Résultats MSA JMP vs Minitab@Martin Démel
Chère communauté JMP, peut-être que certains d'entre vous pourront m'aider.
J'utilise régulièrement Minitab. Aujourd'hui, je soutiens un ami qui utilise JMP dans son entreprise et m'a demandé d'expliquer à son équipe comment exécuter les procédures dans JMP que j'ai expliquées dans Minitab.
Le premier sujet avec lequel je me bats est MSA (dans l'étude de variabilité JMP).
J'ai un exemple avec une forte interaction évaluateur * pièces, car d'une manière ou d'une autre, l'affectation d'échantillons a été mélangée pour 3 échantillons.
Peu importe que je supprime ce mélange ou non, j'observe le schéma suivant :
Toutes les contributions GRR (basées sur 6*stdev) sont plus petites dans JMP, à l'exception de l'interaction évaluateur*parties, qui est plus importante dans JMP.
La répétabilité semble presque identique.
Maintenant, les gens me demandent évidemment quel logiciel est le bon, et je n'ai pas de réponse.
Dans cet exemple, Minitab obtient une variance négative pour la contribution de l'évaluateur, qu'il a ensuite définie sur zéro (commentaires de son assistance).
Mais cela n'explique qu'une partie du problème. La plus grande différence semble être dans la partie interaction.
Quelqu'un peut-il m'expliquer pourquoi les deux sont différents? Et peut-être que l'équipe JMP peut expliquer pourquoi elle pense faire les choses correctement.
Un fichier Excel avec des exemples de données est joint, avec les résultats de l'évaluation dans une feuille de calcul séparée.
J'utilise JMP 16.1 et Minitab 21.
AnalytiqueRe : Résultats MSA JMP vs MinitabAutant dire s'asseoir sur une île... (voir ma réponse à @statman )
Re : Résultats MSA JMP vs MinitabJe suis conscient que l'AIAG n'est pas un organisme de rédaction de normes nationales ou internationales, comme l'ISO ou l'ANSI. C'est pourquoi j'ai dit "de facto".
C'est parce qu'ils rédigent des normes industrielles, comme par exemple l'ECMA, l'association européenne des fabricants d'ordinateurs, à laquelle j'ai participé.
En 40 ans de travail dans la gestion de la qualité ou le conseil, je n'ai jamais rencontré quelqu'un utilisant la méthode EMP de Wheeler.
Mais je dois aussi admettre que travailler dans une certaine industrie, c'est souvent comme être assis sur une île...
Quoi qu'il en soit, suivant vos conseils, je vérifierai à nouveau le document AIAG MSA.
Et Minitab utilise effectivement la méthode EMS. Cela a été confirmé par eux. Donc, au moins, il est clair, pourquoi il y a des différences.
C'est ce que je voulais.
Merci pour votre aide. J'ai été impressionné par sa rapidité et sa clarté.
Re : Résultats MSA JMP vs MinitabAjouter à @statman », d'autres industries ne sont pas d'accord avec la norme AIAG, par exemple l'industrie des semi-conducteurs. Ils ont trouvé de meilleures définitions pour MSA à leurs fins . Veuillez utiliser la norme attendue par votre secteur, mais comprenez qu'il existe des divergences d'opinions et des interprétations différentes d'un secteur à l'autre.
Re : Résultats MSA JMP vs MinitabLa norme AIAG (Automotive Industry Action Group) était à l'origine destinée à l'industrie automobile. Il ne s'agit pas d'un organisme d'écriture standard (par exemple, ANSI, ISO, IEC). Si vous avez la chance de lire le document MSA, vous trouverez plusieurs options pour calculer les composantes de variation, pas une seule. Il y a même une référence à la méthodologie EMP.
Re : Résultats MSA JMP vs MinitabMerci @statman et @Dan_Obermiller .
Je me doutais de quelque chose dans ce sens. Les informations de Minitab indiquent qu'ils utilisent les méthodes AIAG MSA4.
Je ne connais pas assez les statistiques pour savoir de quel type de modèle il s'agit. Mais je considérerais utile de suivre les normes AIAG MSA - qui est une norme de facto très largement acceptée - étaient disponibles au moins en option.
Et bien sûr, je suis conscient que toutes les données sont des estimations et que de petites différences sont toujours possibles et doivent être acceptées.
Merci encore pour votre réponse rapide.
Hermann Hulsing
Re : Résultats MSA JMP vs MinitabAjout d'un peu d'information à @statman est une excellente information. Pour voir vos options lorsque vous choisissez Variabilité / Graphique de jauge d'attribut, cliquez sur le bouton Paramètres d'analyse dans le coin inférieur gauche de la boîte de dialogue. Vous verrez que JMP propose plusieurs façons de calculer les composantes de la variance, tout comme @statman a dit. Le bouton radio est réglé sur "meilleur". Vous verrez que vous ne pouvez pas forcer JMP à utiliser EMS, seulement un choix entre EMS ou REML. L'approche EMS est plus ancienne et des composantes de variance négatives sont possibles. Ainsi, REML aidera à éviter cette situation. Juste mon avis, mais je préférerais utiliser REML pour essayer d'éviter les composants de variance négatifs.
Si vous voulez vraiment utiliser EMS, vous pouvez toujours utiliser Fit Model dans JMP. Spécifiez votre modèle et assurez-vous de déclarer vos facteurs comme des effets aléatoires. Lorsque vous le faites, vous devriez obtenir une liste déroulante pour la méthode. La valeur par défaut est REML, mais vous pouvez la remplacer par EMS (traditionnel). Lorsque vous exécutez le modèle, il correspondra très probablement à la sortie de Minitab.
Re : Résultats MSA JMP vs MinitabBienvenue dans la communauté. Vous posez une question sur Minitab et nous n'avons peut-être pas ce logiciel pour déterminer ce qui est fait différemment, mais je dirai qu'il existe plusieurs façons d'estimer les composantes de variation et que certains logiciels diffèrent sur ce qu'ils utilisent par défaut. Je suppose que Minitab utilise EMS et n'emploie pas d'estimations REML (Restricted Maximum Likelihood) ou bayésiennes lorsque des composants négatifs sont estimés. Je commencerais par comprendre ceci :
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/variance-components.shtml
À propos de REML :
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/restricted-maximum-likelihood-reml-method.shtml
Réalisez également que toutes les estimations sont des ESTIMATIONS, aucune n'est nécessairement "correcte". Les statistiques modifient-elles l'interprétation de votre analyse (quelles composantes sont les plus importantes, etc.) ? J'examinerais également la méthodologie EMP de Wheeler :
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/measurement-systems-analysis-platform-options.shtml#
