Re : Cartes de contrôle pilotées par un modèle multivariéSalut @Chitranshu ,
Le comportement que vous voyez est normal et peut être observé avec n'importe quelle carte de contrôle.
Puisque vous supprimez/excluez certains points basés sur votre carte de contrôle précédente, cela va changer le jeu de données sur lequel la nouvelle carte est créée : la moyenne sera recalculée ainsi que les limites de contrôle, donc les points qui étaient auparavant dans les limites de contrôle avant pourrait être en dehors des limites de contrôle nouvellement calculées et plus strictes.
Pour le calcul des limites de contrôle multivariées, vous pouvez regarder l'équation ici : Détails statistiques pour les observations individuelles (jmp.com) . Vous pouvez voir que les limites de contrôle sont par exemple influencées par le nombre de variables p et le nombre d'observations m, donc si vous supprimez des points, le nombre d'observations ne sera plus le même, d'où les changements que vous avez constatés.
Je ne connais pas le contexte de votre projet, mais vous pouvez peut-être consulter le cours STIPS sur les méthodes qualité, et les discussions sur l'utilisation des cartes de contrôle : Pensée statistique pour la résolution de problèmes industriels | JMP Vous pouvez également jeter un œil à ce cours gratuit de JMP : Cours sur le contrôle statistique des processus JMP
Le but de la carte de contrôle est d'étudier les résultats du processus au fil du temps, et non de supprimer les valeurs aberrantes.
C'est un outil graphique pour différencier si la variabilité provient d'une variation aléatoire/"normale" (processus sous contrôle, dans la plage des limites de contrôle), ou si elle provient de causes supplémentaires de variation qui doivent être identifiées et résolues.
D'autres membres plus expérimentés que moi pourraient vous donner plus d'informations, de conseils et de références sur les méthodologies de contrôle de processus/tableau de contrôle si nécessaire.
J'espère que cette réponse vous aidera,
Re : Cartes de contrôle pilotées par un modèle multivariéL'explication de Victor est correcte.Pourquoi supprimez-vous les "valeurs aberrantes" ?Il peut s'agir des points les plus intéressants et informatifs de votre ensemble de données.L'objectif de l'utilisation des cartes de contrôle est de partitionner et d'attribuer différentes composantes/sources de variation.Il ne doit pas être à l'intérieur des limites de contrôle.
Re : Cartes de contrôle pilotées par un modèle multivariéSi nous préparons un modèle à des fins de surveillance et si certains paramètres se sont comportés de manière anormale [mauvaise opération ou instrument défectueux à ce moment particulier] dans notre ensemble de données historiques et que nous n'avons pas supprimé ces valeurs aberrantes, nos données actuelles ne seront pas signalées s'il y en a telle anomalie.
Re : Cartes de contrôle pilotées par un modèle multivariéDésolé, je ne comprends pas ce que vous faites ?J'avoue, j'utilise les cartes de contrôle comme outil de diagnostic, pas pour surveiller (ce qui est réactionnaire). Vous pouvez utiliser des diagrammes de progression avec des limites de spécifications si vous souhaitez surveiller et réagir. Les cartes de contrôle telles qu'elles étaient conçues sont un diagnostic pour aider à séparer et à attribuer des composants de variation. Les points hors contrôle sur un graphique de plage indiquent une variation de cause spéciale/assignable associée à la composante de variation au sein du sous-groupe.Cela peut également indiquer un processus incohérent ou instable. Il vaut la peine d'enquêter sur ce qui se passait à ces moments-là, mais les mesures que vous prendriez pour atténuer de tels événements dépendent grandement du fait qu'il s'agisse d'événements de cause commune ou spéciale (voir Deming). Pourquoi les "paramètres se comportent-ils anormalement" ?Les limites de contrôle ne sont pas une évaluation du bien ou du mal.Les points au-delà des limites de contrôle sur un graphique à barres X indiquent que les sources de variation associées à la composante entre les sous-groupes sont attribuables et estimables (et peuvent être dominantes).Encore une fois, rien à voir avec le bien ou le mal.
Cartes de contrôle pilotées par un modèle multivariéJ'ai préparé MDMCC en appliquant un filtre par catégorie pour différentes catégories. Après cela, j'ai supprimé les valeurs aberrantes, mais après avoir supprimé les valeurs aberrantes automatiquement, quelques observations supplémentaires sont apparues au-dessus de la ligne rouge qui étaient auparavant en dessous.
Modélisation statistique avancéeOrganisation du contenuFusion et nettoyage des donnéesExploration et visualisation des donnéesIngénierie de la qualité et des procédés
