Diagrammes M pour la fréquence des pannesNous avons un processus de production avec des taux d'échec très faibles (ppm-ish) que nous aimerions surveiller pour les échecs.Plutôt que de surveiller les taux d'échec en ppm, c'est un test plus efficace pour surveiller le nombre d'échecs (ou le temps) entre eux, en supposant qu'ils suivent une distribution binomiale. Dans un graphique M (c'est ainsi que nous l'appelons), vous calculez ensuite un score Z à chaque fois qu'il y a un échec et un graphique comme d'habitude.Il n'est pas clair que JMP ait cette capacité, mais peut-être qu'elle existe sous un nom différent.Quelqu'un peut-il commenter?Nous utilisons JMP 15.2 Pro.
AnalytiqueRe: M-charts pour la fréquence des pannesCliquez sur le bouton Variables de Shewhart dans le panneau de configuration sur le côté gauche de Control Chart Builder et sélectionnez Événement rare. Vous pouvez créer un G-chart (modèle de distribution binomiale négative) ou un T-chart (modèle de distribution de Weibull).
Re: M-charts pour la fréquence des pannesMerci Mark.Malheureusement, cela ne semble pas tout à fait ce dont j'ai besoin.Je peux prétraiter mes données pour les convertir de PPFPPPPPFPPF, etc. en nombre de # de passes entre chaque échec, et qui a une distribution binomiale négative.La stratégie que vous recommandez semble calculer les limites en fonction des points de centile des distributions observées.Cependant, pour une carte de contrôle, je dois mettre des limites de contrôle basées sur une probabilité de succès maximale autorisée (= échec) (par exemple, 1 ppm), plutôt que ce qui est observé dans l'échantillon.Notre méthodologie générale consiste à mapper le percentile binomial au score az en utilisant le CDF normal inverse, de sorte qu'une valeur de -3 est une bonne limite inférieure; en utilisant cette approche, mon ensemble de données est en moyenne autour de z = -4,7.La limite inférieure sur le graphique JMP est cependant 0, qui est essentiellement z = -INF.Avez-vous des recommandations?
