Ri: Grafico di controllo non normale per dati distribuiti SHASHVorrei iniziare affermando che non so come stai usando i grafici di controllo o per quale scopo. Se li stai usando come previsto da Shewhart o in qualche altro modo.
C'è nessuna assunzione di dati normalmente distribuiti UTILIZZARE efficacemente le carte di controllo. Ti suggerisco di leggere quanto segue:
1. Una rapida discussione dei miti riguardanti i grafici di controllo (i grafici del comportamento dei processi, come li chiama Wheeler): vedere Mito 1
https://www.qualitydigest.com/print/18348
2. Un'ottima carta con discussione :
Woodall, William H. (2000), "Controversie e contraddizioni nel controllo del processo statistico", Rivista di tecnologia di qualità , vol. 32, n. 4 ottobre 2000
Per quanto riguarda i tuoi dati, in realtà non hai una variabile continua da tracciare? Sembra che tu stia tracciando qualcosa come una percentuale difettosa o una percentuale di difetti. Questi tipi di dati sono tipicamente tracciati su grafici p/np o grafici u/c.
Vorrei chiedere cosa significano effettivamente i valori? Come viene calcolato il valore? Percentuale di cosa? Come viene determinato il 100%? Esiste un'altra misura che potrebbe essere utilizzata per valutare la fattibilità?
Ci sono momenti in cui questo tipo di dati può essere valutato con un semplice grafico X,MR:
Ri: Grafico di controllo non normale per dati distribuiti SHASHNon mi piace molto trasformare le variabili poiché gli operatori che devono eseguire il controllo del processo non lavoreranno più con le unità relative al loro processo. Va bene da un approccio matematico concettuale ... va male da un approccio al sistema di controllo del processo. Detto questo: sembra che tu stia osservando una proporzione e dovresti prima esplorare il grafico p.
Se ciò non funziona per te, il modo per selezionare una distribuzione è utilizzare la piattaforma di distribuzione. Premi l'opzione adatta a tutto, salta tutte le curve di Johnson e SHASH poiché sono piuttosto a coda lunga e quindi seleziona semplicemente quella successiva più alta. Se questo è Weibull, allora è il meglio che hai, quindi non preoccuparti più di guardare la bontà dell'adattamento.
Ri: Grafico di controllo non normale per dati distribuiti SHASHCIAO @pauldeen ,
grazie per la breve e riassuntiva risposta! Penso che questa sia anche la strada che seguirò!
Cordiali saluti, Giovanni
Ri: Grafico di controllo non normale per dati distribuiti SHASHPrima di tutto, vorrei ringraziarvi per tutti i commenti utili!
@Mark_Bailey: l'ampliamento del ridimensionamento lambda tramite clic con il pulsante destro del mouse non mi era familiare fino ad ora, grazie per questo suggerimento!
Per quanto riguarda i dati e la mia intenzione, ea questo punto mi scuso per non averlo chiarito fin dall'inizio. I dati riguardano la determinazione percentuale di cellule vitali all'interno di un processo di coltivazione. La determinazione viene effettuata qui quantificando il conteggio delle cellule vive e il conteggio totale delle cellule (cellule vive e morte), da cui alla fine è possibile determinare la percentuale di vitalità. Questo parametro è fondamentale, poiché si decide se il processo può essere continuato o meno a seconda della vitalità (LSL 90%). Le misurazioni sono determinazioni individuali per lotto (un lotto, una determinazione di fattibilità, non ho specificato il numero di lotto nel file campione), motivo per cui ho voluto utilizzare un grafico I-MR per controllare questo parametro.
Per esaminare la fattibilità tramite la carta di controllo, abbiamo deciso di applicare il test Western Electric Rules 1 (un punto è più di 3 deviazioni standard dalla media), test 2 (nove (o più) punti di fila sono sullo stesso lato della media) e test 5 (nove (o più) punti di fila sono sullo stesso lato della media). Il presupposto che ho bisogno di utilizzare la carta di controllo non normale in questa indagine è venuto infine dal fatto che i dati non sono ovviamente distribuiti normalmente e teoricamente ci si può anche aspettare che sia probabile una distribuzione non normale, poiché il parametro opera molto vicino a un limite naturale (la coltura cellulare non può contenere più del 100% di cellule vitali). Ero del presupposto che con dati non distribuiti normalmente e l'applicazione di un ControlCharts "classico" si ricevessero messaggi di errore, che in realtà non si verificano a causa di una variazione di causa speciale ma sono dovuti alla "natura" dei dati.
