평균 범위가 아닌 중앙값 범위를 기준으로 범위 관리 차트를 만드는 방법JMP 13을 사용하여 평균 범위가 아닌 MEDIAN 범위를 기반으로 범위 차트를 생성하는 쉬운 방법이 있습니까? (따라서 상한 범위도 중앙값 범위를 기준으로 합니다.)
그렇지 않다면 한 가지 옵션은 실행 차트를 사용하고 스크립트를 통해 적용하는 것이라고 가정합니다. 모든 하위 그룹의 범위 값을 목록에 넣고 이 목록의 중앙값을 찾은 다음 거기에서 가져옵니다(예: 중앙선 중앙값 범위 및 상한 범위 제한 중앙값 범위를 사용하여 스크립팅을 통해 참조선 추가). 적절한 바이어스 보정 계수를 곱함).
어떤 의견이나 팁이라도 환영합니다.
스콧.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법스캇, 난 당신을 사랑해요 사고 실험 , 그래서 계속하겠습니다.
먼저 나는 다음을 반복하겠습니다. 범위 차트 질문에 대답하십시오. 부분군 내 변동(부분군 내 X의 변화에 따른 함수)이 일관되고 안정적입니까(따라서 예측 가능합니까)? 그렇지 않은 경우 부분군 내에서 X의 변화가 Y에 미칠 수 있는 영향을 조사해야 합니다. 관리 차트(이 경우 범위 차트)는 "비정상적으로 큰 변동 원인"을 식별하는 데 도움이 됩니다. 때로는 특별한 원인(Don은 이를 할당 가능한 원인이라고 부르기를 좋아함)이 명백하고 실제로 통계 테스트(관리 한계)가 필요하지 않습니다.Xbar 차트 비교 차트입니다. 변동 소스 내(관리 한계로 표시)와 소스 간(표시된 평균으로 표시)을 비교하여 레버리지가 어디에 있는지(프로세스를 계속 이해해야 하는지, 추가로 조사해야 하는 X 세트는 무엇인지) 결정합니다. .
좋아, 헬륨 공급원에 관한 것으로 범위를 좁혔다고 가정해 보겠습니다. 물론 하위 그룹 내에는 하나 이상의 변수가 변경되고 그 중 하나는 헬륨 소스에 관한 것입니다(무엇을 제안하지는 않았습니까?). 금액이 부족한가요? 농도가 달라지나요? 오염물질이 있나요? 프로세스에서 적절하게 조치를 취할 수 있도록 차트에서 이러한 "이벤트"를 식별하기를 원합니다. 차트는 그 목적을 달성했습니다. 내 추측으로는 이런 일이 헬륨에 여러 번 발생하는 것 같습니다...정말 특별한 일은 아닙니다. 선택한 시계열 또는 샘플링 계획을 기반으로 한 특별함 . 당신이 취하는 행동은 다음과 같습니다 일반적인 원인 좋다 (프로세스를 변경) 앞으로 이런 일이 발생하지 않도록 (정말 특별하지는 않습니다).학습한 결과로 프로세스를 변경하는 경우 "이전" 프로세스의 데이터를 사용해야 합니까?
나는 무엇을 모른다 기준 데이터 하지만 저는 여러분이 10개의 하위 그룹 비교와 의사결정의 기초가 됩니다. 왜 10입니까? 내 생각에는 이 10가지가 프로세스의 가변성(일부는 공통 원인 가변성이라고 부르는 것)에 대한 대표적인 추정치를 제공할 것이라고 생각합니다. 10은 10에서 X의 영향이 Y에 영향을 미칠 것이라고 믿기 때문입니다(Y는 10개의 하위 그룹에 걸쳐 충분히 바뀔 것입니다...). 하지만, 이 10개에는 하위 그룹 범위 내에서 큰 규모를 생성하여 나타나는 특이한 "데이터 포인트"가 포함되어 있습니다. 이 데이터 포인트의 원인은 무엇입니까? 측정 오류였나요? 아니면 하위 그룹 내에서 다른 X의 변경으로 인해 발생합니까? 확실히 당신은 그것이 하위 그룹 내에서 X의 변경(하위 그룹 내 X에 할당 가능)과 관련이 있다고 확신할 것입니다. Range 통계에 캡처된 하위 그룹 소스 사이에는 NO입니다.나는 당신의 헬륨 가설에 약간 혼란스러워요. 왜냐하면 헬륨이 시간이 지남에 따라 악화되면 Xbar 차트에 나타날 가능성이 높지만 제가 따라가겠습니다. 아마도 헬륨 효과로 인한 변동성은 실제로 모든 데이터 포인트에 존재하고 OOC 조건을 유발하는 하나의 데이터 포인트에서만 과장되었을까요? 