識別參數漂移到不合格項你好社區，
我有一個能量數據，它隨著運行次數的增加而增加，直到崩潰。
應該有什麼好的統計方法可以在它崩潰之前識別它一些運行，以便及時修復它以避免崩潰？
附上數據樣本。
BR,
約阿夫
消費者和市場研究回复：識別參數漂移到不合格項嗨，DS，
看起來最後 5 點的移動平均線可以給我很好的警告。 我仍然需要找到警報的確切變化設定點，但這似乎是一個好方法。不幸的是，我無法在網上分享很多詳細數據。
我認為可以做的另一個選擇是通過移動平均線找到“趨勢力量”並尋找強烈的趨勢突破（趨勢的強烈變化、增加）
此致，
約阿夫
回复：識別參數漂移到不合格項你好@YGerchman ,
您是否還有許多不同數據源的列：例如工具速度或工具溫度等？ 數千行固然很好，但將其他數據引入分析可能會有所幫助。 對我來說，聽起來確實有一個潛在因素是故障的根本原因，而不一定是電源本身，更像是其他東西失去控制，最終導致電源激增和工具崩潰。
您可以做的一件事是考慮最後三或五次測量的移動平均值，並估計崩潰前最後一次讀數的位置，並找到功率的相對變化 - 假設功率開始增加超過 20%設定點，這表明該工具即將失效。 由於第二階段的平均設置低於第一階段，並且仍然失敗，因此看起來更多的是功率相對於設定點的相對變化，而不是絕對變化。
但同樣，如果您可以引入其他數據並查看崩潰點的任何相關性或類似的峰值/下降，這可能有助於找到潛在因素。
我很想听聽你發現了什麼。
祝你好運！，
DS
回复：識別參數漂移到不合格項感謝您的詳細回答。關於最後一個問題 - 第二階段得到了設置指紋並且不受第一階段崩潰的影響。它也可能高於第一階段。
這些數據是我真正管理的一個簡化示例。事實上 - 我們獲得了數千行數據，正如我之前所解釋的 - 我正在尋找一些測試，可以在工具失敗之前向工程師發出某些流程的警告。我確信這是可以做到的，因為它也可以用肉眼從運行圖上看到。回复：識別參數漂移到不合格項你好@YGerchman ,
除了兩者之外@凱文_安德森和@喬治已提供，我將添加以下內容：
另一種選擇是，如果您有與電源相關的其他數據，則可以使用模型驅動的多元控製圖平台（在“分析”>“質量和流程”下）。 該平台使用 PCA 減少多維數據（假設您有與功率一起記錄的其他過程參數）並報告 T^2 值，通過查看異常值，您可以找出過程的哪一部分出了問題的控制。 這在存在許多工藝參數（例如速度、溫度、混合速率、功率等）的情況下通常很有用，這些參數都是工藝的一部分。 有時，溫度變化可能會導致更大的電流消耗，從而改變功率，因此根據具體情況，可能是多種因素的混合，MDMVCC 平台對此非常有幫助。
考慮到故障往往會隨著批次號的增加而發生，這表明在隨時間變化的過程中發生了一些事情。 您可以看到，就在發生故障之前，兩個階段的功率都會在崩潰之前上升，因此，如果您有來自其他處理輸入的數據，這可能有助於捕獲作為故障根本原因的潛在因素。 此外，第一階段和第二階段之間的功率輸出也有很大變化。 設置是否發生變化，或者第一階段的故障是否影響了第二階段的功率？
引入更多數據可能有助於確定原因。
祝你好運！，
DS
回复：識別參數漂移到不合格項親愛的@YGerchman ，正如我們在 SPC 圖表中看到的@凱文_安德森力量總是在粉碎之前增加。 您可以找到一條規則來在擠壓發生之前檢測到它。 我無法通過平台中的SPC規則得到任何合理的結果，但您也可以計算擠壓發生之前要達到的上限，並用它來修復擠壓發生之前的功率。 請參閱屏幕截圖中的示例。
- 我首先刪除了0個冪行（因為在它粉碎之前你不知道它們）
- 然後我製作了一個列公式來計算該階段功率的平均值和標準差
- 然後我將它與當前值進行比較
- 噹噹前值 > (mean(power) + 2 x stddev(power)) 時，就在崩潰之前
這適用於當前的數據，可能需要更多的數據來證明這個規則是否可靠。
此外，一切都取決於崩潰運行的成本以及之前解決問題的成本。
BR
回复：識別參數漂移到不合格項嗨，約阿夫！
可能有非常大量有限的“良好統計方法”來表示數據中的運行。
一種方法是在“分析”下拉菜單 >“質量和流程”>“舊控製圖”>“Levey Jennings”中使用 Nelson 規則。將變量分配到其角色並單擊“確定”後，將製作一個控製圖。在紅色小倒三角形 (LIRT) 下，選擇“測試”>“所有測試”。你會得到看起來像這樣的東西：
我演示了所有規則，但您可以使用您認為合適的任何規則來專門檢測您想要的內容。 隨附勞埃德·尼爾森 (Lloyd Nelson) 的幾篇參考文章，詳細介紹了規則及其理由。
當然，如果您願意，您甚至可以製定自己的規則，並使用 JSL 實施它們。而且，正如我之前提到的，還有許多其他針對數據運行的測試。選擇一款能夠可靠地檢測到您想要的內容的產品。
祝你好運！
