MSA-Ergebnisse JMP vs. Minitab@ Martin Demel
Liebe JMP-Community, vielleicht kann mir jemand von euch weiterhelfen.
Ich verwende regelmäßig Minitab. Jetzt unterstütze ich einen Freund, der JMP in seinem Unternehmen einsetzt und mich gebeten hat, seinem Team zu erklären, wie man die Verfahren in JMP durchführt, die ich in Minitab erklärt habe.
Das erste Thema, mit dem ich zu kämpfen habe, ist MSA (in der JMP-Variabilitätsstudie).
Ich habe ein Beispiel mit starker Gutachter*Teile-Interaktion, da irgendwie die Probenzuordnung bei 3 Proben vertauscht wurde.
Unabhängig davon, ob ich diese Verwechslung entferne oder nicht, beobachte ich das folgende Schema:
Alle GRR-Beiträge (basierend auf 6*stdev) sind in JMP kleiner, mit Ausnahme der Interaktion Gutachter*Teile, die in JMP größer ist.
Die Wiederholbarkeit scheint fast identisch zu sein.
Jetzt fragen mich die Leute offensichtlich, welche Software die richtige ist, und ich habe keine Antwort.
Minitab erhält in diesem Beispiel eine negative Varianz für den Beitrag des Gutachters, die dann auf null gesetzt wird (Feedback durch ihren Support).
Aber das erklärt nur einen Teil des Problems. Der größte Unterschied scheint im Interaktionsteil zu liegen.
Kann mir jemand erklären, warum die beiden unterschiedlich sind? Und vielleicht kann das JMP-Team erklären, warum sie denken, dass sie es richtig machen.
Excel-Datei mit Beispieldaten ist beigefügt, mit Auswertungsergebnissen in einem separaten Arbeitsblatt.
Ich verwende JMP 16.1 und Minitab 21.
AnalytikBetreff: MSA-Ergebnisse JMP vs. MinitabSoviel zum Sitzen auf einer Insel... (siehe meine Antwort auf @Statmann )
Betreff: MSA-Ergebnisse JMP vs. MinitabMir ist bekannt, dass die AIAG keine nationale oder internationale Normungsorganisation wie ISO oder ANSI ist. Deshalb habe ich "de facto" gesagt.
Das liegt daran, dass sie Industriestandards schreiben, wie zB die European Computer Manufacturer Association ECMA, an der ich beteiligt war.
In 40 Jahren Arbeit im Qualitätsmanagement oder in der Beratung bin ich noch nie jemandem begegnet, der die EMP-Methode von Wheeler anwendet.
Aber ich muss auch zugeben, dass die Arbeit in einer bestimmten Branche oft wie das Sitzen auf einer Insel ist...
Jedenfalls werde ich Ihrem Rat folgend das AIAG-MSA-Dokument erneut überprüfen.
Und Minitab verwendet tatsächlich die EMS-Methode. Es wurde von ihnen bestätigt. So ist zumindest klar, warum es Unterschiede gibt.
Das wollte ich.
Danke für deine Unterstützung. Ich war beeindruckt von seiner Geschwindigkeit und Klarheit.
Betreff: MSA-Ergebnisse JMP vs. MinitabHinzufügen zu @Statmann 's Antwort, andere Industrien sind mit dem AIAG-Standard nicht einverstanden, zum Beispiel die Halbleiterindustrie. Sie fanden bessere Definitionen für MSA für ihre Zwecke . Bitte verwenden Sie den Standard, der von Ihrer Branche erwartet wird, aber haben Sie Verständnis dafür, dass es branchenübergreifend Meinungsverschiedenheiten und unterschiedliche Interpretationen gibt.
Betreff: MSA-Ergebnisse JMP vs. MinitabDer AIAG-Standard (Automotive Industry Action Group) war ursprünglich für die Automobilindustrie gedacht. Es ist kein Standard-Schreiborgan (z. B. ANSI, ISO, IEC). Wenn Sie die Möglichkeit haben, das MSA-Dokument zu lesen, werden Sie mehrere Optionen zum Berechnen von Variationskomponenten finden, nicht eine. Es gibt sogar einen Hinweis auf die EMP-Methodik.
Betreff: MSA-Ergebnisse JMP vs. MinitabDanke @Statmann Und @Dan_Obermiller .
Ich hatte etwas in dieser Richtung vermutet. Informationen von Minitab sind, dass sie die Methoden der AIAG MSA4 verwenden.
Ich bin nicht tief genug in Statistik, um zu wissen, um welche der oben genannten Modelltypen es sich handelt. Aber ich würde es für hilfreich halten, wenn die folgenden AIAG MSA-Standards - was ein sehr weit verbreiteter De-facto-Standard ist - zumindest als Option verfügbar wären.
Und natürlich ist mir bewusst, dass alle Angaben Schätzungen sind und kleine Abweichungen immer möglich sind und akzeptiert werden müssen.
Nochmals vielen Dank für Ihre schnelle Antwort.
Hermann Hülsing
Betreff: MSA-Ergebnisse JMP vs. MinitabFügen Sie ein paar Informationen hinzu @Statman 's ausgezeichnete Informationen. Um Ihre Optionen anzuzeigen, wenn Sie Variabilitäts-/Attributanzeigediagramm auswählen, klicken Sie auf die Schaltfläche Analyseeinstellungen unten links im Dialogfeld. Sie werden sehen, dass JMP mehrere Möglichkeiten bietet, die Varianzkomponenten ebenso zu berechnen @statmann genannt. Der Radiobutton ist auf "Beste" eingestellt. Sie werden sehen, dass Sie JMP nicht zwingen können, EMS zu verwenden, sondern nur eine Auswahl von EMS oder REML. Der EMS-Ansatz ist älter und negative Varianzkomponenten sind möglich. REML hilft also, diese Situation zu vermeiden. Nur meine Meinung, aber ich würde REML lieber verwenden, um zu versuchen, negative Varianzkomponenten zu vermeiden.
Wenn Sie EMS wirklich verwenden möchten, können Sie immer Fit Model in JMP verwenden. Geben Sie Ihr Modell an und stellen Sie sicher, dass Sie Ihre Faktoren als Zufallseffekte deklarieren. Wenn Sie dies tun, sollten Sie ein Dropdown-Feld für Methode erhalten. Die Standardeinstellung ist REML, aber Sie können dies in EMS (traditionell) ändern. Wenn Sie das Modell ausführen, stimmt es höchstwahrscheinlich mit der Minitab-Ausgabe überein.
Betreff: MSA-Ergebnisse JMP vs. MinitabWillkommen in der Community. Sie stellen eine Frage zu Minitab, und wir verfügen möglicherweise nicht über diese Software, um festzustellen, was anders gemacht wird, aber ich möchte sagen, dass es mehrere Möglichkeiten gibt, Variationskomponenten zu schätzen, und einige Softwareprogramme unterscheiden sich darin, was sie als Standard verwenden. Meine Vermutung ist, dass Minitab EMS verwendet und keine REML- (Restricted Maximum Likelihood) oder Bayes'schen Schätzungen verwendet, wenn negative Komponenten geschätzt werden. Ich würde damit beginnen, Folgendes zu verstehen:
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/variance-components.shtml
Über 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
Beachten Sie auch, dass alle Schätzungen SCHÄTZUNGEN sind, keine ist unbedingt "richtig". Verändern die Statistiken die Interpretation Ihrer Analyse (welche Komponenten sind größer etc.)? Ich würde auch die EMP-Methodik von Wheeler untersuchen:
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#
