분산 구성 요소에 대한 그룹화 순서의 영향 - 가변성 게이지 분석Variability Gauge 분석을 수행할 때 각 구성 요소에 대한 분산 구성 요소(주요 효과) 값이 그룹화가 수행된 순서에 따라 달라진다는 것을 알았습니다.
가장 정확한 변형 표현을 얻기 위해 데이터를 그룹화하는 방법과 순서를 더 잘 이해하기 위해 이러한 차이가 나타나는 이유를 알고 싶습니다.
2개의 서로 다른 주문에 대한 2개의 스크립트가 있는 데이터 테이블을 첨부했습니다.
자동화 및 스크립팅데이터 혼합 및 정리Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석당신의 답변에 감사드립니다. 정확히 동일한 로트가 사이트 전체에서 사용되며 사이트와 독립적인 제조 로트입니다. 두 개 이상의 장비가 있는 현장에서는 작업자가 모든 장비를 사용합니다.
내 트리 다이어그램이 이것을 반영해야 한다고 생각합니다. 그렇지 않은 경우 사과드립니다.
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석보다 일반적으로 Victor의 설명에 추가하기 위해 모든 데이터 분석은 데이터를 수집한 방법에 따라 달라집니다. . 답변할 수 있는 질문, 분석에 사용해야 하는 도구, 분석에서 얻은 결론, 결론을 추정할 수 있는 능력에 대한 확신 등은 모두 데이터를 획득한 방법에 따라 다릅니다.
열 사이에 계층(중첩) 관계가 있는 경우 분석에서 해당 계층을 준수해야 합니다. 모형에서 항의 순서는 중요합니다(순차 대 부분 SS). 열이 교차하는 경우 계층 구조가 없으며 열 간의 상호 작용을 추정할 수 있습니다.
귀하의 설명을 위해 저도 약간 혼란스럽습니다... 귀하가 나열한 각 구성 요소에 대해 더 잘 설명해야 합니다. 일반적으로 작업자, 로트, 기기 및 실행은 사이트에 중첩됩니다. 여러 사이트에서 동일한 로트를 사용하지 않는 한? 입고되는 자재/부품 로트입니까, 아니면 각 현장에서 제조되고 있습니까? 또한 기기가 연산자와 교락(각 연산자가 기기에 있음)하거나 교차(모든 연산자가 모든 기기를 사용함)합니까?
샘플을 얻고 측정한 방법을 설명하는 트리 다이어그램을 그리는 것이 좋습니다. 각 구성 요소에 대한 값의 코딩을 사용하되 사용하는 실제 숫자(모든 숫자가 고유하거나 구성 요소에 반복되는 패턴이 있는지)에 주의하십시오. 예를 들어(귀하의 특정 예가 아님):
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석입력해 주셔서 감사합니다!
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석더 명확합니다. 감사합니다.
운영자는 사이트에 중첩되어 있으며 계측기는 운영자와 교차됩니다(각 사이트에 대해).
완전한 "Nested then Crossed" 모델을 갖는 문제는 모든 장비(및 작업자)가 동일한 부품을 측정하지 않는다는 것입니다. 일부는 1과 2, 일부는 1과 3, 마지막 사이트는 3과 2입니다.
따라서 가장 안전한 방법은 내 의견으로만 주효과를 보는 것입니다(아마도 이 포럼의 전문가는 다른 아이디어를 가질 것입니다).
변수 "run"을 보면 여기에서 의미가 있는지 잘 모르겠습니다. 이 run-to-run 가변성에서 결합된 다양한 효과(사이트, 오퍼레이터, 악기, 부품 또는 이들 중 일부의 혼합)를 볼 수 있기 때문입니다. 요인).
반복성을 추정하려는 경우 분산 내(플랫폼 "분산 구성 요소" 스크린샷의 "내", 위의 그래프에서도 볼 수 있음(동일한 조건에 대한 여러 지점))를 볼 때 플랫폼에서 이미 완료되었습니다. 게이지 R&R 방법 소개(jmp.com)
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석
다음은 모든 테스트를 요약한 다이어그램입니다.
