basierend auf der von Ihnen gewählten Zeitreihe oder dem Stichprobenplan . Die Maßnahmen, die Sie ergreifen, würden aussehen gemeinsame Ursache wie (Ändern Sie den Prozess) um dies in Zukunft zu verhindern (wirklich nichts Besonderes).Wenn Sie den Prozess aufgrund Ihrer Erkenntnisse ändern, sollten Sie dann die Daten aus dem „alten“ Prozess verwenden?
Ich weiß nicht was Basisdaten ist, aber ich schlage vor, dass Sie das verwenden 10 Untergruppen als Vergleichs- und Entscheidungsgrundlage. Warum 10? Ich vermute, Sie glauben, dass diese 10 eine repräsentative Schätzung der Variabilität im Prozess liefern werden (was manche als Variabilität aufgrund gemeinsamer Ursache bezeichnen). 10, weil Sie glauben, dass Sie in 10 sehen werden, dass sich der Einfluss der Aber, In diesen 10 ist ein ungewöhnlicher „Datenpunkt“ enthalten, der sich durch die Schaffung eines großen Bereichs innerhalb der Untergruppe auszeichnete. Was hat diesen Datenpunkt verursacht? War es ein Messfehler? Oder weil sich dann andere X innerhalb der Untergruppe ändern? Sicherlich sind Sie sicher, dass es etwas mit der Änderung der X innerhalb der Untergruppe zu tun hat (denn innerhalb der Untergruppe zuweisbar), da es solche gibt NEIN zwischen den in der Bereichsstatistik erfassten Untergruppenquellen.Ich bin etwas verwirrt von Ihren Helium-Hypothesen, denn wenn sich das Helium mit der Zeit verschlechtert, würde es wahrscheinlich in der Xbar-Karte auftauchen, aber ich mache mit. Vielleicht war die Variabilität des Heliumeffekts tatsächlich in allen Datenpunkten vorhanden und nur in dem einen Datenpunkt übertrieben, der den OOC-Zustand verursachte? Oder war das Helium vielleicht nur ein Teil des Problems? Sollten Sie die restlichen Daten verwenden, um die Daten innerhalb und zwischen Quellen zu vergleichen? Oder sollten Sie einen neuen Probenahmeplan entwickeln und neue Daten erhalten? Hmmm, so wie ich es verstehe, beginnt man mit Hypothesen (und Vorhersagen über die Wirkung der Hypothesen), erhält Daten, um Einblicke in die Hypothesen zu gewinnen (und um festzustellen, wie gut die Vorhersagen waren) und versteht dann, was man gelernt hat /Hinzufügen/Ändern Sie Ihre Hypothesen und durchlaufen Sie den Zyklus erneut. Für Ihr Gedankenexperiment: Diese X's eingefangen innerhalb Untergruppe (Änderung bei der Häufigkeit innerhalb der Untergruppe) kann sich auf das Y auswirken, und es gibt diese anderen X, die sich bei der ändern zwischen Untergruppenhäufigkeit (unter Verwendung von nur 2 Schichten eines Stichprobenbaums). Ich möchte Stichproben nutzen, um herauszufinden, welche Quellen größer sind (eine größere Hebelwirkung haben), weil ich wissen möchte, worauf ich meine Bemühungen konzentrieren muss. Aber bevor ich die Quellen vergleiche, möchte ich sicherstellen, dass die Vergleichsbasis (die innerhalb der Untergruppe) stabil ist (Vergleiche mit einer instabilen Basis sind irrational). Das ist der Zweck des Bereichsdiagramms. Wenn die Quellen innerhalb der Untergruppe nicht stabil sind, untersuchen Sie die Ursache und ergreifen Sie entsprechende Maßnahmen (z. B. eine Änderung des Prozesses). Wenn sie stabil sind, fahren Sie mit dem Vergleich fort.
Natürlich ist es Ihre Entscheidung, wie Sie Ihre Daten „manipulieren“. Und ich vermute, dass JMP Ihnen gerne bei der Manipulation der Daten behilflich sein wird. Es scheint mir Ihr Fall ist etwas ganz Besonderes . Ich glaube nicht, dass JMP die „Software“ ändern sollte. eine Aktion aus gemeinsamer Sache , um auf ein besonderes Ereignis zu reagieren.
