Re: SHASH 분산 데이터에 대한 비정규 제어 차트컨트롤 차트를 어떻게 사용하고 있는지, 어떤 목적으로 사용하고 있는지 모르겠다는 말로 시작하겠습니다. Shewhart가 의도한 대로 또는 다른 방식으로 사용하는 경우.
있다 정규분포 데이터를 가정하지 않음 컨트롤 차트를 효과적으로 사용합니다. 다음을 읽어 보시기 바랍니다.
1. 컨트롤 차트(Wheeler가 부르는 프로세스 동작 차트)에 관한 신화에 대한 빠른 논의: 신화 1 참조
https://www.qualitydigest.com/print/18348
2. 우수한 논문 토론과 함께 :
Woodall, William H. (2000), "통계적 프로세스 제어의 논쟁과 모순", 품질기술 저널 , 권. 2000년 10월 32, 4호
데이터와 관련하여 실제로 플롯되는 연속 변수가 없습니까? 불량률 또는 불량률과 같은 것을 계획하고 있는 것 같습니다. 이러한 데이터 유형은 일반적으로 p/np-차트 또는 u/c-차트에 표시됩니다.
값이 실제로 무엇을 의미하는지 묻고 싶습니다. 값은 어떻게 계산됩니까? 무엇의 퍼센트? 100%는 어떻게 결정되나요? 생존 가능성을 평가하는 데 사용할 수 있는 다른 측정 방법이 있습니까?
이러한 유형의 데이터를 간단한 X,MR 차트로 평가할 수 있는 경우가 있습니다.
Re: SHASH 분산 데이터에 대한 비정규 제어 차트공정 제어를 실행해야 하는 작업자가 더 이상 해당 공정과 관련된 장치로 작업하지 않기 때문에 변수 변환을 매우 싫어합니다. 개념적 수학적 접근 방식에서는 괜찮지만 프로세스 제어 시스템 접근 방식에서는 좋지 않습니다. 즉, 비율을 보고 있는 것 같으며 먼저 p-차트를 탐색해야 합니다.
그래도 작동하지 않는 경우 배포판을 선택하는 방법은 배포 플랫폼을 사용하는 것입니다. 모두 적합 옵션을 누르고 긴 꼬리가 있는 모든 Johnson 및 SHASH 곡선을 건너뛴 다음 다음으로 높은 곡선을 선택하십시오. 그것이 Weibull이라면 그것이 당신이 가진 최고이므로 더 이상 적합도를 보지 마십시오.
Re: SHASH 분산 데이터에 대한 비정규 제어 차트안녕 @폴딘 ,
짧고 요약된 응답에 감사드립니다! 이것도 제가 따라갈 길이라고 생각합니다!
친절한 안부, 요한
Re: SHASH 분산 데이터에 대한 비정규 제어 차트우선, 도움이 되는 모든 댓글에 감사드립니다!
@Mark_Bailey : 오른쪽 클릭을 통한 람다 스케일링의 확장은 지금까지 저에게 익숙하지 않았습니다. 이 팁을 주셔서 감사합니다!
데이터와 내 의도에 대해, 그리고 이 시점에서 처음부터 이를 명확하게 밝히지 않은 점에 대해 사과드립니다. 데이터는 배양 과정 내에서 생존 가능한 세포의 비율 결정에 관한 것입니다. 여기에서 살아있는 세포 수와 총 세포 수(살아 있는 세포와 죽은 세포)를 정량화하여 결정이 이루어지며, 이로부터 생존율이 최종적으로 결정될 수 있습니다. 활력도(LSL 90%)에 따라 프로세스를 계속할 수 있는지 여부가 결정되기 때문에 이 매개변수는 매우 중요합니다. 측정은 배치당 개별 결정(하나의 배치, 하나의 생존 가능성 결정, 샘플 파일에 배치 번호를 지정하지 않음)이므로 이 매개변수를 확인하기 위해 I-MR 차트를 사용하고 싶었습니다.
