Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.Salut tout le monde!
J'analyse les statistiques qui surviennent lors de la production et du conditionnement des comprimés (pilules).
L'analyse des données s'effectue en plusieurs étapes.
- Détection des valeurs aberrantes (test de Grubb)
- Déterminer si la distribution est normale (test de Shapiro-Wilk)
- Intervalles tolérants
- Tracer le graphique de Levey Jennings, PP/PPK
- Activez le test pour les 3 premières raisons particulières
Parfois, il y a des erreurs dans la saisie des données, parfois le problème réside dans la méthodologie. Bien entendu, cela affecte la distribution.Nous trouvons les raisons.
Mais parfois, les données ne sont pas normales en principe. Cela peut ne pas être symétrique. Une fois, il cachait un mélange de 2 distributions normales et ainsi de suite...
Dans JMP, si je comprends bien, vous pouvez vérifier quelle distribution est la plus proche de la vôtre (FIT ALL).
(1) Le calcul standard PP/PPK n’est pas adapté à une distribution anormale, n’est-ce pas ?
Ok, nous recalculons PPK en utilisant la méthode du percentile (elle utilise la médiane et non la moyenne (par JMP)
(2) Mais qu'en est-il du graphique. Quel graphique dois-je utiliser pour recevoir l'UCL et le LCL pour les données non normales ?
Je suis arrivé à la conclusion qu'un graphique doit également calculer l'UCL et la LCL à partir de la médiane.
J'utilise Levey Jennings avec une moyenne fixe égale à la médiane.
Parfois, la médiane et la moyenne sont très proches et la différence entre les frontières ne se fait presque pas sentir. Mais il existe aussi des différences. (3) Ou est-il suffisant de recalculer le PPK et de tracer le graphique habituel de Levey Jennings en utilisant la moyenne et d'utiliser des tests pour des causes spéciales ? (4) Ou peut-être que les données non normales ne peuvent pas être testées de cette manière ?
*PS XBar, IMR je n'utilise pas pour aujourd'hui, pour cette année. Nous sommes au début de l’application des méthodes statistiques. Les causes qui ne sont pas visibles dans le processus de routine sont révélées et éliminées.
S'il vous plaît, aidez-moi à répondre à la questions en gras . (1-4)
Veuillez donner une note à ma méthode.
Proposez votre algorithme de travail pour les données normales et non normales
Merci d'avance!!!
Ingénierie Qualité et ProcédésRe : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.@Byron_JMP : L'intervalle de tolérance est un critère curieux à appliquer. Un intervalle avec un alpha de 0,95 et une proportion de 0,99... signifie que je suis sûr à 95 % que 1 % du poids des comprimés sera en dehors de cette plage.
Vous ne pouvez pas définir la proportion sur 1,0 (100 %). Le plus proche est 0,999
Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.Je pensais que je devenais fou et personne ne me comprend, mais non merci d'être venu m'aider. Vous m'avez ouvert les yeux. Oui, mon processus a ses propres spécificités. Il s’agit d’un changement entre les campagnes. Campagne, campagne, campagne... Je pense qu'il est correct de tester des causes spéciales pour chaque campagne individuellement.
Jetez un oeil à la capture d'écran AVANT/APRÈS
S'il vous plaît, aidez-moi à répondre aux questions suivantes :
1. Dois-je calculer PPK pour chaque phase/campagne ou ai-je le droit et c'est légal)) de calculer PPK pour toutes les données (toutes les campagnes de l'année) ?
2. Même question sur la distribution
Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.T
Pour commencer, vous avez un rapport vraiment joli, et
Si vous êtes d’accord, essayons d’aborder une chose à la fois.
Étant donné que vous disposez d'un certain nombre de tablettes dans chaque échantillon et de plusieurs échantillons par campagne et de plusieurs campagnes par APR.
je peux comprendre @gzmorgan0 Le commentaire de sur un rapport de type écart, ce serait une chose intelligente. Mais comment faire cela dans ce contexte ?
Ce pourrait être une bonne idée de vous procurer le tableau avec tous les poids individuels des comprimés :
Ces colonnes : Campagne, Échantillon, Poids. Utilisez un graphique à barres X avec des graphiques R pour les variations entre et à l'intérieur (graphique à trois voies). Je pense que cela résoudra le problème de limite de contrôle trop serré que vous avez peut-être vu à l'origine avec un graphique à barres X qui a provoqué la sélection de graphiques de Levey Jennings. . Dans le graphique à barres X, utilisez la campagne comme variable de phase.
Ce graphique pourrait ressembler à ceci :
La deuxième carte de contrôle pourrait comparer le poids moyen de l’échantillon à une limite de contrôle historique fixe à partir d’un moment où le processus était stable et sous contrôle. Il ne s'agit pas d'une limite de contrôle à trois écarts types, mais d'une limite à 3 sigma basée sur la plage mobile, les limites normales de la carte de contrôle.
Ce graphique pourrait ressembler à ceci.
Parlons maintenant des cartes de normalité et de contrôle.
Je suis sur le point de lancer "Wheeler" sur toi. Vous pouvez certainement tracer des données non normales sur une carte de contrôle sans les normaliser (avec des exceptions pour les données très lognormales provenant de quelque chose comme un test de puissance biologique.)
Le modèle de distribution est important pour Ppk mais non pour les cartes de contrôle. Ppk est basé sur le rapport de 3 écarts types entre la limite de spécification et la moyenne du processus. Si vos données ne sont pas normales, l'utilisation de l'écart type, qui suppose que vos données sont indépendantes et distribuées de manière identique, vous donnera des estimations Ppk inexactes.
