识别参数漂移到不合格项你好社区，
我有一个能量数据，它随着运行次数的增加而增加，直到崩溃。
应该有什么好的统计方法可以在它崩溃之前识别它一些运行，以便及时修复它以避免崩溃？
附上数据样本。
BR,
约阿夫
消费者和市场研究回复：识别参数漂移到不合格项嗨，DS，
看起来最后 5 点的移动平均线可以给我很好的警告。 我仍然需要找到警报的确切变化设定点，但这似乎是一个好方法。不幸的是，我无法在网上分享很多详细数据。
我认为可以做的另一个选择是通过移动平均线找到“趋势力量”并寻找强烈的趋势突破（趋势的强烈变化、增加）
此致，
约阿夫
回复：识别参数漂移到不合格项你好@YGerchman ,
您是否还有许多不同数据源的列：例如工具速度或工具温度等？ 数千行固然很好，但将其他数据引入分析可能会有所帮助。 对我来说，听起来确实有一个潜在因素是故障的根本原因，而不一定是电源本身，更像是其他东西失去控制，最终导致电源激增和工具崩溃。
您可以做的一件事是考虑最后三或五次测量的移动平均值，并估计崩溃前最后一次读数的位置，并找到功率的相对变化 - 假设功率开始增加超过 20%设定点，这表明该工具即将失效。 由于第二阶段的平均设置低于第一阶段，并且仍然失败，因此看起来更多的是功率相对于设定点的相对变化，而不是绝对变化。
但同样，如果您可以引入其他数据并查看崩溃点的任何相关性或类似的峰值/下降，这可能有助于找到潜在因素。
我很想听听你发现了什么。
祝你好运！，
DS
回复：识别参数漂移到不合格项感谢您的详细回答。关于最后一个问题 - 第二阶段得到了设置指纹并且不受第一阶段崩溃的影响。它也可能高于第一阶段。
这些数据是我真正管理的一个简化示例。事实上 - 我们获得了数千行数据，正如我之前所解释的 - 我正在寻找一些测试，可以在工具失败之前向工程师发出某些流程的警告。我确信这是可以做到的，因为它也可以用肉眼从运行图上看到。回复：识别参数漂移到不合格项你好@YGerchman ,
除了两者之外@凯文_安德森和@乔治已提供，我将添加以下内容：
另一种选择是，如果您有与电源相关的其他数据，则可以使用模型驱动的多元控制图平台（在“分析”>“质量和流程”下）。 该平台使用 PCA 减少多维数据（假设您有与功率一起记录的其他过程参数）并报告 T^2 值，通过查看异常值，您可以找出过程的哪一部分出了问题的控制。 这在存在许多工艺参数（例如速度、温度、混合速率、功率等）的情况下通常很有用，这些参数都是工艺的一部分。 有时，温度变化可能会导致更大的电流消耗，从而改变功率，因此根据具体情况，可能是多种因素的混合，MDMVCC 平台对此非常有帮助。
考虑到故障往往会随着批次号的增加而发生，这表明在随时间变化的过程中发生了一些事情。 您可以看到，就在发生故障之前，两个阶段的功率都会在崩溃之前上升，因此，如果您有来自其他处理输入的数据，这可能有助于捕获作为故障根本原因的潜在因素。 此外，第一阶段和第二阶段之间的功率输出也有很大变化。 设置是否发生变化，或者第一阶段的故障是否影响了第二阶段的功率？
引入更多数据可能有助于确定原因。
祝你好运！，
DS
回复：识别参数漂移到不合格项亲爱的@YGerchman ，正如我们在 SPC 图表中看到的@凯文_安德森力量总是在粉碎之前增加。 您可以找到一条规则来在挤压发生之前检测到它。 我无法通过平台中的SPC规则得到任何合理的结果，但您也可以计算挤压发生之前要达到的上限，并用它来修复挤压发生之前的功率。 请参阅屏幕截图中的示例。
- 我首先删除了0个幂行（因为在它粉碎之前你不知道它们）
- 然后我制作了一个列公式来计算该阶段功率的平均值和标准差
- 然后我将它与当前值进行比较
- 当当前值 > (mean(power) + 2 x stddev(power)) 时，就在崩溃之前
这适用于当前的数据，可能需要更多的数据来证明这个规则是否可靠。
此外，一切都取决于崩溃运行的成本以及之前解决问题的成本。
BR
回复：识别参数漂移到不合格项嗨，约阿夫！
可能有非常大量有限的“良好统计方法”来表示数据中的运行。
一种方法是在“分析”下拉菜单 >“质量和流程”>“旧控制图”>“Levey Jennings”中使用 Nelson 规则。将变量分配到其角色并单击“确定”后，将制作一个控制图。在红色小倒三角形 (LIRT) 下，选择“测试”>“所有测试”。你会得到看起来像这样的东西：
我演示了所有规则，但您可以使用您认为合适的任何规则来专门检测您想要的内容。 随附劳埃德·尼尔森 (Lloyd Nelson) 的几篇参考文章，详细介绍了规则及其理由。
当然，如果您愿意，您甚至可以制定自己的规则，并使用 JSL 实施它们。而且，正如我之前提到的，还有许多其他针对数据运行的测试。选择一款能够可靠地检测到您想要的内容的产品。
祝你好运！
