La mejor manera de hacer análisis de velocidad múltipleHola a todos,
¿Cómo están haciendo las personas su análisis de velocidad múltiple: análisis de defectos por unidad por grupos?
Un ejemplo que hacemos aquí en nuestra empresa es partículas por superficie de disco por producto, o rasguños por superficie por máquina de producción.
Me pregunto si hay una mejor manera de analizar estos datos en JMP
Hoy, uso = Analizar> Calidad y proceso> Parcela de Pareto, luego hago un "Análisis por unidad".
Esto me da una tabla de "Tasas por unidad" y una salida de "Tasa de prueba en todos los grupos" que es útil para respaldar el análisis y las conclusiones.
Estaba pensando que tal vez hay una mejor manera de hacer esto dentro de Fit Y by X u otra plataforma. Me gustaría ver otras opciones de análisis gráfico y tener algo más de flexibilidad en la forma en que puedo explorar los datos, más de lo que proporciona la plataforma Pareto Plot.
Gracias de antemano por sus amables comentarios:)
Re: ¿Cómo hacer mejor el análisis de velocidad múltiple?Consulte Ayuda> Biblioteca de documentación JMP> Calidad y proceso. Mire el material sobre 'gráficos de atributos'.
Re: ¿Cómo hacer mejor el análisis de velocidad múltiple?El primer comentario es tener cuidado en el análisis de las cartas de Pareto. He encontrado que muchas personas interpretan estos cuadros incorrectamente. No solo está mirando el orden de la altura de las barras, sino que está buscando "saltos" entre las barras. Siga el modelo de causa especial / causa común de Deming. (o el modelo de causa asignable / variación aleatoria de Shewhart). Estos gráficos también pierden un componente crítico para comprender la variación ... la serie temporal.
Pensamientos adicionales:
1) La variable de respuesta de "defectos" es menos que óptima para comprender las relaciones causales. Existen demasiados mecanismos de falla potenciales en la creación de un defecto. Mi primer pensamiento es crear escalas continuas para sus medidas (Y). ¿Se pueden describir mejor los defectos? (p. ej., longitud, profundidad, ubicación de los rasguños). ¿Puede aumentar la escala de discreto (defectos) a ordinal (con un mínimo de 5 puntos en la escala ... por ejemplo, 1-5)? Cuanto más continuo sea, más eficiente será el estudio.
2) Desarrolle una lista de hipótesis, posibles explicaciones de por qué ocurren los defectos. Has listado por Producto y Máquina de producción . ¿Por qué contribuirían a los defectos? Sus hipótesis deben ser explicaciones de por qué ocurre el fenómeno , cuanto más específico, más fácil es pensar acerca de cómo y qué datos obtener para dar una idea de sus hipótesis.
3) Con sus múltiples hipótesis (y múltiples x), puede abrir muchas oportunidades para buscar relaciones entre las variables de entrada y las variables de respuesta. Usted puede:
- diseñar planes de muestreo para ayudar a separar el apalancamiento de asignación y evaluar la consistencia.
- diseñar experimentos para reducir e identificar relaciones causales entre factores y variables de respuesta.
- busque relaciones multivariadas entre variables dependientes (esto puede ayudar a identificar variables continuas que pueden estar asociadas con los defectos).
- usar gráficos de variabilidad para buscar patrones en los datos y asociaciones entre entradas y salidas (puede aprender a amar el creador de gráficos ...)
- use gráficos de control para buscar consistencia.
- ejecute el modelo de ajuste (y ajuste Y por X) para determinar las relaciones entre entradas y salidas.
