Re: Gráficas de control impulsadas por modelos multivariantesHola @chitranshu ,
El comportamiento que está viendo es normal y se puede ver con cualquier gráfico de control.
Dado que está eliminando/excluyendo algunos puntos en función de su gráfico de control anterior, cambiará el conjunto de datos en el que se crea el nuevo gráfico: la media se volverá a calcular, así como los límites de control, por lo que los puntos que anteriormente estaban dentro de los límites de control antes podría estar fuera de los límites de control recién calculados y más estrictos.
Para el cálculo de los límites de control multivariante, puede ver la ecuación aquí: Detalles estadísticos para observaciones individuales (jmp.com) . Puede ver que los límites de control, por ejemplo, están influenciados por la cantidad de variables p y la cantidad de observaciones m, por lo que si elimina algunos puntos, la cantidad de observaciones ya no será la misma, de ahí los cambios que ha visto.
No conozco el contexto de su proyecto, pero tal vez pueda echar un vistazo al curso STIPS sobre métodos de calidad y discusiones sobre el uso de gráficos de control: Pensamiento estadístico para la resolución de problemas industriales | JMP También puedes echar un vistazo a este curso gratuito de JMP: Curso de Control Estadístico de Procesos JMP
El propósito del gráfico de control es estudiar los resultados del proceso a lo largo del tiempo, no eliminar los valores atípicos.
Es una herramienta gráfica para diferenciar si la variabilidad proviene de variación aleatoria/"normal" (proceso bajo control, dentro del rango de límites de control), o si proviene de causas extra de variación que deben ser identificadas y resueltas.
Otros miembros con más experiencia que yo podrían brindarle más información, orientación y referencias sobre metodologías de control de procesos/cuadro de control si es necesario.
Espero que esta respuesta te ayude,
Re: Gráficas de control impulsadas por modelos multivariantesLa explicación de Víctor es correcta.¿Por qué estás eliminando los "valores atípicos"?Estos pueden ser los puntos más interesantes e informativos de su conjunto de datos.El objetivo de usar gráficos de control es particionar y asignar diferentes componentes/fuentes de variación.No es estar dentro de los límites de control.
Re: Gráficas de control impulsadas por modelos multivariantesSi estamos preparando un modelo con fines de monitoreo y si algunos parámetros se han comportado de manera anormal [mal funcionamiento o instrumento defectuoso en ese momento en particular] en nuestro conjunto de datos históricos y no hemos eliminado esos valores atípicos, entonces nuestros datos actuales no marcarán si hay alguno. tal anormalidad.
Re: Gráficas de control impulsadas por modelos multivariantesLo siento, estoy confundido, ¿qué estás haciendo?Lo admito, uso gráficos de control como una herramienta de diagnóstico, no para monitorear (lo cual es reaccionario). Puede usar gráficos de ejecución con límites de especificación si desea monitorear y reaccionar. Los gráficos de control, tal como estaban destinados, son un diagnóstico para ayudar a separar y asignar componentes de variación. Los puntos fuera de control en un gráfico de rango indican una variación de causa especial/asignable asociada con el componente de variación dentro del subgrupo.También puede ser indicativo de un proceso inconsistente o inestable. Vale la pena investigar qué estaba pasando en esos momentos, pero qué acción tomaría para aliviar tales eventos depende en gran medida de si se trata de eventos de causa común o especial (ver Deming). ¿Por qué los "parámetros se comportan de manera anormal"?Los límites de control no son una evaluación de lo bueno o lo malo.Los puntos más allá de los límites de control en un gráfico de barras X que indican las fuentes de variación asociadas con el componente entre subgrupos son asignables y estimables (y pueden ser dominantes).De nuevo, nada que ver con el bien o el mal.
Gráficas de control impulsadas por modelos multivariantesHe preparado MDMCC aplicando un filtro de grado sabio para diferentes grados. Después de esto, eliminé los valores atípicos, pero después de eliminar los valores atípicos automáticamente, aparecieron algunas observaciones más sobre la línea roja que estaban antes debajo.
Modelado Estadístico AvanzadoOrganización de contenidoFusión y limpieza de datosExploración y visualización de datosIngeniería de Calidad y Procesos