Deming „Raus aus der Krise“, S.318:
Zwei Arten von Fehlern:
1. Eine Variation oder einen Fehler einer besonderen Ursache zuordnen, wenn die Ursache tatsächlich zum System gehört (gemeinsame Ursache),
2. Dem System eine Variation oder einen Fehler zuschreiben (gemeinsame Ursache), obwohl die Ursache tatsächlich etwas Besonderes war
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichIch denke, wir sind uns im Denken näher, als Ihre letzte Antwort vermuten lässt. Sie können die von mir auf Quality Digest veröffentlichten Artikel lesen, um zu sehen, dass ich Daten nicht ohne triftigen Grund löschen würde. Zwei meiner vielen Erkenntnisse aus dem SPC-Seminar von Dr. Wheeler waren (i) dass Ausreißer die wichtigsten Werte in Ihrem Datensatz sind und (ii) die mögliche Verwendung des Medians (wenn auch in seltenen Fällen).
Gedankenexperiment: Sie haben zehn Untergruppen und eine dieser Untergruppen hat eine große Reichweite. Die in ein Gerät eingespeiste Heliumquelle wurde nicht zum vorgesehenen Zeitpunkt ausgetauscht und die Messungen funktionierten nicht wie gewohnt, dh inkonsistent. Was zu tun? Nutzen Sie die Erkenntnisse aus dem besonderen Anlass, z. B. aktualisieren Sie die Verfahren, damit die Heliumquelle schneller gewechselt wird, indem Sie entweder die Häufigkeit des Wechsels erhöhen oder ihre Eigenschaften häufiger überwachen, um zu wissen, wann der Heliumwechsel durchgeführt werden sollte.
Wenn diese zehn Untergruppen meine Basisdaten wären, würde ich aufgrund dieses einen großen Bereichs überhöhte Grenzwerte erhalten. Der mittlere Bereich aller zehn Untergruppenbereiche würde mir, ohne dass die „besondere Ursache“ aus dem Datensatz gelöscht werden müsste, immer noch eine fundierte Schätzung meiner Routinevariation (gemeinsame Ursache) liefern. Die durchschnittliche Reichweite wäre überhöht.
Wie gesagt, meine Erkenntnis über den potenziellen Wert des Medians stammt aus dem SPC-Seminar von Dr. Wheeler. Wie oft würde ich den Medianbereich verwenden? Nicht allzu oft, aber es ist nützlich, es dort zu haben. (Aus Sicht der Software gehe ich davon aus, dass es für JMP oder einen anderen Softwareanbieter ziemlich einfach wäre, den Medianbereich als Ergänzung zum Durchschnittsbereich einzuführen.)
Ich werde eines meiner Beispiele irgendwann im Quality Digest aufschreiben.
Hoffe das hilft.
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichDas Wheeler-Papier dient lediglich dazu, die verschiedenen Arten verfügbarer Diagramme zusammenzustellen. Wenn Sie sich Tabelle 1 (Welche Tabelle zu verwenden) ansehen, sind dies die von Wheeler empfohlenen Diagramme. Ich bin verwirrt über Ihre Verwendung der Diagramme. Sie geben an, Daten zu löschen? Warum? Die wichtigsten Informationen werden gelöscht? Sie sollten verstehen, warum diese besonderen Ursachen aufgetreten sind, und den Prozess beheben. Warum ist die Reichweite überhöht?
Was versteht man unter „Routinevariation“? Du meinst Variationen aufgrund gemeinsamer Ursachen? Auch hier erfüllen die Diagramme zwei Funktionen. Die Bereichsdiagramme (R oder MR) und nur die Bereichsdiagramme bewerten die Stabilität/Konsistenz und geben Einblick in die Art der Variabilität (besondere/gemeinsame Ursache in der Umgangssprache von Deming). Der X-Balken (am häufigsten der Y-Balken) ist eine Vergleichstabelle, die einen Vergleich zwischen den Variationsquellen innerhalb und zwischen ihnen ermöglicht.
Meine Frage war erneut: Können Sie ein Anwendungsbeispiel aus der Praxis liefern, das von der Verwendung eines mittleren Bereichs im Vergleich zu einem durchschnittlichen Bereich profitiert? Inwiefern bietet der mittlere Bereich „zusätzliche Erkenntnisse“?
Mit einer Sache haben Sie Recht: JMP oder jede andere Statistiksoftware macht es viel zu einfach, die Daten zu manipulieren.
