Ciao,
Vorrei rivisitare la discussione sulle carte di controllo non normali, che è già stata affrontata qui.
https://community.jmp.com/t5/Discussions/Control-Chart-builder-Non-Normal-data-Control-Limits/mp/227165#M45073
Ho anche un set di dati non distribuito normalmente (vedi allegato) per il quale viene messa in discussione solo la distribuzione SHASH a causa dell'estrema "asimmetria". Tutte le altre distribuzioni vengono respinte a causa di una significativa bontà del test di adattamento. Tuttavia, utilizzando lo script Non-normal Control Chart di Paul Deen (vedi link sopra, script molto utile tra l'altro!) e selezionando la distribuzione SHASH, viene visualizzato un grafico molto discutibile (zone troppo grandi per i confini sigma), che è certamente a causa dell'estrema asimmetria dei dati (se vuoi ricapitolare, il mio LSL è 0.9, il mio obiettivo è massimizzare)
Se, invece, seleziono una distribuzione Weilbull, il ControlChart appare molto meglio.
I test corrispondenti (regole Western Electric) possono quindi essere applicati in modo più affidabile. La mia domanda ora è se sia accettabile ipotizzare una diversa distribuzione per la creazione della carta di controllo, sebbene questa sia effettivamente respinta tramite la bontà del test di adattamento? Ho anche sentito che una distribuzione SHASH in particolare non è appropriata per le analisi di processo (capacità, carte di controllo).
Riguardo alla trasformazione dei dati: ho anche provato a normalizzare i dati usando la trasformazione box-cox (usando lo script di Mark Bailey, https://community.jmp.com/t5/JMP-Scripts/Demonstrate-the-Univariate-Box-Cox-Transform/ta-p/21820 ), ma con scarso successo. I dati sono semplicemente troppo "distorti". Inoltre ho anche scoperto che la trasformazione dei dati non è consigliata poiché perdi determinate informazioni (vedi anche https://www.spcforexcel.com/knowledge/variable-control-charts/control-charts-and-non-normal-data)
Hai un'opinione su questo?
Sarei molto felice per qualsiasi feedback!
Distinti saluti
Giovanni
