Comment utilisez-vous la mesure répétée dans l'analyse et la distribution des capacitésJ'ai besoin de suggestion pour l'analyse d'un point de données dans plusieurs mesures. Dites, j'ai une mesure de puissance d'un produit médicamenteux en crème à partir d'un tube. J'ai des échantillons du haut, du milieu, du bas du tube et donc la mesure de la puissance. Le tube représente le lot et la puissance est représentative du lot mais trois mesures sont représentatives du même lot en réalité. Dans l'analyse, dois-je utiliser la moyenne des trois mesures ou utiliser les trois points de données ? Maintenant, pour le nombre magique de n=30 ou plus, ces trois points de données du même tube, faut-il considérer n=1 ou n=3 ?
AnalytiqueRe : Comment utilisez-vous les mesures répétées dans l'analyse et la distribution des capacitésJe commence par poser une question :
1. Quel est l'objectif de l'étude d'analyse de capabilité ? Est-ce pour quantifier la capacité du processus de fabrication par lots ? Si, oui, lisez la suite. Si non, quel processus essayez-vous d'évaluer par rapport à l'analyse de capabilité ?
L'analyse de capabilité est généralement utilisée pour déterminer le centre et l'étendue d'une distribution d'observations multiples et indépendantes d'une caractéristique par rapport à une spécification pour ladite caractéristique. Donc, généralement, dans la plupart des processus de fabrication par lots, il faut avoir plusieurs itérations du processus (c'est-à-dire des lots) pour établir la capabilité du processus. Donc, dans votre cas, vous avez un seul lot, mais plusieurs mesures de la même sortie de processus fondamentale. Il est donc inapproprié d'effectuer une analyse de capabilité en utilisant plusieurs mesures pour faire une déclaration sur le processus de fabrication par lots en général.
En ce qui concerne la plate-forme de distribution, cette plate-forme peut être utilisée avec n'importe quelle caractéristique... cela pourrait donner un aperçu du processus de mesure, donc utiliser la plate-forme pour simplement visualiser la population de mesures est tout à fait approprié. Et juste pour rire, puisque vous avez des observations à partir de trois emplacements différents, j'utiliserais également la plate-forme Fit Y by X pour visualiser les observations par emplacement. Pourrait vous dire quelque chose sur la moyenne et la dispersion de la caractéristique dans le tube par rapport à son homogénéité dans le tube ?
Re : Comment utilisez-vous les mesures répétées dans l'analyse et la distribution des capacitésAvant même d'entrer dans la capacité, le type de mesure que vous décrivez, haut-milieu-bas, peut être délicat auquel vous voudriez vraiment réfléchir un peu.L'hypothèse est-elle que la puissance est distribuée à travers le tube suivant une distribution aléatoire qui ne se soucie pas de la position, ou pensez-vous que la position elle-même a une quelconque importance
Si l'hypothèse suit la première, alors vous devez vous demander pourquoi échantillonner 1 tube trois fois au lieu de 3 tubes d'un lot similaire 1 fois.Le but du sous-groupement rationnel est de maximiser le potentiel de variabilité due à une cause attribuable entre les sous-groupes.Il est important de développer vos sous-groupes pour suivre cette logique.Il est peu probable que la variation normale au sein d'un seul tube représente la variation complète entre les tubes.
Si l'hypothèse suit cette dernière, qu'il peut y avoir une stratification à l'intérieur du tube, vous devrez probablement utiliser un type de carte de contrôle différent appelé carte à 3 voies (selon votre version de JMP, cela peut également être appelé carte de dispersion ).Ils sont également connus sous le nom de graphiques entre/à l'intérieur et, dans certains cas, de graphiques I-MR-R.Parce que les statistiques nécessitent 4 noms pour la même chose.De toute façon.Don Wheeler (le gars qui a aidé à concevoir l'outil MSA dans JMP..je pense) a un bon article sur les graphiques à 3 voies ici https://www.qualitydigest.com/inside/statistics-column/three-way-chart-030617.html
Celles-ci sont nécessaires pour comprendre des types de variation plus complexes où il est entendu que les variations internes et inter sont fondamentalement différentes.