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichStimmen Sie zu, dass die Standardberechnung des Durchschnittsbereichs Erkenntnisse liefert, um die Vorhersagbarkeit (oder das Fehlen einer Vorhersagbarkeit) des Prozesses zu untersuchen.Wie Sie jedoch sagen, erhöhen große Bereichswerte den durchschnittlichen Bereich, wodurch die Grenzen sowohl im Bereichsdiagramm als auch im Durchschnittsdiagramm erweitert werden.Ohne die Notwendigkeit, Daten zu löschen, ist es dann wahrscheinlicher, dass der Medianbereich eine bessere Vorstellung vom Grad der zu erwartenden Routinevariation vermittelt, WENN die Inkonsistenzen (die die überhöhten Bereiche verursachen) besser kontrolliert und ihre Auswirkungen beseitigt werden. (Wenn wir eine Kontrollkarte verwenden, besteht unsere Idee doch sicherlich darin, Maßnahmen für besondere Anliegen zu ergreifen?) Der mittlere Bereich kann eine bessere Vorstellung davon geben, was zu erwarten ist, wenn diese Aktion erfolgreich ist.)
JMP macht es einfach, Punkte aus Berechnungen zu eliminieren (durch Ausschließen von Zeilen), was möglich ist, wenn der Durchschnittsbereich beibehalten wird. Eine einfachere Möglichkeit, dies zu erreichen, wenn der durchschnittliche Bereich überhöht ist, besteht darin, den Medianbereich zu verwenden, anstatt den durchschnittlichen Bereich beizubehalten und ein Urteil darüber zu fällen, welche Bereichswerte bei den Berechnungen beibehalten bzw. daraus gelöscht werden sollen.
Der mittlere Bereich ist einfach etwas, das gelegentlich helfen kann, zusätzliche Erkenntnisse zu gewinnen. Es handelt sich um ein einfaches Verfahren – die Verwendung des Medianbereichs, wie Wheeler in dem oben zitierten Artikel erläutert – warum also nicht darauf zurückgreifen, um uns bei unserer Arbeit zu unterstützen?
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichScott, könnten Sie ein Beispiel nennen, wann Sie den Medianbereich verwenden würden? Ich wäre wirklich an einer realen Anwendung und der durchschnittlichen Wut interessiert Verbesserung gegenüber der Analyse mithilfe der Kontrollkartenmethode .
Don (im zitierten Artikel) erklärt:
„Im Allgemeinen wird für die Standardberechnung der Durchschnitt Ihrer Streuungsmaße innerhalb der Untergruppe empfohlen. Allerdings in diesen Fällen Wenn einige extrem große Werte diesen Durchschnitt möglicherweise überhöht haben, können Sie auf die Verwendung des Medians Ihrer Innerhalb-Untergruppe umsteigen Streuungsmaßnahmen zur Verbesserung der Empfindlichkeit Ihrer Analyse.“Ich denke, die Verwendung des mittleren Bereichs würde bei extrem großen Bereichen zu kleineren Werten führen, was zu strengeren Kontrollgrenzen führen würde (ich nehme an, was Don mit erhöhter Empfindlichkeit meint).
B Aber besteht die Idee der Kontrollkarte nicht darin,
1. Bestimmen Sie, ob die Variation innerhalb der Untergruppe konsistent ist und, falls die Variation innerhalb der Untergruppe konsistent ist,
2. Vergleichen Sie die internen Quellen mit denen zwischen den Quellen, um festzustellen, welche den größeren Einfluss hat
Wenn Sie extrem große Reichweiten haben, möchten Sie dann nicht wissen, warum? Ich bin mir nicht sicher, wie die Verwendung des Medians einen besseren Einblick in die Fragen ermöglichen würde, die die Kontrolldiagramme beantworten. Nur weil Sie einen Medianwert berechnen können, heißt das noch lange nicht, dass er nützlich ist.
Danke, Scott, das hilft. Es ist gut zu wissen, dass dies immer noch ein aktiver „Wunsch“ ist und nicht vollständig durch die von mir gefundene Änderung berücksichtigt wurde, von der ich dachte, dass sie mit Ihrer Bitte identisch ist. Ich habe mich umgehört, um mehr Klarheit über das Thema zu bekommen. Dies hat zu einigen Diskussionen geführt, einschließlich der Suche nach dieser Idee in der bestehenden Forschung als gültiges Maß für die Streuung. (Wir benötigen gültige Referenzen, um neue Berechnungen zu JMP hinzuzufügen.)