아니면 헬륨이 문제의 일부였을까요? 나머지 데이터를 사용하여 소스 내 및 소스 간을 비교해야 합니까? 아니면 새로운 샘플링 계획을 개발하고 새로운 데이터를 얻어야 할까요? 흠, 내가 이해하는 방식은 가설(및 가설의 효과에 대한 예측)로 시작하여 가설에 대한 통찰력을 제공하고 예측이 얼마나 좋았는지 확인하기 위해 데이터를 얻은 다음 배운 내용을 이해하고 삭제하는 것입니다. /가설을 추가/수정하고 주기를 다시 실행합니다. 사고 실험을 위해: 이 X가 포착되었습니다. 이내에 하위 그룹(하위 그룹 내 빈도의 변화)은 Y에 영향을 미칠 수 있으며 이러한 다른 X는 Y에 영향을 미칠 수 있습니다. ~ 사이 하위 그룹 빈도(샘플링 트리의 2개 레이어만 사용) 나는 어디에 노력을 집중해야 할지 알고 싶기 때문에 어느 소스가 더 큰지(더 큰 활용도를 가지고 있는지) 식별하는 데 도움이 되도록 샘플링을 사용하고 싶습니다. 그러나 소스를 비교하기 전에 비교 기준(하위 그룹 내)이 안정적인지 확인하고 싶습니다(불안정한 기준과 비교하는 것은 비합리적입니다). 이것이 범위 차트의 목적입니다. 하위 그룹 내 소스가 안정적이지 않은 경우 이유를 조사하고 적절한 조치를 취합니다(프로세스 변경 등). 안정적이면 비교를 진행합니다.
물론 데이터를 "조작"하는 방법은 귀하의 선택입니다. 제 생각에는 JMP가 기꺼이 데이터 조작을 도와드릴 것입니다. 내가 보기엔 네 사건은 아주 특별해 . 나는 JMP가 "소프트웨어"를 바꿔야 한다고 생각하지 않습니다. 공통 원인 조치 , 특수 원인 이벤트에 반응합니다.
데밍 "위기에서 벗어남", p.318:
두 가지 종류의 실수:
1. 실제로 원인이 시스템(공통 원인)에 속할 때 변형이나 실수를 특수 원인으로 돌립니다.
2. 실제로는 원인이 특별한데도 변형이나 실수를 시스템(공통 원인)에 돌립니다.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법나는 당신의 마지막 답변이 제시하는 것보다 우리가 생각에 더 가깝다고 생각합니다. 제가 Quality Digest에 게재한 논문을 읽어보시면 제가 타당한 이유 없이 데이터를 삭제하지 않을 것임을 알 수 있습니다. Wheeler 박사의 SPC 세미나에서 제가 배운 두 가지는 (i) 데이터 세트에서 이상값이 가장 중요한 값이라는 점과 (ii) 중간값의 사용 가능성(드물지만)이었습니다.
사고 실험: 10개의 하위 그룹이 있고 이 하위 그룹 중 하나의 범위가 넓습니다. 장치에 들어가는 헬륨 공급원은 변경되어야 할 때 변경되지 않았으며 측정값이 평소대로 작동하지 않았습니다. 즉, 일관성이 없었습니다. 무엇을 해야 할까요? 변경 빈도를 높이거나 헬륨 변경이 완료되어야 하는 시기를 파악하기 위해 속성을 더 자주 모니터링하여 헬륨 공급원이 보다 적시에 변경되도록 업데이트 절차와 같은 특별한 원인으로부터 학습하십시오.
이 10개의 하위 그룹이 나의 기준 데이터라면 이 하나의 큰 범위로 인해 한계가 부풀려질 것입니다. 데이터 세트에서 "특수 원인"을 삭제할 필요 없이 10개 하위 그룹 범위 모두의 중앙값 범위는 여전히 일상적인(공통 원인) 변동에 대한 확실한 추정치를 제공합니다. 평균 범위가 부풀려질 것입니다.
말했듯이, 중앙값의 잠재적 가치에 대한 깨달음은 Wheeler 박사의 SPC 세미나에서 나왔습니다. 중앙값 범위를 얼마나 자주 사용합니까? 너무 자주는 아니지만 가지고 있으면 유용합니다. (소프트웨어 관점에서 볼 때 JMP나 어떤 소프트웨어 공급업체에서든 중간 범위를 평균 범위에 대한 보완으로 도입하는 것은 꽤 쉬울 것이라고 생각합니다.)
언젠가는 Quality Digest에 내 사례 중 하나를 쓸 예정입니다.
