Grafico di controllo dei dati di temperatura continuaCiao,
Ho condotto un esperimento di stress sui polli. Ho monitorato la temperatura delle gambe per un periodo di 7 giorni. Ad esempio, ho introdotto un suono forte per vedere cosa succede con la temperatura delle gambe (ci aspettiamo che scenda dopo l'induzione dello stress).
Ho estratto la temperatura 2 minuti prima dell'induzione del fattore di stress e 2 minuti dopo l'induzione del fattore di stress. Quindi ho un vettore di 7001 punti dati, poiché la frequenza di campionamento del sensore di temperatura era di 25 Hz. Sto cercando di costruire un diagramma di controllo di questo vettore di temperatura, ma non dà buoni risultati ... In allegato puoi trovare il mio vettore di dati e la tabella di controllo che ho provato a creare ... Qualcuno mi può aiutare per favore?
Grazie.
Cordiali saluti,
Sam. 
Ri: Grafico di controllo dei dati di temperatura continuaUn grafico di controllo potrebbe non essere appropriato per questi dati.
- I grafici di controllo assumono un processo stabile con variazioni costanti.
- Le perturbazioni per cause speciali disturbano la stabilità ma sono poco frequenti.
- Cause speciali sono assenti durante la raccolta dei dati che verranno utilizzati per stabilire i limiti di controllo.
- I grafici di controllo presumono che la maggior parte dei sottogruppi presenti solo variazioni di causa comuni. Ti aspetteresti che in questo caso?
- I grafici di controllo presuppongono che le misurazioni siano indipendenti.
- Non è possibile che le letture della temperatura siano indipendenti se campionate a 25 Hz.
- Le reali fluttuazioni di temperatura dovrebbero verificarsi a metà di quel tasso per indipendenza.
- La discriminazione delle carte di controllo richiede almeno cinque variazioni di livello tra i limiti di controllo inferiore e superiore per essere utili.
- Non ci sono livelli tra i limiti di controllo.
La raccolta di dati nel tempo suggerisce naturalmente l'utilizzo di almeno un diagramma di esecuzione per l'esame visivo dei dati, ma l'aggiunta delle funzionalità della carta di controllo non sembra appropriata.
Potresti provare Functional Data Explorer e trattare i dati come una funzione. Questo approccio fornirebbe componenti di principio funzionale che potrebbero quindi essere utilizzati come nuova risposta rispetto al trattamento (normale contro shock) e effetti casuali come l'uccello (soggetto) e così via supponendo di aver raccolto tali dati su più uccelli più volte.
Non ho altri suggerimenti. Ci sono molte persone intelligenti nella Community, quindi potresti avere qualche altra idea qui.
Ri: Grafico di controllo dei dati di temperatura continuaInnanzitutto, devi capire a quali domande rispondono i grafici di controllo "Tipo Shewhart".
1. È la variazione all'interno del sottogruppo (a causa delle variabili, x sta cambiando all'interno del sottogruppo) coerente, stabile? A questa domanda si risponde con il diagramma di intervallo. Se ci sono poche possibilità che le x cambino all'interno del sottogruppo, allora l'intervallo medio (e quindi i limiti di controllo che sono una funzione dell'intervallo D4R-bar) sarà molto piccolo e i limiti di controllo corrispondenti molto stretti.
2. È la variazione tra la variazione del sottogruppo (a causa delle variabili che cambiano tra i sottogruppi) più di quello previsto dalla variazione all'interno del sottogruppo? I limiti di controllo sul grafico a X sono una funzione della variazione all'interno del sottogruppo (+/- A2R-bar). O, in sostanza, quale fonte di variazione è maggiore.
Il concetto di sottogruppo razionale è estremamente importante, sebbene difficile da generalizzare (e quindi insegnare). Se si utilizzano diagrammi di controllo per partizionare e assegnare fonti di variazione (componenti dello studio delle variazioni), si seleziona il sottogruppo per rappresentare un sottoinsieme delle variabili che si ritiene possano influenzare la risposta (si consiglia di avere ipotesi scientifiche a supporto della selezione). Puoi farlo scegliendo la dimensione del sottogruppo e la frequenza delle misure all'interno del sottogruppo. Il diagramma di gamma risponderà alla domanda se tali fonti agiscono in modo casuale, causa comune come, per Deming. Se lo sono, allora quella fonte può essere quantificata e quella fonte (sottoinsieme di variabili) può fungere da base di confronto con le altre fonti di variazione che siete interessati a studiare. Le altre fonti di variazione (un altro sottoinsieme di variabili scelte di nuovo in funzione delle vostre ipotesi) avranno la loro variazione esposta nel campionamento tra sottogruppi. La chiave è selezionare gli intervalli di campionamento che aumentano la probabilità che tali variabili cambino davvero. Il grafico a barre X (molto più probabilmente un grafico a barre Y poiché probabilmente si tracciano grafici di Y, non di x) è il grafico di confronto. Confronta il sottogruppo interno (i limiti di controllo) con il sottogruppo tra (valori tracciati per le medie). I punti "fuori controllo" suggeriscono che tra le fonti di variazione hanno una leva maggiore rispetto alle fonti interne.
Per la tua situazione, la scelta del sottogruppo sembra essere arbitraria, non basata su ipotesi. La variazione è così piccola, la carta di controllo perde la sua utilità di poter separare le fonti di variazione. Ripensare la propria strategia di sottogruppo è appropriata.
Ri: Grafico di controllo dei dati di temperatura continuaNon sono seduto qui con i tuoi dati, ma qualcosa che potrebbe essere interessante da provare è questo:
Analizza> Modellazione specializzata> Adatta curva
Menu triangolo rosso, crescita esponenziale e decadimento> Adatta crescita cellulare 4p
O forse uno dei modelli di farmacocinetica?
Se ti è capitato di avere JMP Pro, farei sicuramente un tentativo di adattare le curve con Functional Data Explorer.
Quindi potresti includere cose come intensità, frequenza, durata tra gli stimoli e cose del genere come variabili supplementari per studiare il loro effetto sulla curva di risposta, piuttosto che solo i parametri della curva.