컨트롤 차트를 통해 생존 가능성을 검토하기 위해 Western Electric Rules 테스트 1(1점이 평균에서 3 표준 편차 이상임), 테스트 2(연속 9개(또는 그 이상) 포인트가 같은 쪽에 있음)를 적용하기로 결정했습니다. 의 평균) 및 검정 5(행의 9개(또는 그 이상) 점이 평균의 같은 쪽에 있음). 이 조사에서 비정규 제어 차트를 사용해야 한다는 가정은 결국 데이터가 분명히 정규 분포가 아니라는 사실에서 비롯되었으며 이론적으로 비정규 분포가 가능성이 있음을 예상할 수 있습니다. 자연 한계(세포 배양은 100% 이상의 생존 세포를 포함할 수 없음). 나는 비정상적으로 분산된 데이터와 "고전적인" ControlCharts의 적용으로 오류 메시지를 받게 될 것이라고 가정했습니다. 이는 특수한 원인 변동으로 인해 실제로 발생하는 것이 아니라 데이터의 "특성"으로 인한 것입니다.
@statman : 그러나 귀하의 정보에 따르면 정규분포 가정이 관리도 적용에 필수는 아닌 것으로 알고 있습니다. 아쉽게도 아직 모든 참고 문헌을 읽을 기회가 없었지만 가능한 한 빨리 읽도록 노력하겠습니다. 어쨌든 이에 대해 다시 한 번 감사드립니다. 그러나 품질 다이제스트 소스(Myth 1)를 올바르게 이해하면 Shewart의 접근 방식은 이상값을 결정하고 프로세스 이동을 감지하지 않는 것입니까?
Re: SHASH 분산 데이터에 대한 비정규 제어 차트내가 준 참고 문헌을 읽는 것이 좋습니다(Shewhart의 책을 읽는 것보다 쉬울 것입니다). Shewhart는 프로세스에서 할당할 수 있는 다른 것이 있는지 확인하는 방법을 찾고 있었습니다. 그가 개발한 관리도는 두 가지 작업을 수행합니다. 궁극적으로 차트는 잠재적인 소스(X)를 분할하고 그 효과를 비교하여 인과 관계 구조를 결정하는 데 사용됩니다. 실험을 통해서가 아니라 노출되는 자연스러운 변화를 통해. 하위 그룹은 비교의 기준을 형성합니다. 그만큼 이내에 부분군 변동은 해당 "빈도"에서 자연스럽게 달라지는 x의 함수입니다(예, yf(x)). 하위 그룹의 선택은 중요한 결정입니다(거의 가르치지 않음).
"따라서 초기에 데이터를 합리적인 이론에 따라 합리적인 하위 그룹으로 성공적으로 나누는 엔지니어는 장기적으로 본질적으로 더 나은 사람입니다."
쉬워트
그만큼 시간 ~ 사이 샘플링되는 각 하위 그룹은 해당 샘플링 빈도에서 변경되는 x의 자연 변형을 캡처합니다.
따라서 차트는 다음과 같은 질문에 답합니다. 반응 변수에 더 큰 영향력(하위 그룹 내 또는 하위 그룹 간에 변경되는 것)이 있는 변동 소스는 무엇입니까? 그러나 Shewhart는 그러한 비교가 이루어지기 위해서는 먼저 비교 기준의 일관성을 평가해야 한다는 사실도 깨달았습니다. 따라서 질문에 답하는 범위 차트는 하위 그룹 내 변동이 일관되고 안정적이며 예측 가능한가?
예를 들어 배양 중인 세포 배치가 있습니다. 살아있는/죽은 세포를 결정하기 위해 검사 프로세스를 사용하고 있습니다. 전체 배치를 하나의 샘플로 취급합니다. 배치 내에 세포 성장에 더 도움이 되는 영역이 있을 수 있습니까? 배치 내에 온도 구배가 있습니까? 배치가 얼마나 균질합니까? 배치가 교반되었습니까? 배치 내 변동의 원인은 무엇입니까? 한천은 얼마나 잘 분포되어 있습니까? 세포가 붙어 있는 기질은 무엇입니까? 살아 있거나 죽은 세포에 관한 측정 시스템에 대해 얼마나 확신하십니까? 살아있는 세포의 그라데이션이 있습니까? 더 정확한 측정이 가능할까요? 수집하는 역할을 하는 이러한 변수의 일관성은 범위 차트를 사용하여 평가할 수 있습니다. 이제 다음 배치(및 후속 배치)에 대해 무엇이 변경됩니까? 한천의 다른 많은? 다른 주변 조건? 처리 조건이 다른가요? 다른 기질? 원료 변경? 레시피 준수 능력?...등등. X-막대 차트는 여러 소스를 비교하여 어떤 세트의 x(변이 구성 요소)가 가장 큰 효과를 내고 어디에 개선 노력을 집중해야 하는지 결정합니다. 물론 이러한 연구는 더 큰 차별을 제공하는 여러 계층으로 수행될 수 있습니다.
