262972_fr-FR

liliconcom

Quelle est la meilleure façon d'effectuer une analyse à plusieurs taux

Salut à tous,

Comment les gens font-ils leur analyse à taux multiples: analyse des défauts par unité par groupe

Un exemple que nous faisons ici dans notre entreprise est les particules par surface de disque par produit, ou les rayures par surface par machine de production.

Je me demande s'il y a une meilleure façon d'analyser ces données dans JMP

Aujourd'hui, j'utilise = Analyser> Qualité et processus> Diagramme de Pareto, puis je fais une "Analyse par unité".

Cela me donne un tableau "Taux unitaires" et une sortie "Taux de test entre les groupes" qui sont utiles pour étayer l'analyse et les conclusions.

Je pensais qu'il y avait peut-être une meilleure façon de le faire dans Fit Y by X ou une autre plate-forme.  J'aimerais voir d'autres options d'analyse graphique et avoir plus de flexibilité dans la façon dont je peux explorer les données, plus que la plate-forme Pareto Plot ne fournit.

Merci d'avance pour vos aimables commentaires:)

Re: Quelle est la meilleure façon de faire l'analyse de taux multiples

Voir Aide> Bibliothèque de documentation JMP> Qualité et processus. Regardez le matériel sur les «tableaux d'attributs».

Re: Quelle est la meilleure façon de faire l'analyse de taux multiples

Le premier commentaire est d'être prudent dans l'analyse des graphiques de Pareto.  J'ai trouvé que beaucoup de gens interprètent mal ces graphiques.  Vous regardez non seulement l'ordre de la hauteur des barres, mais vous recherchez des "sauts" entre les barres.  Suivez le modèle de cause spéciale / cause commune de Deming. (ou le modèle de cause / variation aléatoire attribuable de Shewhart).  Ces graphiques perdent également un élément essentiel pour comprendre la variation ... la série chronologique.

 

Réflexions supplémentaires:

1. La variable de réponse des «défauts» n'est pas optimale pour comprendre les relations causales.  Il existe trop de mécanismes de défaillance potentiels pour créer un défaut.  Ma première pensée est de créer des échelles continues pour vos mesures (Y).  Les défauts peuvent-ils être mieux décrits? (par exemple, longueur, profondeur, emplacement des rayures).  Pouvez-vous augmenter l'échelle de discrète (défauts) à ordinale (avec un minimum de 5 points sur l'échelle ... par exemple, 1-5)? Le plus continu comme, le plus efficace de l'étude.

2. Développer une liste d'hypothèses, des explications possibles pour expliquer pourquoi les défauts se produisent.  Vous avez répertorié par Produit et Machine de production .  Pourquoi cela contribuerait-il aux défauts? Vos hypothèses devraient être des explications pourquoi le phénomène se produit , plus il est spécifique, plus il est facile de réfléchir à la manière et aux données à obtenir pour mieux comprendre vos hypothèses.

3. Avec vos multiples hypothèses (et plusieurs x), vous pouvez ouvrir de nombreuses opportunités pour rechercher des relations entre les variables d'entrée et les variables de réponse.  Vous pouvez:

• concevoir des plans d'échantillonnage pour séparer les effets de levier et évaluer la cohérence.
• concevoir des expériences à réduire pour identifier les relations causales entre les facteurs et la variable de réponse.
• rechercher des relations multivariées entre les variables dépendantes (cela peut aider à identifier les variables continues qui peuvent être associées aux défauts).
• utiliser des graphiques de variabilité pour rechercher des modèles dans les données et associations entre entrées et sorties (vous pouvez apprendre à aimer le générateur de graphes ...)
• utilisez des cartes de contrôle pour rechercher la cohérence. 
• exécuter le modèle d'ajustement (et ajuster Y par X) pour déterminer les relations entre les entrées et les sorties.