你有沒有創造過P或者ü具有較大子組大小的控製圖？ 您的限制是否太窄以至於意外數量的點被標記為超出控制限制？ P 和 U 圖基於諸如基本分佈（二項式和泊松分佈）和分佈的平均值隨時間相同的假設。 這些假設並不總是成立。 您的數據可能顯示過度分散（給定分佈的變化比預期的多）或分散不足（給定分佈的變化比預期的少）。
例子
考慮以下模擬示例：
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>
請注意，20 個點中有 14 個超出控制限。另請注意，子組大小很大 (4072 -6336)。 對於此示例，子組內變異遠小於子組間變異。
這個問題可以用 Laney P' 控製圖解決。 Laney P' 和 U' 圖表已添加到JMP 17 . 讓我們看看用於創建 P 和 Laney P' 控製圖限制的公式。
這些公式的唯一區別是 σ ,這是過度分散的衡量標準。 萊尼將這個術語描述為“……過程變異的相對量不能單獨由二項式假設解釋。 隨著 n 的增加，抽樣引起的變化會減少，從而使批次間的成分相對較大。” σ z基於標準化值，均值為 0，方差為 1，因此，σ z方法 1. σ 的任何可辨別差異z從 1 開始表示 Laney (P') 比 P 圖更推薦。
您可以通過將 Sigma 下拉框從 Binomial (P, NP) 更改為 Laney (P')，在 Control Chart Builder 中創建此類圖表。
使用 Laney P' 控製圖，我們發現沒有任何點超出此示例的限制。
結論
在 JMP 17 的控製圖生成器中添加了 Laney P' 和 U' 控製圖。 當子組規模較大時，這些圖表很有用，這會導致傳統 P 和 U 圖表中的限制變窄。 萊尼圖通過向極限公式添加一個項來實現這一點，該項說明模型假設未解釋的變異量。
