使用哪个控制图？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />今天刚加入社区，有一个关于控制图的问题。 我正在收集由每分钟一次的 120 次测量组成的数据。 我的目标是了解测量值之间的变化（1 和 2、2 和 3 之间等），并且我对每一分钟的时间进行分组测量（12:01 测量 120 次，12:02 测量 120 次， 12:03 的 120 个测量值等）。 根据我想要了解的内容以及收集数据的方式，最好使用哪种控制图？ 我尝试搜索一些关于此的讨论，但仍然很困惑我的数据是连续的还是实际上分为子组。
回复：使用哪个控制图？谢谢你的提示，史蒂夫。
我一定会在惠勒博士和控制图上搜索《质量文摘》的档案。
在此过程中，我希望了解控制图生成器如何受到惠勒博士的方法和思想的影响 - 正如下面文章中的甲板所示使用 JMP® 中的第二代质量工具的集成流程改进方法发布于 3 个月前。
非常感激。
- Randy，JMP 新手
回复：使用哪个控制图？兰道夫,
通过适当的理性子组，您将能够在大约 95% 的情况下有效地利用个体/移动极差图表。大多数其他类型的图表假设/需要一定的数据分布才能有效。例如，C 图需要泊松分布。唐纳德·惠勒博士就这个主题发表了大量文章，我建议您阅读。其中大部分内容可以在 QualityDigest.com 上找到。只需在网站上搜索惠勒的内容即可。
此致，
史蒂夫
回复：使用哪个控制图？大家好。
这是我从控制图类型文档。
* 我根据文档对控制图流程的理解可能有错误，请指正。
- Randy，JMP 新手
回复：使用哪个控制图？“伙计”-我不讨厌任何事情。我只知道什么是六西格码，什么不是。我曾担任俄亥俄州一家大型造纸厂的技术总监，负责 6-Sigma 项目。该工厂拥有六条“认证”黑带。六个人中，只有一个人知道她在做什么。结果，她最终在一家大型化工公司找到了一份非常好的工作。这是我曾经与其他“黑带”之一进行的对话的一部分。我：“那么，告诉我，p 值真正告诉我什么？”“黑带”：我真的不知道，但应该小于 0.05，结果才是真实的。真实的？你在开玩笑吧？六西格码实际上并没有给行业带来什么新鲜事。它是一个已经存在很长时间的方法论工具箱，并附有可遵循的“食谱”（DMAIC）。这从根本上来说并没有什么问题，但是有太多的公司在培养所谓的“黑带”，他们只不过是机器人菜谱追随者，他们真的不明白自己在做什么。任何不符合配方的东西都会丢失。 事实上，我在行业期刊上看到过广告，承诺在短短三周内获得认证！也就是说，我也认识一些非常有才华的人，他们获得了黑带认证（包括 BB 大师），但他们真正的专业知识不是来自 6-Sigma 培训，而是来自多年的统计研究和实践。
回复：使用哪个控制图？老兄！为什么你要讨厌 L6？让我们在社区中保持友好。
我似乎也在这里触动了神经......让我说我喜欢惠勒的工作。 我有他的 4 篇文章，并广泛借鉴了其中的内容。 既然你提到了 L6S，我还应该提到我们的培训师为我们的 SPC 培训广泛借鉴了他的作品。但我对这个问题的大部分想法早在我获得 BB 认证之前几年。我还认为我的行业偏见可能让人很难理解我的观点。
我个人的偏见是，虽然如果我只是将数据转储到运行图并计算一些限制，世界不会停止转动，但我绝对需要检查我的方差和变异性图表的组成部分是否支持我根据数据做出的任何决策。与生成运行图相比，执行此操作不需要花费任何费用。这主要是因为，对于半导体制造 - 特别是在较新的技术节点，我们不能假设我们的测量误差相对于我们感兴趣的信号可以忽略不计。因此，对仪表和 MSA 研究进行健全性检查是行业最佳实践。
