使用哪個控製圖？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />今天剛加入社區，有一個關於控製圖的問題。 我正在收集由每分鐘一次的 120 次測量組成的數據。 我的目標是了解測量值之間的變化（1 和 2、2 和 3 之間等），並且我對每一分鐘的時間進行分組測量（12:01 測量 120 次，12:02 測量 120 次， 12:03 的120 個測量值等）。 根據我想要了解的內容以及收集數據的方式，最好使用哪種控製圖？ 我嘗試搜索一些關於此的討論，但仍然很困惑我的數據是連續的還是實際上分為子組。
回复：使用哪個控製圖？謝謝你的提示，史蒂夫。
我一定會在惠勒博士和控製圖上搜索《質量文摘》的檔案。
在此過程中，我希望了解控製圖生成器如何受到惠勒博士的方法和思想的影響 - 正如下面文章中的甲板所示使用 JMP® 中的第二代質量工具的集成流程改進方法發佈於 3 個月前。
非常感激。
- Randy，JMP 新手
回复：使用哪個控製圖？蘭道夫,
通過適當的理性子組，您將能夠在大約 95% 的情況下有效地利用個體/移動極差圖表。大多數其他類型的圖表假設/需要一定的數據分佈才能有效。例如，C 圖需要泊松分佈。唐納德·惠勒博士就這個主題發表了大量文章，我建議您閱讀。其中大部分內容可以在 QualityDigest.com 上找到。只需在網站上搜索惠勒的內容即可。
此致，
史蒂夫
回复：使用哪個控製圖？大家好。
這是我從控製圖類型文檔。
* 我根據文檔對控製圖流程的理解可能有錯誤，請指正。
- Randy，JMP 新手
回复：使用哪個控製圖？“伙計”-我不討厭任何事情。我只知道什麼是六西格碼，什麼不是。我曾擔任俄亥俄州一家大型造紙廠的技術總監，負責 6-Sigma 項目。該工廠擁有六條“認證”黑帶。六個人中，只有一個人知道她在做什麼。結果，她最終在一家大型化工公司找到了一份非常好的工作。這是我曾經與其他“黑帶”之一進行的對話的一部分。我：“那麼，告訴我，p 值真正告訴我什麼？”“黑帶”：我真的不知道，但應該小於 0.05，結果才是真實的。真實的？你在開玩笑吧？六西格碼實際上並沒有給行業帶來什麼新鮮事。它是一個已經存在很長時間的方法論工具箱，並附有可遵循的“食譜”（DMAIC）。這從根本上來說並沒有什麼問題，但是有太多的公司在培養所謂的“黑帶”，他們只不過是機器人菜譜追隨者，他們真的不明白自己在做什麼。任何不符合配方的東西都會丟失。 事實上，我在行業期刊上看到過廣告，承諾在短短三週內獲得認證！也就是說，我也認識一些非常有才華的人，他們獲得了黑帶認證（包括 BB 大師），但他們真正的專業知識不是來自 6-Sigma 培訓，而是來自多年的統計研究和實踐。
回复：使用哪個控製圖？老兄！為什麼你要討厭 L6？讓我們在社區中保持友好。
我似乎也在這裡觸動了神經......讓我說我喜歡惠勒的工作。 我有他的 4 篇文章，並廣泛借鑒了其中的內容。 既然你提到了 L6S，我還應該提到我們的培訓師為我們的 SPC 培訓廣泛借鑒了他的作品。但我對這個問題的大部分想法早在我獲得 BB 認證之前幾年。我還認為我的行業偏見可能讓人很難理解我的觀點。
我個人的偏見是，雖然如果我只是將數據轉儲到運行圖併計算一些限制，世界不會停止轉動，但我絕對需要檢查我的方差和變異性圖表的組成部分是否支持我根據數據做出的任何決策。與生成運行圖相比，執行此操作不需要花費任何費用。這主要是因為，對於半導體製造 - 特別是在較新的技術節點，我們不能假設我們的測量誤差相對於我們感興趣的信號可以忽略不計。因此，對儀表和 MSA 研究進行健全性檢查是行業最佳實踐。
