Domanda sulla dimensione del campioneSe so che le mie parti hanno un tasso di guasto del 30%, quante parti devo ispezionare per essere sicuro al 95% di trovare almeno un guasto? Supponendo che io abbia apportato un miglioramento al processo e voglia vedere se il mio tasso di fallimento è diminuito dal 30% al 10% con un livello di confidenza del 95%, quante parti devo ispezionare? Penso che JMP possa fornirmi queste risposte tramite la procedura guidata DOE>Sample Size Explorer>Power, ma non sono esattamente sicuro di come utilizzare questo script per ottenere risposte a queste domande piuttosto semplici sulla dimensione del campione.
Analisi e modellazione dei dati di baseRi: Domanda sulla dimensione del campioneHai visto la documentazione per la potenza per due proporzioni campione indipendenti ?
Ri: Domanda sulla dimensione del campioneCiao Mark, grazie per la rapida risposta in quanto mi mostra come utilizzare la bella procedura guidata per le proporzioni del campione per questo tipo di cose. Facendo un leggero passo indietro rispetto alla domanda precedente, diciamo che ci vogliono 4 ore per ispezionare la mia parte e vedere se fallirà. Devo trovare un guasto in modo da poter svolgere un lavoro di analisi dei guasti, ma la direzione vuole che fornisca loro una stima del tempo necessario per ispezionare le parti prima di trovare effettivamente un guasto. Supponiamo che il tasso di fallimento storico sia del 30% e voglio essere sicuro al 95% di fornire al management una buona stima del tempo. Quante parti dovrei ispezionare prima di riscontrare un guasto?
Ri: Domanda sulla dimensione del campioneConcordo @dlehman1 ! E, per completezza e per una migliore comprensione da parte di tutti: per la distribuzione geometrica, il modo in cui "Random Geometric (p)" è parametrizzato in JMP (restituisce il numero di non guasti fino a quando non si verifica un guasto, per guasti con probabilità p), la media è (1-p)/p. Quindi, per p=0,3 la media è (1-0,3)/0,3 = 2,3. E per p=0,1, la media è (1-0,1)/0,1 = 9. E, questi verificano le tue simulazioni in cui hai stimato le medie come 2,3487 e 8,951, rispettivamente .
https://en.wikipedia.org/wiki/Geometric_distribution
Ri: Domanda sulla dimensione del campioneMi piace l'approccio di @dlehman1 . Questo esploratore per l'affidabilità potrebbe anche essere utile.
Re: Domanda sulla dimensione del campioneBene, i file forniscono intervalli di confidenza del 95% per il numero medio di parti prima che si manifesti il primo difetto. Se ci vogliono 4 ore per ispezionare ogni parte, allora moltiplica il numero medio di parti (e/o l'intervallo di confidenza) per 4 ore. Penso che potrei aver tralasciato qualcosa nella tua domanda, ma è quello che direi.
Re: Domanda sulla dimensione del campioneCiao @chrsmth ,
Che ne dici di usare la curva OC per ipergeometrica/binomiale?
Non hai menzionato la dimensione del lotto, N.
Se N è grande, la distribuzione binomiale va bene, ma se N è piccolo, ad esempio <1000, forse dovresti usare la distribuzione ipergeometrica.
In questo caso, il 95% di confidenza che verrà rilevato almeno 1 difettoso = Probabilità di accettazione, Pa=0,05 (sull'asse Y della curva OC) perché accetterai il campionamento quando c=0 @ 30% del tasso di difettosità (vale a dire X = 0,3).
Durante il campionamento di una dimensione del campione n, è possibile rilevare 1 difettoso, 2 difettosi ecc.
Di solito, uso solo Excel per sviluppare la curva OC perché è più facile per me capire il ragionamento dietro la scelta della dimensione del mio campione. Ma JMP dovrebbe essere in grado di simularlo più velocemente. Esempio come di seguito;
Forse questa ricerca può aiutare: https://www.researchsquare.com/article/rs-3099107/v1
Ri: Domanda sulla dimensione del campioneSegno,
Ho trovato questo prodotto e ho iniziato a recensirlo per un problema simile che sto riscontrando.
Di recente abbiamo riscontrato un guasto che non avevamo riscontrato nel nostro normale campionamento.
Dopo aver determinato la causa principale, dobbiamo verificare gli elementi che riguardano la dimensione del campione.
Il primo punto è che vogliamo verificare il nostro contenimento prendendo un campione dal prodotto prodotto prima e dopo il periodo di tempo dell'evento che abbiamo definito. Vogliamo determinare la dimensione del campione che dovremmo usare in base alla dimensione del nostro lotto (250 pezzi) e alla frequenza dei guasti che abbiamo visto durante l'evento (dall'8 al 30%). C'è un profiler che consiglieresti per aiutarci a modellare questa condizione? Non sono uno statistico.
