803401_fr-FR

liliconcom

Carte de contrôle individuelle

vous trouverez ici 54 données individuelles, distribuées de manière exponentielle.

JMP analyse les données et fournit un graphique de contrôle ÉTRANGE

Pourquoi?

Voir le fichier ci-joint

Fausto Galetto

Ingénierie de la qualité et des procédésFenêtresRé: Carte de contrôle individuelle

Bienvenue dans la communauté. Désolé, je ne peux pas fournir de commentaires spécifiques car votre message manque de contexte. Vous avez joint un document Word avec un ensemble de données et un graphique X, MR. Quelqu'un qui analysait les données a dû exécuter (demander) cette plate-forme de graphique de contrôle. Si les données sont dans une série logique (par exemple, le temps) et que vous n'avez pas de sous-groupes rationnels, il est judicieux d'examiner les données avec ce graphique. Les graphiques de contrôle ne supposent aucune distribution particulière pour les utiliser.

Ré: Carte de contrôle individuelle

Cher Statman,

merci pour votre réponse.

J'essaie de vous donner quelques informations supplémentaires :

1. les 54 chiffres sont des infections urinaires (infection des voies urinaires)
2. recueilli dans un hôpital
3. ce sont des données UNIQUES à analyser en tant qu'INDIVIDUS
4. il est demandé d'évaluer si le « processus » fournissant les données est IC (In Control) ou OOC (Out Of Control)
5. la distribution des données est EXPONENTIELLE

À mon avis, la carte de contrôle JMP, présentée dans mon fichier ci-joint, est trompeuse...

Votre déclaration

• "Les cartes de contrôle ne supposent aucune distribution particulière pour leur utilisation.

n'est pas adapté.

Fausto G

Ré: Carte de contrôle individuelle

Que signifie : « il est demandé d'évaluer si le « processus » fournissant les données est IC (In Control) ou OOC (Out Of Control) »

S'agit-il d'un problème de devoirs ? Comment les données ont-elles été collectées ? Sont-elles dans une série chronologique ? Sont-elles dans un ordre rationnel ? Si ce n'est pas le cas, alors peut-être que les graphiques X, MR ne sont pas appropriés. Vous pouvez faire une analyse de distribution pour les valeurs aberrantes, mais IC et OOC impliquent une série rationnelle de (par exemple, le temps).

Comprenez-vous la signification de IC et OOC ? Ces deux termes dépendent de la manière dont les données ont été collectées et des comparaisons effectuées. Par exemple, un graphique X, MR compare la variation à court terme telle qu'estimée par la plage de points de données consécutifs (et présentée comme limites de contrôle sur le graphique X) à la variation à long terme des X tracés sur le graphique. Si vous aviez des sous-groupes rationnels, les graphiques compareraient la variation au sein du sous-groupe à la variation entre les sous-groupes.

Pour les hypothèses de distribution liées à la méthode des cartes de contrôle (ou à son absence), veuillez consulter :

Shewhart, Walter A. (1931) « Contrôle économique de la qualité des produits manufacturés » , D. Van Nostrand Co., NY

Wheeler, Donald et Chambers, David (1992) « Comprendre le contrôle statistique des processus » SPC Press (ISBN 0-945320-13-2)

Ré: Carte de contrôle individuelle

Bien que je sois d'accord avec les commentaires de Statman sur le contexte supplémentaire, je pense que nous pouvons spéculer un peu plus ici. Si nous supposons que les données sont en fait dans un ordre chronologique correct, alors les graphiques de contrôle ne me semblent pas étranges. Il semble que quelque chose ait changé vers la fin de la série et semble être « hors de contrôle ». La signification précise de « hors de contrôle » dépendra de ce contexte manquant - je ne sais pas grand-chose sur les infections des voies urinaires ou sur ce qui est exactement mesuré ici, mais il y a un point clair où ce qui est mesuré s'écarte considérablement du reste de la série.

Je ne comprends pas ce que vous voulez dire par la distribution « exponentielle ». Je ne comprends pas non plus votre commentaire selon lequel le graphique de contrôle sans distribution n'est « pas adapté ». Je ne comprends pas non plus ce que vous trouvez « ÉTRANGE » dans le graphique de contrôle. Peut-être pourriez-vous développer ces 3 points.

Ré: Carte de contrôle individuelle

Cher statman, super utilisateur

1. ce ne sont PAS des devoirs !
2. Vous semblez penser que je ne connais pas les cartes de contrôle
3. En fait, j'ai une connaissance « profonde » (voir Deming !) de la THÉORIE des cartes de contrôle
4. et je connais les livres que tu cites
5. afin que je puisse affirmer que l'analyse JMP des données est FAUSSE !
6. Je connais bien la signification de IC et OOC !

Je ne connais pas l’utilisation de JMP, j’ai donc commencé par analyser les données de mon fichier.

J'ai écrit une lettre à JMP (Chiappa) signalant le GROS problème que le CC fait par JMP est FAUX !

M. Chiappa (de JMP) a suggéré de demander à la Communauté d'obtenir la réponse....

Je l'ai fait.

