Résultats MSA JMP et Minitab@Martin Démel
Chère communauté JMP, peut-être que certains d'entre vous pourront m'aider.
J'utilise régulièrement Minitab. Maintenant, je soutiens un ami qui utilise JMP dans son entreprise et m'a demandé d'expliquer à son équipe comment effectuer les procédures dans JMP que j'ai expliquées dans Minitab.
Le premier sujet avec lequel j'ai du mal est le MSA (dans JMP Variability Study).
J'ai un exemple avec une forte interaction évaluateur*parties, car d'une manière ou d'une autre, l'affectation des échantillons a été mélangée pour 3 échantillons.
Peu importe si je supprime cette confusion 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*pièces, 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 un écart négatif pour la contribution de l'évaluateur, qu'il définit ensuite sur zéro (retour de son support).
Mais cela n’explique qu’une partie du problème. La plus grande différence semble résider dans la partie interaction.
Quelqu'un peut-il m'expliquer pourquoi les deux sont différents ? Et peut-être que l’équipe JMP pourra expliquer pourquoi elle pense bien faire les choses.
Un fichier Excel contenant des exemples de données est joint, avec les résultats de l'évaluation dans une feuille de calcul distincte.
J'utilise JMP 16.1 et Minitab 21.
Ingénierie Qualité et ProcédésRe : Résultats MSA JMP vs MinitabC'est tout à propos de 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 pour cela que j'ai dit "de facto".
C'est parce qu'ils rédigent des normes industrielles, comme par exemple l'Association européenne des fabricants d'ordinateurs (ECMA), à laquelle j'ai participé.
En 40 ans de travail dans la gestion de la qualité ou le conseil, je n'ai jamais rencontré personne utilisant la méthode EMP de Wheeler.
Mais je dois aussi admettre que travailler dans un certain secteur, c'est souvent comme être assis sur une île...
Quoi qu'il en soit, suite à vos conseils, je vérifierai à nouveau le document AIAG MSA.
Et Minitab utilise effectivement la méthode EMS. Cela a été confirmé par eux. Ainsi, au moins, la raison pour laquelle il existe des différences est claire.
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 MinitabAjout à @statman Dans sa réponse, 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'opinion et des interprétations différentes selon les secteurs.
Re : Résultats MSA JMP vs MinitabLa norme AIAG (Automotive Industry Action Group) était initialement destinée à l’industrie automobile. Il ne s'agit pas d'un organisme de rédaction de normes (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. 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 provenant de Minitab indiquent qu'ils utilisent les méthodes d'AIAG MSA4.
Je ne suis pas assez approfondi dans les statistiques pour savoir de quel type de modèle ci-dessus il s'agit. Mais je considérerais qu'il serait utile que les normes AIAG MSA - qui sont une norme de facto très largement acceptée - soient 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 Hülsing
Re : Résultats MSA JMP vs MinitabAjout d'un peu d'informations à @statman C'est une excellente information. Pour voir vos options lorsque vous choisissez le graphique de variabilité/jauge d'attribut, cliquez sur le bouton Paramètres d'analyse en bas à gauche de la boîte de dialogue. Vous verrez que JMP propose plusieurs façons de calculer les composantes de la variance, tout comme @statman dit. Le bouton radio est réglé sur "meilleur". Vous verrez que vous ne pouvez pas forcer JMP à utiliser EMS, mais 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 composantes de variance négatives.
Si vous souhaitez vraiment utiliser EMS, vous pouvez toujours utiliser Fit Model dans JMP. Spécifiez votre modèle et assurez-vous de déclarer vos facteurs comme 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 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 les composantes négatives sont estimées. 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
Sachez également que toutes les estimations sont des ESTIMATIONS, aucune n'est nécessairement « correcte ». Les statistiques changent-elles l'interprétation de votre analyse (quelles composantes sont les plus grandes, et. al.) ? 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#
Ré: Résultats MSA JMP vs MinitabVotre question sur les différences entre JMP et Minitab dans l'analyse de la variabilité (MSA) est très pertinente. La variation des contributions GRR et de l'interaction évaluateur-pièces peut provenir de différences dans les algorithmes statistiques, les estimations de variance et la gestion logicielle des composantes de variance négatives .
JMP utilise souvent des approches à modèles mixtes pour l'estimation de la variance , ce qui peut influencer le terme d'interaction. En revanche, Minitab définit les composantes négatives de la variance à zéro , ce qui peut entraîner des résultats GRR différents. La compréhension des méthodologies spécifiques au logiciel est essentielle pour interpréter ces écarts.
Si vous recherchez des conseils d'experts sur l'analyse JMP , l'analyse des systèmes de mesure (MSA) ou la comparaison de logiciels, n'hésitez pas à consulter Aide aux devoirs de statistiques . Nos experts en aide aux devoirs JMP peuvent vous fournir des explications détaillées, des solutions personnalisées et une assistance pédagogique pour relever des défis statistiques complexes.
