262972_de-DE

liliconcom

So führen Sie eine Analyse mit mehreren Raten am besten durch

Hallo zusammen,

Wie machen die Leute ihre Mehrfachratenanalyse: Fehler pro Einheitenanalyse nach Gruppen

Ein Beispiel, das wir hier in unserem Unternehmen machen, sind Partikel pro Scheibenoberfläche nach Produkt oder Kratzer pro Oberfläche nach Produktionsmaschine.

Ich frage mich, ob es einen besseren Weg gibt, diese Daten in JMP zu analysieren

Heute verwende ich = Analysieren> Qualität und Prozess> Pareto-Plot und führe dann eine "Analyse pro Einheit" durch.

Dies gibt mir eine Tabelle "Raten pro Einheit" und eine Ausgabe "Testrate über Gruppen hinweg", die zur Unterstützung der Analyse und der Schlussfolgerungen nützlich ist.

Ich dachte, dass es vielleicht einen besseren Weg gibt, dies in Fit Y by X oder einer anderen Plattform zu tun.  Ich würde gerne andere grafische Analyseoptionen sehen und mehr Flexibilität bei der Untersuchung der Daten haben, als es die Pareto Plot-Plattform bietet.

Vielen Dank im Voraus für Ihre freundlichen Kommentare:)

Betreff: Wie man am besten eine Analyse mit mehreren Raten durchführt

Siehe Hilfe> JMP-Dokumentationsbibliothek> Qualität und Prozess. Schauen Sie sich das Material zu 'Attributdiagrammen' an.

Betreff: Wie man am besten eine Analyse mit mehreren Raten durchführt

Der erste Kommentar ist bei der Analyse von Pareto-Diagrammen vorsichtig zu sein.  Ich habe festgestellt, dass viele Leute diese Diagramme falsch interpretieren.  Sie betrachten nicht nur die Reihenfolge der Höhe der Stangen, sondern auch "Sprünge" zwischen den Stangen.  Befolgen Sie das Modell für besondere Ursachen / häufige Ursachen von Deming. (oder das zuweisbare Ursache / Zufallsvariationsmodell von Shewhart).  Diese Diagramme verlieren auch eine wichtige Komponente für das Verständnis von Variationen ... der Zeitreihe.

 

Weitere Gedanken:

1. Die Antwortvariable "Defekte" ist für das Verständnis der kausalen Zusammenhänge nicht optimal.  Es gibt zu viele mögliche Fehlermechanismen bei der Erstellung eines Fehlers.  Mein erster Gedanke ist, kontinuierliche Skalen für Ihre Messungen (Ys) zu erstellen.  Können die Mängel besser beschrieben werden? (zB Länge, Tiefe, Position der Kratzer).  Können Sie die Skala von diskret (Fehler) auf ordinal erhöhen (mit mindestens 5 Punkten auf der Skala ... z. B. 1-5)? Je kontinuierlicher, desto effizienter die Studie.

2. Entwickeln Sie eine Liste von Hypothesen, mögliche Erklärungen, warum die Fehler auftreten.  Sie haben von aufgelistet Produkt und Produktionsmaschine .  Warum sollten diese zu Mängeln beitragen? Ihre Hypothesen sollten Erklärungen dazu sein warum das Phänomen auftritt Je spezifischer, desto einfacher ist es, darüber nachzudenken, wie und welche Daten Sie erhalten, um einen Einblick in Ihre Hypothesen zu erhalten.

3. Mit Ihren mehreren Hypothesen (und mehreren x) können Sie viele Möglichkeiten eröffnen, nach Beziehungen zwischen Eingabevariablen und Antwortvariablen zu suchen.  Du kannst:

• Entwerfen Sie Stichprobenpläne, um die Hebelwirkung zu trennen und die Konsistenz zu bewerten.
• Entwerfen Sie Experimente, um kausale Zusammenhänge zwischen Faktoren und Antwortvariablen zu identifizieren.
• Suchen Sie nach multivariaten Beziehungen zwischen abhängigen Variablen (dies kann dazu beitragen, kontinuierliche Variablen zu identifizieren, die mit den Fehlern assoziiert sein können).
• Verwenden Sie Variabilitätsdiagramme, um nach Mustern in den Daten zu suchen und Assoziationen zwischen Ein- und Ausgängen (Sie können lernen, Graph Builder zu lieben ...)
• Verwenden Sie Kontrolldiagramme, um nach Konsistenz zu suchen. 
• Führen Sie das Anpassungsmodell aus (und passen Sie Y nach X an), um die Beziehungen zwischen Ein- und Ausgängen zu bestimmen.