SHASH 분산 데이터에 대한 비정규 관리도안녕하세요,
여기에서 이미 다룬 비정규 관리도에 대한 논의를 다시 살펴보고 싶습니다.
https://community.jmp.com/t5/Discussions/Control-Chart-builder-Non-Normal-data-Control-Limits/mp/227165#M45073
또한 극도의 "왜도"로 인해 SHASH 분포만 문제가 되는 비정규 분포 데이터 세트(첨부 참조)도 있습니다. 다른 모든 분포는 상당한 적합도 테스트로 인해 거부됩니다. 그러나 Paul Deen의 비정규 제어 차트 스크립트(위의 링크 참조, 매우 유용한 스크립트 참조)를 사용하고 SHASH 분포를 선택하면 매우 의심스러운 그래프가 표시됩니다(시그마 경계에 비해 영역이 너무 큼). 데이터의 극심한 왜도 때문에(요약하자면 내 LSL은 0.9이고 내 목표는 최대화하는 것입니다)
반면에 Weilbull 분포를 선택하면 ControlChart가 훨씬 좋아 보입니다.
그러면 해당 테스트(Western Electric 규칙)를 보다 안정적으로 적용할 수도 있습니다. 이제 내 질문은 컨트롤 차트 생성을 위해 다른 분포를 가정하는 것이 허용되는지 여부입니다. 실제로는 적합도 테스트를 통해 거부됩니다. 특히 SHASH 분포는 프로세스 분석(기능, 제어 차트)에 적합하지 않다는 이야기도 들었습니다.
데이터 변환에 대해: box-cox 변환(Mark Bailey의 스크립트 사용, https://community.jmp.com/t5/JMP-Scripts/Demonstrate-the-Univariate-Box-Cox-Transform/ta-p/21820 ), 그러나 거의 성공하지 못했습니다. 데이터가 너무 "편향"되어 있습니다. 또한 특정 정보를 잃어버리기 때문에 데이터를 변환하는 것이 권장되지 않는다는 것도 알게 되었습니다. https://www.spcforexcel.com/knowledge/variable-control-charts/control-charts-and-non-normal-data)
이것에 대한 의견이 있습니까?
피드백이 있으면 매우 기쁠 것입니다!
친애하는
요한
품질 및 프로세스 엔지니어링Re: SHASH 분산 데이터에 대한 비정규 제어 차트일반적인 Quantile 플롯을 선형화하는 람다 값을 찾기 위해 내가 작성한 스크립트를 사용하려는 이유는 -2와 +2 사이에서만 람다를 변경할 수 있기 때문입니까? 이 경우 슬라이더를 마우스 오른쪽 버튼으로 클릭합니다. 슬라이더의 간격을 변경하고 더 넓게 만들 수 있습니다.
Re: SHASH 분산 데이터에 대한 비정규 관리도SPC의 목적이 무엇인지 잘 모르겠습니다. 개별 X 제어 한계에 대해 강력한 방법을 사용할 수 있습니까? 고도로 치우친 데이터 SPC의 경우 일반적으로 중앙값(중심선 - 위치) + k*IQR(분산/시그마)을 제어 한계로 사용하여 자체 UCL을 정의합니다.
관리도에서 시그마에 MAD를 사용하여 출판된 논문을 본 적이 있습니다.
https://www.researchgate.net/publication/262272472_Robust_individuals_control_chart_for_shifts_in_process_mean_and_variance
