Trois questions liées à l'option AIAG Gauge R&R Results de JMP17J'ai regardé le didacticiel vidéo de Hyde Miller-san pour le MSA de JMP17 avec mes collègues du bureau de JMP au Japon.
Nous avons trois questions sur la jauge R&R d'AIAG sur JMP.
(1) À la page 196 dans AIAG (2010: 4e éd.) Manuel de référence de l'analyse du système de mesure (4e éd.), il est dit que "A des fins d'analyse, la composante de variance négative est définie sur zéro". Cette phrase signifie-t-elle laquelle des phrases suivantes ?
- (a) Vous venez de définir zéro uniquement pour les estimations de variance négatives et de calculer les indices R&R de jauge sans modifier les estimations de variance positives,... ou...
- (b) Vous supprimez les composants qui ont des estimations de variance négatives et réajustez le modèle.
(2) Quel type de méthode d'estimation est utilisé dans les résultats AIAG Gauge R&R de JMP17 sur la plate-forme EMP MSA ?
La méthode REML/EMS est-elle * ?
* Si les données sont équilibrées et qu'il n'y a pas de variance négative, alors EMS est utilisé. Sinon, REML est utilisé.
(3) Je pense personnellement et intuitivement que l'analyse bayésienne est généralement meilleure pour la MSA (car la taille de l'échantillon n'est pas grande dans l'étude MSA, et nous pouvons éviter les estimations négatives dans l'analyse bayésienne). Existe-t-il une directive formelle ou un article académique à comité de lecture dans lequel l'analyse bayésienne est recommandée pour la MSA et/ou la R&R de jauge ?
Re : Trois questions liées à l'option AIAG Gauge R&R Results de JMP17Merci encore, Michelson-san
Je comprends maintenant la différence entre les méthodes de l'AIAG MSA 4e éd. et ceux de JMP. Je vérifierai également les articles que vous avez mentionnés dans la première réponse et les supports de cours du JMP pour en savoir plus.
Re : Trois questions liées à l'option AIAG Gauge R&R Results de JMP171) Lorsque je travaillais pour le consortium de l'industrie des semi-conducteurs, International SEMATECH, une équipe de statisticiens des sociétés internationales a écrit une lettre à l'AIAG, leur demandant d'entamer une conversation avec nous au sujet d'un livre de directives MSA plus moderne. C'était à l'époque de la 3e édition. Ils nous ont renvoyé une lettre grossière et ont créé la 4e édition sans notre contribution. Ceci provient d'une organisation qui rédige des documents sur les systèmes de qualité ! La première étape consiste toujours à découvrir ce que veut votre client ! Mais ils ne l'ont pas fait.
2) Je crois aussi que EMP utilise uniquement REML. Vous pouvez utiliser le bouton Paramètres d'analyse dans Variabilité pour ajuster les modèles bayésien et REML. Utilisez JMP > Aide > Exemple d'index > Systèmes de mesure > 3 facteurs croisés et imbriqués. Les estimations bayésiennes et REML sont différentes. Ensuite, dans EMP, les composantes de la variance correspondent à celles trouvées par REML dans Variabilité. Même si vous modifiez vos préférences de variabilité pour utiliser Bayesian, la plate-forme EMP utilise REML.
3) J'ai entré le mauvais lien pour le matériel de cours. Le lien correct pour usage interne uniquement est https://www.jmp.com/en_us/training/course-resources/measurement-system-analysis-course-resources.html .
Re : Trois questions liées à l'option AIAG Gauge R&R Results de JMP17Merci beaucoup pour votre réponse, Michelson-san
(1) Certains utilisateurs japonais veulent simplement suivre la directive même si elle est obsolète. Je pense personnellement que (b) REML avec des contraintes positives est meilleur que (a), et la méthode bayésienne est meilleure que (b). Mais s'ils ne sont pas écrits dans la directive, il semble que certains utilisateurs japonais ne souhaitent pas les utiliser. J'espère que la prochaine édition (5e éd.) du document AIAG MSA deviendra plus moderne. Quoi qu'il en soit, merci pour l'information.
(2) Ma question concerne la commande "AIAG Gauge R&R Results" de l'EMP MSA de JMP17. Dans l'EMP MSA de JMP17, nous avons maintenant cette commande. Je ne peux pas trouver quelle estimation est utilisée ici. Je suppose que REML/EMS est utilisé là-bas, mais je n'ai pas confiance.
(3) Merci encore pour l'information. Je vérifierai les documents référencés par le document de JMP, et je demanderai à mon responsable et à mes collègues de JMP Japan comment obtenir les supports de cours de JMP.
Re : Trois questions liées à l'option AIAG Gauge R&R Results de JMP17Je vais essayer de répondre partiellement.
1) La réponse est a). Pas une réponse satisfaisante, car comment cela peut-il être? Que signifie obtenir une variance négative ? Comment pouvons-nous simplement ignorer cette information et la remettre à zéro ? Ce sont des questions intéressantes et pertinentes, mais je n'ai vu aucun article en parler. Il existe de lourds livres de statistiques théoriques (Hocking, Modèles linéaires) qui expliquent que les variances sont simplement des covariances, et en reparamétrant le modèle en tant que modèle de covariance, les négatifs ont un sens. Mais cela n'aide pas un ingénieur. D'après mon expérience (20 ans dans les semi-conducteurs, 10+ dans JMP Education), des variances négatives se produisent avec REML ou EMS car la répétabilité est faible par rapport à la variance des facteurs d'étude de jauge. Vous pouvez cocher une case dans Fit Model pour restreindre les composants de variance non négatifs, mais encore une fois, d'après mon expérience, avec cette méthode, vous vous retrouvez avec des variances nulles et physiquement nous savons que la variance n'est pas nulle.
2) L'analyse R&R de la jauge AIAG vous permet de spécifier la méthode dans la boîte de dialogue de lancement, comme pour la variabilité. Utilisez le bouton Paramètres d'analyse pour spécifier.
3) Je suis d'accord. Les composantes négatives de la variance en utilisant REML ou EMS s'avèrent faibles en utilisant la méthode bayésienne. Il y a deux références dans la documentation JMP qui semblent pertinentes. (Mon JSTOR ne fonctionne pas correctement, je ne peux donc pas les rechercher pour le moment)
En lignePortnoy, S. (1971). "Estimation formelle de Bayes avec application à un modèle à effets aléatoires." Les Annales de la statistique mathématique 42:1379–1402.
En ligneSahai, H. (1974). "Certains estimateurs bayésiens formels des composants de la variance dans le modèle équilibré à effets aléatoires imbriqués à trois étapes." Communication en statistique – Simulation et calcul 3:233–242.
Les employés internes de JMP peuvent accéder à nos supports de cours MSA qui pourraient avoir plus de détails sur
https://www.jmp.com/en_us/training/courses/jmp-measurement-system-analysis.html
