正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。大家好！
我分析了片劑（丸劑）生產和包裝過程中產生的統計數據。
數據分析分幾個步驟進行。
- 檢測異常值（格魯布檢驗）
- 確定分佈是否為常態（Shapiro-Wilk 檢定）
- 容忍間隔
- 繪製 Levey Jennings 圖，PP/PPK
- 前3個特殊原因開啟測試
有時輸入資料時會出現錯誤，有時問題出在方法。 當然，這會影響分佈。我們找到原因。
但原則上有時數據不正常。 它可以不對稱。 有一次它隱藏了兩種常態分佈的混合等等...
據我了解，在 JMP 中，您可以檢查哪種分佈更接近您的分佈（FIT ALL）。
(1)標準計算PP/PPK不適合異常分佈，是嗎？
好的，我們使用百分位法重新計算 PPK（它使用中位數，而不是平均值（透過 JMP）
(2) 但是圖呢？ 我應該使用哪個圖表來接收非常態資料的 UCL 和 LCL？
我得出的結論是，圖表也必須從中位數計算 UCL 和 LCL。
我使用 Levey Jennings 固定平均值等於中位數。
有時中位數和平均值非常接近，幾乎感覺不到邊界之間的差異。 但也存在差異。 (3)或者，重新計算 PPK 並使用平均值繪製通常的 Levey Jennings 圖表並使用特殊原因測試是否足夠？ (4) 或非常態資料不能用這種方法測試？
*附註 XBar、IMR 我今天、今年不再使用。 我們正處於應用統計方法的開始階段。 日常過程中不可見的原因會被發現並消除。
請幫我解答粗體字的問題。 (1-4)
請對我的方法給予評價。
提供正常數據和非正常數據的工作演算法
先感謝您！！！
品質和工藝工程回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。@Byron_JMP ：公差區間是一個奇怪的應用標準。 alpha 0.95 和比例 0.99 的區間...表示我 95% 確定 1% 的片劑重量將超出此範圍。
您不能將比例設定為 1.0 (100%)。 最接近的是 0.999
回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。我以為我瘋了，沒有人理解我，但不，謝謝你來幫忙。 你讓我睜開了眼睛。 是的，我的流程有它自己的特色。 這是競選之間的轉變。 活動、活動、活動......我認為單獨測試每個活動的特殊原因是正確的
查看之前/之後的螢幕截圖
請幫我回答接下來的問題：
1. 我是否必須計算每個階段/活動的 PPK，或我是否有權利且合法））計算所有資料（當年的所有活動）的 PPK？
2.同樣的分配問題
回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。時間
首先，你有一份看起來非常可愛的報告，並且
如果您同意的話，讓我們嘗試一次解決一件事。
鑑於每個樣本中有一定數量的平板電腦，每個行銷活動有多個樣本，每個年利率都有多個行銷活動。
我能夠了解@gzmorgan0關於差異類型報告的評論，這將是一件聰明的事情。 但在這種情況下如何做到這一點？
最好獲得包含所有單一片劑重量的表格：
這些欄位：活動、樣本、權重。 使用帶有R 圖表的X 條形圖來表示變化之間和內部的變化（三向圖） 我懷疑這將解決您最初可能在X 條形圖中看到的過於嚴格的控制限制問題，該問題導致選擇Levey Jennings 圖表。 在 x 長條圖中，使用活動作為階段變數。
該圖表可能如下所示：
第二個控製圖可以將平均樣本重量與製程穩定且受控時的歷史固定控制限值進行比較。 這不是三標準差控制限值，而是基於移動極差、正常控製圖限值的 3 西格瑪限值。
該圖表可能如下所示。
現在介紹常態性與控制圖。
我即將為你貼上「惠勒」的標籤。 您絕對可以在控製圖上繪製非常態資料而不對其進行標準化（生物效力測試等非常對數正態的資料除外。）
分發模型對 Ppk 很重要但不是用於控製圖。 Ppk 是基於規格限值與製程平均值之間 3 個標準差的比率。 如果您的資料不正常，那麼使用標準差（假設您的資料是獨立且同分佈的）將為您提供不準確的 Ppk 估計值。