量规研究和 CoV 分析（尤其是 JMP 平台一部分的图形）对于确定同质点在哪里以及识别数据中的相关性也很有用。由于制造过程中的一些物理因素，第二点对于半导体来说是一个非常严重的问题。这些点非常重要，正如您和该线程中的其他人已经非常清楚地说明的那样，因为如果没有正确选择有理子组，则良好 SPC 所需的一些假设是无效的。因此，我并不是说 invtanofmark 应该优先选择其中之一，而是建议 invtanofmark 永远不应该只看其中一个而忽略另一个——它们是互补的。在我的工作流程中，我会首先进行量规和 CoV 以确定我的合理子组大小在哪里，以便我的控制图一开始就有意义，而且当您管理多个子组时，我不必返回并进行调整每秒保存数千张计量 SPC 图表很重要！
回复：使用哪个控制图？迈克尔，
了解您的过程是否受控的唯一方法是首先构建控制图！您的陈述似乎遵循了一个古老的神话，即在使用控制图之前必须控制流程。真正的问题是：这个过程是同质的吗？回答的唯一方法是从正确构建的控制图开始。几乎所有可以获得按时间排序的数据的研究都应该在做其他事情之前从控制图开始。我知道这个想法与“六西格码”背道而驰，但“病态西格玛”的失败是另一个话题了。请参阅 Donald Wheeler 和 Davis Balestracci 的著作，以进一步了解我在这里所说的内容。他们都在互联网上发布了大量重要信息（尤其是 www.qualitydigest.com）。
回复：使用哪个控制图？如果您不确定您的过程是否受控，您可能需要首先进行变异性研究。这将使您能够查看所有可变性来源，并查看是否满足有效实施 SPC 所需的假设。该研究可以在“分析”>“质量和流程”>“变异性/属性量规图”下找到。在“切换”SPC 实施之前，您可以在其他有用的分析中进行方差分析的组成部分。
最好的，
中号
回复：使用哪个控制图？回想起来，我觉得我是本末倒置。 我尝试确定使用哪种控制图的最初目标实际上是为了查看过程是否受控。 这样做的原因是我想完成一个过程能力研究，以确定我们的过程是否能够始终满足客户的规格。现在，即使进行了120次测量，也可以看出测量之间存在差异；这 120 个测量值被平均为一个值，该值用于进行调整。 该过程实际上并不是根据整个纸张上各个测量值之间的变化来控制的，而是根据 120 次测量值的平均值来控制。但是，为了改进该过程，我需要减少测量值之间的变化......以下通过流程正确：
1) 首先绘制 Xbar-R 图表，查看子组中是否有超出控制限的测量值（使用半小时内每分钟采集的数据）
2) 对于那些超出控制上限和下限的子组，使用 IM-R 图表来查找特殊原因变异。
这听起来合理吗？
回复：使用哪个控制图？好吧，我想我开始理解图表了。 我还阅读了 Thomas Pyzdek 对控制图概念的一些报道。 Thomas 表示，IM-R 图表适用于您实际上只进行一次测量的情况。 因此，如果我想查看框 1 读数之间的变化，我可以使用 IM-R 图来比较随时间推移进行的测量。 相反，我真的想看看测量在横向上如何变化（正如你所说的18英寸到板材，20英寸到板材等等）。 我认为对于这种情况，我将使用 Box 位置 (1-120) 作为子组，然后使用 6-10 个随机采样时间作为每组中看到的数据。 您是否选择了 100 组作为一般数字，还是进行了任何具体计算来得出这个数字？
回复：使用哪个控制图？如何定义该组在很大程度上取决于您要检测的内容：
- 如果您怀疑纸张上有一条条带始终不同（总是更厚或总是更暗）（例如 200 英寸纸张上的 18 英寸到 20 英寸），则明智的做法是使用 XBar 和 R 图表抽样地点为组。 您将有 100 个组/100 个位置，并且第 10 组将在 XBar 图表上显示为失控。
