Gráfico de control de datos de temperatura continuosHola,
He realizado un experimento de estrés en pollos. He monitoreado la temperatura de las piernas durante un período de 7 días. Por ejemplo, introduje un sonido fuerte para ver qué sucede con la temperatura de la pierna (esperamos que baje después de la inducción del factor estresante).
He extraído la temperatura 2 minutos antes de la inducción del factor estresante y 2 minutos después de la inducción del factor estresante. Entonces tengo un vector de 7001 puntos de datos, ya que la frecuencia de muestreo del sensor de temperatura fue de 25 Hz. Estoy tratando de construir un gráfico de control de este vector de temperatura, pero no da buenos resultados... En el archivo adjunto puede encontrar mi vector de datos y el gráfico de control que he intentado construir... ¿Puede alguien ayudarme por favor?
Gracias.
Atentamente,
sam
Re: Gráfico de control de datos continuos de temperaturaNo estoy sentado aquí con sus datos, pero algo que podría ser interesante probar es esto:
Analizar>Modelado especializado>Ajustar curva
Menú triángulo rojo, crecimiento exponencial y decaimiento>Ajustar crecimiento celular 4p
¿O tal vez uno de los modelos farmacocinéticos?
Si tuviera JMP Pro, definitivamente intentaría ajustar las curvas con el Explorador de datos funcionales.
Luego, podría incluir cosas como la intensidad, la frecuencia, la duración entre estímulos y cosas así como variables complementarias para estudiar su efecto en la curva de respuesta, en lugar de solo los parámetros de la curva.
Re: Gráfico de control de datos continuos de temperaturaPrimero, debe comprender qué preguntas responden los gráficos de control "tipo Shewhart".
1. ¿La variación dentro del subgrupo (debido a las variables, x está cambiando dentro del subgrupo) consistente, estable? Esta pregunta se responde con el gráfico de rango. Si hay poca oportunidad de que x cambie dentro del subgrupo, entonces el rango promedio (y por lo tanto los límites de control que son una función de la barra de rango D4R) será muy pequeño y los límites de control correspondientes muy estrictos.
2. ¿Es la variación entre la variación del subgrupo (debido a que las variables cambian entre subgrupos) más de lo predicho por la variación dentro de los subgrupos?Los límites de control en el gráfico de barras X son una función de la variación dentro del subgrupo (+/- barra A2R). O, en esencia, qué fuente de variación es mayor.
El concepto de subagrupación racional es extremadamente importante, aunque difícil de generalizar (y por lo tanto enseñar). Si está utilizando gráficos de control para particionar y asignar fuentes de variación (componentes del estudio de variación), seleccione el subgrupo para representar un subconjunto de las variables que cree que podrían afectar la respuesta (le recomiendo que tenga hipótesis científicas que respalden su selección). Para ello, elija el tamaño del subgrupo y la frecuencia de las medidas dentro del subgrupo. El gráfico de rango responderá a la pregunta de si esas fuentes están actuando al azar, como una causa común, según Deming. Si lo son, entonces esa fuente se puede cuantificar y esa fuente (subconjunto de variables) puede actuar como base de comparación con las otras fuentes de variación que le interesa estudiar. Esas otras fuentes de variación (otro subconjunto de variables elegidas nuevamente en función de sus hipótesis) tendrán su variación expuesta en el muestreo entre subgrupos. La clave es seleccionar intervalos de muestreo que aumenten la probabilidad de que esas variables realmente cambien. El gráfico de barras X (en realidad es más probable que sea un gráfico de barras Y, ya que es probable que estés representando Y, no x) es el gráfico de comparación. Compara el subgrupo interno (los límites de control) con el subgrupo intermedio (valores trazados para los promedios). Los puntos "fuera de control" sugieren que las fuentes de variación entre fuentes tienen mayor influencia que las fuentes internas.
Para su situación, la elección de los subgrupos parece ser arbitraria, no basada en hipótesis. La variación es tan pequeña que el gráfico de control pierde su utilidad de poder separar las fuentes de variación. Es apropiado repensar su estrategia de subagrupación.
Re: Gráfico de control de datos continuos de temperaturaUn gráfico de control podría no ser apropiado para estos datos.
- Los gráficos de control asumen un proceso estable con variación constante.
- Las perturbaciones por causas especiales alteran la estabilidad pero son poco frecuentes.
- Las causas especiales están ausentes mientras se recopilan los datos que se utilizarán para establecer los límites de control.
- Los gráficos de control asumen que la mayoría de los subgrupos exhiben solo una variación de causa común. ¿Esperarías eso en este caso?
- Los gráficos de control asumen que las medidas son independientes.
- No hay forma de que las lecturas de temperatura sean independientes cuando se muestrean a 25 Hz.
- Las fluctuaciones de temperatura reales tendrían que ocurrir a la mitad de esa tasa para la independencia.
- La discriminación del gráfico de control requiere al menos cinco cambios de nivel entre los límites de control inferior y superior para ser útil.
- No hay niveles entre los límites de control.
La recopilación de datos a lo largo del tiempo sugiere naturalmente usar al menos un gráfico de ejecución para el examen visual de los datos, pero agregar las características del gráfico de control no parece apropiado.
Puede probar el Explorador de datos funcionales y tratar los datos como una función. Este enfoque proporcionaría componentes de principios funcionales que luego podrían usarse como una nueva respuesta versus tratamiento (normal versus choque) y efectos aleatorios como pájaro (sujeto) y así sucesivamente, suponiendo que haya recopilado dichos datos sobre varias aves varias veces.
No tengo otras sugerencias. Sin embargo, hay mucha gente inteligente en la comunidad, por lo que puede obtener algunas otras ideas aquí.