量規研究和 CoV 分析（尤其是 JMP 平台一部分的圖形）對於確定同質點在哪里以及識別數據中的相關性也很有用。由於製造過程中的一些物理因素，第二點對於半導體來說是一個非常嚴重的問題。這些點非常重要，正如您和該線程中的其他人已經非常清楚地說明的那樣，因為如果沒有正確選擇有理子組，則良好 SPC 所需的一些假設是無效的。因此，我並不是說 invtanofmark 應該優先選擇其中之一，而是建議 invtanofmark 永遠不應該只看其中一個而忽略另一個——它們是互補的。在我的工作流程中，我會首先進行量規和CoV 以確定我的合理子組大小在哪裡，以便我的控製圖一開始就有意義，而且當您管理多個子組時，我不必返回並進行調整每秒保存數千張計量 SPC 圖表很重要！
回复：使用哪個控製圖？邁克爾，
了解您的過程是否受控的唯一方法是首先構建控製圖！您的陳述似乎遵循了一個古老的神話，即在使用控製圖之前必須控制流程。真正的問題是：這個過程是同質的嗎？回答的唯一方法是從正確構建的控製圖開始。幾乎所有可以獲得按時間排序的數據的研究都應該在做其他事情之前從控製圖開始。我知道這個想法與“六西格碼”背道而馳，但“病態西格瑪”的失敗是另一個話題了。請參閱 Donald Wheeler 和 Davis Balestracci 的著作，以進一步了解我在這裡所說的內容。他們都在互聯網上發布了大量重要信息（尤其是 www.qualitydigest.com）。
回复：使用哪個控製圖？如果您不確定您的過程是否受控，您可能需要首先進行變異性研究。這將使您能夠查看所有可變性來源，並查看是否滿足有效實施 SPC 所需的假設。該研究可以在“分析”>“質量和流程”>“變異性/屬性量規圖”下找到。在“切換”SPC 實施之前，您可以在其他有用的分析中進行方差分析的組成部分。
最好的，
中號
回复：使用哪個控製圖？回想起來，我覺得我是本末倒置。 我嘗試確定使用哪種控製圖的最初目標實際上是為了查看過程是否受控。 這樣做的原因是我想完成一個過程能力研究，以確定我們的過程是否能夠始終滿足客戶的規格。現在，即使進行了120次測量，也可以看出測量之間存在差異；這 120 個測量值被平均為一個值，該值用於進行調整。 該過程實際上並不是根據整個紙張上各個測量值之間的變化來控制的，而是根據120 次測量值的平均值來控制。但是，為了改進該過程，我需要減少測量值之間的變化......以下通過流程正確：
1) 首先繪製 Xbar-R 圖表，查看子組中是否有超出控制限的測量值（使用半小時內每分鐘採集的數據）
2) 對於那些超出控制上限和下限的子組，使用 IM-R 圖表來查找特殊原因變異。
這聽起來合理嗎？
回复：使用哪個控製圖？好吧，我想我開始理解圖表了。 我還閱讀了 Thomas Pyzdek 對控製圖概念的一些報導。 Thomas 表示，IM-R 圖表適用於您實際上只進行一次測量的情況。 因此，如果我想查看框 1 讀數之間的變化，我可以使用 IM-R 圖來比較隨時間推移進行的測量。 相反，我真的想看看測量在橫向上如何變化（正如你所說的18英寸到板材，20英寸到板材等等）。 我認為對於這種情況，我將使用 Box 位置 (1-120) 作為子組，然後使用 6-10 個隨機採樣時間作為每組中看到的數據。 您是否選擇了 100 組作為一般數字，還是進行了任何具體計算來得出這個數字？
回复：使用哪個控製圖？如何定義該組在很大程度上取決於您要檢測的內容：
- 如果您懷疑紙張上有一條條帶始終不同（總是更厚或總是更暗）（例如 200 英寸紙張上的 18 英寸到 20 英寸），則明智的做法是使用 XBar 和 R 圖表抽樣地點為組。 您將有 100 個組/100 個位置，並且第 10 組將在 XBar 圖表上顯示為失控。
