Hola, todos, mi nombre es Di Michelson.
Soy un Instructor en el JMP Educación grupo.
Mi coautores para este presentación son Jordán Hiller y byron extremo,
OMS son ambos JMP Sistemas Ingenieros.
Eran aquí hoy a advertir tú
de el peligros en usando JMP Levey- Jennings control gráficos.
Nosotros buscado a presente en Descubrimiento porque nosotros creer Levey-Jennings gráficos
son ser mal usado, resultante en omitido señales.
Hoy, Enfermo comenzar con a rápido control cuadro revisar
seguido por a rápido historia,
y eso voluntad dirigir en cómo hemos visto Levey-Jennings gráficos ser mal usado.
Bien concluir con alguno recomendaciones
para usar de estos gráficos y alguno final pensamientos.
Ahora, cada calidad sistema tiene a poco de proceso control en él.
Estos son el DMAICO pasos de Seis Sigma,
pero tú podría ser usando qbd o otro calidad sistema.
Control gráficos son usado en el fin de un mejora proceso
cuando tienes poner el proceso en objetivo y minimizar el variabilidad.
El proceso es ahora estable,
cual medio el probabilidad distribución es no cambiando encima tiempo.
Ahora es tiempo a monitor eso proceso variabilidad
a verificar eso el distribución corsé el mismo
y es no cambiando en el futuro.
Qué es a control ¿cuadro?
A control cuadro es simplemente a correr cuadro de el datos
con el suma de control límites.
El centro línea es basado en el histórico significar de el proceso,
y el ancho de el control límites
es basado en el histórico variación de el proceso.
Si el proceso distribución hace cambiar,
observaciones voluntad eventualmente caer afuera de el control límites,
señalización a el proceso dueño a llevar acción a asignar a causa
a el fuera de control punto y restaurar el proceso a a estado de control.
Muchos tipos de control gráficos tener estado desarrollado para diferente situaciones.
XM-R gráficos o individual y Moviente rango gráficos
para datos recogido uno punto en a tiempo.
Xbar-R o Xbar-S gráficos para resumido datos
recogido múltiple puntos en a tiempo.
CUSUM o EWMA control gráficos a detectar pequeño turnos,
y incluso metro gráficos de control multivariados basados en modelos
a control múltiple correlacionado variables en uno cuadro.
A encontrar aquellos todo importante control límites,
tú tener a respuesta este pregunta,
cómo hacer tú estimar el histórico proceso ¿distribución?
Primero, tú tener a determinar si el proceso es estable suficiente
para control trazando.
O hace él necesidad activo proceso ¿mejora?
Este es llamado Fase I.
Es un activo fase de datos recopilación y muestreo plan ajustamiento,
límite cálculo, tal vez incluso alguno estadístico modelado.
Este fase termina cuando tú tener recogido suficiente datos
a determinar eso el proceso es estable.
Entonces el proceso estadístico sistema turnos en Fase II.
El muestreo plan y el control límites son fijado
y nuevo datos son juzgado por el fijado límites.
hay muchos consideraciones para Fase I datos recopilación.
El muestreo plan, incluido racional muestreo
y racional subgrupos, el muestra tamaño,
cómo mucho datos hacer tú necesidad a recolectar a arreglar aquellos límites,
el tipo de datos eso estás coleccionar,
el tipo de control cuadro eso tú desear a hacer.
Bastante que hablando acerca de todo estos en detalle aquí,
I voluntad referirse tú a nuestro excelente, gratis, en línea,
Ritmo propio, aprendizaje electrónico curso llamado Estadístico Proceso Control.
Es disponible en el JMP Comunidad.
usted a menudo escuchar eso control cuadro límites son tres- sigma límites.
Este medio eso nosotros necesidad a estimar
el estándar desviación de el proceso de nuestro datos, multiplicar por tres,
y entonces agregar y sustraer de el estimar de el significar de el proceso.
Cuando Walter Shewhart desarrollado el primero control gráficos en el década de 1920,
él comprendió eso, como otro estadístico procedimientos,
él necesario a prueba para señales usando el ruido.
Él necesario a comparar el entre subgrupo variación
usando el dentro subgrupo variación.
