Cp/Cpk für AttributeWie berechne ich Cp/Cpk oder Pp/Ppk für Attributdaten mit JMP?
Qualitäts- und ProzesstechnikBetreff: Cp/Cpk für AttributeAlso, das ist eine schwierige Situation, mein JMPy-Freund.
Sie müssen die Daten zum Bestehen/Nichtbestehen irgendwie in kontinuierliche Daten umwandeln oder, noch besser, die zugrunde liegenden kontinuierlichen Daten abrufen, um die Entscheidung über Bestehen/Nichtbestehen treffen zu können.
Wir verwenden häufig Attribut-Kontrollkarten (U, P, C, P', U') für Attributdaten, um die Anteile von Bestehen/Nichtbestehen im Zeitverlauf zu verfolgen.
Der schwierige Teil besteht darin, dass die Prozessfähigkeit von der Berechnung eines „Sigmas“ (insgesamt/langfristig oder innerhalb/kurzfristig) und dem Vergleich der Anzahl der „Sigmas“ mit der Distanz zwischen dem Mittelwert und der nächsten Spezifikationsgrenze abhängt. … und dabei wird gewissermaßen angenommen, dass die Dinge im Allgemeinen „normal“ sind.
Attributdaten weisen eine Binomialverteilung auf, sodass wir für die Darstellung von Daten in einem Attributdiagramm immer noch Kontrollgrenzen erhalten können. Bei der Prozessfähigkeit ist das jedoch nicht so sehr der Fall.
In diesem Beispiel habe ich Kartons mit 10 Einheiten (n Versuche = 10) und eine zufällige Auswahl von bestanden/nicht bestanden für jeden Karton.
Betreff: Cp/Cpk für AttributeHallo,
Vielen Dank!
können wir das bitte weiter diskutieren?
Es gibt eine Beispieldatendatei namens „Braces“ (unter Samples\Data\Quality Control) und darin sind Daten zu #Defekten mit unterschiedlichen Stichprobengrößen enthalten. Wenn wir eine Spezifikationsgrenze haben, beispielsweise bis zu 25 Defekte, ist die Einheit „bestanden“, warum können wir dann nicht einfach die Fähigkeitsindizes mit der Option „Prozessfähigkeit“ unter der Vertriebsplattform berechnen, wobei LSL=Ziel=0 und USL=25...?
und sagen, es ist eine nichtparametrische Verteilung …
vermische ich hier eine Menge Zeug?
Betreff: Cp/Cpk für AttributeKorrektur - Finden Sie einen Anteil (Anzahl der Defekte/Einheitsgröße) und dann Spezifikationsgrenzen für den Anteil
Betreff: Cp/Cpk für AttributeUm die Frage noch einmal etwas anders zu formulieren:
Da ich deine Daten nicht habe...
Angenommen, ich habe eine Tabelle mit 100 Zeilen und dieser Formel in einer Spalte:
Abs( Round( Random Normal( 10, 10 ), 1 ) )
Diese Daten stellen den Prozentsatz defekter Teile pro Los/Charge/Wafer oder was auch immer dar. Und sie haben eine obere Spezifikationsgrenze von 25.
So könnten meine Daten aussehen.
Ich könnte den Daten eine Weibul-, Gamma- oder Exponentialverteilung anpassen.
Aus dieser angepassten Verteilung könnte ich dann einen Prozessfähigkeitsbericht erstellen.
Es ist wichtig zu beachten, dass wir nicht mehr die Fähigkeit eines Attributs betrachten, sondern eine Variable, nämlich den Prozentsatz der Defekte.
Es kann dennoch eine gute Idee sein, zusammen mit diesen Daten ein P-, C- oder U-Diagramm auszuführen.
Betreff: Cp/Cpk für AttributeEntschuldigen Sie meinen Leitartikel und ignorieren Sie mich bitte, wenn er Sie aufregt, aber die Fähigkeit, Fehler/Mängel zu berücksichtigen, ist unsinnig. Warum würden Sie eine Spezifikation für die Anzahl von Mängeln/Defekten festlegen? Es ist in Ordnung, Mängel und Defekte zu haben? Was ist der Zweck einer solchen Fähigkeitsmetrik? Was ist eine akzeptable Fähigkeitsmetrik? Wie beurteilen Sie die Konsistenz, bevor Sie die Fähigkeit berechnen? Wollen Sie durchgängig schlecht sein? Wollen Sie nicht lieber herausfinden, was die Mängel verursacht, als eine Fähigkeitsmetrik zu melden?
Byron hat vollkommen recht. Zunächst muss man erkennen, dass es einen Unterschied zwischen fehlerhaften und defekten Proben gibt. Bei fehlerhaften Proben ist die Anzahl der Proben beschränkt. Sie werden nach bestanden/nicht bestanden (binomial verteilt) kategorisiert. Bei defekten Proben gibt es keine Begrenzung der Anzahl der Defekte pro Probe. Dies sind Zähldaten (poissonisch verteilt). Byrons erste Idee ist, eine kontinuierliche Messung anstelle einer kategorischen/diskreten Metrik zu verwenden. Was ist der Defekt? Kann er gemessen werden? Zum Beispiel ein sichtbarer Kratzer... können Länge, Tiefe und Fläche des Kratzers gemessen werden? Oder warum ist er nicht erfolgreich (gut/nicht erfolgreich)? Die Dimension entspricht nicht der Spezifikation. Messen Sie dann die tatsächliche Dimension.
Die Schätzungen von „Sigma“ für fehlerhafte Einheiten (p-Diagramme):
Und für Defekte (c-Diagramme):
würde annehmen, dass diese Werte (p und c) konstant sind, was definitiv nicht das ist, was Sie wollen. Sie wollen, dass sie kleiner werden.
