<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Come professionisti analitici facciamo affidamento sui dati per esprimere giudizi in tutto ciò che facciamo.Ma i tuoi dati rispecchiano la realtà?A cosa sto arrivando?Cosa c'è di più vero dei dati grezzi? E cosa c'è di più entusiasmante che trasformare questi dati in informazioni fruibili? Per rispondere a questa domanda, lascia che ti racconti una storia su di me con cui alcuni di voi potrebbero identificarsi. Nel corso degli anni ho preso qualche chilo eccessivo che sto cercando di eliminare.Da bravo statistico, raccolgo quotidianamente dati sui miei progressi salendo sulla bilancia. Ecco il piccolo sporco segreto a cui la maggior parte di voi può identificarsi: se non mi piace il numero che vedo, spesso scendo dalla bilancia, risalgo e indovina quale metà delle volte vedo una risposta migliore!
Quando otteniamo dati, guardiamo la verità attraverso il prisma di un processo di misurazione e, proprio come qualsiasi altro processo, può avere problemi di precisione (variabilità) e accuratezza (bias). Ciò solleva la domanda: cosa dovrebbe fare un fanatico dei dati? Fortunatamente JMP supporta un processo chiamato Gauge R&R che ci aiuta a impostare un esperimento e a comprendere l'accuratezza e la precisione del nostro sistema di misurazione.
Per rispondere alla domanda sull'accuratezza, dobbiamo ottenere la verità ottenendo uno standard tracciabile dal NIST. Ora questo standard dovrebbe essere il più rappresentativo possibile di ciò che misureremo.A volte questo può richiedere un po' di pensiero creativo poiché gli standard di solito non sono oggetti che misuriamo nei nostri processi. Lascerò questa discussione per un'altra volta, ma fidati di me, se pensi in modo creativo a ciò che stai misurando, di solito puoi ottenere qualcosa che sia rappresentativo del tuo processo.
Il tuo esperimento per stimare l'accuratezza o la distorsione dovrebbe essere eseguito in un breve lasso di tempo misurando lo standard più volte in un breve periodo di tempo in condizioni quanto più simili possibili.Questo ci dà anche una stima della variabilità a breve termine chiamata Ripetibilità. Per stimare la distorsione, utilizza la piattaforma "Distribuzioni" in JMP sulle misurazioni effettuate sullo standard.
Per capire se il bias è accettabile, confrontare l'IC al 95% con lo standard reale e vedere come tale intervallo corrisponde al bias standard +/- accettabile.
Una stima della variabilità a breve termine è lo sviluppo std derivante dai dati rilevati nel passaggio precedente. Questo ti dà anche la possibilità di fare una valutazione preliminare se la variabilità a breve termine è troppo variabile per il tuo processo o meno.
La variabilità complessiva del sistema di misurazione è una combinazione della variabilità sia a breve che a lungo termine del sistema di misurazione e può essere rappresentata dall'equazione:
Variazione dello strumento di misura (MS) = s 2 SM = s 2 Ripetibilità + s 2 Riproducibilità
Per comprendere la variabilità o riproducibilità a lungo termine, è necessario effettuare misurazioni nelle diverse condizioni in cui verrà utilizzato il sistema di misurazione.Ciò può includere più ore del giorno, più giorni, più operatori, ecc. Assicurati di acquisire le fonti di variabilità nella tabella dati e di capire se le variabili sono incrociate o annidate.Di seguito è riportato un esempio di set di dati.
JMP in Analizza > Qualità e processo > Grafico variabilità/indicatore attributi esegue tutte le analisi per te.
L'output ci fornisce stime della nostra variabilità dovuta alle diverse fonti (utili per apportare miglioramenti al processo) e una stima del rapporto Processo-Tolleranza o rapporto P/T.Il rapporto P/T è la quantità di variazione dovuta al sistema di misurazione rispetto alla lunghezza della distanza tra i limiti delle specifiche. P/T = 6s SM /(USL-LSL). Le linee guida per i valori accettabili di P/T prevedono che dovrebbe essere inferiore al 30%.
Ora che disponiamo di un sistema di misurazione accettabile, dovremmo monitorarlo nel tempo tramite metodologie di carte di controllo per garantire che non si sposti e diventi inaccettabile.
Quindi in conclusione con l'aiuto di JMP possiamo rispondere alla domanda sui dati! Per cosa è buono? Se il nostro rapporto P/T e la nostra distorsione sono accettabili, i nostri dati sono utili e affidabili. Altrimenti la risposta è assolutamente nulla e non lo ripeterò.