Este condujo a él directamente a X bar- R gráficos,
dónde el promedio de el dentro subgrupo rango
es usado como un estimar de sigma.
Específicamente, él condujo a él lejos de el ingenuo pensamiento
eso nosotros debería usar X bar más o menos tres veces el muestra estándar desviación.
No estimar sigma usando s para control gráficos.
Dejar a mí decir eso de nuevo.
No estimar sigma usando el muestra estándar desviación.
Oh, y aquí él es en rojo.
No usar el muestra estándar desviación a estimar sigma.
Por qué ¿no?
El objetivo de control gráficos es a detectar a señal de su proceso,
detectar a cambiar en el proceso distribución.
Usando el muestra estándar desviación
agregados todo el datos, incluido a potencial señal,
y este voluntad inflar el estimar de sigma y tú voluntad extrañar señales.
Eso acepta a nosotros atrás a el comienzo.
Si el objetivo es a detectar señales,
por qué haría tú hacer a cuadro eso marcas tú extrañar señales?
Justo no hacer él.
Pero el por defecto método
para estimando sigma en JMP Levey-Jennings control cuadro
es a usar el muestra estándar desviación.
El Levey-Jennings cuadro era desarrollado para a muy específico situación
en clínico química,
uno dónde un analítico método es validado usando a calibrar estudiar
con factores eso son importante a eso proceso.
El datos son recogido de acuerdo a a a especificado experimental diseño.
Aquí son alguno posible aleatorio y fijado factores en el experimento.
El diferencia componentes para el aleatorio factores
son calculado usando a estadístico modelo.
Entonces el total variabilidad es calculado de el diferencia componentes
y usado como el estimar de sigma para el Levey-Jennings control cuadro.
Este cuadro tiene a específico objetivo en clínico química.
Él poder ser usado cuando sea tú tener un externo estimar de sigma.
Cómo hizo nosotros conseguir aquí dónde estos gráficos son ser usado para situaciones
en industrias otro que el uno I justo descrito?
El historia de proceso estadístico comenzó acerca de 100 años atrás
cuando Walter Shewhart desarrollado el primero control cuadro.
Él figurado afuera a usar el dentro o el Corto plazo variación
usando subgrupos con múltiple elementos.
Pero él no pude cifra afuera cómo a estimar
Corto plazo variación para subgrupos de tamaño 1.
Allá es No dentro de.
En 1950, levey y Jennings publicado su papel,
y ellos hizo no usar s a estimar sigma.
Su papel introducido control gráficos a clínico química
y usado de Shewhart Xbar- gráfico R con dos réplicas, entonces subgrupo tamaño 2.
Ahora, justo después eso, en el temprano década de 1950,
tippett descubierto eso tú poder usar
el promedio Moviente rango de individual valores
como a Corto plazo estimar de sigma.
Es no perfectamente a dentro estimador, pero es Corto plazo suficiente
eso estás no agregando encima todo el datos.
Muy rápidamente, ASTM y occidental Eléctrico publicado libros
y estándares usando tippet's X- SEÑOR cuadro.
Pero clínico química no escuchar acerca de estos gráficos.
En 1952, Enrique y Segalove publicado a papel usando s
a estimar sigma usando subgrupos de tamaño 1.
Don Rodador indica eso
XM-R gráficos eran no usado muy a menudo hasta acerca de 1980.
Él introducido a ellos a Deming,
y Rodador y Deming enseñó miles de clientela y popularizado el XM-R cuadro.
Es en realidad interesante a a mí eso ellos no lo fueron popular atrás entonces
porque en mi experiencia, cual comenzó en el temprano años 90,
gráficos para subgrupos de tamaño 1 son mucho más popular que barra x gráficos son.
Todo bien, justo como el XM-R gráficos eran ganando popularidad en fabricación,
Jaime Westgard publicado su Westgard normas,
y escribió su popular libro, Básico control de calidad Prácticas para clínico química.
Él llamadas el control gráficos, Levey-Jennings.
Ellos eran agregado a JMP en versión 5 en 2003 por cliente pedido.
Ahora, alguna vez desde Jordán y byron y I tener estado laboral en JMP,
hemos visto ejemplos de todo industrias
de el mal uso de el por defecto Levey-Jennings cuadro.
