Clasificación de lotes de fabricación en función de su perfil de impurezas utilizando JMPUna planta de producción fabrica miles de lotes y el laboratorio analítico analiza muestras y genera datos, concentración de impurezas y otros resultados de pruebas. Las impurezas deben minimizarse, pero hay ciertos atributos que deben maximizarse. La pregunta es, ¿cuál es la mejor manera de clasificar y visualizar dichos lotes en función de los datos generales y también agregando peso a ciertas variables? Es como analizar los datos de un DOE con todas las respuestas pero sin factores. Muchas gracias por sus sugerencias. Saludos.
Re: Clasificación de lotes de fabricación en función de su perfil de impurezas utilizando JMPEste caso es sobre análisis multivariante. Hay muchos métodos que puede usar.
Un diagrama paralelo muestra todas las variables en los lotes. Consulte la información de Graph Builder en Ayuda> Biblioteca de documentación JMP> Guía de gráficos esenciales.
El siguiente nivel podría ser buscar correlaciones. La plataforma Multivariante muestra una matriz de coeficientes de correlación lineal y una matriz de gráficos de dispersión para todas las variables de dos en dos. Consulte Información multivariante en Ayuda> Biblioteca de documentación JMP> Guía de métodos multivariados.
El análisis de componentes principales es una forma de utilizar la correlación entre dos o más variables y reducir las dimensiones de los datos. Por ejemplo, puede tener 100 variables pero a través de correlaciones entre ellas puede encontrar que 5 componentes (combinaciones lineales de las variables originales) representan prácticamente toda la información. Eso representa una reducción de 20 veces en la complejidad.
Los gráficos de control multivariados utilizan los componentes principales para buscar anomalías en las correlaciones en lugar de las variables individuales.
Se puede hacer más, pero vea cómo este comienzo podría ayudar.
Re: Clasificación de lotes de fabricación en función de su perfil de impurezas utilizando JMPLos únicos pensamientos que agregaría a las sugerencias de Mark son:
1) Cuestionar los sistemas de medición. ¿Alguna forma de determinar los errores de medición en los conjuntos de datos? ¿Tiene alguna medida repetida?
2) Mire los datos usando series temporales simples. Dado que no ha proporcionado ninguna hipótesis sobre por qué varían las impurezas (por lo que no tendría una estrategia de subgrupo), puede usar un gráfico de rango móvil e individual para ver los datos.
Re: Clasificación de lotes de fabricación en función de su perfil de impurezas utilizando JMPMark, gracias. El análisis multivariante fue lo que estaba haciendo también. Me alegra saber que estoy en el camino correcto. Lo aprecio.
Re: Clasificación de lotes de fabricación en función de su perfil de impurezas utilizando JMP @ftadesse_genoma ,
@markbailey y @statman Hizo muy buenas sugerencias. No mencionó si cada "lote" es como una cuba de material o si está compuesto de componentes más pequeños, como obleas en semiconductores, o placas en una línea de soldadura. Para ampliar la sugerencia de @ statman, la forma en que se toman las muestras de los lotes y la variación de muestra a muestra dentro de un lote también deben revisarse como un tiempo o secuencia. Sugiero un gráfico de variabilidad usando la identificación del lote y la identificación de la muestra dentro del lote para agrupar en el eje X frente a los valores medidos, creando un gráfico para cada métrica de interés.
Un gráfico de control mutivariado puede resaltar no solo un resultado inusual para una métrica, sino también un cambio en la relación si hay correlación.
No es que no tenga factores, ni factores controlados, de hecho, es probable que tenga muchos factores no controlados: equipo utilizado, lotes de material entrante, hora del día, temperaturas, lecturas de indicadores, etc. todo depende de la línea de fabricación que describió. Es por eso que se sugieren los métodos de la tabla de control, univariados o multivariados. Pueden detectar anomalías, resultados inusuales y luego recopilar y analizar el historial del proceso, que es similar a un método popular de los eventos actuales de hoy, el "seguimiento de contactos". El objetivo es responder qué pudo haber causado las anomalías. Si tiene JMP PRO, hay varias herramientas para ayudar con ese análisis también. Al recopilar datos del historial del proceso, sugiero traer personas con conocimientos de la línea de fabricación. Incluso en la fabricación sofisticada y automatizada, siempre parece haber algo que no se captura solo en los datos.
Buena suerte.