Um es klar auszudrücken: Ich denke, Ihr Wunsch besteht darin, mittlere Bereiche als Maß für die Streuung zu verwenden, und nicht die herkömmlichen Bereichswerte oder Standardabweichungswerte. Anstelle von XBar-and-R oder Klingt das für Sie richtig?
Endlich haben wir hier einen Verweis auf die in der Streuungstabelle verwendeten Medianbereiche gefunden: https://www.spcpress.com/pdf/DJW207.pdf . Wir reichen hierfür eine neue Anfrage ein, die auf dieser Referenz basiert und nun, da wir Ihre Anfrage besser verstehen. Dies ist etwas, was wir nicht häufig gesehen haben und wird derzeit auch nicht in JMP oder SAS durchgeführt, aber es gibt einen Präzedenzfall dafür. Schauen Sie sich das Papier gerne an und fügen Sie hier bei Bedarf weitere Kommentare und Erläuterungen hinzu.
In der Zwischenzeit habe ich in JMP bereits nach einem Beispiel gefragt, das möglicherweise näher an dem liegt, was Sie suchen, und bekam die Idee für ein Diagramm „Individuell nach Mittelwert“, das den Median verwendet. Beachten Sie, dass der Name des Diagramms „Individuell“ verwendet, Sie können ihn aber auch mit Untergruppen verwenden. Hier ist ein Beispiel mit Beispieldaten.
dt = Open( "$SAMPLE_DATA/Big class.jmp" );
Control Chart Builder(
Variables( Subgroup( :age ), Y( :height ) ),
Chart( Position( 1 ), Limits( Sigma( "Median Moving Range" ) ) )
);
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichHallo Audrey, danke für den Kommentar und ja, ich habe in den letzten Monaten für einige Diagramme den mittleren gleitenden Bereich für einzelne Werte verwendet. Bei meiner Frage ging es nicht um einzelne Werte, sondern um untergeordnete Daten, bei denen ich beispielsweise ein Durchschnitts- und Bereichsdiagramm (X-Bar-R-Diagramm) verwenden würde. Sofern ich nichts verpasst habe, bleibt mein „Wunsch“ immer noch ein „Wunsch“. In manchen Fällen würde ich es vorziehen, den Medianbereich und nicht den eher standardmäßigen Durchschnittsbereich zu verwenden. Ich habe diese Anfrage vor 2-3 Jahren gestellt Verwendung des Medianbereichs für Durchschnitts- und Bereichsdiagramme
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichDie Problemumgehungen hier waren für frühere JMP-Versionen großartig. Ich freue mich, Ihnen mitteilen zu können, dass ab JMP 15 im Control Chart Builder Einzel- und Median Moving Range-Diagramme unterstützt werden.
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem Durchschnittsbereich
Hallo,
Sie müssen die Option „Individuelles und gleitendes Bereichsdiagramm“ direkt und nicht über den Control Chart Builder verwenden. Gehen Sie dazu wie folgt vor:
Menü Analysieren -> Qualität & Prozess -> Regelkarte -> IR
Dort können Sie „Median Range“ anstelle von „Moving Range“ auswählen
Die Ergebnisse würden z. B. so aussehen (linker mittlerer Bereich, rechts gleitender Bereich)
Dies ist in JMP 13 und ich vermute, dass frühere Versionen verfügbar sind.Die Berechnung des Medianbereichs ist im Quality & Process User Guide PDF unter Hilfe -> Bücher -> Qualitäts- und Prozessmethoden dokumentiert
Das Skript würde etwa so aussehen:
Control Chart(
Group Size( 1 ),
KSigma( 3 ),
Chart Col( :CI, Individual Measurement, Median Moving Range )
);
Dabei ist :CI die Prozessvariable, die Sie analysieren möchten.
Betreff: So erstellen Sie ein Bereichskontrolldiagramm basierend auf dem Medianbereich und nicht auf dem DurchschnittsbereichHallo @scottahindle , ich kann nichts finden, was darauf hindeutet, dass es derzeit in JMP unterstützt wird, aber es wäre relativ einfach, es zu integrieren, indem man die Spalteneigenschaft „Kontrollgrenzen“ für die Einzel- und Bewegungsbereichsdiagramme verwendet.Dadurch können Sie Ihre benutzerdefinierten Grenzwerte im Control Chart Builder implementieren.