Pero ahora tú saber mejor, y tú voluntad nunca usar
el muestra estándar desviación
a estimar sigma para control gráficos alguna vez de nuevo, ¿bien?
Muy bien, estoy yendo a doblar él encima a Jordán,
y infierno espectáculo tú en JMP el problemas con mal uso estos gráficos.
Gracias, Di.
Nosotros creado a simulación en JMP a espectáculo cómo
el Levey-Jennings cuadro, cuando mal usado, voluntad definitivamente dirigir a omitido señales.
Tú poder descargar este.
Es a JMP complemento eso es salvado en el JMPC comunidad
con el otro presentación materiales.
Aquí nosotros espectáculo dos control gráficos en el mismo datos colocar.
Aquí está el individual cuadro en arriba,
y el Levey-Jennings cuadro en el abajo.
Justo a breve nota, el del individuo cuadro
es generalmente desplegado con el Moviente rango cuadro debajo él.
Eran omitiendo eso para visual sencillez aquí.
Enfermo también mencionar eso el Levey-Jennings cuadro
es dibujado en el forma eran advertencia contra.
Eso es, estos son no histórico límites,
estos son límites calculado de el datos en el cuadro sí mismo.
El 30 datos puntos eso nosotros son graficando aquí
son dibujado al azar de a estándar normal distribución.
Eso es, el significar es cero, estándar desviación es uno.
Cuando sea I hacer clic este nuevo datos botón encima aquí,
Bueno conseguir a nuevo aleatorio muestra.
Porque nosotros saber el verdadero población parámetros,
nosotros poder decir cómo precisamente estos gráficos llevar a cabo.
El verdadero población sigma es uno, y eran yendo a esperanza
eso el sigma estimados de el dos gráficos son cerca a eso.
El datos es estable, es de a normal distribución.
Cuando sea nosotros ver a punto afuera el control límites,
es a FALSO positivo aquí.
En a simulación de 5.000 datos conjuntos,
el del individuo cuadro tiene a FALSO positivo acerca de 7% de el tiempo,
mientras el Levey-Jennings tiene uno acerca de 3.5 % de el veces.
Este pequeño diferencia,
Bueno, es doble, pero este diferencia en el FALSO positivo tarifas,
nosotros pensar es uno de el razones eso amigos tener tendido a preferir
el Levey-Jennings a el del individuo cuadro a veces.
Pero aquí está el problema.
Qué sucede cuando nosotros tener alguno señales en este ¿datos?
Eran yendo a hablar con a pareja de diferente tipos de señales.
vamos comenzar con a cambio.
A cambio es un abrupto cambiar en el significar de el proceso.
vamos comenzar por mirando en a cambio de tres estándar desviaciones,
y Soy yendo a golpear el nuevo datos a pareja de veces.
Recordar, el objetivo de a control cuadro
es a distinguir el señal de el ruido y a detectar señales.
Como el señal obtiene más grande, nosotros debería ser más probable a detectar él,
y el sigma estimados debería permanecer cerca a el verdadero valor de uno.
El del individuo cuadro hace exactamente qué nosotros esperar.
Él generalmente detecta el cambio,
y el sigma estimar para el individual cuadro corsé cerca a uno.
El Levey-Jennings, no entonces mucho.
Él combina el señal con el ruido.
El sigma estimar es inflado, y señales generalmente no poder ser detectado.
Cómo grande hace este cambio tener a ser
antes el Levey-Jennings cuadro es yendo a detectar ¿él?
Bien, Soy justo bromear.
Es a truco pregunta.
El Levey-Jennings cuadro es nunca yendo a detectar a cambio en este guión.
I poder Jacobo él arriba a 50 estándar desviaciones,
y el más grande el cambio eso nosotros inducir,
el más eso sigma estimar es inflado y voluntad nunca detectar a cambio.
vamos ver, nosotros hizo alguno simulación trabajar
a espectáculo el diferencias entre el actuación
de el del individuo cuadro eso es en rojo y el Levey-Jennings cuadro en azul.
Eran mirando en a cambio eso ocurre
después el 20 datos punto en el serie de 30 datos puntos.
Eso es qué eran mirando en en el manifestación I justo presentado.
