Salut, tout le monde, mon nom est Di Michelson.
Je suis un Instructeur dans le JMP Éducation groupe.
Mon co-auteurs pour ce présentation sont Jordan Hillier et Byron Ailier,
OMS sont les deux JMP Systèmes Ingénieurs.
Étaient ici aujourd'hui à avertir toi
de le dangers dans en utilisant JMP Levey- Jennings contrôle graphiques.
Nous recherché à présent à Découverte parce que nous croire Levey Jennings graphiques
sont être mal utilisé, résultant dans manqué signaux.
Aujourd'hui, Je vais commencer avec un rapide contrôle graphique revoir
suivi par un rapide histoire,
et que volonté plomb dans comment nous avons vu Levey Jennings graphiques être mal utilisé.
Bien conclure avec quelques recommandations
pour utiliser de ces graphiques et quelques final pensées.
Maintenant, chaque qualité système a un peu de processus contrôle dans il.
Ces sont le DMAIC pas depuis Six Sigma,
mais toi pourrait être en utilisant QBD ou un autre qualité système.
Contrôle graphiques sont utilisé à le fin de un amélioration processus
quand vous avez mettre le processus sur cible et minimiser le variabilité.
Le processus est maintenant écurie,
lequel moyens le probabilité distribution est pas en changeant sur temps.
Maintenant c'est temps à moniteur que processus variabilité
à vérifier que le distribution reste le même
et est pas en changeant dans le avenir.
Quoi est un contrôle graphique?
UN contrôle graphique est simplement un courir graphique de le données
avec le ajout de contrôle limites.
Le centre doubler est basé sur le historique signifier de le processus,
et le largeur de le contrôle limites
est basé sur le historique variation de le processus.
Si le processus distribution fait changement,
observations volonté finalement automne dehors de le contrôle limites,
signalisation à le processus propriétaire à prendre action à attribuer un cause
à le hors de contrôle indiquer et restaurer le processus à un État de contrôle.
Beaucoup les types de contrôle graphiques avoir a été développé pour différent situations.
XM-R graphiques ou individuel et en mouvement gamme graphiques
pour données collecté un indiquer à un temps.
Xbar-R ou Xbar-S graphiques pour résumé données
collecté plusieurs points à un temps.
CUSUM ou EWMA contrôle graphiques à détecter petit les changements,
et même m cartes de contrôle multivariées basées sur un modèle
à contrôle plusieurs corrélé variables sur un graphique.
À trouver ceux tous important contrôle limites,
toi avoir à répondre ce question,
comment faire toi estimation le historique processus distribution?
D'abord, toi avoir à déterminer si le processus est écurie assez
pour contrôle cartographie.
Ou fait il besoin actif processus amélioration?
Ce est appelé Phase JE.
C'est un actif phase de données collection et échantillonnage plan ajustement,
limite calcul, peut être même quelques statistique la modélisation.
Ce phase prend fin quand toi avoir collecté assez données
à déterminer que le processus est écurie.
Alors le CPS système changements dans Phase II.
Le échantillonnage plan et le contrôle limites sont fixé
et nouveau données sont jugé par le fixé limites.
Il y a beaucoup considérations pour Phase je données collection.
Le échantillonnage plan, y compris rationnel échantillonnage
et rationnel sous-groupe, le échantillon taille,
comment beaucoup données faire toi besoin à collecter à réparer ceux limites,
le taper de données que tu es collectionner,
le taper de contrôle graphique que toi vouloir à faire.
Plutôt que parler à propos tous ces dans détail ici,
je volonté référer toi à notre excellent, gratuit, en ligne,
à votre rythme, apprentissage en ligne cours appelé Statistique Processus Contrôle.
C'est disponible dans le JMP Communauté.
Vous allez souvent entendre que contrôle graphique limites sont trois- sigma limites.
Ce moyens que nous besoin à estimation
le standard déviation de le processus depuis notre données, multiplier par trois,
et alors ajouter et soustraire depuis le estimation de le signifier de le processus.
Quand Walter Shewhart développé le d'abord contrôle graphiques dans le années 1920,
il réalisé que, comme autre statistique procédures,
il nécessaire à test pour signaux en utilisant le bruit.
Il nécessaire à comparer le entre sous-groupe variation
en utilisant le dans sous-groupe variation.