@statman : dalle tue informazioni, tuttavia, comprendo che l'ipotesi di distribuzione normale non è obbligatoria per l'applicazione delle carte di controllo. purtroppo non ho ancora avuto modo di leggere tutti i riferimenti, ma cercherò di farlo il prima possibile. In ogni caso, grazie ancora per questo. Ma se capisco correttamente la fonte del digest di qualità (Mito 1), l'approccio di Shewart riguarda più la determinazione dei valori anomali e non il rilevamento dei cambiamenti di processo?
Ri: Grafico di controllo non normale per dati distribuiti SHASHÈ meglio che tu legga i riferimenti che ho fornito (sarà più facile che leggere il libro di Shewhart). Shewhart stava cercando metodi per determinare se c'era qualcosa di assegnabilmente diverso nel processo. Le carte di controllo che ha sviluppato svolgono 2 compiti. In definitiva, i grafici vengono utilizzati per determinare la struttura causale mediante la partizione delle potenziali fonti (X) e il confronto dei loro effetti. Non attraverso la sperimentazione, ma attraverso l'esposizione della loro variazione naturale. Il sottogruppo costituisce la base del confronto. IL entro la variazione del sottogruppo è una funzione delle x che variano naturalmente a quella "frequenza" (Sì, yf(x)). La selezione del sottogruppo è una decisione importante (e raramente viene insegnata).
"L'ingegnere che riesce a dividere i suoi dati inizialmente in sottogruppi razionali basati su teorie razionali sta quindi intrinsecamente meglio nel lungo periodo"
Shewhart
IL tempo fra ogni sottogruppo campionato catturerà la variazione naturale delle x che cambiano a quella frequenza di campionamento.
Quindi i grafici rispondono alla domanda: quali fonti di variazione hanno una maggiore influenza (quelle che cambiano all'interno o tra i sottogruppi) sulle variabili di risposta? Tuttavia, Shewhart si è anche reso conto che, per poter effettuare un simile confronto, è necessario prima valutare la coerenza della base per il confronto. Quindi, il grafico dell'intervallo che risponde alla domanda: la variazione all'interno del sottogruppo è coerente, stabile, prevedibile?
Quindi, ad esempio, hai un lotto di cellule coltivate (perdonami perché non ho familiarità con il processo). Stai utilizzando un processo di ispezione per determinare le cellule vive/morte. Tratti l'intero lotto come un campione. È possibile che vi siano aree all'interno del lotto che favoriscono maggiormente la crescita cellulare? Ci sono gradienti di temperatura all'interno del lotto? Quanto è omogeneo il lotto? Il lotto è agitato? Quali fonti di variazione ci sono all'interno del batch? Quanto è ben distribuito l'agar? Qual è il substrato a cui sono attaccate le cellule? Quanto sei sicuro del sistema di misurazione per quanto riguarda le cellule vive o morte? Ci sono gradazioni di cellule viventi? Potrebbe esserci una misurazione più precisa? La consistenza di queste variabili che agiscono per raccogliere può essere valutata utilizzando il grafico dell'intervallo. Ora, per il prossimo lotto (e successivi), cosa cambia? Lotto diverso di agar? Condizioni ambientali diverse? Condizioni di lavorazione diverse? Substrato diverso? Cambiamenti di materia prima? Capacità di aderire alla ricetta?... ecc. Il grafico a barre X cerca di confrontare la moltitudine di fonti per determinare quale SET di x (componente di variazione) ha il maggiore effetto e dove dovresti concentrare i tuoi sforzi di miglioramento. Naturalmente, questi studi possono essere eseguiti con più strati fornendo una maggiore discriminazione.
Grafico di controllo non normale per dati distribuiti SHASHCiao,
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
Qualità e ingegneria di processoRi: Grafico di controllo non normale per dati distribuiti SHASHÈ il motivo per cui il tuo tentativo di utilizzare lo script che ho scritto per trovare un valore lambda che linearizza la normale trama del quantile è perché puoi variare lambda solo tra -2 e +2? In tal caso, fai clic con il pulsante destro del mouse sul dispositivo di scorrimento. Puoi modificare l'intervallo per il dispositivo di scorrimento e renderlo più ampio.
Ri: Grafico di controllo non normale per dati distribuiti SHASHNon sono sicuro dello scopo dell'SPC. Forse puoi utilizzare un metodo affidabile per il limite di controllo X individuale? Per SPC di dati altamente distorti, normalmente definirei il proprio UCL utilizzando la mediana (per linea centrale - posizione) + k*IQR (per dispersione/sigma) come limite di controllo.
Ho visto articoli pubblicati utilizzando MAD per sigma nelle carte di controllo.
https://www.researchgate.net/publication/262272472_Robust_individuals_control_chart_for_shifts_in_process_mean_and_variance