도움이 되었기를 바랍니다.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법Wheeler 논문은 사용 가능한 여러 유형의 차트를 편집하기 위한 것입니다. 표 1(사용할 차트)을 보면 이것이 Wheeler가 권장하는 차트입니다. 차트를 사용하는 것이 혼란스럽습니다. 데이터 삭제를 표시합니까? 왜? 가장 중요한 정보가 삭제되고 있습니까? 왜 그런 특수 원인이 발생했는지 이해하고 프로세스를 수정해야 합니다. 범위가 부풀려진 이유는 무엇입니까?
"일상적인 변형"이란 무엇을 의미합니까? 공통 원인 변동을 말씀하시는 건가요? 다시 차트는 2가지 기능을 수행합니다. 범위 차트(R 또는 MR)와 범위 차트만 안정성/일관성을 평가하고 변동성의 특성(Deming의 언어를 사용하는 특수/공통 원인)에 대한 통찰력을 제공합니다. Xbar(실제로 가장 자주 사용되는 Ybar)는 변동 원인 내 및 변동 원인 간 비교를 제공하는 비교 차트입니다.
다시 한 번 제 질문은 다음과 같습니다. 중앙값 범위와 평균 범위를 사용하면 이점을 얻을 수 있는 실제 응용 사례를 제공할 수 있습니까? 중앙값 범위는 어떻게 "추가 통찰력"을 제공합니까?
한 가지 말씀이 맞습니다. JMP나 다른 통계 소프트웨어를 사용하면 데이터 조작이 너무 쉬워집니다.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법평균 범위의 기본 계산은 공정의 예측 가능성(또는 예측 가능성 부족)을 조사하기 위한 통찰력을 제공한다는 데 동의합니다.그러나 말씀하신 대로 범위 값이 크면 평균 범위가 부풀려져 범위 차트와 평균 차트 모두의 한계가 넓어집니다.데이터를 삭제할 필요 없이 중앙값 범위는 불일치(부풀려진 범위의 원인)가 더 잘 제어되고 그 효과가 제거되는 경우 예상되는 일상적 변동 수준에 대한 더 나은 아이디어를 제공할 가능성이 더 높습니다. (관리도를 사용한다면 우리의 생각은 특수 원인에 대한 조치를 취하는 것입니다. 중앙값 범위는 이 작업이 성공할 경우 예상되는 결과에 대한 더 나은 아이디어를 제공할 수 있습니다.)
JMP를 사용하면 평균 범위를 유지할 경우 행을 제외하여 계산에서 점을 쉽게 제거할 수 있습니다. 그러나 평균 범위가 부풀려지는 경우 이에 접근하는 더 간단한 방법은 평균 범위를 유지하고 계산에서 어떤 범위 값을 유지/삭제할지 판단하는 대신 중앙값 범위를 사용하는 것입니다.
중앙값 범위는 경우에 따라 추가 통찰력을 얻는 데 도움이 될 수 있는 것입니다. 이것은 간단한 절차입니다. Wheeler가 위에서 인용한 논문에서 설명했듯이 중앙값 범위를 사용하는 것입니다. 그렇다면 이를 우리 작업에 도움이 되도록 해 두면 어떨까요?
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법Scott 씨, 중앙값 범위를 언제 사용하는지 예를 들어주실 수 있나요? 나는 실제 응용 프로그램과 중앙값이 어떻게 분노하는지에 정말로 관심이 있습니다. 관리도법을 이용한 분석이 개선되었습니다. .
Don(참조 논문에서)은 다음과 같이 말합니다.
"일반적으로 기본 계산의 경우 하위 그룹 내 분산 측정값의 평균이 권장됩니다. 그러나 그러한 경우에는 일부 매우 큰 값이 이 평균을 부풀릴 수 있는 경우 하위 그룹 내 중앙값을 사용하도록 전환할 수 있습니다. 개선을 위한 분산 측정 감광도 당신의 분석을요."나는 범위가 극도로 클 때 중간 범위를 사용하면 더 작은 값을 제공하여 제어 한계가 더 엄격해질 것이라고 생각합니다(Don이 감도 증가를 의미한다고 가정합니다).
비 그러나 관리 차트의 아이디어는 다음과 같습니다.
1. 부분군 내 변동이 일관된지 확인하고, 부분군 내 변동이 일관된 경우
2. 소스 내 소스와 소스 간을 비교하여 어느 것이 더 큰 영향력을 갖는지 결정합니다.
범위가 매우 넓다면 그 이유를 알고 싶지 않습니까? 중앙값을 사용하면 관리 차트의 답변에 대한 질문에 대한 통찰력이 어떻게 향상될지 잘 모르겠습니다. 중앙값 범위를 계산할 수 있다고 해서 그것이 유용하지는 않습니다.