L'intervalle de tolérance est un critère curieux à appliquer. Un intervalle avec un alpha de 0,95 et une proportion de 0,99... signifie que je suis sûr à 95 % que 1 % du poids des comprimés sera en dehors de cette plage. Vous devrez vérifier cela par vous-même, et sans entrer dans les détails, 3 sigma se situe toujours dans cet intervalle. Je ne connais pas la raison pour laquelle cela a été inclus dans le rapport, je suis sûr que c'est intéressant. En éliminant les « valeurs aberrantes », les données s'inscriront dans ces limites la plupart du temps ; cependant, si j'auditais votre établissement et que je voyais que la cohérence du poids de vos comprimés était basée sur des données avec les valeurs aberrantes supprimées avant la déclaration, cela ouvrirait la porte à de nombreuses autres explorations. Il serait peut-être préférable de rapporter toutes les données et moyennes des échantillons, comme dans un graphique à barres X ?
Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.@Léonard ,
Juste quelques commentaires :
- Je ne sais pas ce qu'est une campagne, cependant, je vois plus de variations d'une campagne à l'autre qu'au sein d'une campagne. La plupart des campagnes démontrent une stabilité de base, mais une nouvelle campagne ressemble souvent à un changement.
- Campagnes 201909 et 201903-04 sont instables, hors de contrôle.
L'un des objectifs d'une carte de contrôle est la détection rapide d'un changement. Votre question concernant les limites de contrôle me semble étrange.L'image que vous avez fournie ressemble à un rapport standard. Je suggère une petite exploration, avant de modifier un rapport ou un tableau de bord.
Créez un autre graphique de Levey Jennings et spécifiez la campagne comme Phase et demandez un rapport sigma de processus.Cela quantifiera la variation au sein de la campagne (échantillon à échantillon) et devrait mettre en évidence que les campagnes de mars-avril et de septembre n'étaient pas les mêmes, instables pour quelque raison que ce soit, par rapport aux autres campagnes.
J'ai travaillé dans une usine de fabrication avec de nombreux outils de traitement et produits chimiques entrants.Les limites de contrôle calculées pour s'adapter à de petits changements tolérables dus à des changements de pièces d'outils ou à des lots de produits chimiques peuvent être trop larges pour identifier des problèmes au cours d'une campagne. Une recommandation qui signale rapidement les problèmes n’est pas facile à mettre en œuvre.
- Lorsqu'un changement connu est effectué, une nouvelle campagne, la moyenne des 2-3 premiers échantillons s'ils se situent dans une certaine valeur de tolérance, sont utilisées pour réinitialiser la ligne centrale de la carte de contrôle active. Les limites de contrôle supérieure et inférieure, UCL et LCL, sont respectivement fixées à + k sigma (généralement k vaut 3), où sigma est la référence dans le développement standard de la campagne.
- Pour les données que vous avez affichées, je regrouperais probablement la variance (somme moyenne pondérée des carrés) et prendrais la racine carrée comme développement standard de référence.
Cependant, vous avez déclaré " ma tâche est d'évaluer le processus pendant un an, qui comprend plusieurs campagnes ".
Ma suggestion est de créer un rapport de type composants de variance. La carte de contrôle est idéale pour afficher la variation, mais je signalerais :
- Distribution d'échantillons de données.
- Graphique de Levey Jennings avec Campagne spécifiée comme Phase.Signaler la plage et l'évolution standard de la campagne par rapport aux moyennes de la campagne (lignes centrales de la campagne)
- Signalez la variation d'un échantillon à l'autre des deux campagnes anormales et utilisez l'échantillon regroupé/stable pour échantillonner la variation.
- Signalez la variation au sein de l’échantillon. Cela n'a pas été clairement expliqué si vous prenez x (30 ?) pilules et que chaque pilule est testée y (10 ?) fois ?? Si oui, vous avez un test pour tester la variation et d'une pilule à l'autre.
- Concernant la capacité, cela dépend de votre secteur d'activité, mais comme @Byron_JMP indiqué, il semble que si plusieurs tests sur la même pilule sont effectués, la moyenne de cette pilule ou la moyenne réduite des tests sur cette pilule représentent la valeur de cette pilule. Et la valeur de chaque pilule serait utilisée pour l’analyse de capacité, probablement en utilisant la méthode du centile.
Les méthodes de calcul sont souvent spécifiques à l'industrie et convenues par le producteur et le client.Cette note n’est donc qu’une suggestion d’autres façons d’examiner vos données. Remarque : je le fais pas avoir de l'expérience dans la production de pilules.
Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.*1. Sur le graphique, vous pouvez voir la mesure moyenne pour chaque lot (PQR)
**Je dois également ajouter que les séries sont combinées dans des campagnes et que les distributions dans les campagnes sont parfois normales, parfois Weibull. Mais ma tâche est d'évaluer le processus sur une année, qui comprend plusieurs campagnes.Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.1. Sur le graphique, vous pouvez voir la moyenne de la série par an (PQR). Lors de la production du lot (série), 20 comprimés sont contrôlés 10 à 15 fois. Je prends en moyenne 20 comprimés, puis en moyenne 10 à 15 tests et je reçois la moyenne par lot.
2. Nous avons des limites de spécifications et des objectifs. Nous devons évaluer les valeurs aberrantes, la distribution, le PPK et les causes spéciales.
3. Les écarts de tolérance doivent s'inscrire dans les limites des spécifications et non en dehors.Re : Algorithme de travail pour les données normales et non normales. Données non normales (distribution anormale). PP/PPK. Carte de contrôle de Levey Jennings.
Êtes-vous en train de suivre une tendance sur des comprimés individuels ou sur la moyenne/médiane d'un sous-groupe de comprimés ?
Qu'utilisez-vous comme référence pour cette méthode de contrôle statistique des processus ?
Comment les intervalles de tolérance sont-ils utilisés ?
