Monitoraggio del processo multivariato con MDMVCCsalve, utilizzo da alcuni mesi le carte di controllo multivariate Model Drive per il monitoraggio dei processi e ci sono alcune domande/problemi che vorrei verificare se qualcuno ha riscontrato soluzioni simili o disponibili
1. Molto spesso il modello è sensibile alle deviazioni dalla linea di base ma è ancora all'interno del normale intervallo operativo ed è contrassegnato nel grafico T2. Sarebbe fantastico se si potesse assegnare un peso alle variabili o, ancora meglio, si potesse definire e considerare il normale intervallo operativo nel modello, si spera riducendo la sensibilità e i valori T2 / DModX. Penso che questo non sia attualmente disponibile su JMP ma su altri software?
2. I limiti di specifica definiti per le variabili nella proprietà colonna non hanno effetto sulla rappresentazione rosso/verde per univariata dentro/fuori controllo. Sembra che il controllo entro/fuori controllo mostrato nel grafico dei contributi sia basato esclusivamente sulla varianza nel set di dati: ancora una volta, sarebbe utile comprendere le prestazioni rispetto ai limiti. Esiste un modo per utilizzare MDMVCC che consideri anche i limiti delle specifiche?
3. Eventuali dati mancanti renderanno la riga inutilizzabile in MDMVCC, quindi di solito inizio con l'imputazione automatica dei dati per inserire i valori mancanti. Ciò creerà una tabella dati separata senza tutti gli script e le etichette nella mia tabella dati originale, quindi dovrò copiare le modifiche. In alternativa eseguo l'imputazione sui nuovi dati prima di unirmi alla mia tabella dati originale. Tuttavia, non sono in grado di dire quali punti dati vengono imputati poiché non vengono distinti dai punti dati effettivi una volta che combino le tabelle. Esiste un modo migliore per farlo?
Grazie per aver dedicato del tempo a leggere il mio post!
Saluti,
Sig
Combinazione e pulizia dei datiOggetto: monitoraggio di processi multivariati con MDMVCCSia T quadrato che SPE appaiono sostanzialmente elevati nella fase Corrente, quindi non sorprende che ora incontrerai più segnali.
Potresti essere soddisfatto dell'attuale controllo della temperatura di processo. Tuttavia, T quadrato indica che il cambiamento di questa temperatura non è più correlato al cambiamento di altre variabili. Una carta di controllo ti dice quando si è verificato un evento insolito o inaspettato. Non è necessariamente un male. Qual era la struttura di correlazione delle 14 variabili incluse in questo grafico? È cambiato durante la fase Corrente?
Non conosco un metodo per ridurre la sensibilità di una variabile nel calcolo del T quadrato. Un altro lettore potrebbe suggerire un modo.
Cosa succede se rimuovi la temperatura di processo da T quadrato, poiché non lo consideri importante se il grafico univariato indica che è sotto controllo?
Non conosco un modo per imputare i dati mancanti che non compromettano il quadrato a T.
Oggetto: monitoraggio di processi multivariati con MDMVCCGrazie per la risposta Marco.
Sì, il normale intervallo operativo a cui mi riferisco univariato.
E la flessibilità di ridurre/regolare la sensibilità a determinati parametri, tenendo conto dell'intervallo normale definito dall'utente, potrebbe essere utile.
- Allego un esempio in cui il grafico quadrato T e il grafico SPE hanno mostrato alcune deviazioni in cui il contributo principale era una temperatura che stava controllando bene tranne che per fluttuazioni occasionali da +- 0,2 a 0,3, se non sono molto interessato a sapere quando la temperatura di processo è entro 0,3 dal set point Vorrei ridurre di conseguenza la sensibilità del modello che potrebbe aiutarmi a raccogliere meglio altre variabili
La mia seconda domanda è correlata alla prima, in quanto possiamo influenzare la rappresentazione rosso/verde per dentro/fuori controllo mediante la specificazione della proprietà della colonna dei limiti di controllo o dei limiti di specifica.
I dati mancanti si verificano di tanto in tanto, ma non molto spesso e di solito solo poche variabili su cento. Vorrei sapere se esiste un modo migliore per integrare la fase di preparazione dei dati (gestione dei dati mancanti) con il processo di monitoraggio multivariato in modo che sia efficiente.
Oggetto: monitoraggio di processi multivariati con MDMVCC1. Presumo che il "modello" sia multivariato, ma il "normale intervallo operativo" è univariato. Il punto del grafico quadrato a T è che i singoli grafici univariati non segnaleranno un cambiamento quando l'osservazione rompe la correlazione stabilita. Sei sicuro di voler ridurre la sensibilità del grafico quadrato a T?
2. La capacità (entro i limiti delle specifiche) dipende dal controllo (entro i limiti del controllo) ma non viceversa. Come dici tu, il controllo si basa sulla variazione intrinseca o naturale del processo, non sulla prestazione rispetto agli obiettivi.
3. L'attribuzione produrrà i dati attesi e ridurrà la sensibilità del grafico. Perché mancano i dati? Con quale frequenza mancano i dati?