Ce dirigé lui directement à X bar- R. graphiques,
où le moyenne de le dans sous-groupe gamme
est utilisé comme un estimation de sigma.
Spécifiquement, il dirigé lui loin depuis le naïf pensée
que nous devrait utiliser X bar plus ou moins trois fois le échantillon standard déviation.
Ne le faites pas estimation sigma en utilisant s pour contrôle graphiques.
Laisser moi dire que encore.
Ne le faites pas estimation sigma en utilisant le échantillon standard déviation.
Oh, et ici il est dans rouge.
Ne le faites pas utiliser le échantillon standard déviation à estimation sigma.
Pourquoi pas?
Le but de contrôle graphiques est à détecter un signal depuis ton processus,
détecter un changement dans le processus distribution.
En utilisant le échantillon standard déviation
agrégats tous le données, y compris un potentiel signal,
et ce volonté gonfler le estimation de sigma et toi volonté manquer signaux.
Que prend nous dos à le début.
Si le but est à détecter des signaux,
pourquoi serait toi faire un graphique que fait du toi manquer des signaux ?
Juste ne le faites pas faire il.
Mais le défaut méthode
pour Estimation sigma dans JMP Levey Jennings contrôle graphique
est à utiliser le échantillon standard déviation.
Le Levey Jennings graphique était développé pour un très spécifique situation
dans clinique chimie,
un où un analytique méthode est validé en utilisant un jauge étude
avec facteurs que sont pertinent à que processus.
Le données sont collecté selon à un spécifié expérimental conception.
Ici sont quelques possible aléatoire et fixé facteurs dans le expérience.
Le variance Composants pour le aléatoire facteurs
sont calculé en utilisant un statistique modèle.
Alors le total variabilité est calculé depuis le variance Composants
et utilisé comme le estimation de sigma pour le Levey Jennings contrôle graphique.
Ce graphique a un spécifique but dans clinique chimie.
Il peut être utilisé chaque fois que toi avoir un externe estimation de sigma.
Comment a fait nous obtenir ici où ces graphiques sont être utilisé pour situations
dans les industries autre que le un je juste décrit ?
Le histoire de CPS commencé à propos 100 années il y a
quand Walter Shewhart développé le d'abord contrôle graphique.
Il figuré dehors à utiliser le dans ou le court terme variation
en utilisant sous-groupes avec plusieurs articles.
Mais il je ne pouvais pas chiffre dehors comment à estimation
court terme variation pour sous-groupes de taille 1.
Là est Non dans.
Dans 1950, Levé et Jennings publié leur papier,
et ils a fait pas utiliser s à estimation sigma.
Leur papier introduit contrôle graphiques à clinique chimie
et utilisé Shewhart Xbar- Carte R avec deux réplique, donc sous-groupe taille 2.
Maintenant, juste après que, dans le tôt années 1950,
Tippett découvert que toi peut utiliser
le moyenne en mouvement gamme de individuel valeurs
comme un court terme estimation de sigma.
C'est pas à la perfection un dans estimateur, mais c'est court terme assez
que tu es pas agrégation sur tous le données.
Très rapidement, ASTM et Occidental Électrique publié livres
et normes en utilisant Tippett X- M graphique.
Mais clinique chimie n'a pas entendre à propos ces graphiques.
Dans 1952, Henri et Ségalove publié un papier en utilisant s
à estimation sigma en utilisant sous-groupes de taille 1.
Enfiler Rouleur indique que
XM-R graphiques étaient pas utilisé très souvent jusqu'à à propos 1980.
Il introduit eux à Déming,
et Rouleur et Déming enseigné milliers de clients et popularisé le XM-R graphique.
C'est vraiment intéressant à moi que ils n'étaient pas populaire dos alors
parce que dans mon expérience, lequel commencé dans le tôt années 90,
graphiques pour sous-groupes de taille 1 sont beaucoup plus populaire que Barre X graphiques sont.
Tous droite, juste comme le XM-R graphiques étaient gagner popularité dans fabrication,
James Westgard publié son Westgard règles,
et a écrit son populaire livre, Basique QC Les pratiques pour clinique chimie.
Il appels le contrôle graphiques, Levey-Jennings.
