Trasformazione dei dati non normale (analisi di capacità)Ciao a tutti,
Ho molti dati non normali, quindi ho letto come utilizzare Adattamento continuo e Adatta tutto, vedere di seguito Ad esempio. Figura 1.
Ora devo applicare le nostre specifiche 8.4-9.2, quindi prima ho trasformato i dati selezionando Log Normal (Utilizzando "Salva quantile adattato") Figura 2 perché Johnson-Si e Johnson Su hanno mostrato un picco molto strano.
Ora mi chiedo:
1) Ho scelto la trasformazione corretta
2) Se sì, devo trasformare i valori Spec di 8.4 e 9.2
3) È corretto utilizzare l'analisi di capacità sui dati trasformati poiché i dati non sono ancora normali (dimostrato da Goodness of Fit)
si prega di avvisare
grazie in anticipo
Ri: Trasformazione non normale dei dati (analisi di capacità)OK... ecco un pensiero per te. Hai preso in considerazione l'idea di eseguire un esperimento progettato in cui i livelli della caratteristica in questione ai quantili 1 e 99% dell'intervallo di dati siano valori iniziali per alto e basso per quel fattore? E magari aggiungere altri fattori rilevanti per le caratteristiche chiave del risultato? Ovviamente dovresti utilizzare la variabile che hai tracciato qui come fattore e non come risposta nel contesto dell'esperimento. E trovare alcune caratteristiche significative di idoneità all'uso guidate forse dalle esigenze di utilizzo finale del cliente. Non è nemmeno necessario eseguire un esperimento multifattoriale... anche se potrebbe fornire informazioni di enorme valore... soprattutto se questo singolo fattore interagisce con altri che influiscono nel processo complessivo. Ti manderò anche un messaggio privato.
Ri: Trasformazione non normale dei dati (analisi di capacità)Grazie
Mi ha fatto ridere, dato che i limiti delle specifiche sono stati infatti progettati nel modo in cui hai detto per il processo sopra,
Quindi la nostra sfida è sfidare i limiti e ripensare se questi siano applicabili o meno nel mondo reale.
Abbiamo testato la Normalità che non supera.
Ho letto molto sull'utilizzo delle carte di controllo con dati non normali e so che possiamo utilizzare le carte di controllo indipendentemente dalla natura dei dati.
Quindi ora ho dei limiti di controllo basati sui dati in mano.
Desidero utilizzare tali limiti e calcolare gli indici di capacità e fare un confronto tra i limiti delle specifiche e i limiti di controllo.
Ri: Trasformazione non normale dei dati (analisi di capacità)Grazie per la risposta,
Sto usando JMP 14.
Ho usato il metodo sopra descritto, è molto utile e intuitivoRi: Trasformazione non normale dei dati (analisi di capacità)Immagino che non mi preoccuperei troppo di quale trasformazione, di qualsiasi indice di capacità del processo o di qualsiasi altra statistica associata al problema pratico in questione. Il processo è tristemente incapace... una conclusione che non è di natura "statistica"... ma un'ispezione superficiale dei dati non trasformati con i limiti delle specifiche sovrapposti mostra che la preponderanza dei dati è al di fuori dei limiti delle specifiche. Presumo che il tuo processo sia costante e stabile, privo di variazioni di causa assegnabili. Se è così, ora passiamo alla parte difficile... o ridurre la variazione. O forse un primo passo è mettere in discussione la validità e l’applicabilità dei limiti delle specifiche. Riflettono alcuni criteri della vita reale? Guidato dalle normative, guidato dai fornitori, guidato dai clienti, guidato da standard/specifiche di settore? Oppure sono stati determinati dal fatto che "non abbiamo davvero idea di quali dovrebbero essere i valori di tolleranza appropriati... quindi, nel tentativo di forzare la produzione a "mirare", useremo semplicemente la mira come centro dell'intervallo delle specifiche... e vai più o meno del 10% da lì.'
Non ridere... ho visto questo modo di pensare applicato spesso nell'industria.
Ri: Trasformazione non normale dei dati (analisi di capacità)Penso che una "migliore pratica" sia quella di selezionare un modello di distribuzione basato sulla conoscenza del processo che genera i dati, piuttosto che su criteri di "adattamento ottimale". I criteri si basano su un unico campione. La conoscenza si basa sulla popolazione.
Tieni presente che se adatti la distribuzione nella piattaforma Distribuzione, il menu del triangolo rosso per il modello adattato contiene un comando per avviare un'analisi della capacità del processo per la distribuzione non normale. In questo caso non è necessario trasformare i limiti della specifica.
Ri: Trasformazione non normale dei dati (analisi di capacità)@RBAero ,
Non hai menzionato quale versione di JMP o JMPPro stai utilizzando. Il collegamento seguente fornisce un esempio passo passo se disponi della piattaforma Process Capability sul tuo PC. Hai la possibilità di impostare la distribuzione o utilizzare Best Fit.PPK, l'utilizzo delle stime di massima verosimiglianza dei percentili è una scelta spesso utilizzata.
Si noti che i calcoli PPK e Cpk presuppongono dati distribuiti in modo identico e indipendente (IID), il che significa che non vi sono variazioni sistematiche.
Spero che questo ti aiuti.
Documentazione JMP per l'analisi della capacità non normale
