你有没有创造过P或者ü具有较大子组大小的控制图？ 您的限制是否太窄以至于意外数量的点被标记为超出控制限制？ P 和 U 图基于诸如基本分布（二项式和泊松分布）和分布的平均值随时间相同的假设。 这些假设并不总是成立。 您的数据可能显示过度分散（给定分布的变化比预期的多）或分散不足（给定分布的变化比预期的少）。
例子
考虑以下模拟示例：
dt=New Table( "Defectives",
Add Rows( 20 ),
New Column( "# of Defectives",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Values(
[3023, 3014, 2987, 2956, 2963, 2985, 3001, 2997, 2935, 3056, 3005, 2985,
3029, 3027, 3001, 3082, 2954, 2971, 3061, 2999]
)
),
New Column( "Subgroup Size",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Selected,
Set Values(
[4077, 4072, 5142, 5433, 5053, 5216, 4801, 4579, 4789, 4751, 5045, 4617,
4760, 5644, 6336, 5144, 5450, 5146, 4929, 5705]
)
)
);
obj=dt<<CONTROL chart="" builder=""></CONTROL>
请注意，20 个点中有 14 个超出控制限。另请注意，子组大小很大 (4072 -6336)。 对于此示例，子组内变异远小于子组间变异。
这个问题可以用 Laney P' 控制图解决。 Laney P' 和 U' 图表已添加到JMP 17 . 让我们看看用于创建 P 和 Laney P' 控制图限制的公式。
这些公式的唯一区别是 σ ,这是过度分散的衡量标准。 莱尼将这个术语描述为“……过程变异的相对量不能单独由二项式假设解释。 随着 n 的增加，抽样引起的变化会减少，从而使批次间的成分相对较大。” σ z基于标准化值，均值为 0，方差为 1，因此，σ z方法 1. σ 的任何可辨别差异z从 1 开始表示 Laney (P') 比 P 图更推荐。
您可以通过将 Sigma 下拉框从 Binomial (P, NP) 更改为 Laney (P')，在 Control Chart Builder 中创建此类图表。
使用 Laney P' 控制图，我们发现没有任何点超出此示例的限制。
结论
在 JMP 17 的控制图生成器中添加了 Laney P' 和 U' 控制图。 当子组规模较大时，这些图表很有用，这会导致传统 P 和 U 图表中的限制变窄。 莱尼图通过在极限公式中添加一个术语来实现这一点，该公式解释了模型假设未解释的变异量。