Ils étaient ajoutée à JMP dans version 5 dans 2003 par client demande.
Maintenant, jamais depuis Jordan et Byron et je avoir a été fonctionnement à JMP,
nous avons vu exemples depuis tous les industries
de le abuser de le défaut Levey Jennings graphique.
Mais maintenant toi savoir mieux, et toi volonté jamais utiliser
le échantillon standard déviation
à estimation sigma pour contrôle graphiques jamais encore, droite?
Très bien, je suis en allant à tourner il sur à Jordan,
et enfer montrer toi dans JMP le problèmes avec abuser ces graphiques.
Merci, Di.
Nous créé un simulation dans JMP à montrer comment
le Levey Jennings graphique, quand mal utilisé, volonté certainement plomb à manqué signaux.
Toi peut télécharger ce.
C'est un JMP ajouter à c'est enregistré dans le JMP-C communauté
avec le autre présentation matériaux.
Ici nous montrer deux contrôle graphiques sur le même données ensemble.
Voici le individuel graphique sur haut,
et le Levey Jennings graphique sur le bas.
Juste un bref note, le personnes graphique
est généralement affiché avec le en mouvement gamme graphique dessous il.
Étaient omettre que pour visuel simplicité ici.
Je vais aussi mention que le Levey Jennings graphique
est dessiné dans le chemin étaient avertissement contre.
Que est, ces sont pas historique limites,
ces sont limites calculé depuis le données dans le graphique lui-même.
Le 30 données points que nous sont graphique ici
sont dessiné au hasard depuis un standard normale distribution.
Que est, le signifier est zéro, standard déviation est un.
Chaque fois que je Cliquez sur ce nouveau données bouton sur ici,
Bien obtenir un nouveau aléatoire échantillon.
Parce que nous savoir le vrai population paramètres,
nous peut dire comment avec précision ces graphiques effectuer.
Le vrai population sigma est un, et étaient en allant à espoir
que le sigma estimations depuis le deux graphiques sont fermer à que.
Le données est écurie, c'est depuis un normale distribution.
Chaque fois que nous voir un indiquer dehors le contrôle limites,
c'est un FAUX positif ici.
Dans un simulation de 5 000 données des ensembles,
le personnes graphique a un FAUX positif à propos 7% de le temps,
alors que le Levey Jennings a un à propos 3.5 % de le fois.
Ce petit différence,
Bien, c'est double, mais ce différence dans le FAUX positif les taux,
nous pense est un de le les raisons que gens avoir soigné à préférer
le Levey Jennings à le personnes graphique parfois.
Mais voici le problème.
Quoi arrive quand nous avoir quelques signaux dans ce données?
Étaient en allant à parler avec un couple de différent types de signaux.
Allons commencer avec un changement.
UN changement est un brusque changement dans le signifier de le processus.
Allons commencer par regarder à un changement de trois standard les écarts,
et Je suis en allant à frapper le nouveau données un couple de fois.
Souviens-toi, le but de un contrôle graphique
est à distinguer le signal depuis le bruit et à détecter signaux.
Comme le signal obtient plus grand, nous devrait être plus probable à détecter il,
et le sigma estimations devrait rester fermer à le vrai valeur de un.
Le personnes graphique fait exactement quoi nous attendre.
Il généralement détecte le changement,
et le sigma estimation pour le individuel graphique reste fermer à un.
Le Levey-Jennings, pas donc beaucoup.
Il confond le signal avec le bruit.
Le sigma estimation est gonflé, et signaux en général ne peut pas être détecté.
Comment grand fait ce changement avoir à être
avant le Levey Jennings graphique est en allant à détecter il?
Bien, Je suis juste blague.
C'est un astuce question.
Le Levey Jennings graphique est jamais en allant à détecter un changement dans ce scénario.
je peut jack il en haut à 50 standard les écarts,
et le plus grand le changement que nous induire,
le plus que sigma estimation est gonflé et volonté jamais détecter un changement.
Allons voir, nous a fait quelques simulation travail
à montrer le différences entre le performance
de le personnes graphique c'est dans rouge et le Levey Jennings graphique dans bleu.
Étaient regarder à un changement que se produit
après le 20 données indiquer dans le série de 30 données points.
C'est quoi étaient regarder à dans le démo je juste montré.
