연속 온도 데이터의 제어 차트안녕하십니까,
닭을 대상으로 스트레스 실험을 했습니다. 7일 동안 다리 온도를 모니터링했습니다. 예를 들어, 나는 다리 온도에 어떤 일이 일어나는지 보기 위해 큰 소리를 도입했습니다(우리는 스트레스 요인 유도 후 온도가 떨어질 것으로 예상합니다).
스트레스 요인 유발 전 2분과 스트레스 요인 유발 후 2분의 온도를 추출했습니다. 따라서 온도 센서의 샘플링 주파수가 25Hz였기 때문에 7001개의 데이터 포인트로 구성된 벡터가 있습니다. 이 온도 벡터의 관리도를 작성하려고 하는데 좋은 결과가 나오지 않네요... 첨부 파일에서 내 데이터 벡터와 내가 구축하려고 시도한 컨트롤 차트를 찾을 수 있습니다... 누구든지 나를 도와 줄 수 있습니까?
고맙습니다.
감사합니다.
샘.
Re: 연속 온도 데이터의 관리 차트나는 당신의 데이터를 가지고 여기 앉아 있는 것이 아니지만 시도해 볼 만한 흥미로운 내용은 다음과 같습니다.
분석>전문 모델링>맞춤 곡선
빨간색 삼각형 메뉴, Exponential Growth and Decay>Fit Cell Growth 4p
아니면 약동학 모델 중 하나일까요?
우연히 JMP Pro를 사용하게 된다면 Functional Data Explorer를 사용하여 곡선을 맞추려고 노력할 것입니다.
그런 다음 강도, 빈도, 자극 사이의 지속 시간과 같은 것을 추가 변수로 포함하여 곡선 매개변수만이 아니라 응답 곡선에 미치는 영향을 연구할 수 있습니다.
Re: 연속 온도 데이터의 관리 차트먼저 "Shewhart 유형" 제어 차트가 답변하는 질문을 이해해야 합니다.
1. 부분군 내 변동입니다. (변수로 인해 x는 하위 그룹 내에서 변경됨) 일관된, 안정적인? 이 질문에 대한 답변은 범위 차트로 제공됩니다. 하위 그룹 내에서 x가 변경될 기회가 거의 없는 경우 평균 범위(따라서 범위 D4R-bar의 함수인 제어 한계)는 매우 작고 해당 제어 한계는 매우 엄격합니다.
2. 부분군 변동 간의 변동입니다. (하위 그룹 간에 변하는 변수로 인해) 부분군 내 변동에 의해 예측된 것보다 더 많습니까?X 막대 차트의 관리 한계는 부분군 내 변동(+/- A2R 막대)의 함수입니다. 또는 본질적으로 변동의 원인이 더 큰 것입니다.
일반화(따라서 가르치기)는 어렵지만 합리적 하위 그룹화의 개념은 매우 중요합니다. 제어 차트를 사용하여 변동 원인(변동 연구의 구성 요소)을 분할하고 할당하는 경우 응답에 영향을 미칠 수 있다고 생각되는 변수의 하위 집합을 나타내기 위해 하위 그룹을 선택합니다(선택을 뒷받침하는 과학적 가설이 있는 것이 좋습니다). 하위 그룹 내 측정값의 하위 그룹 크기 및 빈도를 선택하여 이 작업을 수행합니다. 범위 차트는 해당 소스가 Deming과 같은 일반적인 원인으로 무작위로 작동하는지 여부에 대한 질문에 답합니다. 그렇다면 해당 소스를 정량화할 수 있으며 해당 소스(변수의 하위 집합)는 연구에 관심이 있는 다른 변동 소스에 대한 비교 기준으로 작용할 수 있습니다. 이러한 다른 변동 소스(가설의 함수로 다시 선택된 변수의 다른 하위 집합)는 하위 그룹 간 샘플링에서 변동이 노출됩니다. 핵심은 해당 변수가 실제로 변경될 가능성을 높이는 샘플링 간격을 선택하는 것입니다. X 막대 차트(x가 아니라 Y를 차트로 작성하는 것처럼 Y 막대 차트일 가능성이 더 높음)는 비교 차트입니다. 하위 그룹 내(제어 한계)를 하위 그룹 간(평균에 대해 표시된 값)과 비교합니다. "통제 불능" 지점은 변동 소스 간이 내부 소스보다 더 큰 영향력을 가지고 있음을 나타냅니다.
귀하의 상황에서 하위 그룹화 선택은 가설에 근거하지 않고 임의적인 것으로 보입니다. 변동이 너무 작기 때문에 제어 차트는 변동 원인을 분리할 수 있는 유용성을 상실합니다. 하위 그룹화 전략을 재고하는 것이 적절합니다.
Re: 연속 온도 데이터의 관리 차트컨트롤 차트는 이 데이터에 적합하지 않을 수 있습니다.
- 컨트롤 차트는 일정한 변화가 있는 안정적인 프로세스를 가정합니다.
- 특수 원인에 의한 섭동은 안정성을 방해하지만 드물다.
- 관리 한계를 설정하는 데 사용할 데이터를 수집하는 동안에는 특수 원인이 없습니다.
- 관리도는 대부분의 하위 그룹이 공통 원인 변동만 보인다고 가정합니다. 이 경우에 그것을 기대하겠습니까?
- 관리도는 측정값이 독립적이라고 가정합니다.
- 25Hz에서 샘플링할 때 온도 판독값이 독립적일 수 있는 방법은 없습니다.
- 실제 온도 변동은 독립성을 위해 그 비율의 절반으로 발생해야 합니다.
- 컨트롤 차트 식별이 유용하려면 하위 컨트롤 한계와 상위 컨트롤 한계 사이에 최소 5개의 레벨 변경이 필요합니다.
시간 경과에 따른 데이터 수집은 자연스럽게 데이터의 시각적 검토를 위해 적어도 실행 차트를 사용하도록 제안하지만 컨트롤 차트 기능을 추가하는 것은 적절하지 않은 것 같습니다.
Functional Data Explorer를 사용해 보고 데이터를 함수로 처리할 수 있습니다. 이 접근 방식은 여러 새에 대해 이러한 데이터를 여러 번 수집했다고 가정할 때 새로운 반응 대 치료(정상 대 충격) 및 새(피험자)와 같은 무작위 효과로 사용할 수 있는 기능적 원리 구성 요소를 제공합니다.
나는 다른 제안이 없습니다. 하지만 커뮤니티에는 똑똑한 사람들이 많이 있으므로 여기에서 다른 아이디어를 얻을 수 있습니다.
