正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。大家好！
我分析了片剂（丸剂）生产和包装过程中产生的统计数据。
数据分析分几个步骤进行。
- 检测异常值（格鲁布检验）
- 确定分布是否为正态（Shapiro-Wilk 检验）
- 容忍间隔
- 绘制 Levey Jennings 图，PP/PPK
- 前3个特殊原因开启测试
有时输入数据时会出现错误，有时问题出在方法上。 当然，这会影响分布。我们找到原因。
但原则上有时数据不正常。 它可以不对称。 有一次它隐藏了两种正态分布的混合等等......
据我了解，在 JMP 中，您可以检查哪种分布更接近您的分布（FIT ALL）。
(1)标准计算PP/PPK不适合异常分布，是吗？
好的，我们使用百分位法重新计算 PPK（它使用中位数，而不是平均值（通过 JMP）
(2) 但是图呢？ 我应该使用哪个图表来接收非正态数据的 UCL 和 LCL？
我得出的结论是，图表必须也从中位数计算 UCL 和 LCL。
我使用 Levey Jennings 固定平均值等于中位数。
有时中位数和平均值非常接近，几乎感觉不到边界之间的差异。 但也存在差异。 (3)或者，重新计算 PPK 并使用平均值绘制通常的 Levey Jennings 图表并使用特殊原因测试是否足够？ (4) 或者非正态数据不能用这种方法测试？
*附注 XBar、IMR 我今天、今年不再使用。 我们正处于应用统计方法的开始阶段。 日常过程中不可见的原因会被发现并消除。
请帮我解答粗体字的问题。 (1-4)
请对我的方法给予评价。
提供正常数据和非正常数据的工作算法
先感谢您！！！
质量和工艺工程回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。@Byron_JMP ：公差区间是一个奇怪的应用标准。 alpha 0.95 和比例 0.99 的区间...表示我 95% 确定 1% 的片剂重量将超出此范围。
您不能将比例设置为 1.0 (100%)。 最接近的是 0.999
回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。我以为我疯了，没有人理解我，但不，谢谢你来帮忙。 你让我睁开了眼睛。 是的，我的流程有它自己的特点。 这是竞选之间的转变。 活动、活动、活动......我认为单独测试每个活动的特殊原因是正确的
查看之前/之后的屏幕截图
请帮我回答接下来的问题：
1. 我是否必须计算每个阶段/活动的 PPK，或者我是否有权且合法））计算所有数据（当年的所有活动）的 PPK？
2.同样的分配问题
回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。时间
首先，你有一份看起来非常可爱的报告，并且
如果您同意的话，让我们尝试一次解决一件事。
鉴于每个样本中有一定数量的平板电脑，每个营销活动有多个样本，每个年利率有多个营销活动。
我能够了解@gzmorgan0关于差异类型报告的评论，这将是一件聪明的事情。 但在这种情况下如何做到这一点呢？
最好获得包含所有单个片剂重量的表格：
这些列：活动、样本、权重。 使用带有 R 图表的 X 条形图来表示变化之间和内部的变化（三向图） 我怀疑这将解决您最初可能在 X 条形图中看到的过于严格的控制限制问题，该问题导致选择 Levey Jennings 图表。 在 x 条形图中，使用活动作为阶段变量。
该图表可能如下所示：
第二个控制图可以将平均样本重量与过程稳定且受控时的历史固定控制限值进行比较。 这不是三标准差控制限值，而是基于移动极差、正常控制图限值的 3 西格玛限值。
该图表可能如下所示。
现在介绍正态性和控制图。
我即将给你贴上“惠勒”的标签。 您绝对可以在控制图上绘制非正态数据而不对其进行标准化（生物效力测试等非常对数正态的数据除外。）
分发模型对 Ppk 很重要但不是用于控制图。 Ppk 基于规格限值与过程平均值之间 3 个标准差的比率。 如果您的数据不正常，那么使用标准差（假设您的数据是独立且同分布的）将会给您提供不准确的 Ppk 估计值。
