35568_de-DE

liliconcom

Log-normale Prozessfähigkeit

Hallo, ich habe einen Prozess, der log-normalverteilt ist und eine obere Spezifikationsgrenze hat, und ich möchte einen Cpk berechnen. Ich habe zwei Ansätze ausprobiert, die mir unterschiedliche Antworten gegeben haben:

 

1. Spezifikationsgrenze als Spalteneigenschaft für den Prozess speichern. Zeichnen Sie die Verteilung des Prozesses, dann Continuous Fit --> LogNormal, um einen Cpk zu erhalten (natürlich mit Überprüfung der Anpassungsgüte)
2. Neue Spalte hinzufügen. Legen Sie die Spaltenformel als Protokoll (Prozess) fest, speichern Sie die obere Spezifikationsgrenze der Spalte als Protokoll (obere Spezifikationsgrenze). Plotten Sie die Verteilung, erhalten Sie Cpk aus der Prozessfähigkeitsanalyse. Validieren Sie über Continuous Fit --> Normal und prüfen Sie die Anpassungsgüte.

Welche dieser Vorgehensweisen würden Sie empfehlen? Oder können Sie einen besseren Ansatz vorschlagen?

 

Vielen Dank,

Alex

Re: Log-normale Prozessfähigkeit

Ich habe auch versucht herauszufinden, warum das Cpk-Ergebnis aus der Verwendung der integrierten Fähigkeitsanalyse und der manuellen Methode zur Berechnung des Cpk über eine Log-Transformation der Daten so unterschiedliche Ergebnisse liefert. Jeder Einblick in die Formel, die JMP für die Berechnung des logarithmischen Normal-Cpk verwendet, wäre sehr willkommen.

 

Re: Log-normale Prozessfähigkeit

Ich verstehe deinen Frust.Die Frage, warum log normal keine Save Transform hat, müsste der JMP-Entwickler beantworten.

 

In Bezug auf die Differenz zwischen dem Cp/Cpk für die Verteilung lognormal und Ihrem eigenen, transformieren Sie ihn in log(x) und berechnen Sie dann .... es scheint, dass es Unterschiede bei der Berechnung des PDF gibt.Das entnehme ich der Beschreibung drinnen

Hilfe==>Bücher==>Grundlegende Analyse

Eine vollständigere Antwort sollte jedoch vom JMP-Support erhältlich sein

Re: Log-normale Prozessfähigkeit

Danke Jim. Es ist ein bisschen frustrierend, dass die LogNormal-Transformation nicht auf die gleiche Weise gespeichert werden kann - die GLog-Transformation fügt zusätzliche Komplexität hinzu, die schwer zu rechtfertigen ist und meinen Kollegen (noch) schwerer zu erklären wäre.

 

Irgendeine Idee, warum ich bei meinen ersten beiden Ansätzen unterschiedliche Antworten erhalten habe?

Re: Log-normale Prozessfähigkeit

Ich betrachte beide Techniken, die Sie angegeben haben, als gute praktikable Prozesse.Der Prozess, den ich tatsächlich empfehlen würde, ist jedoch eine sehr schöne integrierte Funktion der Distributionsplattform.Wenn Sie die Distributionsplattform ausführen, können Sie dann zu gehen

Kontinuierliche Anpassung==>Alle

Anschließend wertet es Ihre Daten aus, um herauszufinden, zu welchen Verteilungen es passt.Sobald dies erledigt ist und eine Log-Normalverteilung als passend befunden wird, können Sie unter "GLot"-Verteilung und gehen

Transformation speichern

Es erstellt eine neue Spalte unter Verwendung des bestimmten generalisierten Protokollalgorithmus