- 如果您怀疑板材的一条条带变化较大（厚度或颜色变化太大）（例如 200 英寸板材上的 18 英寸到 20 英寸），则明智的做法是使用 XBar 和 R 图表抽样地点为组。 您将拥有 100 个组/100 个位置，并且组 10 将在范围图表上显示为失控
- 以分钟为单位的 XBar 和 R 图表将告诉您滚动是否随时间变化（不是您感兴趣的，如果我理解正确的话）
- 既然你有小组，个人范围图或运行图不会是我的第一选择。
回复：使用哪个控制图？是的，这与造纸工业中的扫描仪完全相同，扫描仪测量纸张定量、水分含量、光学特性等属性。纸张因具有横向轮廓和长期轮廓而臭名昭著。机器方向。虽然这使得纯统计处理变得更加困难，但我发现您可以绕过其中一些问题来了解数据的底层结构并了解该过程正在做什么。正如惠勒博士经常说的那样，不要让“计算战胜内容”。我发现使用扫描仪进行研究的最佳方法是将扫描仪置于网络上不同“通道”中的“单点模式”，以便您可以比较通道（即配置文件）。在纸张中，我们制作纸卷，在每卷纸的末尾，扫描仪数据被汇总并分解为跨机器和机器方向的部分。这些总结本身通常很有用。
再次，请给我发电子邮件和/或如果我能提供帮助，我们可以通过电话交谈。在这样的论坛上很难表达需要讨论的所有内容。
回复：使用哪个控制图？斯摩尔,
是的，这是您描述的第一种情况。 当纸张移动通过扫描仪时，扫描仪在纸张上来回移动。 我最近发现扫描仪的原始数据实际上测量了 600 个点，而 120 个点是 600 个点的平均值。 而且我无法访问原始数据，我只能检查 120 个点。 如果我处理的是平均值而不是单独的测量值，是否有不同的标准？ 我附上了显示样本点实际外观的图片。 这是一张非常粗糙的图，但我只是想描述测量点如何“降落”在图纸上。
回复：使用哪个控制图？smoore2：我很清楚您提出的有关常态和控制图使用的问题。 我对正态性的评论与原始发帖者围绕过程能力分析问题的问题有关……其中分布的形状变得非常重要。
回复：使用哪个控制图？彼得，
为了使用过程行为图（例如个体和/或亚组的 X-mR 或 I-mR 图），不需要也不假设数据的正态性。这是关于控制图的伟大神话之一。您可以在休哈特的原创作品（休哈特发明了控制图）或唐纳德·惠勒博士撰写的许多文章中找到这一点。W.爱德华兹·戴明在这个问题上也有很多话要说。
也就是说，某些属性控制图确实需要某些分布：计数的 NP 图和比例的 P 图需要二项式分布。计数的 C 图和比率的 U 图需要泊松分布。
套用休哈特博士的话说：“正态分布既不是统计控制过程的先决条件，也不是统计控制过程的结果。”在我使用统计工具的 30 多年中，我已经多次证实了这一点。
“正态分布？我从来没有见过一个。” - W. Edwards Deming（1991 年 5 月，我参加了在辛辛那提举行的为期 4 天的研讨会）
回复：使用哪个控制图？当纸张在设备中移动时，您是否有扫描仪在纸张上来回移动，或者您是否同时测量纸张上的 120 个点？如果是前者，您可以停止扫描仪并多次测试纸张上的一个位置吗？我需要此类信息才能尽我所能为您提供帮助。
回复：使用哪个控制图？在评估过程能力之前，您需要通过控制图确保过程稳定性（或至少假设它？）。 然后检查各个观测值的正态性...JMP 可以计算选定非正态分布形式的过程能力指数，因此只需确保在需要时检查适当的非正态分布即可。
