Drei Fragen im Zusammenhang mit der Option AIAG Gauge R&R Results von JMP17Ich habe mir mit meinen Kollegen im JMP-Büro in Japan das Tutorial-Video von Hyde Miller-san für die MSA von JMP17 angesehen.
Wir haben drei Fragen zum Gauge R&R von AIAG auf JMP.
(1) Auf Seite 196 im AIAG (2010: 4. Aufl.) Measurement System Analysis Reference Manual (4. Aufl.) heißt es: „Zu Analysezwecken wird die negative Varianzkomponente auf Null gesetzt.“ Bedeutet dieser Satz welche der folgenden Aussagen?
- (a) Sie setzen einfach Null nur für negative Varianzschätzungen und berechnen Gauge R&R-Indizes, ohne die positiven Varianzschätzungen zu ändern, ... oder ...
- (b) Sie entfernen die Komponenten mit negativen Varianzschätzungen und passen das Modell neu an.
(2) Welche Art von Schätzmethode wird in den AIAG Gauge R&R-Ergebnissen von JMP17 auf der EMP MSA-Plattform verwendet?
Ist die Methode REML/EMS *?
* Wenn die Daten ausgeglichen sind und keine negative Varianz vorliegt, wird EMS verwendet. Ansonsten wird REML verwendet.
(3) Ich persönlich und intuitiv denke, dass die Bayes'sche Analyse im Allgemeinen besser für MSA ist (da die Stichprobengröße in MSA-Studien nicht groß ist und wir negative Schätzungen in der Bayes'schen Analyse vermeiden können). Gibt es eine formelle Richtlinie oder eine wissenschaftlich begutachtete Arbeit, in der die Bayes'sche Analyse für MSA und/oder Gauge R&R empfohlen wird?
Betreff: Drei Fragen im Zusammenhang mit der Option AIAG Gauge R&R Results von JMP17Nochmals vielen Dank, Mr. Michelson
Ich verstehe jetzt den Unterschied zwischen den Methoden in AIAG MSA 4. Auflage. und die von JMP. Ich werde auch die Papiere, die Sie in der ersten Antwort erwähnt haben, und die Kursmaterialien des JMP überprüfen, um mehr zu verstehen.
Betreff: Drei Fragen im Zusammenhang mit der Option AIAG Gauge R&R Results von JMP171) Als ich für das Halbleiterindustriekonsortium International SEMATECH arbeitete, schrieb ein Team von Statistikern internationaler Unternehmen einen Brief an AIAG und bat sie, mit uns ein Gespräch über ein moderneres MSA-Richtlinienbuch zu beginnen. Das war zur Zeit der 3. Auflage. Sie schickten uns einen unhöflichen Brief zurück und erstellten die 4. Auflage ohne unser Zutun. Dies ist von einer Organisation, die Dokumente zu Qualitätssicherungssystemen schreibt! Schritt 1 ist immer herauszufinden, was Ihr Kunde will! Aber das taten sie nicht.
2) Ich glaube auch, dass EMP nur REML verwendet. Sie können die Schaltfläche „Analyseeinstellungen“ in „Variabilität“ verwenden, um sowohl Bayesian- als auch REML-Modelle anzupassen. Verwenden Sie JMP > Hilfe > Beispielindex > Messsysteme > 3 Faktoren gekreuzt und verschachtelt. Die Bayes'schen und REML-Schätzungen sind unterschiedlich. Dann stimmen die Varianzkomponenten in EMP mit denen überein, die REML in Variabilität findet. Selbst wenn Sie Ihre Variabilitätseinstellungen ändern, um Bayesian zu verwenden, verwendet die EMP-Plattform REML.
3) Ich habe den falschen Link für die Kursmaterialien eingegeben. Der richtige Link für den internen Gebrauch lautet https://www.jmp.com/en_us/training/course-resources/measurement-system-analysis-course-resources.html .