En eso situación, a cambio después el 20 datos punto,
tú poder ver el actuación de ambos de estos gráficos
como el cambio obtiene más grande.
individuales cuadro hace exactamente qué nosotros esperanza él haría hacer.
Como el cambio se convierte más grande,
es más fácil a detectar probabilidad de teniendo un alarma es mayor que.
El Levey-Jennings realiza terriblemente como tú sierra,
y paradójicamente, como el cambio obtiene más grande,
el probabilidad de detector él enfoques cero.
vamos llevar a mirar en eso aquí en el manifestación.
Nosotros poder cambiar el cambio ubicación, ¿bien?
El cambio era después el 20 datos punto.
Pero tu lo harás ver eso como el cambio enfoques el fin de el serie,
y Bueno poner él en 29, el último datos punto aquí.
Cuando el cambio ocurre en el último datos punto,
ambos de el gráficos llevar a cabo similarmente.
En otro palabras, si tú son correr su Levey-Jennings cuadro
después cada adicional datos punto, tu lo harás probablemente detectar mayoría señales.
Y este es a ser esperado.
Si el cambio ocurre más tarde, hay menos oportunidad para eso señal
a contaminar el ruido estimar,
y el sigma estimar es yendo a ser preciso.
Aquí está qué eso aspecto como en el simulaciones.
Como eso cambio obtiene más tarde y más tarde en el serie,
el actuación de el Levey-Jennings cuadro en azul,
enfoques el actuación de el del individuo cuadro.
Eso es el historia con turnos.
Es incluso más alarmante con derivas.
Soy yendo a reducir el cambio tamaño a cero.
Como nosotros introducir deriva en el datos,
deriva es a gradual lineal tendencia
como el significar de el proceso se mueve arriba en a coherente forma.
Eso es deriva.
No asunto cómo grande el deriva eso I inducir aquí,
él voluntad nunca ser detectado por el Levey-Jennings cuadro.
Justo no poder ser detectado.
Bueno.
norte extensión vamos considerar a por lotes proceso.
Aquí, eran yendo a simular
lotes con tamaño seis, cinco lotes aquí en el datos.
Alguno amigos usar el Levey-Jennings cuadro
como a forma a evitar teniendo un alarma eso es pendiente a esperado lote variación.
Bien, es fácil a ver el problema con este acercarse.
Cuando nosotros cubrir a cambio o a deriva en arriba de eso lote efecto,
el Levey-Jennings cuadro es aún nunca yendo a detectar él.
Enfermo agregar a cambio también.
Sí, el Levey-Jennings cuadro es insensible, también insensible,
y el del individuo cuadro es también sensible.
Ni de el gráficos es en realidad excelente para este situación.
Di es yendo a hablar acerca de este en a pocos momentos.
Antes I doblar él atrás a Di,
dejar a mí espectáculo tú qué
a Levey-Jennings cuadro hecho bien aspecto como.
Este es a manifestación eso era generado por mi colega, byron,
usando datos eso venir de el Westga tercero sitio web,
y vamos justo hablar acerca de tal vez este arriba cuadro aquí.
Eran demostración a cuadro basado en a datos serie.
Nosotros tener 28 datos puntos.
El significar es 198,75 en este muestra.
El estándar desviación es 5.9 en este muestra.
El punto es, nosotros son en Fase II,
y como semejante, nosotros tener colocar el control límites
usando a histórico estimar de sigma.
Este protege a nosotros contra todo de el problemas eso nosotros eran justo que se discute.
Es a estable estimar de sigma,
y él voluntad no ser contaminado por cualquier potencial señales en el datos colocar.
Bueno, eso es todo I tener.
Di, atrás a tú.
Todo bien.
Agradecer tú, Jordán, para eso alarmante manifestación.
Cuando Jordán y I y byron
pensamiento eso él era tiempo eso alguien dio este hablar,
nosotros preguntó nuestro JMP amigos si ellos eran vidente qué nosotros eran vidente
de hablando con clientes,
y eso es, aplicación errónea de Levey-Jennings gráficos.
Qué nosotros encontró era eso estos gráficos
eran comúnmente usado para específico situaciones.
El primero uno es qué Jordán era hablando acerca de, eso lote Procesando.
Es llamado corto- correr proceso estadístico, dónde tú podría tener lotes
eso cambiar frecuentemente, y cada lote tiene a nuevo significar,
tal vez incluso a nuevo estándar desviación.
