Mesurer les tendances des scores ordinaux numériques mesurés sur des lots au fil du tempsQuelle est la meilleure technique de mesure statistique pour surveiller les données ordinales afin de pouvoir détecter les tendances des données au fil du temps ?
J'ai des données de panneau d'odeurs individuelles (axe Y) pour chaque lot de produit (axe X) produit au fil du temps et j'aimerais détecter un changement de tendance. Détails : (1) 2 panélistes d'odeur notent chaque lot de produit fabriqué, (2) deux panélistes sont choisis au hasard parmi un groupe de panélistes formés, (3) les scores d'odeur sont ordinaux avec des scores de 1, 2, 3, 4 ou 5, (3) le score de 3 est notre limite de spécification basse pour la libération, (4) un lot peut être mesuré deux fois si l'ordre de remplissage du lot a lieu entre les équipes.
Les données sont jointes pour un SKU de produit produit en 2023-2024 (à ce jour).
Études de consommation et de marchéIngénierie Qualité et ProcédésObjet : Mesurer les tendances des scores ordinaux numériques mesurés sur des lots au fil du tempsJe ne suis pas sûr de pouvoir répondre à votre question, mais voici mon avis :
1. Il n'y a pas suffisamment de discrimination dans le système de mesure pour être d'une grande utilité pour détecter les tendances, surtout lorsque vous n'utilisez pas l'intégralité de l'échelle. Vous disposez essentiellement de données nominales (par exemple, 4 ou 5).
2. Modifiez les définitions des catégories. Par exemple, utilisez le 3 actuel comme 1 et le 5 actuel comme 5 et ajoutez 3 catégories supplémentaires entre celles-ci.
3. Vous pouvez essayer d'augmenter le nombre de panélistes et d'utiliser la moyenne de leurs scores (après avoir évalué la variation entre les panélistes).
4. Trouvez une autre mesure continue en corrélation avec la mesure de l'odeur.
Objet : Mesurer les tendances des scores ordinaux numériques mesurés sur des lots au fil du tempsJ'ai inclus un produit différent LAEU avec un historique de production plus long qui présente également une gamme de scores plus large comprenant des lots qui ont échoué en raison de l'odeur. Cet ensemble de données plus vaste aide-t-il à déterminer la meilleure mesure pour détecter les tendances lorsque les données sur les odeurs sont numériques/ordinales ?
Là encore, les scores d'odeur ont été évalués à 1, 2, 3, 4 ou 5 ; 5 est le meilleur, 3 est la limite inférieure pour la spécification (pour réussir). Les scores d'odeur sont évalués à chaque fois par deux panélistes formés et aléatoires dans un groupe de panélistes formés, et beaucoup, s'ils sont produits sur deux équipes, sont évalués à chaque équipe.
