Cp/Cpk per gli attributiCome calcolo Cp/Cpk o Pp/Ppk per i dati degli attributi utilizzando JMP?
Ingegneria della qualità e dei processiRe: Cp/Cpk per gli attributiQuindi, questo è un problema spinoso, amico mio JMPy.
Sarà necessario in qualche modo prendere i dati di superamento/fallimento e convertirli in qualcosa di continuo o, meglio ancora, ottenere i dati continui sottostanti per prendere la decisione di superamento/fallimento.
Spesso utilizziamo grafici di controllo degli attributi (U, P, C, P', U') per i dati degli attributi per monitorare le proporzioni di superamento/fallimento nel tempo.
La parte complicata è che la capacità del processo dipende dal calcolo di un "sigma" (complessivo/a lungo termine o entro/a breve termine) e dal confronto del numero di "sigma" con la distanza tra la media e il limite di specifica più vicino. ... e in un certo senso presuppone che le cose siano generalmente "normali".
I dati degli attributi hanno una distribuzione binomiale, quindi possiamo ancora ottenere limiti di controllo per tracciare i dati in un grafico degli attributi, ma non così tanto per quanto riguarda la capacità del processo.
In questo esempio ho scatole da 10 unità (n prove = 10) e un assortimento casuale di superamento/fallimento per ogni scatola
Re: Cp/Cpk per gli attributiCiao,
Molte grazie!
Possiamo continuare a discuterne, per favore?
C'è un file di dati campione chiamato "Braces" (in Samples\Data\Quality Control) e ci sono dati di # difetti con dimensioni campione variabili. Se abbiamo un limite di specifiche, ad esempio, diciamo fino a 25 difetti l'unità è "superata", allora perché non possiamo semplicemente calcolare gli indici di capacità usando l'opzione Process Capability nella piattaforma di distribuzione, dove LSL=target=0 e USL=25...?
e diciamo che è una distribuzione non parametrica...
Sto mescolando troppe cose?
Re: Cp/Cpk per gli attributicorrezione - trova una proporzione (#di difetti/dimensione dell'unità) e quindi specifica i limiti per la proporzione
Re: Cp/Cpk per gli attributiRiformulando un po' la domanda:
Poiché non ho i tuoi dati...
Supponiamo di avere una tabella con 100 righe e questa formula in una colonna:
Abs( Round( Random Normal( 10, 10 ), 1 ) )
Questi dati rappresentano la percentuale di cose difettose per lotto/batch/wafer o altro. E hanno un limite massimo di specifica del 25.
I miei dati potrebbero apparire così.
Potrei adattare ai dati una distribuzione di Weibul, Gamma o Esponenziale.
Quindi da quella distribuzione adattata potrei ottenere un report sulla capacità del processo.
È importante notare che non stiamo più cercando la capacità di un attributo, ma una variabile, ovvero la percentuale di difetti.
Potrebbe comunque essere una buona idea eseguire un grafico P, C o U insieme a questi dati.
Re: Cp/Cpk per gli attributiScusate il mio editoriale e ignoratemi se vi turba, ma la capacità sui difetti/difetti è insensata. Perché mettereste una specifica sul numero di difetti/difetti? È accettabile avere difetti e difetti? Qual è lo scopo di una tale metrica di capacità? Cos'è una metrica di capacità accettabile? Come valutate la coerenza prima di calcolare la capacità? Volete essere costantemente pessimi? Non volete capire cosa sta causando i difetti piuttosto che segnalare una metrica di capacità?
Byron ha ragione. Innanzitutto devi capire che c'è una differenza tra difettosi e difetti. Per i difettosi, sei limitato al numero di campioni. Sono categorizzati in base a pass/fail (distribuiti binomialmente). Per i difetti, non c'è limite al numero di difetti per campione. Questi sono dati di conteggio (distribuiti poissonianamente). La prima idea di Byron è di usare una misura continua invece di una metrica categoriale/discreta. Qual è il difetto? Può essere misurato? Ad esempio, un graffio visivo... è possibile misurare la lunghezza, la profondità, l'area del graffio? O perché non va bene (go/no-go)? La dimensione non soddisfa le specifiche. Quindi misura la dimensione effettiva.
Le stime di "sigma" per i difetti (grafici p):
E per i difetti (c-chart):
presumerebbe che quei valori (p e c) siano costanti, il che non è sicuramente ciò che vuoi. Vuoi che diventino più piccoli.
