Chers tous
C'est Mike.
J'étudie maintenant le composant de variation.
Il semble que le moyen le plus simple de diviser la variation consiste à utiliser le graphique de variabilité.
Cependant, il semble que je ne puisse pas diviser plusieurs variantes individuellement.
En d’autres termes, j’ai plusieurs sources d’intérêt variables.
1. Entre le jour
2. Entre opérateur
3. Entre Lot
4. Entre le point d'échantillonnage
5. dans le Lot
6. dans les conditions de répétabilité (entre répétitions)
Cependant, si je mets [jour, opérateur, lot, point] comme facteur de regroupement, X, et mets [flacon] comme partie,
JMP me donne une réponse non raisonnable (R&R = 91 %), alors que lorsque je mets uniquement [opérateur] comme X et que [vial] comme pièce, JMP me donne 35 % (ce qui est raisonnable).
Alors... existe-t-il une autre méthode pour diviser toutes ces sources spécifiques de variabilité ?
Comment puis-je faire en sorte que JMP comprenne cela
[jour, opérateur] comme reproductibilité
[lot, point, flacon(pièce)] comme variabilité de pièce
[réplique la variabilité pour une pièce individuelle] comme répétabilité
De plus, je connais la théorie de la conception en parcelles divisées, la conception imbriquée et comment comprendre leur Var.Comp pour définir la variance respective (chaque source).
Mais ce n’est que de la théorie et je ne peux pratiquement pas le faire de mes propres mains.
Je ne trouve pas le bon menu JMP...
Si c'est le cas, faites-le-moi savoir.
*Notez qu'un flacon individuel peut être testé 3 fois par une personne, mais de manière destructrice, il ne peut donc pas être testé par l'autre personne. Je ne sais donc pas si je peux appliquer une conception croisée à cela. Personnellement, je pense pouvoir supposer que des flacons entiers peuvent être considérés comme UN SEUL lot puisque notre processus est censé être similaire et comparable à leur valeur déclarable.
Je vous remercie d’avoir lu jusqu’ici.
Vous pouvez utiliser Analyser > Ajuster le modèle à la place pour estimer les composants de la variance. Voir le Ajustement de modèles linéaires dans l'aide de JMP pour comprendre comment saisir les colonnes de données dans la boîte de dialogue de lancement. La boîte de dialogue prend en charge l'imbrication (elle suppose des niveaux de facteurs croisés). Il prend en charge les effets aléatoires.