回复：使用哪个控制图？使用随机样本的建议听起来像是一个可行的方法。 我发现虽然扫描是在纸张上测量 120 个点；操作员看到的输出数字实际上是扫描的平均值（对于一个时间间隔内的所有 120 次测量）。 然而，值得关注的是点之间的变化量。 假设纸张的一个边缘的测量值是 55，如果下一个测量值是 55.5 或 56，则不是问题。 然而，如果测量值从 55 跳到 68，这就有问题了。 甚至可以从纸张边缘一端的 55 开始，到另一端的 70 结束；只要测量值之间有少量变化，例如 55、56、57、57.5 等。
另外，我想完成一项能力分析，以了解当前流程在保持客户规格水平方面的有效性。 使用此类数据进行能力分析有什么需要注意的问题吗？
回复：使用哪个控制图？子分组是我所说的与批处理行为“不可知”的...除非您的实用指南是将批次之间的差异视为您的实际过程监控信息和决策方法的关键。 合理分组（子组的大小和子组创建的频率）是一种抽样策略，可以最佳估计子组内常见原因变异的大小，并着眼于最大化检测子组之间存在可分配原因变异的概率及时满足您的实际需求。 就是这样……不多也不少。
使用 JMP 样本量和功效工具通常与统计推断相关...而不是过程监控...我不会使用传统的样本量和功效方法，除非您的问题确实是统计推断之一...而不是过程监控。
话虽如此……文献中充满了建立过程监控采样策略的方案。 要包含的元素包括 ARL（平均运行长度）、alpha 和 beta 风险以及检测差异……和抽样方案（几乎总是主要受预算问题影响！）。 最终这些方案通常使用模拟方法来比较和对比不同的场景。 通过像这样的在线论坛来探索这些方法非常复杂。
没有一种适用于所有情况的方法或工作流程来建立过程监控的采样策略。 为了引导我内心的休哈特，他可能会这样说：“我们寻求一种方法，通过这种方法，我们可以在犯两个错误之一的可能性之间实现经济平衡……当不存在真正存在的麻烦时，我们就会去寻找麻烦……当麻烦确实存在时却没有去寻找麻烦。” 我认为关键词是“经济平衡”。
回复：使用哪个控制图？彼得，
关于 1），听起来你是在说形成子组背后的推理是为了理解批次之间的差异。 例如将一批油漆与不同时间生产的另一批油漆进行比较？ 就我而言，查看以 1 秒为间隔进行的一组 120 次测量会更好吗？ 回顾过去，我认为我将扫描集合分为几组的原因是尝试查看测量值之间的差异是否随着每次横向扫描而增加。 我不知道这是否是处理此类变化的正确方法。
2) 我同意你的观点，纸幅纵向和横向上的测量值之间肯定存在相关性。 对于这个特殊的过程，片材是从卷材上切割下来的。 您能否详细解释一下多元图表，或者如果可能的话提供您的网络研讨会的链接？
3）关于运行图，我很难理解我应该计划收集多大的样本量。 我首先需要使用样本量和电动工具吗？ 同时我将收集更多 1 秒到 30 秒范围内的数据来构建运行图。
回复：使用哪个控制图？我在造纸行业工作了很多年，一直在努力理解过程行为图（控制图）的用途，这些数据是由连续扫描仪生成的数据，当纸张垂直于纸张的行程移动时，连续扫描仪会在纸张上来回移动。扫描器。任何在线仪器连续测量的最大问题之一是自相关问题。如果测量频率快于板材属性以有意义（实际）方式实际变化的能力，则自相关将会杀死您。与单个数据的起伏相比，控制图上的控制限制非常窄，就证明了这一点。原因是由于自相关，平均移动极差非常小。因此，计算出非常严格的控制上限和下限。几年前，我与一位黑带候选人一起解决了此类问题。答案是以某个合理的频率对自相关数据进行随机采样，以便构建有用流程行为图。正如已经提到的，还存在跨机器变化的问题。
如果我能为您提供进一步的帮助，请随时与我联系。（ smoore@wausaupaper.com ）
回复：使用哪个控制图？Invtanofmark：