Dans que situation, un changement après le 20 données indiquer,
toi peut voir le performance de les deux de ces graphiques
comme le changement obtient plus grand.
Personnes graphique fait exactement quoi nous espoir il serait faire.
Comme le changement devient plus grand,
c'est Plus facile à détecter probabilité de ayant un alarme est plus grand.
Le Levey Jennings effectue terriblement comme toi scie,
et paradoxalement, comme le changement obtient plus grand,
le probabilité de détection il approches zéro.
Allons prendre un regarder à que ici dans le démo.
Nous peut changement le changement emplacement, droite?
Le changement était après le 20 données indiquer.
Mais tu vas voir que comme le changement approches le fin de le série,
et Bien mettre il à 29, le dernier données indiquer ici.
Quand le changement se produit à le dernier données indiquer,
les deux de le graphiques effectuer de la même manière.
Dans autre mots, si toi sont en cours d'exécution ton Levey Jennings graphique
après chaque supplémentaire données indiquer, tu vas probablement détecter la plupart signaux.
Et ce est à être attendu.
Si le changement se produit plus tard, il y a moins opportunité pour que signal
à contaminer le bruit estimation,
et le sigma estimation est en allant à être précis.
Voici quoi que regards comme dans le simulations.
Comme que changement obtient plus tard et plus tard dans le série,
le performance de le Levey Jennings graphique dans bleu,
approches le performance de le personnes graphique.
C'est le histoire avec changements.
C'est même plus alarmant avec les dérives.
Je suis en allant à réduire le changement taille à zéro.
Comme nous introduire dérive dans le données,
dérive est un graduel linéaire s'orienter
comme le signifier de le processus se déplace en haut dans un cohérent chemin.
C'est dérive.
Non matière comment grand le dérive que je induire ici,
il volonté jamais être détecté par le Levey Jennings graphique.
Juste ne peut pas être détecté.
D'accord.
N poste allons considérer un par lots processus.
Ici, étaient en allant à simuler
lots avec taille six, cinq lots ici dans le données.
Quelques gens utiliser le Levey Jennings graphique
comme un chemin à éviter ayant un alarme c'est exigible à attendu lot variation.
Bien, c'est facile à voir le problème avec ce approche.
Quand nous recouvrir un changement ou un dérive sur haut de que lot effet,
le Levey Jennings graphique est toujours jamais en allant à détecter il.
Je vais ajouter un changement aussi.
Ouais, le Levey Jennings graphique est insensible, aussi insensible,
et le personnes graphique est aussi sensible.
Ni l'un ni l'autre de le graphiques est vraiment super pour ce situation.
Di est en allant à parler à propos ce dans un peu des moments.
Avant je tourner il dos à Di,
laisser moi montrer toi quoi
un Levey Jennings graphique fait droite regards comme.
Ce est un démo que était généré par mon collègue, Byron,
en utilisant données que viens depuis le Westga rd site web,
et allons juste parler à propos peut être ce haut graphique ici.
Étaient montrant un graphique basé sur un données série.
Nous avoir 28 données points.
Le signifier est 198,75 dans ce échantillon.
Le standard déviation est 5.9 dans ce échantillon.
Le indiquer est, nous sont dans Phase II,
et comme tel, nous avoir ensemble le contrôle limites
en utilisant un historique estimation de sigma.
Ce protège nous contre tous de le problèmes que nous étaient juste discuter.
C'est un écurie estimation de sigma,
et il volonté pas être contaminé par n'importe lequel potentiel signaux dans le données ensemble.
D'accord, que est tous je avoir.
Di, dos à toi.
Tous droite.
Remercier toi, Jordan, pour que alarmant démo.
Quand Jordan et je et Byron
pensée que il était temps que quelqu'un a donné ce parler,
nous demandé notre JMP amis si ils étaient voyant quoi nous étaient voyant
depuis parler avec clients,
et que est, mauvaise application de Levey Jennings graphiques.
Quoi nous trouvé était que ces graphiques
étaient communément utilisé pour spécifique situations.
Le d'abord un est quoi Jordan était parler à propos de, que lot traitement.
C'est appelé court- courir CPS, où toi pourrait avoir lots
que changement fréquemment, et chaque lot a un nouveau signifier,
peut être même un nouveau standard déviation.