Betreff: Drei Fragen im Zusammenhang mit der Option AIAG Gauge R&R Results von JMP17Vielen Dank für Ihre Antwort, Mr. Michelson
(1) Einige japanische Benutzer möchten einfach nur der Richtlinie folgen, auch wenn sie veraltet ist. Ich persönlich denke, dass (b)REML mit positiven Einschränkungen besser ist als (a) und die Bayes'sche Methode besser ist als (b). Wenn sie jedoch nicht in der Richtlinie aufgeführt sind, scheinen einige japanische Benutzer sie nicht verwenden zu wollen. Ich hoffe, dass die nächste Ausgabe (5. Auflage) des AIAG MSA-Dokuments moderner wird. Auf jeden Fall vielen Dank für die Information.
(2) Meine Frage bezieht sich auf den Befehl „AIAG Gauge R&R Results“ des EMP MSA von JMP17. Im EMP MSA von JMP17 haben wir jetzt diesen Befehl. Ich kann nicht finden, welche Schätzung dort verwendet wird. Ich gehe stark davon aus, dass dort REML/EMS verwendet wird, aber ich habe kein Vertrauen.
(3) Nochmals vielen Dank für Ihre Informationen. Ich werde die im JMP-Dokument aufgeführten Dokumente überprüfen und meinen Vorgesetzten und meine Kollegen bei JMP Japan fragen, wie ich an die Kursmaterialien des JMP komme.
Betreff: Drei Fragen im Zusammenhang mit der Option AIAG Gauge R&R Results von JMP17Ich werde versuchen, teilweise zu antworten.
1) Die Antwort ist a). Keine zufriedenstellende Antwort, denn wie kann das sein? Was bedeutet es, eine negative Varianz zu erhalten? Wie können wir diese Informationen einfach ignorieren und auf Null setzen? Dies sind interessante und relevante Fragen, aber ich habe keine Artikel gesehen, in denen sie behandelt wurden. Es gibt umfangreiche theoretische Statistikbücher (Hocking, Linear Models), die erklären, dass Varianzen einfach Kovarianzen sind, und wenn man das Modell als Kovarianzmodell umparametrisiert, ergeben die Negative einen Sinn. Aber das hilft einem Ingenieur nicht. Meiner Erfahrung nach (20 Jahre im Halbleiterbereich, 10+ Jahre in der JMP-Ausbildung) kommt es bei REML oder EMS zu negativen Varianzen, da die Wiederholbarkeit im Vergleich zur Varianz aus Messgeräte-Studienfaktoren gering ist. Sie können in „Modell anpassen“ ein Kontrollkästchen aktivieren, um die Varianz auf nicht-negative Varianzkomponenten zu beschränken. Meiner Erfahrung nach erhalten Sie mit dieser Methode jedoch keine Varianzen, und physikalisch wissen wir, dass die Varianz nicht Null ist.
2) Mit der AIAG Gauge R&R-Analyse können Sie die Methode im Startdialog angeben, genau wie bei der Variabilität. Verwenden Sie zum Festlegen die Schaltfläche „Analyseeinstellungen“.
3) Ich stimme zu. Die negativen Varianzkomponenten bei Verwendung von REML oder EMS fallen bei Verwendung der Bayes'schen Methode klein aus. Es gibt zwei Referenzen in der JMP-Dokumentation, die relevant zu sein scheinen. (Mein JSTOR funktioniert nicht richtig, daher kann ich sie momentan nicht nachschlagen)
Portnoy, S. (1971). „Formale Bayes-Schätzung mit Anwendung auf ein Zufallseffektmodell.“ Die Annalen der mathematischen Statistik 42:1379–1402.
Sahai, H. (1974). „Einige formale Bayes-Schätzer von Varianzkomponenten im ausgeglichenen dreistufigen Modell mit verschachtelten Zufallseffekten.“ Kommunikation in der Statistik – Simulation und Berechnung 3:233–242.
Interne JMP-Mitarbeiter können auf unsere MSA-Kursmaterialien zugreifen, die möglicherweise weitere Einzelheiten enthalten
https://www.jmp.com/en_us/training/courses/jmp-measurement-system-analysis.html