公差區間是一個奇怪的應用標準。 alpha 0.95 和比例 0.99 的區間...表示我 95% 確定 1% 的片劑重量將超出此範圍。 您必須親自檢查這一點，無需深入了解，3 西格瑪始終在該區間內。 我不知道將其納入報告的理由，但我確信它很有趣。 透過剔除“異常值”，資料在大多數情況下都會符合這些限制；但是，如果我在審核您的設施時發現您的片劑重量一致性是基於在報告之前刪除了異常值的數據，那麼這將為許多其他探索打開大門。 最好報告樣本的所有數據和平均值，就像在 x 長條圖中一樣？
回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。@倫納德,
只是一些評論：
- 我不知道活動是什麼，但是，我看到活動之間的變化比活動內部的變化更多。 大多數行銷活動都表現出基線穩定性，但新的行銷活動通常看起來像是一種轉變。
- 活動201909和201903-04不穩定，失控。
控製圖的目標是快速偵測變化。 你關於控制限制的問題對我來說似乎很奇怪。您提供的圖片看起來像是標準報告。 我建議在更改報告或儀表板之前進行一些探索。
製作另一個 Levey Jennings 圖表並將活動指定為階段並要求流程 sigma 報告。這將量化活動內（樣本到樣本）的變化，並應強調 3 月至 4 月和 9 月的活動與其他活動相比並不相同，無論出於何種原因都不穩定。
我在一家擁有許多加工工具和進口化學品的製造工廠工作。為適應因工具零件更換或化學品批次而產生的小幅可容忍變化而計算的控制限值可能太寬，無法識別活動中的問題。 快速標記問題的建議並不容易實施。
- 當進行已知變更時，將使用新的活動、前 2-3 個樣本的平均值（如果它們在某個容差值內）來重置活動控製圖的中心線。 控制上限和下限 UCL 和 LCL 分別設定為+ k sigma（通常 k 為 3），其中 sigma 是活動標準開發中的基準。
- 對於您顯示的數據，我可能會匯集方差（加權平均平方和）並取平方根作為基線標準差
然而，你說“我的任務是評估一年的流程，其中包括多項活動」。
我的建議是做一份變異數成分類型報告。 控製圖非常適合顯示變化，但我會報告：
- 樣本資料的分佈。
- Levey Jennings 圖表，其中「活動」指定為「階段」。報告活動與活動平均值的範圍和標準差（活動中心線）
- 報告兩個異常活動樣本到樣本變化，並使用合併/穩定樣本到樣本變化。
- 報告樣本內的變異。 如果您服用 x（30？） 粒藥丸並且每粒藥丸都經過 y（10？） 次測試，這並沒有得到清楚的解釋？ 如果是，那麼您必須進行測試來測試變異和逐個藥丸
- 至於能力，這取決於你的行業，但作為@Byron_JMP表明，似乎如果對同一藥丸進行多次測試，則該藥丸的平均或對該藥丸測試的修整平均值代表該藥丸的價值。 每個藥丸的價值將用於能力分析，可能使用百分位法。
計算方法通常是針對特定行業的，並由生產者和客戶商定。因此，本說明只是對查看資料的其他方法的建議。 註：我願意不是有生產丸劑的經驗。
回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。*1. 在圖表上您可以看到每批的平均測量值 (PQR)
**我還需要補充一點，該系列在戰役中合併，並且在戰役中的分佈有時是正常的，有時是威布爾。 但我的任務是評估一年的流程，其中包括多項活動。回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。1. 在圖表上您可以看到該系列每年的平均值 (PQR)。 在批量（系列）生產過程中，20片檢查10-15次。 我取 20 個選項卡的平均值，然後取 10-15 個測試的平均值，並接收批次的平均值。
2. 我們有規格限制和目標。 我們需要評估異常值、分佈、PPK、特殊原因。
3. 偏差公差必須符合規格限制，而不是超出規格限制。回覆：正常數據和非正常數據的工作演算法。 非常態資料（異常分佈）。 PP/PPK。 利維·詹寧斯控製圖。
您是專注於單一平板電腦的趨勢，還是平板電腦子組的平均值/中位數？
您使用什麼作為此統計過程控制方法的參考？
如何使用公差區間？
