Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.Ciao a tutti!
Analizzo le statistiche che emergono durante la produzione e il confezionamento delle compresse (pillole).
L'analisi dei dati viene eseguita in più passaggi.
- Rilevamento di valori anomali (test di Grubb)
- Determinare se la distribuzione è normale (test di Shapiro-Wilk)
- Intervalli tolleranti
- Tracciamento del grafico di Levey Jennings, PP/PPK
- Attiva il test per i primi 3 motivi speciali
A volte ci sono errori nell'inserimento dei dati, a volte il problema è nella metodologia. Naturalmente, ciò influisce sulla distribuzione.Troviamo le ragioni.
Ma a volte i dati non sono normali, in linea di principio. Può non essere simmetrico. Una volta nascondeva una miscela di 2 distribuzioni normali e così via...
In JMP, da quanto ho capito, puoi verificare quale distribuzione è più vicina alla tua (FIT ALL).
(1) Il calcolo standard PP/PPK non è adatto per una distribuzione anomala, vero?
Ok, ricalcoliamo il PPK utilizzando il metodo percentile (utilizza la mediana, non la media (di JMP)
(2) Ma per quanto riguarda il grafico. Quale grafico dovrei utilizzare per ricevere UCL e LCL per dati non normali?
Sono giunto alla conclusione che il grafico deve calcolare UCL e LCL anche dalla mediana.
Utilizzo Levey Jennings con media fissa pari alla mediana.
A volte la mediana e la media sono molto vicine e la differenza tra i confini non è quasi avvertita. Ma ci sono anche delle differenze. (3) Oppure è sufficiente ricalcolare il PPK e tracciare il solito grafico di Levey Jennings utilizzando la media e utilizzare i test per cause speciali? (4) O forse i dati non normali non possono essere testati in questo modo?
*PS XBar, IMR non lo uso per oggi, per quest'anno. Siamo all’inizio dell’applicazione di metodi statistici. Le cause che non sono visibili nel processo di routine vengono rivelate ed eliminate.
Per favore aiutami a rispondere alla domande in grassetto . (1-4)
Per favore dai una valutazione al mio metodo.
Offri il tuo algoritmo di lavoro per dati normali e non normali
Grazie in anticipo!!!
Ingegneria della qualità e dei processiRi: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.@Byron_JMP : L'intervallo di tolleranza è un criterio curioso da applicare. Un intervallo con alfa 0,95 e proporzione 0,99... significa che sono sicuro al 95% che l'1% dei pesi delle compresse sarà al di fuori di questo intervallo.
Non è possibile impostare la proporzione su 1,0 (100%). Il più vicino è 0,999
Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.Pensavo di impazzire e nessuno mi capisce, ma no, grazie per essere venuto in aiuto. Mi hai aperto gli occhi. Sì, il mio processo ha le sue specifiche. Questo è uno spostamento tra le campagne. Campagna, campagna, campagna....Penso che sia corretto testare le cause speciali individualmente per ciascuna campagna
Dai un'occhiata allo screenshot PRIMA/DOPO
Per favore aiutami a rispondere alle prossime domande:
1. Devo calcolare il PPK per ogni fase/campagna o ho il diritto ed è legale)) di calcolare il PPK per tutti i dati (tutte le campagne dell'anno)?
2. Stessa domanda sulla distribuzione
Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.T
Per cominciare, hai un rapporto davvero carino, e
Se per te va bene, proviamo ad affrontare una cosa alla volta.
Dato che hai un certo numero di tablet in ciascun campione e più campioni per campagna e più campagne per APR.
posso capire @gzmorgan0 del commento di un report sul tipo di varianza, sarebbe una cosa intelligente. Ma come farlo in questo contesto?
Potrebbe essere una buona idea procurarsi la tabella con tutti i pesi delle singole compresse:
Queste colonne: Campagna, Campione, Peso. Utilizza un grafico a barre X con grafici R per la variazione compresa tra e entro (grafico a tre vie) Ho il sospetto che questo risolverà il problema del limite di controllo eccessivamente stretto che potresti aver visto originariamente con un grafico a barre X che ha causato la selezione dei grafici Levey Jennings . Nel grafico a barre x utilizza la campagna come variabile di fase.
Il grafico potrebbe assomigliare a questo:
La seconda carta di controllo potrebbe confrontare il peso medio del campione con un limite di controllo storico, fisso, da un momento in cui il processo era stabile e sotto controllo. Questo non è un limite di controllo di tre deviazioni standard, ma un limite di 3 sigma basato sull'intervallo mobile, limiti normali della carta di controllo.
Il grafico potrebbe assomigliare a questo.
Ora parliamo di normalità e di carte di controllo.
Sto per farti parlare di "Wheeler". Puoi sicuramente tracciare dati non normali su una carta di controllo senza normalizzarli (con eccezioni per dati molto lognormali da qualcosa come un test di potenza biologica).
Il modello di distribuzione è importante per Ppk ma no per le carte di controllo. La Ppk si basa sul rapporto di 3 deviazioni standard tra il limite specifico e la media del processo. Se i tuoi dati non sono normali, l'utilizzo della deviazione standard, che presuppone che i tuoi dati siano indipendenti e distribuiti in modo identico, ti fornirà stime Ppk imprecise.
