257238_de-DE

liliconcom

Kontrolldiagramm kontinuierlicher Temperaturdaten

Hallo,

 

Ich habe ein Stressexperiment mit Hühnern durchgeführt. Ich habe die Beintemperatur über einen Zeitraum von 7 Tagen überwacht. Zum Beispiel habe ich einen lauten Ton eingeführt, um zu sehen, was mit der Beintemperatur passiert (wir erwarten, dass sie nach der Stressor-Induktion sinkt).

 

Ich habe die Temperatur 2 Minuten vor der Stressor-Induktion und 2 Minuten nach der Stressor-Induktion extrahiert. Ich habe also einen Vektor von 7001 Datenpunkten, da die Abtastfrequenz des Temperatursensors 25 Hz betrug. Ich versuche, ein Kontrolldiagramm dieses Temperaturvektors zu erstellen, aber es liefert keine guten Ergebnisse ... Im Anhang finden Sie meinen Datenvektor und das Kontrolldiagramm, das ich versucht habe zu erstellen ... Kann mir bitte jemand helfen?

 

Vielen Dank.

Mit freundlichen Grüßen,

Sam.

Betreff: Kontrolldiagramm kontinuierlicher Temperaturdaten

Ich sitze hier nicht mit Ihren Daten, aber etwas, das interessant sein könnte, ist Folgendes:

„Analysieren“ > „Spezialisierte Modellierung“ > „Kurve anpassen“.

Rotes Dreieck-Menü, Exponentielles Wachstum und Zerfall>Fit Cell Growth 4p

 

Oder vielleicht eines der pharmakokinetischen Modelle?

 

Wenn Sie zufällig JMP Pro haben, würde ich auf jeden Fall versuchen, die Kurven mit dem Functional Data Explorer anzupassen.

Dann könnten Sie Dinge wie Intensität, Frequenz, Dauer zwischen Stimuli und ähnliche Dinge als zusätzliche Variablen einbeziehen, um ihre Wirkung auf die Reaktionskurve zu untersuchen, anstatt nur die Kurvenparameter.

 

 

Betreff: Kontrolldiagramm kontinuierlicher Temperaturdaten

Zunächst müssen Sie verstehen, welche Fragen Regelkarten vom Typ „Shewhart“ beantworten.

1. Ist die Variation innerhalb der Untergruppe (aufgrund der Variablen ändert sich x innerhalb der Untergruppe) konsistent, stabil? Diese Frage wird mit dem Reichweitendiagramm beantwortet. Wenn es wenig Gelegenheit für x gibt, sich innerhalb der Untergruppe zu ändern, dann wird der durchschnittliche Bereich (und daher die Kontrollgrenzen, die eine Funktion des Bereichs D4R-Balken sind) sehr klein und die entsprechenden Kontrollgrenzen sehr eng sein.

2. Ist die Streuung zwischen Untergruppenstreuung (aufgrund der Variablen, die sich zwischen den Untergruppen ändern) mehr als von der Variation innerhalb der Untergruppen vorhergesagt?Die Eingriffsgrenzen auf dem X-Balken-Diagramm sind eine Funktion der Variation innerhalb der Untergruppen (+/- A2R-Balken). Oder im Wesentlichen, welche Variationsquelle größer ist.