感谢您的附加信息。 为了充分披露，我在一家大型照相材料制造公司工作了很多年......“您按下按钮......我们做剩下的”是很多很多年前该公司的营销口号之一。 因此，我对高速移动网上的各种连续（例如涂层厚度）和属性（线条和条纹）数据类型的过程监控有一些背景。 有时，数据是通过光学扫描系统实时捕获的……有时是通过产品测试离线捕获的。
这里还有一些想法；
1. 形成合理子组背后的想法是，通过设置子组策略，您应该努力创建一个子组策略来捕获子组内的过程常见原因变异，目标是让您有机会找到子组之间的可分配原因变异。 坦率地说，我会犹豫是否使用一分钟的时间间隔作为形成理性子组的基础。 这就是我所说的便利子群……而不是理性子群。 我真的认为你处于时间陆地的单一测量中。
2. 纸张上的变化在纸张上和纸张下的位置之间的相关性令人尖叫，特别是如果正在进行某种挤压或涂层，并且我假设纸张是从卷筒纸上切割下来的。 ..你检查过吗？ 听起来您是在特定的横向位置收集数据？ 如果有证据表明位置之间存在相关性，JMP 中的某种多元图表方法可能是合适的？ 事实上，在我的点播网络研讨会中，我提供了这样一个例子。
3. 在第一阶段，我会采用单变量和多变量分布（形状、异常值、其他可疑的东西？）和逐秒（运行图）视图，看看你能发现什么......这应该可以帮助你找到适当的结果控制图法。
回复：使用哪个控制图？彼得，
感谢您的回复。 根据我的理解，这里有几个答案：
1) 扫描仪连续进行测量。 这
测量是通过扫描仪在一张 200 英寸宽的纸张上进行的
纸。 1 分钟内总共进行了 120 次测量。
进行测量是为了了解整个过程中存在多少变化
一张纸。 因此，对同一特征进行 120 次测量
分钟。
2）关于子组，这是我感到困惑的地方。 我会想
每分钟的时间代表一个测量子组。 说在
12:01 进行 120 次测量，然后在 12:02 进行另外 120 次测量
被采取等等。 我对两者之间的变化不感兴趣
随着时间的推移进行测量，而是对之间的变化感兴趣
同时进行两次测量。 我不在乎是否有差异
12:01 在点 (1) 进行的测量与测量之间
于 12:02 在第 (1) 点拍摄。 我确实想了解之间的区别
12:01 在点 (1) 和点 (2) 之间进行的测量，
3）所有测量都采用相同的读数，只是在不同的位置
跨过纸张宽度的点。
4)这是第一阶段分析。 只是想知道我们在哪里
目前立场。
5) 控制图已到位，但不确定其频率
实际上用于管理流程。
2015 年 8 月 31 日星期一上午 10:19，peter.bartell@jmp.com <
回复：使用哪个控制图？invtanofmark：需要考虑的问题很多，排名不分先后；
1.当你说“测量”时，我假设是某种类型的连续变量与属性或计数变量？ 答案对于图表类型很重要。
2. 你能创建合理的观察子组吗？ 如果不是，则需要个人图表。 如果是，则需要某种带有子组的变量图表（也许是 xbar/R？）。
3. 您的观察结果是否相互独立，或者您认为某些滞后的连续观察结果之间可能存在相关性？ 我可能会检查 JMP 的时间序列平台，看看观察值之间是否存在一些自相关？ 通过独立性假设，变量图表方法可能会起作用。 通过相关性，您需要考虑某种类型的面向时间序列的图表，例如 EWMA。
4. 这是第一阶段还是第二阶段类型调查？ 从你的第一篇文章来看，它看起来像是第一阶段？ 所以我可能会从 I/mR 图开始，看看它能告诉你什么？
5. 最后，你们的测量系统稳定性如何？ 你们那里有控制图吗？ 如果不是……您如何知道您收集的数据是由于过程与测量系统的可变性造成的？
对于一些“如何使用 JMP”和引发思考的问题，我建议您查看我主办的掌握 JMP 活动：
使用 MSA 和 SPC 评估和监控您的流程 |联合管理计划
