Wie verwenden Sie wiederholte Messungen in der Fähigkeitsanalyse und -verteilung?Ich benötige einen Vorschlag für die Analyse eines Datenpunkts in mehreren Messungen. Sagen wir, ich habe eine Potenzmessung eines Cremewirkstoffprodukts aus einer Tube. Ich habe Proben vom oberen, mittleren und unteren Ende des Röhrchens und damit die Messung der Potenz. Das Röhrchen repräsentiert die Charge und die Potenz ist repräsentativ für die Charge, aber drei Messungen sind in der Realität repräsentativ für dieselbe Charge. Soll ich bei der Analyse den Durchschnitt der drei Messungen oder die drei Datenpunkte verwenden? Nun, für die magische Zahl von n=30 oder mehr sollten diese drei Datenpunkte aus derselben Röhre berücksichtigt werden n=1 oder n=3 ?
AnalytikBetreff: Wie verwenden Sie wiederholte Messungen in der Fähigkeitsanalyse und -verteilung?Lassen Sie mich mit einer Frage beginnen:
1. Was ist das Ziel der Prozessfähigkeitsanalyse? Soll die Leistungsfähigkeit des Batch-Herstellungsprozesses quantifiziert werden? Wenn ja, lesen Sie weiter. Wenn nein, welchen Prozess versuchen Sie dann im Hinblick auf die Fähigkeitsanalyse zu bewerten?
Die Fähigkeitsanalyse wird im Allgemeinen verwendet, um den Mittelpunkt und die Streuung einer Verteilung mehrerer unabhängiger Beobachtungen eines Merkmals in Bezug auf eine Spezifikation für dieses Merkmal zu bestimmen. In den meisten Chargenfertigungsprozessen benötigt man also im Allgemeinen mehrere Iterationen des Prozesses (dh Chargen), um die Fähigkeit des Prozesses zu ermitteln. In Ihrem Fall haben Sie also eine einzelne Charge, aber mehrere Messungen derselben grundlegenden Prozessausgabe. Daher ist die Durchführung einer Fähigkeitsanalyse unter Verwendung der Mehrfachmessungen, um eine Aussage über den Chargenherstellungsprozess im Allgemeinen zu treffen, ungeeignet.
In Bezug auf die Vertriebsplattform kann diese Plattform mit jeder Eigenschaft verwendet werden ... sie könnte einen Einblick in den Messprozess geben, so dass die Verwendung der Plattform zur einfachen Visualisierung der Population von Messungen völlig angemessen ist. Und nur zum Kichern, da Sie Beobachtungen von drei verschiedenen Orten haben, würde ich auch die Fit Y by X-Plattform verwenden, um die Beobachtungen nach Ort zu visualisieren. Könnten Sie etwas über den Mittelwert und die Streuung der Charakteristik innerhalb der Röhre bezüglich ihrer Homogenität innerhalb der Röhre sagen?
Betreff: Wie verwenden Sie wiederholte Messungen in der Fähigkeitsanalyse und -verteilung?Bevor Sie überhaupt in die Fähigkeiten kommen, kann die Art der Messung, die Sie beschreiben, oben-Mitte-unten, eine schwierige Angelegenheit sein, über die Sie wirklich ein wenig nachdenken möchten.Ist die Annahme, dass die Potenz nach einer zufälligen Verteilung über die Röhre verteilt wird, die sich nicht um die Position kümmert, oder glauben Sie, dass die Position selbst irgendeine Bedeutung hat?
Folgt die Annahme ersterer, dann muss man sich fragen, warum 3 mal 1 Röhrchen statt 1 mal 3 Röhrchen aus einer ähnlichen Charge entnommen werden.Der Zweck der rationalen Untergruppierung besteht darin, das Potenzial für Variabilität aufgrund einer zuweisbaren Ursache zwischen den Untergruppen zu maximieren.Es ist wichtig, dass Sie Ihre Untergruppen so entwickeln, dass sie dieser Logik folgen.Es ist unwahrscheinlich, dass die normale Variation innerhalb einer einzelnen Röhre die volle Variation zwischen den Röhren darstellt.
Wenn die Annahme letzterer folgt, dass es eine Schichtung innerhalb der Röhre geben kann, müssen Sie wahrscheinlich eine andere Art von Kontrollkarte verwenden, die als 3-Wege-Karte bezeichnet wird (je nach JMP-Version kann dies auch als Streuungskarte bezeichnet werden). ).Sie werden auch als Between/Internal-Charts und an manchen Stellen als I-MR-R-Charts bezeichnet.Denn Statistik erfordert 4 Namen für dasselbe.Sowieso.Don Wheeler (der Typ, der geholfen hat, das MSA-Tool in JMP zu entwerfen..ich glaube) hat hier einen guten Artikel über 3-Wege-Charts https://www.qualitydigest.com/inside/statistics-column/three-way-chart-030617.html
Diese sind notwendig, um komplexere Variationsarten zu verstehen, bei denen verstanden wird, dass die Variationen innerhalb und zwischen Variationen grundlegend verschieden sind.