Das Konzept der rationalen Untergruppierung ist äußerst wichtig, obwohl es schwierig zu verallgemeinern (und daher zu lehren) ist. Wenn Sie Regelkarten verwenden, um Variationsquellen (Komponenten der Variationsstudie) zu partitionieren und zuzuweisen, wählen Sie die Untergruppe aus, um eine Teilmenge der Variablen darzustellen, von denen Sie glauben, dass sie die Antwort beeinflussen könnten (ich empfehle, dass Sie wissenschaftliche Hypothesen haben, die Ihre Auswahl stützen). Sie tun dies, indem Sie die Größe der Teilgruppe und die Häufigkeit der Maßnahmen innerhalb der Teilgruppe auswählen. Das Bereichsdiagramm wird die Frage beantworten, ob diese Quellen nach Deming zufällig handeln, wie aus einer gemeinsamen Ursache. Wenn dies der Fall ist, kann diese Quelle quantifiziert werden, und diese Quelle (Teilmenge von Variablen) kann als Vergleichsbasis mit den anderen Variationsquellen dienen, die Sie untersuchen möchten. Diese anderen Variationsquellen (eine andere Teilmenge von Variablen, die erneut als Funktion Ihrer Hypothesen ausgewählt werden) werden ihre Variation bei der Stichprobenziehung zwischen den Untergruppen aufdecken. Der Schlüssel liegt darin, Stichprobenintervalle auszuwählen, die die Wahrscheinlichkeit erhöhen, dass sich diese Variablen tatsächlich ändern. Das X-Balken-Diagramm (wirklich eher ein Y-Balken-Diagramm, da Sie wahrscheinlich Ys und nicht Xs aufzeichnen) ist das Vergleichsdiagramm. Es vergleicht die Untergruppe „innerhalb“ (die Eingriffsgrenzen) mit der Untergruppe „zwischen“ (dargestellte Werte für die Mittelwerte). Punkte, die „außer Kontrolle“ sind, deuten darauf hin, dass die Schwankungsquellen zwischen den Quellen eine größere Hebelwirkung haben als die Quellen innerhalb.

 

Für Ihre Situation scheint die Wahl der Untergruppierung willkürlich zu sein und nicht auf Hypothesen zu beruhen. Die Schwankung ist so gering, dass die Regelkarte ihren Nutzen verliert, um Schwankungsquellen trennen zu können. Es ist angemessen, Ihre Untergruppierungsstrategie zu überdenken.

Betreff: Kontrolldiagramm kontinuierlicher Temperaturdaten

Eine Regelkarte ist für diese Daten möglicherweise nicht geeignet.

• Regelkarten gehen von einem stabilen Prozess mit konstanter Variation aus.
  • Störungen durch besondere Ursachen stören die Stabilität, sind aber selten.
  • Besondere Ursachen fehlen, während die Daten gesammelt werden, die zur Festlegung der Eingriffsgrenzen verwendet werden.
• Regelkarten gehen davon aus, dass die Mehrheit der Untergruppen nur Schwankungen aufgrund gemeinsamer Ursache aufweisen. Würden Sie das in diesem Fall erwarten?
• Regelkarten gehen davon aus, dass die Messungen unabhängig sind.
  • Es gibt keine Möglichkeit, dass die Temperaturmesswerte unabhängig sind, wenn sie mit 25 Hz abgetastet werden.
  • Die realen Temperaturschwankungen müssten für die Unabhängigkeit halb so schnell auftreten.
• Die Regelkartenunterscheidung erfordert mindestens fünf Niveauänderungen zwischen der unteren und der oberen Regelgrenze, um nützlich zu sein.
  • Zwischen den Eingriffsgrenzen liegen keine Pegel.

Die Sammlung von Daten über einen längeren Zeitraum legt natürlich nahe, zumindest ein Verlaufsdiagramm zur visuellen Untersuchung der Daten zu verwenden, aber das Hinzufügen der Kontrolldiagrammmerkmale erscheint nicht angemessen.

 

Sie können den Functional Data Explorer ausprobieren und die Daten als Funktion behandeln. Dieser Ansatz würde Funktionsprinzipkomponenten bereitstellen, die dann als neue Reaktion gegenüber Behandlung (normal gegenüber Schock) und zufälligen Effekten wie Vogel (Subjekt) usw. verwendet werden könnten, vorausgesetzt, Sie haben solche Daten mehrfach über mehrere Vögel gesammelt.

 

Andere Vorschläge habe ich nicht. Es gibt jedoch viele schlaue Leute in der Community, also bekommst du hier vielleicht noch ein paar andere Ideen.