L'intervallo di tolleranza è un criterio curioso da applicare. Un intervallo con alfa 0,95 e proporzione 0,99... significa che sono sicuro al 95% che l'1% dei pesi delle compresse sarà al di fuori di questo intervallo. Dovrai verificarlo tu stesso e, senza entrare nel dettaglio, 3 sigma rientra sempre in quell'intervallo. Non conosco la logica alla base dell'inclusione nel rapporto, sono sicuro che sia interessante. Selezionando i "valori anomali", i dati rientreranno in tali limiti per la maggior parte del tempo; tuttavia, se stessi controllando la tua struttura e vedessi che la consistenza del peso del tuo tablet era basata su dati con i valori anomali rimossi prima del reporting, ciò aprirebbe la porta a molte altre esplorazioni. Potrebbe essere meglio riportare tutti i dati e le medie dei campioni, proprio come in un grafico a barre x?
Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.@Leonardo ,
Solo alcuni commenti:
- Non so quale sia una campagna, tuttavia, vedo più variazioni da campagna a campagna che all'interno della campagna. La maggior parte delle campagne dimostra una stabilità di base, ma una nuova campagna spesso sembra un cambiamento.
- Campagne 201909 E 201903-04 sono instabili, fuori controllo.
Uno degli obiettivi di una carta di controllo è il rapido rilevamento di un cambiamento. La tua domanda sui limiti di controllo mi sembra strana.L'immagine che hai fornito sembra un rapporto standard. Suggerisco una piccola esplorazione prima di apportare una modifica al report o alla dashboard.
Crea un altro grafico Levey Jennings e specifica la campagna come Fase e richiedi un report sigma del processo.Ciò quantificherà la variazione all'interno della campagna (da campione a campione) e dovrebbe evidenziare che le campagne di marzo-aprile e settembre non erano le stesse, instabili per qualsiasi motivo, rispetto ad altre campagne.
Ho lavorato in uno stabilimento di produzione con molti strumenti di lavorazione e prodotti chimici in entrata.I limiti di controllo calcolati per consentire piccoli spostamenti tollerabili dovuti alla sostituzione di parti di utensili o di lotti di prodotti chimici possono essere troppo ampi per identificare i problemi all'interno di una campagna. Una raccomandazione che segnala rapidamente i problemi non è facile da implementare.
- Quando viene apportata una modifica nota, viene utilizzata una nuova campagna, la media dei primi 2-3 campioni se rientrano in un determinato valore di tolleranza, per reimpostare la linea centrale del grafico di controllo attivo. I limiti di controllo superiore e inferiore, UCL e LCL, sono rispettivamente impostati + k sigma (tipicamente k è 3), dove sigma è la linea di base all'interno della campagna std dev.
- Per i dati visualizzati, probabilmente raggrupperei la varianza (somma media ponderata dei quadrati) e prenderei la radice quadrata come sviluppo std di base
Tuttavia, hai affermato " il mio compito è valutare il processo per un anno, che consiste in diverse campagne ".
Il mio suggerimento è di eseguire un rapporto sul tipo di componenti della varianza. Il grafico di controllo è ottimo per visualizzare la variazione, ma vorrei segnalare:
- Distribuzione dei dati campione.
- Grafico di Levey Jennings con la campagna specificata come fase.Riporta l'intervallo e lo sviluppo standard della campagna alle medie della campagna (linee centrali della campagna)
- Riporta il campione delle due campagne anomale alla variazione del campione e utilizza il campione raggruppato/stabile per la variazione del campione.
- Riportare la variazione all'interno del campione. Ciò non è stato spiegato chiaramente se prendi x (30?) pillole e ciascuna pillola viene testata y (10?) volte?? Se sì, allora devi testare la variazione e da pillola a pillola
- Per quanto riguarda la capacità, dipende dal tuo settore, ma come @Byron_JMP indicato, sembra che se vengono effettuati più test sulla stessa pillola, la media media o troncata dei test su quella pillola rappresenta il valore di quella pillola. E il valore di ciascuna pillola verrebbe utilizzato per l'analisi delle capacità, probabilmente utilizzando il metodo percentile.
I metodi di calcolo spesso sono specifici del settore e concordati tra produttore e cliente.Quindi questa nota è solo un suggerimento su altri modi per visualizzare i tuoi dati. Nota: lo faccio non avere esperienza nella produzione di pillole.
Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.*1. Sul grafico puoi vedere la misurazione media per ogni lotto (PQR)
**Devo anche aggiungere che le serie sono combinate in campagne e le distribuzioni nelle campagne a volte sono normali, a volte sono Weibull. Ma il mio compito è valutare il processo per un anno, che consiste in diverse campagne.Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.1. Sul grafico puoi vedere la media della serie per anno (PQR). Durante la produzione del lotto (serie), 20 compresse vengono controllate 10-15 volte. Prendo una media di 20 schede, quindi una media di 10-15 test e ricevo la media per lotto.
2. Abbiamo limiti e obiettivi specifici. Dobbiamo valutare i valori anomali, la distribuzione, il PPK, le cause speciali.
3. Gli intervalli di tolleranza devono rientrare nei limiti della specifica, non all'esterno.Ri: Algoritmo di lavoro per dati normali e non normali. Dati non normali (distribuzione anormale). PP/PPK. Grafico di controllo di Levey Jennings.
Stai analizzando l'andamento dei singoli tablet o della media/mediana di un sottogruppo di tablet?
Cosa stai usando come riferimento per questo metodo di controllo statistico del processo?
Come vengono utilizzati gli intervalli di tolleranza?