Usando el muestra estándar desviación
a estimar sigma voluntad contener lote turnos
como Bueno como dentro de- lote ruido.
Como tú sierra, tú no ser capaz a detectar turnos dentro a lote muy fácilmente.
En cambio, tú poder usar a cuadro eso parcelas
el diferencia o el estandarizado diferencia
de el lote objetivo o el lote significar.
El segundo situación es autocorrelacionado procesos,
y este es dónde observaciones tomado cerca juntos
son más similar que observaciones tomado más aparte en tiempo.
Este comportamiento es a menudo visto cuando mediciones son tomado muy frecuentemente
en a continuo proceso.
Usando el muestra estándar desviación,
de nuevo, incluye ambos ruido y conocido proceso deriva
pendiente a el auto correlación en el estimar de sigma.
Allá son a pocos maneras a trato con autocorrelacionado datos,
incluido reduciendo el muestreo frecuencia si tú poder,
o usando a diferente tipo de cuadro si tú no poder.
Gráficos como CUSUM y EWMA poder ser adaptado para autocorrelación,
o tú podría intentar a modelo el autocorrelación
y entonces usar control gráficos en el derechos residuales de autor de el modelo.
El derechos residuales de autor también contener información
acerca de proceso turnos, y ellos debería ser no correlacionado.
F finalmente, hemos escuchó a lote de gente decir eso usando el muestra estándar desviación
es útil porque él da ancho límites eso son capaz a detectar enorme turnos,
pero no también ancho a detectar pequeño y moderado turnos.
En eso caso, nosotros recomendar eso tú justo hacer arriba alguno límites
y no anunciar eso estás usando control gráficos
porque control gráficos no alguna vez usar
el muestra estándar desviación a estimar sigma.
Recordar eso Oeste gard's maravilloso libro
es llamado Básico control de calidad Prácticas , no Básico proceso estadístico Prácticas.
Feynman's maravilloso cita es aplicable aquí.
hemos también escuchó alguno argumentos acerca de Levey-Jennings gráficos.
Ellos son más indulgente que Shewhart's gráficos.
De curso, ellos son.
I como este uno.
El rango gráficos eran optimizado para mano cálculo,
y hemos consiguió ordenadores.
Por qué no lo son nosotros calculador estándar ¿desviación?
Como hemos visto, es no rango versus estándar desviación,
es cual estándar ¿desviación?
Tú debería siempre elegir dentro variabilidad
cuando tú calcular tres sigma límites.
Agregar encima ruido, no señal o potencial señal.
Por qué usar un estimar de sigma cuando nosotros poder justo calcular ¿sigma?
Oh, este uno duele a mí. Este llega de a terminología asunto.
Nosotros puede decir tres- sigma límites,
pero nosotros no saber sigma y nosotros tener a estimar sigma de datos.
Este es el forma.
I heredado este sistema, y mi jefe dice I tener a hacer él este forma.
Bien, poder tú encontrar a nuevo ¿jefe?
En realidad, este es mi oprah momento.
maya angelou dicho,
"En el pasado, tú hizo el mejor con qué tú tenía,
y ahora eso tú saber mejor, tú voluntad hacer mejor."
I esperanza eso tú poder educar otros a hacer mejor como Bueno.
Agradecer tú para escuchando.
He consiguió alguno referencias para tú aquí en el fin de el presentación.
Casarse como a dejar tú con dos pensamientos.
Primero, no usar el Levey-Jennings gráficos
como ellos tener estado definido en el moderno mundo.
El objetivo de a control cuadro es a detectar proceso cambios,
y aquellos cambios son encontró por comparando señal a ruido.
Usar de el muestra estándar desviación
a estimar sigma se infla eso ruido y él voluntad oscuro cualquier señales.
El segundo pensamiento es eso cuando tú son en Fase I, usar XM-R gráficos,
individual Moviente rango gráficos en cambio de Levey-Jennings.
Cuando tú mover a Fase II
para en curso proceso control, arreglar aquellos límites.
A firmar de a estable proceso
es eso el sigma estimar de usando el promedio Moviente rango
es similar a el sigma estimar de Levey-Jennings.