사이트 1에는 2개의 기기가 있으며 그림과 같이 사용되며 사이트 2와 3에는 1개의 기기만 있습니다.
로트는 제조 로트를 말하며, 사이트 1은 로트 1과 2를 사용하고, 사이트 2는 1과 3을 사용하고, 사이트 3은 2와 3을 사용합니다.
그룹화 변수에 "달리기"가 있는 이유는 얼마나 많은 변동성이 실행 간 변동에 기인하는지 알고 싶기 때문입니다.
이제 더 명확해지길 바랍니다. 감사합니다.
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석상황을 매핑/그릴 수 있다면 일부 부품을 얻지 못하므로 더 명확할 것입니다.
- 운영자는 해당 사이트에서 여러 장비를 사용합니까(그래서 사이트마다 운영자와 장비의 모든 조합이 있습니까?)?
- 3개 로트가 검사할 부품인가요? 서로 다른 사이트에서 동일하게 사용되고 검사됩니까? 각 사이트에서 로트 3개 중 2개만 테스트합니다(사이트별 속성은 무작위입니까?) ?
run이 그룹화 변수의 일부인 이유를 모르겠습니다. 실행은 고유한 ID/값입니까?
귀하의 스크린샷과 표에서 변수 사이에 혼란이 있는 것 같으므로 이를 분석하는 가장 안전한 방법은 주 효과만 보는 것입니다. Nested/Crossed 또는 Crossed/Nested 명확한 구조가 있는 경우 이 유형의 모델에 대해 더 자세히 알아볼 수 있습니다.
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석당신의 답변에 감사드립니다. 우리의 경우 변수는 Site, Operator, Lot, Instrument 및 Run입니다.
각기 다른 작업자, 기기 및 실행이 있는 3개의 사이트가 있습니다. 그리고 3개의 로트가 있으며 각 사이트는 2개의 로트를 테스트했습니다.
그래서 Site < Operator < Instrument < Run이 중첩되고 로트가 교차한다고 생각합니다. 그러나 나는 중첩 된 다음 교차 할 수없는 것 같습니다.
당신의 생각은 무엇입니까? Site < Operator < Instrument < Run < Lot 순서의 주 효과 및 중첩에 대한 분석은 모두 "합리적인 값"을 제공하지만 주 또는 중첩이 더 대표적인지 모르겠습니다.
감사합니다
Re: 분산 구성 요소에 대한 그룹화 순서의 효과 - 가변성 게이지 분석안녕 @아구스틴 ,
여기에서 해결책을 찾을 수 있습니다. 변동성/속성 게이지 차트 플랫폼(jmp.com) 출시
- X, 그룹화: 측정값을 그룹화하는 분류 열을 지정합니다. 요인이 중첩 계층 구조를 형성하는 경우 상위 항을 먼저 지정하십시오. 게이지 연구를 수행하는 경우 연산자를 먼저 지정한 다음 부품을 지정합니다.
명확하게: 연구에서 요인 간에 모든 상호 작용이 수행된 경우 순서는 그다지 중요하지 않습니다. 계층 구조나 내포된 상황이 있는 경우 일반 요인에서 특정 요인으로 이동해야 합니다.
다음 주제의 예를 볼 수 있습니다. 해결: Re: Gage R&R: 중첩 vs 교차 vs 중첩 그런 다음 교차 vs 교차 후 중첩 - JMP 사용자 커뮤니티
여기서 그룹화 용어의 순서는 위치, 연산자입니다. 부품은 "부품, 샘플 ID"에 있었습니다(다음의 훌륭한 요약 그래프 참조). @statman ).
귀하의 예에서는 변수의 이름이나 연구의 설계 및 범위/목표를 알 수 없기 때문에 조금 더 어렵습니다.
이것이 도움이 되길 바랍니다.