- 如果您懷疑板材的一條條帶變化較大（厚度或顏色變化太大）（例如 200 英寸板材上的 18 英寸到 20 英寸），則明智的做法是使用 XBar 和 R 圖表抽樣地點為組。 您將擁有 100 個組/100 個位置，並且組 10 將在範圍圖表上顯示為失控
- 以分鐘為單位的 XBar 和 R 圖表將告訴您滾動是否隨時間變化（不是您感興趣的，如果我理解正確的話）
- 既然你有小組，個人范圍圖或運行圖不會是我的第一選擇。
回复：使用哪個控製圖？是的，這與造紙工業中的掃描儀完全相同，掃描儀測量紙張定量、水分含量、光學特性等屬性。紙張因具有橫向輪廓和長期輪廓而臭名昭著。機器方向。雖然這使得純統計處理變得更加困難，但我發現您可以繞過其中一些問題來了解數據的底層結構並了解該過程正在做什麼。正如惠勒博士經常說的那樣，不要讓“計算戰勝內容”。我發現使用掃描儀進行研究的最佳方法是將掃描儀置於網絡上不同“通道”中的“單點模式”，以便您可以比較通道（即配置文件）。在紙張中，我們製作紙捲，在每捲紙的末尾，掃描儀數據被匯總並分解為跨機器和機器方向的部分。這些總結本身通常很有用。
再次，請給我發電子郵件和/或如果我能提供幫助，我們可以通過電話交談。在這樣的論壇上很難表達需要討論的所有內容。
回复：使用哪個控製圖？斯摩爾,
是的，這是您描述的第一種情況。 當紙張移動通過掃描儀時，掃描儀在紙張上來回移動。 我最近發現掃描儀的原始數據實際上測量了 600 個點，而 120 個點是 600 個點的平均值。 而且我無法訪問原始數據，我只能檢查 120 個點。 如果我處理的是平均值而不是單獨的測量值，是否有不同的標準？ 我附上了顯示樣本點實際外觀的圖片。 這是一張非常粗糙的圖，但我只是想描述測量點如何“降落”在圖紙上。
回复：使用哪個控製圖？smoore2：我很清楚您提出的有關常態和控製圖使用的問題。 我對正態性的評論與原始發帖者圍繞過程能力分析問題的問題有關……其中分佈的形狀變得非常重要。
回复：使用哪個控製圖？彼得，
為了使用過程行為圖（例如個體和/或亞組的 X-mR 或 I-mR 圖），不需要也不假設數據的正態性。這是關於控製圖的偉大神話之一。您可以在休哈特的原創作品（休哈特發明了控製圖）或唐納德·惠勒博士撰寫的許多文章中找到這一點。W.愛德華茲·戴明在這個問題上也有很多話要說。
也就是說，某些屬性控製圖確實需要某些分佈：計數的 NP 圖和比例的 P 圖需要二項式分佈。計數的 C 圖和比率的 U 圖需要泊松分佈。
套用休哈特博士的話說：“正態分佈既不是統計控製過程的先決條件，也不是統計控製過程的結果。”在我使用統計工具的 30 多年中，我已經多次證實了這一點。
“正態分佈？我從來沒有見過一個。” - W. Edwards Deming（1991 年 5 月，我參加了在辛辛那提舉行的為期 4 天的研討會）
回复：使用哪個控製圖？當紙張在設備中移動時，您是否有掃描儀在紙張上來回移動，或者您是否同時測量紙張上的 120 個點？如果是前者，您可以停止掃描儀並多次測試紙張上的一個位置嗎？我需要此類信息才能盡我所能為您提供幫助。
回复：使用哪個控製圖？在評估過程能力之前，您需要通過控製圖確保過程穩定性（或至少假設它？）。 然後檢查各個觀測值的正態性...JMP 可以計算選定非正態分佈形式的過程能力指數，因此只需確保在需要時檢查適當的非正態分佈即可。