公差区间是一个奇怪的应用标准。 alpha 0.95 和比例 0.99 的区间...表示我 95% 确定 1% 的片剂重量将超出此范围。 您必须亲自检查这一点，无需深入了解，3 西格玛始终在该区间内。 我不知道将其纳入报告的理由，但我确信它很有趣。 通过剔除“异常值”，数据在大多数情况下都会符合这些限制；但是，如果我在审核您的设施时发现您的片剂重量一致性是基于在报告之前删除了异常值的数据，那么这将为许多其他探索打开大门。 最好报告样本的所有数据和平均值，就像在 x 条形图中一样？
回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。@伦纳德,
只是一些评论：
- 我不知道活动是什么，但是，我看到活动之间的变化比活动内部的变化更多。 大多数营销活动都表现出基线稳定性，但新的营销活动通常看起来像是一种转变。
- 活动201909和201903-04不稳定，失控。
控制图的目标是快速检测变化。 你关于控制限制的问题对我来说似乎很奇怪。您提供的图片看起来像标准报告。 我建议在更改报告或仪表板之前进行一些探索。
制作另一个 Levey Jennings 图表并将活动指定为阶段并请求流程 sigma 报告。这将量化活动内（样本到样本）的变化，并应强调 3 月至 4 月和 9 月的活动与其他活动相比并不相同，无论出于何种原因都不稳定。
我在一家拥有许多加工工具和进口化学品的制造工厂工作。为适应由于工具零件更换或化学品批次而产生的小幅可容忍变化而计算的控制限值可能太宽，无法识别活动中的问题。 快速标记问题的建议并不容易实施。
- 当进行已知更改时，将使用新的活动、前 2-3 个样本的平均值（如果它们在某个容差值内）来重置活动控制图的中心线。 控制上限和下限 UCL 和 LCL 分别设置为+ k sigma（通常 k 为 3），其中 sigma 是活动标准开发中的基线。
- 对于您显示的数据，我可能会汇集方差（加权平均平方和）并取平方根作为基线标准差
然而，你说“我的任务是评估一年的流程，其中包括多项活动”。
我的建议是做一份方差成分类型报告。 控制图非常适合显示变化，但我会报告：
- 样本数据的分布。
- Levey Jennings 图表，其中“活动”指定为“阶段”。报告活动与活动平均值的范围和标准差（活动中心线）
- 报告两个异常活动样本到样本变化，并使用合并/稳定样本到样本变化。
- 报告样本内的变异。 如果您服用 x (30？) 粒药丸并且每粒药丸都经过 y (10？) 次测试，这并没有得到清楚的解释？ 如果是，那么您必须进行测试来测试变异和逐个药丸
- 至于能力，这取决于你的行业，但作为@Byron_JMP表明，似乎如果对同一药丸进行多次测试，则该药丸的平均或对该药丸测试的修整平均值代表该药丸的价值。 每个药丸的价值将用于能力分析，可能使用百分位法。
计算方法通常是针对特定行业的，并由生产商和客户商定。因此，本说明只是对查看数据的其他方法的建议。 注：我愿意不是有生产丸剂的经验。
回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。*1. 在图表上您可以看到每批次的平均测量值 (PQR)
**我还需要补充一点，该系列在战役中合并，并且在战役中的分布有时是正常的，有时是威布尔。 但我的任务是评估一年的流程，其中包括多项活动。回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。1. 在图表上您可以看到该系列每年的平均值 (PQR)。 在批量（系列）生产过程中，20片检查10-15次。 我取 20 个选项卡的平均值，然后取 10-15 个测试的平均值，并接收批次的平均值。
2. 我们有规格限制和目标。 我们需要评估异常值、分布、PPK、特殊原因。
3. 偏差公差必须符合规格限制，而不是超出规格限制。回复：正常数据和非正常数据的工作算法。 非正态数据（异常分布）。 PP/PPK。 利维·詹宁斯控制图。
您是关注单个平板电脑的趋势，还是平板电脑子组的平均值/中位数？
您使用什么作为此统计过程控制方法的参考？
如何使用公差区间？
