Ri: Grafici di controllo guidati da modelli multivariatiCIAO @Chitranshu ,
Il comportamento che stai vedendo è normale e può essere visto con qualsiasi grafico di controllo.
Dal momento che stai rimuovendo/escludendo alcuni punti basati sul tuo precedente grafico di controllo, cambierà il set di dati su cui viene creato il nuovo grafico: la media verrà ricalcolata così come i limiti di controllo, quindi i punti che erano precedentemente all'interno dei limiti di controllo prima potrebbe essere al di fuori dei limiti di controllo appena calcolati e più severi.
Per il calcolo dei limiti di controllo multivariati, puoi guardare l'equazione qui: Dettagli statistici per singole osservazioni (jmp.com) . Puoi vedere che i limiti di controllo sono ad esempio influenzati dal numero di variabili p e dal numero di osservazioni m, quindi se rimuovi alcuni punti, il numero di osservazioni non sarà più lo stesso, da qui i cambiamenti che hai visto.
Non conosco il contesto del tuo progetto, ma potresti dare un'occhiata al corso STIPS sui metodi di qualità e alle discussioni sull'uso delle carte di controllo: Pensiero statistico per la soluzione di problemi industriali | JMP Puoi anche dare un'occhiata a questo corso gratuito di JMP: Corso di controllo di processo statistico JMP
Lo scopo della carta di controllo è studiare i risultati del processo nel tempo, non rimuovere i valori anomali.
È uno strumento grafico per differenziare se la variabilità deriva da una variazione casuale/"normale" (processo in controllo, all'interno dell'intervallo dei limiti di controllo), o se deriva da cause extra di variazione che devono essere identificate e risolte.
Altri membri più esperti di me potrebbero darti maggiori informazioni, indicazioni e riferimenti sulle metodologie di controllo del processo/carta di controllo, se necessario.
Spero che questa risposta ti possa aiutare,
Ri: Grafici di controllo guidati da modelli multivariatiLa spiegazione di Victor è corretta.Perché stai rimuovendo i "valori anomali"?Questi potrebbero essere i punti più interessanti e informativi nel tuo set di dati.L'obiettivo dell'utilizzo delle carte di controllo è quello di suddividere e assegnare diversi componenti/fonti di variazione.Non deve essere all'interno dei limiti di controllo.
Ri: Grafici di controllo guidati da modelli multivariatiSe stiamo preparando un modello a scopo di monitoraggio e se alcuni parametri si sono comportati in modo anomalo [cattivo funzionamento o strumento difettoso in quel particolare momento] nel nostro set di dati storici e non abbiamo rimosso tali valori anomali, i nostri dati attuali non verranno contrassegnati se ce ne sono tale anomalia.
Ri: Grafici di controllo guidati da modelli multivariatiScusa sono confuso cosa stai facendo?Lo ammetto, utilizzo le carte di controllo come strumento diagnostico, non per monitorare (che è reazionario). È possibile utilizzare i grafici di esecuzione con limiti di specifica se si desidera monitorare e reagire. Le carte di controllo così come erano intese sono una diagnostica per aiutare a separare e assegnare componenti di variazione. I punti fuori controllo su un grafico di intervallo indicano una variazione di causa speciale/assegnabile associata alla componente di variazione all'interno del sottogruppo.Può anche essere indicativo di un processo incoerente o instabile. Vale la pena indagare su cosa stava succedendo in quei momenti, ma quale azione intraprenderesti per alleviare tali eventi dipende in gran parte dal fatto che si tratti di eventi di causa comune o speciale (vedi Deming). Perché "i parametri si comportano in modo anomalo"?I limiti di controllo non sono una valutazione di buono o cattivo.I punti oltre i limiti di controllo su un grafico a barre X indicativi delle fonti di variazione associate alla componente tra sottogruppi sono assegnabili e stimabili (e possono essere dominanti).Ancora una volta, niente a che fare con il bene o il male.
Grafici di controllo guidati da modelli multivariatiHo preparato MDMCC applicando un filtro per gradi per diversi gradi. Successivamente ho rimosso i valori anomali ma dopo aver rimosso i valori anomali automaticamente sono apparse poche altre osservazioni sopra la linea rossa che prima erano sotto.
Modellazione statistica avanzataOrganizzazione dei contenutiMiscelazione e pulizia dei datiEsplorazione e visualizzazione dei datiQualità e ingegneria di processo
