與 JMP17 的 AIAG Gauge R&R 結果選項相關的三個問題我和 JMP 日本辦事處的同事一起觀看了 Hyde Miller-san 的 JMP17 MSA 教程視頻。
我們對 JMP 上的 AIAG 儀表 R&R 有三個問題。
(1) AIAG(2010:4th ed.)測量系統分析參考手冊(4th ed.)第196頁中提到“出於分析目的，將負方差分量設置為零”。 這句話的意思是下面哪一個？
- (a) 您只需將負方差估計設置為零，併計算量表 R&R 指數而不更改正方差估計，...或者...
- (b) 刪除具有負方差估計的組件，並重新擬合模型。
(2)EMP MSA平台上JMP17的AIAG Gauge R&R結果採用了什麼樣的估算方法？
方法是 REML/EMS *嗎？
* 如果數據平衡並且沒有負方差，則使用 EMS。 否則，使用 REML。
（3）我個人直觀地認為貝葉斯分析一般對於MSA比較好（因為MSA研究的樣本量不大，我們可以避免貝葉斯分析中的負估計）。 是否有正式指南或學術參考論文建議對 MSA 和/或 Gauge R&R 使用貝葉斯分析？
回复：與 JMP17 的 AIAG Gauge R&R 結果選項相關的三個問題再次感謝你，邁克爾遜先生
我現在了解 AIAG MSA 第 4 版中方法之間的區別。和 JMP 的。 我還會查看您在第一個回復中提到的論文以及JMP的課程材料以了解更多信息。
回复：與 JMP17 的 AIAG Gauge R&R 結果選項相關的三個問題1) 當我在半導體行業聯盟 International SEMATECH 工作時，來自國際公司的統計學家團隊給 AIAG 寫了一封信，要求他們與我們就一本更現代的 MSA 指南進行對話。 這是在第三版期間。 他們給我們發了一封粗魯的信，並在沒有我們意見的情況下創建了第四版。 這是來自編寫質量體系文件的組織！ 第一步始終是找出客戶想要什麼！ 但他們沒有。
2) 我也相信 EMP 僅使用 REML。 您可以使用變異性中的分析設置按鈕來擬合貝葉斯模型和 REML 模型。 使用 JMP > 幫助 > 樣本索引 > 測量系統 > 3 因子交叉和嵌套。 貝葉斯估計和 REML 估計不同。 然後，在 EMP 中，方差分量與 REML 在 Variability 中找到的方差分量相匹配。 即使您將可變性首選項更改為使用貝葉斯，EMP 平台也會使用 REML。
3) 我輸入了錯誤的課程材料鏈接。 僅供內部使用的正確鏈接是https://www.jmp.com/en_us/training/course-resources/measurement-system-analysis-course-resources.html 。
回复：與 JMP17 的 AIAG Gauge R&R 結果選項相關的三個問題非常感謝您的回复，邁克爾遜桑
(1) 一些日本用戶只是想遵循該指南，即使它已經過時了。 我個人認為(b)帶正約束的REML優於(a)，貝葉斯方法優於(b)。 但如果指南中沒有寫到，似乎一些日本用戶就不想使用它們。 我希望 AIAG MSA 文檔的下一版（第五版）變得更加現代。 不管怎樣，謝謝你的信息。
(2) 我的問題是關於 JMP17 的 EMP MSA 的“AIAG Gauge R&R Results”命令。 在 JMP17 的 EMP MSA 中，我們現在有這個命令。 我找不到那裡使用的估計。 我猜測那裡使用的是 REML/EMS，但我沒有信心。
(3) 再次感謝您提供信息。 我會檢查JMP文檔中引用的那些論文，我會向我的經理和JMP日本的同事詢問如何獲取JMP的課程材料。
回复：與 JMP17 的 AIAG Gauge R&R 結果選項相關的三個問題我將嘗試部分回答。
1）答案是a）。 這不是一個令人滿意的答案，因為這怎麼可能呢？ 獲得負方差意味著什麼？ 我們怎樣才能忽略該信息並將其設置為零呢？ 這些都是有趣且相關的問題，但我還沒有看到任何論文討論它們。 有大量理論統計書籍（霍金、線性模型）解釋說方差只是協方差，通過將模型重新參數化為協方差模型，負數就有意義了。 但這對工程師沒有幫助。 根據我的經驗（20 年半導體行業經驗，10 年以上 JMP 教育經驗），REML 或 EMS 會出現負方差，因為與量規研究因素的方差相比，重複性很小。 您可以選中“擬合模型”中的一個框以限制非負方差分量，但根據我的經驗，使用此方法，您最終會得到零方差，並且從物理上我們知道方差不為零。
2) AIAG Gauge R&R Analysis 允許您在啟動對話框中指定方法，與變異性相同。 使用“分析設置”按鈕進行指定。
3）我同意。 使用貝葉斯方法，使用 REML 或 EMS 得出的負方差分量很小。 JMP 文檔中有兩個參考文獻聽起來很相關。 （我的 JSTOR 無法正常工作，所以我現在無法查找它們）
波特諾伊，S.（1971）。 “形式貝葉斯估計及其在隨機效應模型中的應用。”數理統計年鑑42：1379-1402。
薩海，H.（1974）。 “平衡三階段嵌套隨機效應模型中方差分量的一些正式貝葉斯估計器。”統計通訊——模擬與計算3：233-242。
JMP 內部員工可以訪問我們的 MSA 課程材料，其中可能有更多詳細信息：
https://www.jmp.com/en_us/training/courses/jmp-measurement-system-analysis.html
