JMP17의 AIAG 게이지 R&R 결과 옵션과 관련된 세 가지 질문JMP 일본 사무소에서 동료들과 함께 JMP17의 MSA에 대한 Hyde Miller-san의 튜토리얼 비디오를 시청했습니다.
JMP에서 AIAG의 게이지 R&R에 대해 세 가지 질문이 있습니다.
(1) AIAG(2010:4th ed.) Measurment System Analysis Reference Manual(4th ed.)의 196페이지에는 "분석 목적으로 음의 분산 성분이 0으로 설정됩니다"라고 나와 있습니다. 이 문장은 다음 중 무엇을 의미합니까?
- (a) 음수 분산 추정치에 대해서만 0을 설정하고 양수 분산 추정치를 변경하지 않고 게이지 R&R 지수를 계산하거나...
- (b) 분산 추정치가 음수인 구성 요소를 제거하고 모델을 다시 적합합니다.
(2)EMP MSA 플랫폼에서 JMP17의 AIAG 게이지 R&R 결과에 사용된 추정 방법은 무엇입니까?
방법이 REML/EMS *입니까?
* 데이터가 균형을 이루고 음의 분산이 없으면 EMS가 사용됩니다. 그렇지 않으면 REML이 사용됩니다.
(3) 나는 개인적으로 그리고 직관적으로 베이지안 분석이 일반적으로 MSA에 더 좋다고 생각합니다(왜냐하면 MSA 연구에서는 표본 크기가 크지 않고 베이지안 분석에서 부정적인 추정을 피할 수 있기 때문입니다). MSA 및/또는 게이지 R&R에 대해 베이지안 분석을 권장하는 공식적인 지침이나 학술 참조 논문이 있습니까?
Re: JMP17의 AIAG 게이지 R&R 결과 옵션과 관련된 세 가지 질문다시 한 번 감사드립니다, Michelson-san
이제 AIAG MSA 4판의 방법 간의 차이점을 이해합니다. 그리고 JMP의 것. 첫 번째 답변에서 언급한 논문과 JMP의 강의 자료도 확인하여 더 많은 이해를 하도록 하겠습니다.
Re: JMP17의 AIAG 게이지 R&R 결과 옵션과 관련된 세 가지 질문1) 반도체 산업 컨소시엄인 International SEMATECH에서 일할 때 국제 기업의 통계학자 팀이 AIAG에 편지를 보내 보다 현대적인 MSA 가이드라인 책자에 대한 대화를 시작하도록 요청했습니다. 3판 때였습니다. 그들은 우리에게 무례한 편지를 보냈고 우리의 의견 없이 4판을 만들었습니다. 이것은 품질 시스템 문서를 작성하는 조직에서 온 것입니다! 1단계는 언제나 고객이 원하는 것을 찾는 것! 그러나 그들은 그렇게 하지 않았습니다.
2) 또한 EMP는 REML만 사용한다고 생각합니다. 변동성에서 분석 설정 버튼을 사용하여 베이지안 및 REML 모델을 모두 맞출 수 있습니다. JMP > 도움말 > 샘플 색인 > 측정 시스템 > 3개 요인 교차 및 내포를 사용합니다. 베이지안 및 REML 추정치는 다릅니다. 그런 다음 EMP에서 분산 구성 요소는 가변성에서 REML이 찾은 구성 요소와 일치합니다. 베이지안을 사용하도록 가변성 기본 설정을 변경하더라도 EMP 플랫폼은 REML을 사용합니다.
3) 교재 링크를 잘못 입력했습니다. 내부용으로만 사용할 수 있는 올바른 링크는 다음과 같습니다. https://www.jmp.com/en_us/training/course-resources/measurement-system-analysis-course-resources.html .
Re: JMP17의 AIAG 게이지 R&R 결과 옵션과 관련된 세 가지 질문답장을 보내주셔서 대단히 감사합니다, Michelson-san
(1) 일부 일본 사용자는 지침이 오래되더라도 그대로 따르기를 원합니다. 저는 개인적으로 (a)보다는 (b)양의 제약조건을 가진 REML이, (b)보다는 베이지안 방법이 낫다고 생각합니다. 하지만 가이드라인에 기재되어 있지 않으면 일부 일본 유저들은 사용을 꺼리는 것 같습니다. AIAG MSA 문서의 다음 버전(5판)이 더욱 현대화되기를 바랍니다. 어쨌든 정보 감사합니다.
(2) 제 질문은 JMP17의 EMP MSA의 "AIAG 게이지 R&R 결과" 명령에 관한 것입니다. JMP17의 EMP MSA에는 이제 이 명령이 있습니다. 거기에서 사용되는 추정치를 찾을 수 없습니다. 나는 REML/EMS가 거기에서 사용되는 것 같지만 확신이 없습니다.
(3) 좋은 정보 감사합니다. JMP의 문서에서 참조한 논문을 확인하고 JMP Japan의 관리자와 동료에게 JMP의 과정 자료를 얻는 방법을 물어볼 것입니다.
Re: JMP17의 AIAG 게이지 R&R 결과 옵션과 관련된 세 가지 질문나는 부분적으로 대답하려고 노력할 것입니다.
1) 정답은 가)입니다. 만족스러운 답변이 아닙니다. 어떻게 그럴 수 있겠습니까? 음의 분산을 얻는다는 것은 무엇을 의미합니까? 어떻게 그 정보를 무시하고 0으로 설정할 수 있습니까? 이것들은 흥미롭고 관련 있는 질문이지만 이에 대해 논의하는 논문을 본 적이 없습니다. 분산이 단순히 공분산이며 모델을 공분산 모델로 다시 매개변수화하면 네거티브가 의미가 있다고 설명하는 무거운 이론 통계 서적(Hocking, 선형 모델)이 있습니다. 그러나 그것은 엔지니어에게 도움이 되지 않습니다. 내 경험(반도체에서 20년, JMP 교육에서 10년 이상)에 따르면 REML 또는 EMS에서 음의 분산이 발생합니다. 왜냐하면 게이지 연구 요인의 분산에 비해 반복성이 작기 때문입니다. Fit Model의 상자를 선택하여 음수가 아닌 분산 구성 요소로 제한할 수 있지만, 내 경험상 이 방법을 사용하면 분산이 0이 되고 물리적으로 분산이 0이 아님을 알 수 있습니다.
2) AIAG 게이지 R&R 분석을 사용하면 가변성과 마찬가지로 시작 대화 상자에서 방법을 지정할 수 있습니다. 분석 설정 버튼을 사용하여 지정합니다.
3) 동의합니다. REML 또는 EMS를 사용하는 음의 분산 성분은 Bayesian 방법을 사용하여 작게 나옵니다. 관련이 있는 것처럼 들리는 두 개의 참조가 JMP 설명서에 있습니다. (내 JSTOR가 제대로 작동하지 않아서 지금은 조회할 수 없습니다.)
포트노이, S. (1971). "무작위 효과 모델에 적용한 공식 Bayes 추정." 수리통계연보 42:1379–1402.
사하이, H. (1974). "균형 잡힌 3단계 중첩 랜덤 효과 모델에서 분산 구성 요소의 일부 공식 Bayes 추정기." 통계 커뮤니케이션 – 시뮬레이션 및 계산 3:233–242.
내부 JMP 직원은 MSA 과정 자료에 액세스할 수 있습니다.
https://www.jmp.com/en_us/training/courses/jmp-measurement-system-analysis.html
