如何在能力分析和分配中使用重复测量我需要在多次测量中分析数据点的建议。 比如说，我从管子中测量了一种乳膏药物产品的效力。 我有来自管子顶部、中部、底部的样本，因此可以测量效力。 试管代表批次，效力代表批次，但实际上三个测量值代表同一批次。 在分析中，我应该使用三个测量值的平均值还是使用三个数据点？ 现在，对于 n=30 或更多的幻数，这三个数据点来自同一个管子，是否应该考虑n=1 或 n=3 ?
分析回复：如何在能力分析和分配中使用重复测量让我先问一个问题：
1. 能力分析研究的目标是什么？ 是量化批量生产过程的能力吗？ 如果是，请继续阅读。 如果不是，那么您尝试评估与能力分析的关系的哪个过程？
能力分析通常用于确定与所述特征的规范相关的某些特征的多个独立观察的分布的中心和分布。 所以一般来说，在大多数批量制造过程中，需要多次迭代过程（即批次）来建立过程的能力。 因此，在您的情况下，您有一个批次，但对相同的基本过程输出进行了多次测量。 因此，使用多次测量进行能力分析来对批量生产过程做出一般性陈述是不合适的。
关于分发平台，该平台可用于任何特征……它可能会产生一些对测量过程的洞察力，因此使用该平台来简单地可视化测量的总体是完全合适的。 只是为了笑一笑，因为您有来自三个不同位置的观察结果，我还将使用 Fit Y by X 平台按位置可视化观察结果。 能否告诉您一些关于管内特征的均值和离散程度的信息，以及管内的同质性？
回复：如何在能力分析和分配中使用重复测量在您进入能力之前，您所描述的测量类型，从上到中到下，可能是一个棘手的问题，您需要真正考虑一下。是否假设效力按照不担心位置的随机分布分布在管中，或者您认为位置本身具有任何意义
如果假设遵循前者，那么您必须问自己为什么对 1 个试管进行 3 次采样，而不是 1 次从类似批次中采样 3 次。合理分组的目的是最大限度地提高由于子组之间的可分配原因引起的可变性的可能性。发展您的子组以遵循该逻辑非常重要。单个管内的正常变化不太可能代表管之间的全部变化。
如果假设遵循后者，即管内可能存在分层，那么您可能需要使用不同类型的控制图，称为三向图（取决于您的 JMP 版本，这也可能称为离散图）。它们也称为图表之间/图表内，在某些地方称为 I-MR-R 图表。因为对于同一事物，统计需要 4 个名称。无论如何。Don Wheeler（在 JMP 中帮助设计 MSA 工具的人……我认为）在这里有一篇关于三向图的好文章https://www.qualitydigest.com/inside/statistics-column/three-way-chart-030617.html
这些对于理解更复杂的变异类型是必要的，因为变异的内部和之间是根本不同的。
