JMP17 の AIAG ゲージ R&R 結果オプションに関する 3 つの質問ハイド・ミラーさんのJMP17のMSAのチュートリアルビデオをJMPジャパンオフィスの同僚と一緒に見ました。
AIAG の JMP の Gauge R&R について 3 つの質問があります。
(1) AIAG(2010:4th ed.) Measurment System Analysis Reference Manual(4th ed.) の page.196 に、「分析目的で、負の分散成分をゼロに設定する」と記載されています。 この文は、次のうちどれを意味していますか?
- (a) 負の分散推定値に対してのみゼロを設定し、正の分散推定値を変更せずにゲージ R&R 指数を計算する、または...
- (b) 負の分散推定値を持つコンポーネントを削除し、モデルを再適合します。
(2)EMP MSA プラットフォームでの JMP17 の AIAG Gauge R&R Results では、どのような推定方法が使用されていますか?
方法はREML/EMS*ですか？
* データがバランスが取れており、負の分散がない場合は、EMS が使用されます。 それ以外の場合は、REML が使用されます。
(3) 個人的かつ直感的に、ベイジアン分析は一般的に MSA に適していると思います (MSA 研究ではサンプルサイズが大きくなく、ベイジアン分析では負の推定を避けることができるため)。 MSAおよび/またはゲージR&Rにベイジアン分析が推奨されている正式なガイドラインまたは学術論文はありますか?
Re: JMP17 の AIAG ゲージ R&R 結果オプションに関する 3 つの質問私は部分的に答えようとします。
1) 答えは a) です。 満足のいく答えではありません。 負の分散を取得するとはどういう意味ですか? その情報を無視してゼロに設定するにはどうすればよいでしょうか? これらは興味深く関連性のある質問ですが、それらについて議論している論文は見たことがありません。 分散は単なる共分散であり、モデルを共分散モデルとして再パラメータ化することにより、負の値が意味を成すことを説明する重い理論統計の本 (ホッキング、線形モデル) があります。 しかし、それはエンジニアの助けにはなりません。 私の経験 (半導体業界で 20 年、JMP 教育で 10 年以上) では、REML または EMS では負の変動が発生します。 モデルの適合のボックスをチェックして、非負の分散コンポーネントに制限することができますが、私の経験では、この方法では最終的に分散がゼロになり、物理的に分散がゼロではないことがわかります。
2) AIAG ゲージ R&R 分析では、変動性と同様に、起動ダイアログで方法を指定できます。 [分析設定] ボタンを使用して指定します。
3) 同意します。 REML や EMS を使用した場合の負の分散成分は、ベイジアン法を使用すると小さくなります。 JMP のドキュメントには、関連していると思われる 2 つのリファレンスがあります。 (私の JSTOR は正しく動作しないため、現在調べることはできません)
Portnoy、S.（1971）。 「ランダム効果モデルへの適用による正式なベイズ推定」。数理統計年報42:1379–1402。
Sahai, H. (1974)。 「バランスの取れた 3 段階のネストされたランダム効果モデルにおける分散成分の正式なベイズ推定量。」統計におけるコミュニケーション – シミュレーションと計算3:233–242。
JMP の社内従業員は、MSA コースの資料にアクセスできます。
https://www.jmp.com/en_us/training/courses/jmp-measurement-system-analysis.html
Re: JMP17 の AIAG ゲージ R&R 結果オプションに関する 3 つの質問マイケルソンさん、お返事ありがとうございます
(1) 一部の日本人ユーザーは、ガイドラインが古くても従いたいだけです。 個人的には、(a)より(b)正制約付きREML、(b)よりベイジアン法が良いと思います。 でも、ガイドラインに書かれていないと使いたくない日本人ユーザーもいるようです。 AIAG MSA ドキュメントの次の版 (第 5 版) がより現代的なものになることを願っています。 とにかく、情報をありがとう。
(2) JMP17のEMP MSAの「AIAG Gauge R&R Results」コマンドについて質問です。 JMP17 の EMP MSA には、このコマンドがあります。 そこで使用されている見積もりが見つかりません。 そこにはREML/EMSが使われていると勝手に推測していますが、自信がありません。
(3) 情報ありがとうございます。 JMP のドキュメントで参照されている論文を確認し、JMP Japan の上司と同僚に JMP のコース教材の入手方法を尋ねます。
Re: JMP17 の AIAG ゲージ R&R 結果オプションに関する 3 つの質問1) 私が半導体産業コンソーシアムである International SEMATECH で働いていたとき、国際企業の統計学者チームが AIAG に手紙を書き、より最新の MSA ガイドライン ブックについて話し合うよう依頼しました。 これは、第 3 版のときのことです。 彼らは私たちに失礼な手紙を送り返し、私たちの意見なしに第 4 版を作成しました。 これは、品質システム ドキュメントを作成する組織からのものです。 ステップ1は、常にお客様が何を望んでいるかを見つけることです! しかし、彼らはしませんでした。
2) また、EMP は REML のみを使用していると思います。 Variability の [Analysis Settings] ボタンを使用して、ベイジアン モデルと REML モデルの両方に適合させることができます。 JMP > Help > Sample Index > Measurement Systems > 3 Factors Crossed & Nested を使用します。 ベイズ推定と REML 推定は異なります。 次に、EMP では、分散成分が変動性で REML によって検出されたものと一致します。 Variability 設定を変更して Bayesian を使用しても、EMP プラットフォームは REML を使用します。
3) コース教材のリンクを間違って入力しました。 内部使用のみの正しいリンクは次のとおりです。 https://www.jmp.com/en_us/training/course-resources/measurement-system-analysis-course-resources.html .
Re: JMP17 の AIAG ゲージ R&R 結果オプションに関する 3 つの質問改めてありがとう、マイケルソンさん
AIAG MSA 第 4 版の方法の違いがわかりました。そしてJMPのもの。 また、最初の返信で言及された論文と JMP のコース資料を確認して、さらに理解を深めます。