回复：使用哪個控製圖？使用隨機樣本的建議聽起來像是一個可行的方法。 我發現雖然掃描是在紙張上測量 120 個點；操作員看到的輸出數字實際上是掃描的平均值（對於一個時間間隔內的所有 120 次測量）。 然而，值得關注的是點之間的變化量。 假設紙張的一個邊緣的測量值是 55，如果下一個測量值是 55.5 或 56，則不是問題。 然而，如果測量值從 55 跳到 68，這就有問題了。 甚至可以從紙張邊緣一端的 55 開始，到另一端的 70 結束；只要測量值之間有少量變化，例如 55、56、57、57.5 等。
另外，我想完成一項能力分析，以了解當前流程在保持客戶規格水平方面的有效性。 使用此類數據進行能力分析有什麼需要注意的問題嗎？
回复：使用哪個控製圖？子分組是我所說的與批處理行為“不可知”的...除非您的實用指南是將批次之間的差異視為您的實際過程監控信息和決策方法的關鍵。 合理分組（子組的大小和子組創建的頻率）是一種抽樣策略，可以最佳估計子組內常見原因變異的大小，並著眼於最大化檢測子組之間存在可分配原因變異的概率及時滿足您的實際需求。 就是這樣……不多也不少。
使用JMP 樣本量和功效工具通常與統計推斷相關...而不是過程監控...我不會使用傳統的樣本量和功效方法，除非您的問題確實是統計推斷之一...而不是過程監控。
話雖如此……文獻中充滿了建立過程監控採樣策略的方案。 要包含的元素包括 ARL（平均運行長度）、alpha 和 beta 風險以及檢測差異……和抽樣方案（幾乎總是主要受預算問題影響！）。 最終這些方案通常使用模擬方法來比較和對比不同的場景。 通過像這樣的在線論壇來探索這些方法非常複雜。
沒有一種適用於所有情況的方法或工作流程來建立過程監控的採樣策略。 為了引導我內心的休哈特，他可能會這樣說：“我們尋求一種方法，通過這種方法，我們可以在犯兩個錯誤之一的可能性之間實現經濟平衡……當不存在真正存在的麻煩時，我們就會去尋找麻煩……當麻煩確實存在時卻沒有去尋找麻煩。” 我認為關鍵詞是“經濟平衡”。
回复：使用哪個控製圖？彼得，
關於 1），聽起來你是在說形成子組背後的推理是為了理解批次之間的差異。 例如將一批油漆與不同時間生產的另一批油漆進行比較？ 就我而言，查看以 1 秒為間隔進行的一組 120 次測量會更好嗎？ 回顧過去，我認為我將掃描集合分為幾組的原因是嘗試查看測量值之間的差異是否隨著每次橫向掃描而增加。 我不知道這是否是處理此類變化的正確方法。
2) 我同意你的觀點，紙幅縱向和橫向上的測量值之間肯定存在相關性。 對於這個特殊的過程，片材是從卷材上切割下來的。 您能否詳細解釋一下多元圖表，或者如果可能的話提供您的網絡研討會的鏈接？
3）關於運行圖，我很難理解我應該計劃收集多大的樣本量。 我首先需要使用樣本量和電動工具嗎？ 同時我將收集更多 1 秒到 30 秒範圍內的數據來構建運行圖。
回复：使用哪個控製圖？我在造紙行業工作了很多年，一直在努力理解過程行為圖（控製圖）的用途，這些數據是由連續掃描儀生成的數據，當紙張垂直於紙張的行程移動時，連續掃描儀在紙張上來回移動。掃描器。任何在線儀器連續測量的最大問題之一是自相關問題。如果測量頻率快於板材屬性以有意義（實際）方式實際變化的能力，則自相關將會殺死您。與單個數據的起伏相比，控製圖上的控制限制非常窄，就證明了這一點。原因是由於自相關，平均移動極差非常小。因此，計算出非常嚴格的控制上限和下限。幾年前，我與一位黑帶候選人一起解決了此類問題。答案是以某個合理的頻率對自相關數據進行隨機採樣，以便構建有用流程行為圖。正如已經提到的，還存在跨機器變化的問題。
如果我能為您提供進一步的幫助，請隨時與我聯繫。（ smoore@wausaupaper.com ）
回复：使用哪個控製圖？Invtanofmark：
