使用 JMP 在制造工厂中实现有效的 SQC？我是老派，相信当物理控制图掌握在工厂操作员手中时，SQC 最有效。通过这种方式，操作员记录异常变化，从而捕获变化的原因，并且可以从学习开始改进。
JMP 是否解决了以电子方式实施 SQC 的问题，仍然能够捕获（并从中学习）可分配的原因变异？我更愿意将 JMP 用于广泛的 SQC 实施，因为我的公司拥有许多 JMP 许可证。
其他回复：使用 JMP 在制造工厂中实现有效的 SQC？这比较困难，但我看到了两种可能的方法。
首先，您可以使用注释工具。 您会看到一个失控点，单击注释工具并输入您的注释。 潜在的问题是注释不是数据集的一部分，并且注释可以移动，因此它不会“绑定”到数据点。
另一种方法是在数据表中添加一列来保存评论。 使该评论列成为标签列。 现在您可以输入他们喜欢的任何内容，以便评论链接到数据点并与数据一起存储。 然后您可以打开该行的标签。 这将使评论出现在图表上。 它的另一个优点是您可以轻松打开或关闭评论。 缺点是有一个额外的步骤来显示评论。
最后，您可能能够以某种方式使用新的悬停标签功能来执行此操作。 老实说，我对这个功能还不够了解，还不知道它在这种情况下是如何工作的。
回复：使用 JMP 在制造工厂中实现有效的 SQC？谢谢。我的问题是 JMP 中点变化的可分配原因的文本注释（自由形式）。关于如何做到这一点的任何想法？
回复：使用 JMP 在制造工厂中实现有效的 SQC？我认为您可以与 JMP 非常接近。 创建一个包含一些数据的 JMP 表。 现在创建您的控制图并保持打开状态。 现在向数据表添加一个额外的行。 控制图将自动显示附加点。 这不是你会在纸质图表上做的吗？
您甚至可以拥有一个空白数据表并创建空控制图。 每次在数据表中添加一个点，它都会更新图表。
回复：使用 JMP 在制造工厂中实现有效的 SQC？尽管 n = 1，但子组是有理的。所以，是的，IMR 图。
我认为我们以同样的方式使用控制图。但是，我们不会对正常变化做出反应。我们使用控制图将正常变化与异常（非随机）变化分开。目的是让组织记录异常变异的原因，以便有效消除这些变异来源。
数据可视化，就像实时的纸质控制图一样，在激发所需的组织响应方面非常有效（如上所述）。我正在寻找一种在 JMP 中模拟纸质图表的方法。JMP 似乎没有此功能，除非该社区中的某个人在 JMP 中解决了此问题，否则我可能需要考虑不同的软件。
回复：使用 JMP 在制造工厂中实现有效的 SQC？抱歉，您对如何使用控制图的解释在概念上与我的不同。 我积极地使用 then 来分离和分配变异来源并评估稳定性。 您通过对失控点做出反应来使用它们。 我相信您正在使用 IMR 图表（没有理性子组）。
如果我理解这个问题，你不能让他们写在纸上，但你可以让他们将数据输入混淆器？ 为他们创建一个 JMP 数据表，以便他们在获取数据时输入数据。 教他们在 JMP 中创建图表，然后教他们如何分析它。
回复：使用 JMP 在制造工厂中实现有效的 SQC？也许我遗漏了一些东西，但是如果您想要 Gemba 的纸质控制图（“工作完成的地方”的精益术语），并且听起来您没有大量对过程变量至关重要，这是我的 3 美分：
1. 建立一个精益早市板，以纸质形式的控制图作为板元素之一。 让其中一名操作员成为在某个周期性间隔内创建纸质图表的人……在 JMP 数据表中有足够的空白 x 轴条目，以便您有一些空白空间来手动绘制未来的观察结果。 然后，标准工作的一部分是当每个数据点可用时，指定的操作员手工绘制数据，评估潜在的行动，或者更好的是，除非需要立即采取行动，否则将评估对话作为早市会议的一部分。
