将 (Shewhart) 控制图测试数字添加到主数据表中的列JMP 社区您好，
我生成一个控制图（分析>质量和流程>控制图生成器）并运行所有测试（右键单击图表 >警告>测试>所有测试）得到下图：
我想将出现在某些点旁边的测试数字添加到生成图表的同一数据表的新列中，以便每个数字与其所属的数据点出现在同一行中（数据图表中没有数字的点可以在这个新列中简单地有一个空条目或 N/A）。 最终，我想使用此列作为 3D 绘图中的“颜色依据”。
先感谢您。
艾哈迈德
大规模定制质量和工艺工程回复：将（休哈特）控制图测试数字添加到主数据表中的列@马克贝利和@statman ，非常感谢您花时间慷慨地阐明我的指导思想。 我会注意的。 非常感激。
回复：将（休哈特）控制图测试数字添加到主数据表中的列对图表的不同解释（实际上是休哈特的原始解释）。 Shewhart 创建了 2 个图表。 范围图和 X 条形图。 这些是一起使用的。 这范围图评估一致性/稳定性子组内变异（它是以子组内采样频率变化的变量 (x) 的函数）。 这样做是因为子组内的变异是比较的基础。 如果子组内变异不一致，则比较将毫无用处（它们将取决于子组内变量当时的行为）。 这X 条形图是比较图。 它不评估一致性，而是将子组内变异（这些是控制限）与子组间变异（绘制的平均值）（这是子组间采样频率变化的变量的函数）进行比较。 如果没有点失控，则子组内变异占主导地位。 这组 x 就是杠杆所在。 如果存在失控的点（或其他非随机模式），则子组之间的变异占主导地位。 通过这种方式，控制图可以帮助调查人员找到具有最大影响力的 x 子集。 需要进一步抽样或实验来进一步取消变量子集的隔离，以确定具体的因果因素。
回复：将（休哈特）控制图测试数字添加到主数据表中的列控制图是一种生成过程不稳定信号的工具。 您已经知道它不稳定。 控制图的重点不是监控，而是启动调查并在看到信号后实施纠正。 这些图表也是其他类型分析的基础，但我不确定它是否最适合您想了解的内容。
有更好的工具来查找和评估关联。 它们同时存在于定量和定性变量中。 其中许多都属于“预测”和“分类”的范畴。 如果没有预先确定的响应（例如，通过、失败），无监督学习模型将为您提供帮助。 层次聚类是一个很好的工具示例，可能对您的目的有用。
请参阅帮助> JMP 文档库>预测建模指南的完整解释和工作示例。
回复：将（休哈特）控制图测试数字添加到主数据表中的列嗨斯塔曼，
我对这个特定的主题还没有深入的了解，而你似乎已经了解了，所以我的回答可能无法满足你的好奇心。 我使用从物理 3D 对象收集的高密度数据点，我的动机只是想看看是否存在任何空间趋势（即对象上数据点的位置与标记的规则之间的相关性）。
很抱歉，如果这不能回答您的问题，但我还不够了解，无法充分回答您的问题。 不过还是谢谢你分享你的想法——我确信其中有一些东西值得我学习。回复：将（休哈特）控制图测试数字添加到主数据表中的列除了做你想做的事情的技术方法之外......你能帮我理解为什么吗？ 不是为了对抗，只是增长我的知识。 我知道趋势的可分配原因可能与 OOC 点不同，但图表只是为了帮助识别这些原因，无论如何，您仍然需要流程知识来确定原因是什么。
AFAIK，休哈特并没有建议区分不同的测试。 这些是由西部电力公司的一个团队于 1956 年建立的。 它们的目的是提供指导，并可能增强我们识别以时间序列呈现的数据中异常模式的能力（超出控制限解释）。 我很好奇为什么你会区分使用什么“规则”来识别异常模式作为可分配原因变异的证据？ 而且规则通常不适用于 1 分。 例如，在 MR 图上，OOC 条件是 2 个数据点的函数。 趋势是 7 个数据点等的函数。
回复：将（休哈特）控制图测试数字添加到主数据表中的列感谢杰瑞的及时回复！
回复：将（休哈特）控制图测试数字添加到主数据表中的列嗨艾哈迈德，
要获得你想要的东西可能需要点击几下，但这并不太痛苦。 如果从“控制图生成器”报告的红色小三角菜单中选择“保存摘要”，则会生成一个新表，其中应包含将“测试失败”列连接到原始数据表所需的所有信息。 如果这是一个单独的图表，则可以通过复制/粘贴来连接新列，因为数据应在两个表中以相同的顺序呈现。 在所有情况下，表->连接可用于组合所需的列。 与往常一样，如果您需要经常执行此操作，则可以编写脚本。 希望这可以帮助。
-杰瑞
