Scopri come confrontare e contrapporre l'utilità situazionale di due metodi per esaminare molte variabili di processo contemporaneamente: carte di controllo multivariate basate su modello (MDMCC) e screening del processo.
Un altro "approccio più statistico" consiste nell'utilizzare il Durbin Watson Test:
Tra i numerosi approcci di campionamento figurano: Sistematico, Stratificato, Cluster e Multistadio.
Ho provato a generare formule di colonna in JMP utilizzando JSL per imitare ciascuna di queste strategie di campionamento:
Consideriamo un campione casuale di 1000 dati di test con un campione di dimensione 250 per ciascuno dei 4 lotti.
Campione sistematico:
If(Sequence(1, 5) == 5, 1, 0)
Campione stratificato:
If( Col Shuffle( :Lot ) <= 50,
1,
0
);
Campione cluster Seleziona lotto 1 o lotto 3:
If( :Lot == 1 | :Lot == 3,
1,
0
)
Cluster di campioni casuali Lotto 1 o Lotto 3:
If(
:Cluster Select Lot 1 or Lot 3 == 1 & If( Col Shuffle( :Lot ) <= 50,
1,
0
),
1,
0
)
Campione multistadio n. 50 solo dal lotto 1:
If( If( :Lot == 1, 1, 0 ) == 1 & If( Col Shuffle( :Lot ) <= 50, 1, 0 ),
1,
0
)
Campione multistadio di n = 41 + n = 8 per una dimensione totale del campione di 49 solo dal Lotto 1:
Col 1 =
If( :"Multistage Sample 1 n=50"n == 1,
0,
If( If( :Lot == 1, 1, 0 ) == 1 & If( Col Shuffle( :Lot ) <= 50, 1, 0 ),
1,
0
)
)
Col 2 =
If( :"Multistage Sample 2 n=50 '"n == 1,
0,
If(
If( :Lot == 1, 1, 0 ) == 1 & If(
Col Shuffle( :Lot ) <= 50 - Col Sum( :"Multistage Sample 2 n=50 '"n ),
1,
0
),
1,
0
)
)
@Byron_JMP @Ben_Sagalovsky Un pensiero dal webinar dal vivo del 20 agosto: sono curioso del ruolo dell'autocorrelazione per i calcoli dei componenti principali, ecc. E associato a questo, il problema del sottocampionamento dei dati di processo e della decisione su quale sia l'intervallo più appropriato da campionare e come determinare Esso.