2. 然后随着时间的推移，可以在 JMP 中更新数据，再次周期性地更新。 在 JMP 中更新后...重新打印图表。 在早市板上发布...返回步骤 1。
我在伊士曼柯达公司任职期间，我们做了很多此类事情。 当然，在实际纸质图表周围需要一些精益思维基础设施……比如将早市整合到运营中，所有相关的标准工作都围绕着基于早市中发生的对话发生的事情……否则纸图表练习将成为另一件发生的事情，但没有人对此做任何事情。
回复：使用 JMP 在制造工厂中实现有效的 SQC？从概念上讲，我的需求要简单得多。我需要将控制图交到运行制造工厂的过程操作员手中。我需要他们实时记录/注释连续数据，以便我们都从将记录的非随机变化中学习。
控制图类型最简单：两点移动范围。该单个数据点每 4 到 8 小时出现一次。
我看不出 JMP 有这种能力，这就是我寻求帮助的原因。
回复：使用 JMP 在制造工厂中实现有效的 SQC？谢谢回复。 上下文是每 4 到 8 小时接收一次连续变量测量。老派且非常有效的方法是将结果绘制在纸质控制图上。记录并从异常变化中学习。
今天的人们不会或拒绝手动绘制结果。对于我正在寻找的应用程序，我不需要模型驱动控制图。我只需要一种按照 Shewhart 的意图复制控制图的方法……在纸质控制图上。操作员可以手动输入数据，无需花哨的数据连接或脚本。我根本不知道如何在 JMP 中在捕捉 Shewhart 最初意图的制造环境中实时执行此操作……我们从非随机变化中学习并不断改进。
回复：使用 JMP 在制造工厂中实现有效的 SQC？首先欢迎来到社区。 这里有很多非常聪明的人（不包括现在的公司）有不同的想法和想法。 我将提出我的想法：
首先，我同意让人们参与获取和分析数据有很多好处。
1. 抽样的使用非常强大，分析完全取决于数据的收集方式。 希望您了解 Shewhart 使用控制图的初衷。 Shewhart 建议使用合理的分组思想来确定分组策略。 亚组提供了比较的基础。 子组内的变化是在该频率下变化的因子 (x) 的函数。 范围图回答了“子组内的变化，x 在子组内变化的函数，一致/稳定？”的问题。 采样频率也被确定以便捕捉x在所选采样频率下变化的影响。 Y-bar (X-bar) 控制图将子组内的变异源（控制限）与子组之间的变异源进行比较，以确定哪个源的影响最大。 这些并非旨在成为监控工具，而是回答有关后续工作的重点和调查性质的具体问题。 （例如，可能使在特定时间点更容易看到影响的特殊原因）。
2. JMP 不仅能够提供良好的数据图形分析（例如，可变性图或图形构建器）以及适当的控制图，尽管 Shewhart 控制图已经在层次结构中向下发展到传统控制图。
3. 我不知道你说的“”是什么意思以电子方式实施 SQC”。 有一些方法可以让软件自动将数据带入软件（以及大量的 JSL可以编写脚本来提高效率）...但这真的是您想要的吗？ 使用图表分析您的抽样计划并回答您提出的问题。 然后更改您的抽样计划并重复....
“因此，根据理性理论，最初成功地将他的数据划分为理性子组的工程师从长远来看本质上会更好。 . 。”
休哈特
回复：在使用 JMP 的制造工厂中有效的 SQC？@toddsedwards当关键质量属性数量有限或难以以电子方式收集数据时，这种方法效果很好。 最大的挑战是当有多个 CQA 或者它们是否相关时。 这就是现代方法（例如模型驱动的多元控制图平台中的方法）有用的地方。 JMP 提供以电子方式实施 SQC 的解决方案（在某些情况下）。 鉴于 SQC 的广度，我不确定在没有更多上下文的情况下能否提供更好的答案。