En utilisant le échantillon standard déviation
à estimation sigma volonté contenir lot changements
comme Bien comme dans- lot bruit.
Comme toi scie, toi ne le fera pas être capable à détecter changements dans un lot très facilement.
Plutôt, toi peut utiliser un graphique que parcelles
le différence ou le standardisé différence
depuis le lot cible ou le lot signifier.
Le deuxième situation est autocorrélé processus,
et ce est où observations pris fermer ensemble
sont plus similaire que observations pris plus loin à part dans temps.
Ce comportement est souvent vu quand des mesures sont pris très fréquemment
dans un continu processus.
En utilisant le échantillon standard déviation,
encore, comprend les deux bruit et connu processus dérive
exigible à le auto corrélation dans le estimation de sigma.
Là sont un peu façons à accord avec autocorrélé données,
y compris réduire le échantillonnage fréquence si toi peut,
ou en utilisant un différent taper de graphique si toi ne peut pas.
Graphiques comme CUSUM et EWMA peut être adapté pour autocorrélation,
ou toi pourrait essayer à modèle le autocorrélation
et alors utiliser contrôle graphiques sur le résidus depuis le modèle.
Le résidus aussi contenir information
à propos processus les changements, et ils devrait être sans corrélation.
F finalement, nous avons entendu un parcelle de personnes dire que en utilisant le échantillon standard déviation
est utile parce que il donne large limites que sont capable à détecter énorme les changements,
mais pas aussi large à détecter petit et modéré changements.
Dans que cas, nous recommander que toi juste faire en haut quelques limites
et ne le faites pas afficher que tu es en utilisant contrôle graphiques
parce que contrôle graphiques ne le faites pas jamais utiliser
le échantillon standard déviation à estimation sigma.
Souviens-toi que Ouest gard merveilleux livre
est appelé Basique QC Les pratiques , pas Basique CPS Les pratiques.
Feynman merveilleux citation est en vigueur ici.
Nous avons aussi entendu quelques arguments à propos Levey Jennings graphiques.
Ils sont plus indulgent que Shewhart's graphiques.
De cours, ils sont.
je comme ce un.
Le gamme graphiques étaient optimisé pour main calcul,
et nous avons a obtenu des ordinateurs.
Pourquoi ne sont pas nous calculateur standard déviation?
Comme nous avons vu, c'est pas gamme contre standard déviation,
c'est lequel standard déviation?
Toi devrait toujours choisir dans variabilité
quand toi calculer trois sigma limites.
Agrégat sur bruit, pas signal ou potentiel signal.
Pourquoi utiliser un estimation de sigma quand nous peut juste calculer sigma ?
Oh, ce un fait mal moi. Ce vient depuis un terminologie problème.
Nous peut dire trois- sigma limites,
mais nous ne le faites pas savoir sigma et nous avoir à estimation sigma depuis données.
Ce est le chemin.
je hérité ce système, et mon chef dit je avoir à faire il ce chemin.
Bien, peut toi trouver un nouveau chef?
Vraiment, ce est mon Oprah moment.
Maya Angélou dit,
"Dans le passé, toi a fait le meilleur avec quoi toi avait,
et maintenant que toi savoir mieux, toi volonté faire mieux."
je espoir que toi peut éduquer autres à faire mieux comme Bien.
Remercier toi pour écoute.
j'ai a obtenu quelques les références pour toi ici à le fin de le présentation.
Épouser comme à partir toi avec deux pensées.
D'abord, ne le faites pas utiliser le Levey Jennings graphiques
comme ils avoir a été défini dans le moderne monde.
Le but de un contrôle graphique est à détecter processus changements,
et ceux changements sont trouvé par comparant signal à bruit.
Utiliser de le échantillon standard déviation
à estimation sigma gonfle que bruit et il volonté obscur n'importe lequel signaux.
Le deuxième pensée est que quand toi sont dans Phase JE, utiliser XM-R graphiques,
individuel en mouvement gamme graphiques plutôt de Levey-Jennings.
Quand toi se déplacer à Phase II
pour en cours processus contrôle, réparer ceux limites.
UN signe de un écurie processus
est que le sigma estimation depuis en utilisant le moyenne en mouvement gamme
est similaire à le sigma estimation depuis Levey-Jennings.