感謝您的附加信息。 為了充分披露，我在一家大型照相材料製造公司工作了很多年......“您按下按鈕......我們做剩下的”是很多很多年前該公司的營銷口號之一。 因此，我對高速移動網上的各種連續（例如塗層厚度）和屬性（線條和條紋）數據類型的過程監控有一些背景。 有時，數據是通過光學掃描系統實時捕獲的……有時是通過產品測試離線捕獲的。
這裡還有一些想法；
1. 形成合理子組背後的想法是，通過設置子組策略，您應該努力創建一個子組策略來捕獲子組內的過程常見原因變異，目標是讓您有機會找到子組之間的可分配原因變異。 坦率地說，我會猶豫是否使用一分鐘的時間間隔作為形成理性子組的基礎。 這就是我所說的便利子群……而不是理性子群。 我真的認為你處於時間陸地的單一測量中。
2. 紙張上的變化在紙張上和紙張下的位置之間的相關性令人尖叫，特別是如果正在進行某種擠壓或塗層，並且我假設紙張是從捲筒紙上切割下來的。 ..你檢查過嗎？ 聽起來您是在特定的橫向位置收集數據？ 如果有證據表明位置之間存在相關性，JMP 中的某種多元圖表方法可能是合適的？ 事實上，在我的點播網絡研討會中，我提供了這樣一個例子。
3. 在第一階段，我會採用單變量和多變量分佈（形狀、異常值、其他可疑的東西？）和逐秒（運行圖）視圖，看看你能發現什麼......這應該可以幫助你找到適當的結果控製圖法。
回复：使用哪個控製圖？彼得，
感謝您的回复。 根據我的理解，這裡有幾個答案：
1) 掃描儀連續進行測量。 這
測量是通過掃描儀在一張 200 英寸寬的紙張上進行的
紙。 1 分鐘內總共進行了 120 次測量。
進行測量是為了了解整個過程中存在多少變化
一張紙。 因此，對同一特徵進行 120 次測量
分鐘。
2）關於子組，這是我感到困惑的地方。 我會想
每分鐘的時間代表一個測量子組。 說在
12:01 進行 120 次測量，然後在 12:02 進行另外 120 次測量
被採取等等。 我對兩者之間的變化不感興趣
隨著時間的推移進行測量，而是對之間的變化感興趣
同時進行兩次測量。 我不在乎是否有差異
12:01 在點 (1) 進行的測量與測量之間
於 12:02 在第 (1) 點拍攝。 我確實想了解之間的區別
12:01 在點 (1) 和點 (2) 之間進行的測量，
3）所有測量都採用相同的讀數，只是在不同的位置
跨過紙張寬度的點。
4)這是第一階段分析。 只是想知道我們在哪裡
目前立場。
5) 控製圖已到位，但不確定其頻率
實際上用於管理流程。
2015 年 8 月 31 日星期一上午 10:19，peter.bartell@jmp.com <
回复：使用哪個控製圖？invtanofmark：需要考慮的問題很多，排名不分先後；
1.當你說“測量”時，我假設是某種類型的連續變量與屬性或計數變量？ 答案對於圖表類型很重要。
2. 你能創建合理的觀察子組嗎？ 如果不是，則需要個人圖表。 如果是，則需要某種帶有子組的變量圖表（也許是 xbar/R？）。
3. 您的觀察結果是否相互獨立，或者您認為某些滯後的連續觀察結果之間可能存在相關性？ 我可能會檢查 JMP 的時間序列平台，看看觀察值之間是否存在一些自相關？ 通過獨立性假設，變量圖表方法可能會起作用。 通過相關性，您需要考慮某種類型的面向時間序列的圖表，例如 EWMA。
4. 這是第一階段還是第二階段類型調查？ 從你的第一篇文章來看，它看起來像是第一階段？ 所以我可能會從 I/mR 圖開始，看看它能告訴你什麼？
5. 最後，你們的測量系統穩定性如何？ 你們那裡有控製圖嗎？ 如果不是……您如何知道您收集的數據是由於過程與測量系統的可變性造成的？
對於一些“如何使用 JMP”和引發思考的問題，我建議您查看我主辦的掌握 JMP 活動：
使用 MSA 和 SPC 評估和監控您的流程 |聯合管理計劃