고마워요, 스캇. 도움이 됐어요. 이것이 여전히 유효한 "소원"이고 귀하의 요청과 동일하다고 생각했던 변경 사항으로 완전히 해결되지 않았다는 것을 알게 되어 기쁩니다. 나는 이 문제에 대해 좀 더 명확하게 알아보기 위해 주위 사람들에게 물었습니다. 이는 분산의 유효한 척도로서 기존 연구에서 이 아이디어를 검색하는 것을 포함하여 일부 논의로 이어졌습니다. (JMP에 새로운 계산을 추가하려면 유효한 참조가 있어야 합니다.)
명확하게 말하면 귀하의 요청은 전통적인 범위 값이나 표준 편차 값이 아닌 분산 측정으로 중앙값 범위를 사용하는 것이라고 생각합니다. 따라서 쌍을 이루는 위치 및 분산 차트인 XBar-and-R 또는 XBar-and-S 대신 XBar-and-Median-Range 차트 쌍을 찾고 있습니다. 그 말이 당신에게 맞는 것 같나요?
마침내 여기에서 분산 차트에 사용된 중앙값 범위에 대한 참조를 찾았습니다. https://www.spcpress.com/pdf/DJW207.pdf . 우리는 이 참조 내용을 바탕으로 이에 대한 새로운 요청을 입력하고 있으며 이제 귀하의 요청을 더 잘 이해하게 되었습니다. 우리가 흔히 볼 수 있는 일도 아니고 현재 JMP나 SAS에서도 이뤄지지 않는 일이지만, 이에 대한 선례가 있습니다. 원하시면 언제든지 논문을 살펴보시고 여기에 추가적인 설명과 설명을 추가해 주시기 바랍니다.
그러는 동안 저는 이미 JMP 내에서 여러분이 찾고 있는 것과 더 가까운 예를 요청했고 중앙값을 사용하는 개인 평균 차트에 대한 아이디어를 얻었습니다. 차트 이름은 "개별"을 사용하지만 하위 그룹에서도 사용할 수 있습니다. 다음은 샘플 데이터를 사용한 예입니다.
dt = Open( "$SAMPLE_DATA/Big class.jmp" );
Control Chart Builder(
Variables( Subgroup( :age ), Y( :height ) ),
Chart( Position( 1 ), Limits( Sigma( "Median Moving Range" ) ) )
);
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법Audrey 님, 안녕하세요. 의견을 보내주셔서 감사합니다. 예, 최근 몇 달 동안 개별 값에 대해 일부 차트의 중앙값 이동 범위를 사용했습니다. 내 질문은 개별 값에 관한 것이 아니라 평균 및 범위 차트(X-bar R 차트) 등을 사용할 하위 그룹화된 데이터에 관한 것이었습니다. 내가 뭔가를 놓친 것이 아니라면 나의 '소원'은 여전히 '소원'으로 남아 있습니다. 어떤 경우에는 더 표준적인 평균 범위가 아닌 중앙값 범위를 사용하는 것을 선호합니다. 2~3년 전에 이런 요청을 했어요 평균 및 범위 차트에 중앙값 범위 사용
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법여기서 해결 방법은 이전 JMP 버전에 적합했습니다. JMP 15부터 관리도 작성기에서 개인 및 중앙 이동 범위 차트가 지원된다는 소식을 전해드리게 되어 기쁘게 생각합니다.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법
안녕,
관리도 작성기를 통하지 않고 개별 및 이동 범위 차트 옵션을 직접 사용해야 합니다. 그렇게 하려면:
메뉴 분석 -> 품질 및 공정 -> 관리도 -> IR
이동 범위 대신 중앙값 범위를 선택할 수 있습니다.
결과는 다음과 같습니다(왼쪽 중앙값 범위, 오른쪽 이동 범위).
이것은 JMP 13에 있으며 이전 버전도 사용 가능한 것 같습니다.중간 범위 계산은 품질 및 프로세스 사용자 가이드 PDF의 도움말-> 도서-> 품질 및 프로세스 방법에 문서화되어 있습니다.
스크립트는 다음과 유사합니다.
Control Chart(
Group Size( 1 ),
KSigma( 3 ),
Chart Col( :CI, Individual Measurement, Median Moving Range )
);
여기서 :CI는 분석하려는 프로세스 변수입니다.
Re: 평균 범위가 아닌 중앙값 범위를 기반으로 범위 관리 차트를 만드는 방법안녕 @스코타힌들 , 현재 JMP에서 지원되는 것을 제안할 만한 항목을 찾을 수 없지만 개인 및 이동 범위 차트에 대한 통제 한계 열 속성을 사용하면 비교적 쉽게 통합할 수 있습니다.이를 통해 제어 차트 작성기 내에서 사용자 정의 한도를 구현할 수 있습니다.
