많은 프로세스 변수를 동시에 살펴보는 두 가지 방법(MDMCC(모델 기반 다변량 관리도) 및 프로세스 스크리닝)의 상황별 유용성을 비교하고 대조하는 방법을 알아보세요.
또 다른 "통계적 접근 방식"은 Durbin Watson Test를 사용하는 것입니다.
다양한 샘플링 접근 방식에는 체계적, 계층화, 클러스터 및 다단계가 포함됩니다.
저는 이러한 각 샘플링 전략을 모방하기 위해 JSL을 사용하여 JMP에서 열 공식을 생성해 보았습니다.
4개의 로트 각각에 대해 크기가 250인 표본이 있는 1000개의 테스트 데이터로 구성된 무작위 표본을 생각해 보십시오.
체계적인 샘플:
If(Sequence(1, 5) == 5, 1, 0)
층화된 샘플:
If( Col Shuffle( :Lot ) <= 50,
1,
0
);
클러스터 샘플 선택 로트 1 또는 로트 3:
If( :Lot == 1 | :Lot == 3,
1,
0
)
무작위 표본 클러스터 로트 1 또는 로트 3:
If(
:Cluster Select Lot 1 or Lot 3 == 1 & If( Col Shuffle( :Lot ) <= 50,
1,
0
),
1,
0
)
Lot 1의 다단계 샘플 n/50만:
If( If( :Lot == 1, 1, 0 ) == 1 & If( Col Shuffle( :Lot ) <= 50, 1, 0 ),
1,
0
)
로트 1의 총 표본 크기 49에 대해 n = 41 + n = 8의 다단계 표본:
열 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
)
)
열 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
)
)
@바이런_JMP @Ben_Sagalovsky 8월 20일 라이브 웨비나의 생각: 주성분 계산 등에서 자기상관의 역할이 궁금합니다. 이와 관련하여 프로세스 데이터를 서브샘플링하고 샘플링에 가장 적합한 간격이 무엇인지 결정하는 문제와 이를 결정하는 방법 그것.
