Siamo coinvolti in un progetto aziendale per capire se i campioni che preleviamo vengono prelevati correttamente (secondo la Teoria del Campionamento). Produciamo mangimi per animali nei nostri mulini come lotti separati (ogni lotto di solito è molto diverso tra loro in termini di analisi) e campionati in un punto sotto il miscelatore.
Ci è stato presentato Variogrammi da un geologo e sto tentando di applicare questa tecnica al nostro campionamento di qualità e analisi dei nostri mangimi e materie prime - per testare la "correlazione spaziale" o la completa mancanza di essa - cioè dovremmo rinunciare al campionamento a quel punto?
Ho cercato di capire cosa sta tentando di misurare il Variogram e la sua applicazione pratica ai nostri processi. Capisco anche che il Variogram è solo il primo passo, il secondo (supponendo di dover passare a questo) sta usando queste informazioni per l'uso nel Kriging modello.
Guardando alcuni Variogrammi della vita reale, sembra che il calcolo del Nugget e Sill / Range sia una determinazione soggettiva, specialmente se la curva è ondulata (periodicità o no?) E quindi se deve essere sferica o esponenziale ecc.
Quindi la mia prima domanda è se il modello Variogram sia valido per il nostro processo e, in tal caso, JMP dispone di strumenti software per questo e sta ulteriormente modellando, ad es. Kriging di utilizzo? E se questo non è applicabile, esistono altri modelli statistici JMP per rispondere alla domanda "dovremmo rinunciare al campionamento a quel punto". Spero che tutto questo abbia un senso. Ho JMP Standard. Grazie.
Mi piace la tua affermazione che stai "cercando di capire cosa sta tentando di misurare il Variogram e il suo pratico applicazione al nostro processo ". Non ho esperienza con i variogrammi (ho dovuto cercarli su google). Questo piccolo libro potrebbe essere più applicabile al tuo settore: ASA Siam Sampling Book , copre le nozioni di base sulla comprensione del prelievo di campioni casuali nella produzione. Vorrei fare un passo indietro e chiederti perché stiamo campionando - presumibilmente per monitorare la qualità del tuo prodotto - quindi ora collega il campionamento alla qualità del prodotto (cosa non sempre facile da fare). Quali sono gli input chiave che hanno il maggiore impatto sul prodotto finale di qualità (questo si riferisce alla progettazione di esperimenti e / o al data mining di dati esistenti per poi informare un esperimento migliore). Se e quando comprendi l'input / output, puoi lavorare su dove e come campionare ... e cosa e come testare.
In attesa di chiunque abbia input sui variogrammi per comprendere meglio quel concetto e se è utile nella produzione.
Grazie Karen. Alcuni buoni pensieri - nemmeno imbattersi nel libro (riferimento). DoE è un approccio interessante e non ho pensato di utilizzare nei nostri tentativi di vedere se i nostri punti di campionamento sono adatti allo scopo. Un'altra opportunità di apprendimento immagino (tanti elementi da mettere insieme)! Grazie ancora.