Il secondo elemento è l'adeguamento delle dimensioni del nostro campione in futuro. Attualmente stiamo campionando 1 pezzo/lotto (test distruttivo), ma solo una piccola porzione di prodotti di questo tipo di materiale. Abbiamo già deciso di aumentare le dimensioni del campione per includere tutti i prodotti, ma vogliamo capire la sicurezza di rilevare un difetto? Possiamo considerare i campioni presi aumentando i prodotti da circa il 20% della popolazione al 100%? Speriamo di non dover campionare molti pezzi da ogni lotto, ma non so come fare o modellare questo calcolo.
Grazie in anticipo per il vostro supporto e i vostri suggerimenti.
Ri: Domanda sulla dimensione del campioneCapito. Che dire dell'essere fiduciosi al livello del 90, 95 o 99%? È possibile usare Power Explore per stimare la dimensione del campione necessaria per rilevare un errore a questo livello di confidenza? È possibile stimare la media e la deviazione standard in base alla nostra misurazione interna e c'è una sovrapposizione minima nelle distribuzioni tramite simulazione.
Ri: Domanda sulla dimensione del campioneGrazie dlehman1 e MRB3855, perché entrambi finiscono per darmi ciò che cercavo, dato che ora ho alcuni strumenti da aggiungere alla mia cassetta degli attrezzi JMP. Apprezzo la formula fornita da MRB3855 (Campioni da testare per essere sicuri al 95% di trovare un rifiuto = ln(0,05)/ln(1-p) dove p è il tasso di rifiuto che era 0,3 (30%) o 0,1 (10%), quindi arrotonda n all'intero più vicino) per ottenere la risposta alla mia domanda di base (rispettivamente 9 e 29).
La distribuzione geometrica era una novità per me (grazie ancora per la spiegazione aggiuntiva di quella distribuzione MRB3855) e simulare questa distribuzione come fatto nel file di esempio fornito da dlehman1 è stato un approccio statistico elegante alla mia domanda che aiuta a unire la componente statistica vs probabilità di questa domanda. Portando questo approccio un po' più avanti, ho evidenziato i punti dati attorno al livello di confidenza del 95%, quindi ho sottoinsieme quei dati, che hanno una propria distribuzione con una media approssimativamente uguale al numero fornito dalla formula sopra. Nota, per chiunque segua fin qui, questo numero medio è molto diverso dalla media di queste due distribuzioni geometriche generate casualmente poiché le loro medie si basano sull'intera distribuzione per quante parti dovrai ispezionare in media per trovare un singolo guasto rispetto a quante parti devi ispezionare per essere sicuro al 95% di trovare un singolo scarto.
Forse una piccola sfida per questa fantastica comunità JMP sarebbe se qualcuno potesse prendere queste informazioni e creare uno script aggiuntivo interessante con cui le persone con una conoscenza più limitata di statistica e probabilità possano rispondere alla mia domanda iniziale, così da apparire intelligenti ai loro capi. Ad esempio, se l'utente fornisce il Livello di difetto da rilevare e il Livello di confidenza per il rilevamento di un difetto, mentre lo script restituisce semplicemente il Numero di parti da ispezionare, sarebbe un bel calcolatore delle dimensioni del campione. Aggiungere l'idea della distribuzione geometrica di dlehman1 sarebbe ancora più interessante!
Ri: Domanda sulla dimensione del campionePenso che alla prima domanda abbia già risposto all'inizio di questa discussione.
Non so bene come affrontare la seconda domanda. Hai esaminato gli esploratori campione per vedere se uno è adatto al tuo scopo?
Ri: Domanda sulla dimensione del campioneCiao @chris_dennis . Confesso, e mi scuso, che nessuna delle tue domande mi è chiara. Cosa stai esattamente supponendo e cosa vuoi sapere esattamente?
Ri: Domanda sulla dimensione del campionePer agevolare la spiegazione ho incluso uno schema di processo.
1 Quale dimensione del campione è necessaria per verificare, dopo l'azione correttiva, che abbiamo correttamente contenuto l'evento.
2 Quale dovrebbe essere la dimensione del nostro campione affinché la produzione futura possa rilevare internamente?
Dovremo definire il livello di confidenza per ogni dimensione del campione (1 e 2).
Re: Domanda sulla dimensione del campioneCiao @chris_dennis . Vedo nel tuo diagramma che dici "Quale dimensione del campione è necessaria per confermare l'assenza di contaminazione
dopo l'azione correttiva (campione di verifica)”
La risposta è un campionamento del 100% (tutti i 250 campioni di ogni lotto). Se si vuole "confermare" l'assenza di contaminazione, l'unica opzione è il campionamento del 100%; in altre parole, non esiste un piano di campionamento che possa garantire (con un certo livello di confidenza) lo 0%. Per qualsiasi piano di campionamento (ovvero inferiore al 100%) deve esserci una percentuale di difettosità "accettabile". E non voglio confondere "accettabile" con "desiderabile". Quando dico "accettabile", intendo ciò che si potrebbe tollerare nel caso peggiore.