• Il n'y a AUCUNE variation au sein des sous-groupes et entre les sous-groupes ; les données sont INDIVIDUELLES et doivent être analysées comme telles

SI VOUS ne comprenez pas que le CC est faux VOUS ne pouvez pas m'aider (nouvel utilisateur de JMP)

Fausto G

Ré: Carte de contrôle individuelle

Cher dlehman1

Niveau V

VOUS dites :

• il y a un point clair où ce qui est mesuré s'écarte significativement du reste de la série.

Ce point dépend de la MAUVAISE analyse de JMP.....

Voir ma réponse à statman.

VOUS dites :

• Je ne comprends pas ce que vous voulez dire par « distribution exponentielle ».

Vous devez lire quelques livres de probabilités et rechercher la « distribution exponentielle ».

VOUS dites :

• Je ne comprends pas non plus votre commentaire selon lequel le graphique de contrôle sans distribution n'est « pas adapté ».
• Je ne comprends pas non plus ce que vous trouvez « ÉTRANGE » dans le graphique de contrôle.

Voir ma réponse à statman : la carte de contrôle JMP est FAUX !

Je ne connais pas l’utilisation de JMP, j’ai donc commencé par analyser les données de mon fichier.

J'ai écrit une lettre à JMP (Chiappa) signalant le GROS problème que le CC fait par JMP est FAUX !

M. Chiappa (de JMP) a suggéré de demander à la Communauté d'obtenir la réponse....

Je l'ai fait.

.. et j'attends que quelqu'un me dise comment analyser correctement les données, en utilisant JMP

J'ai hâte d'apprendre comment faire cela avec JMP

Hier| Publié en réponse à message de faustoG 10-03-2024

Je ne comprends pas ce que vous voulez dire par la distribution « exponentielle ». Je ne comprends pas non plus votre commentaire selon lequel le graphique de contrôle sans distribution n'est « pas adapté ». Je ne comprends pas non plus ce que vous trouvez « ÉTRANGE » dans le graphique de contrôle. Peut-être pourriez-vous développer ces 3 points.

Ré: Carte de contrôle individuelle

@faustoG
Au lieu de dire à tout le monde dans cette discussion qu’ils ont tort, vous pourriez peut-être fournir l’analyse que vous avez faite sur les données ?
Cela aiderait les autres membres du forum à comprendre les différences entre vos résultats et ceux du graphique de contrôle JMP.

S'il vous plaît, restez calme et respectueux.

Ré: Carte de contrôle individuelle

Cher Victor_G

Super utilisateur

Merci

Je suis calme et respectueux.

Avez-vous lu mon fichier joint ?

SI CE N'EST PAS LE CAS, lisez-le et remarquez que j'ai écrit à JMP à propos du MAUVAIS graphique de contrôle :

1. Je ne connais pas l’utilisation de JMP, j’ai donc commencé par analyser les données de mon fichier.
2. J'ai écrit une lettre à JMP (Chiappa) signalant le GROS problème que le CC fait par JMP est FAUX !
3. M. Chiappa (de JMP) a suggéré de demander à la Communauté d'obtenir la réponse....
4. Je l'ai fait.
5. .. et j'attends que quelqu'un me dise comment analyser correctement les données, en utilisant JMP
6. J'ai hâte d'apprendre comment faire cela avec JMP

Je n'ai pas ma solution :

Je veux trouver le VRAI CC, avec des données distribuées EXPONENTIELLEMENT en utilisant JMP !

Je ne dis pas à la communauté JMP qu'ils ont tort : je leur dis à tous que l'analyse (faite par JMP que vous pouvez trouver dans mon dossier) est FAUSSE : elle ne considère PAS que les données sont distribuées de manière EXPONENTIELLE.

• POURQUOI tout le monde pense que ce point n’est PAS important ?

Fausto G

Ré: Carte de contrôle individuelle

Ok, quelques points à répondre et à clarifier (j'ai regardé ton dossier) :

1. La lettre est rédigée en italien. Comme je ne parle pas, n'écris pas et ne comprends pas l'italien (et que de nombreux autres utilisateurs du forum peuvent être dans une situation similaire), il me manque peut-être un contexte crucial pour comprendre le problème.
2. Vous avez mentionné un GROS problème, mais n'expliquez jamais comment/pourquoi/quel est le problème. Comment/pourquoi le calcul de la carte de contrôle et/ou des limites de contrôle est-il erroné ? Est-ce parce que peu d'échantillons sont détectés en dehors des limites de contrôle calculées (et vous en attendiez plus) ? Quelles sont vos attentes/résultats ? Avez-vous des limites de spécifications auxquelles vous aimeriez vous comparer (puisque vous semblez sous-entendre que le but de l'analyse est de vérifier le processus de mesure) ?
3. Je vous suggère de lire le post de @jthi Getting correct answers to correct questions quickly . Ce post vous aidera à formuler les questions afin que la discussion puisse aboutir à une solution pour vous. Dans cet exemple, nous n'avons aucune référence/analyse à comparer à celle de JMP, et cette dernière (JMP) ne vous satisfait pas. Nous ne vous serons jamais d'aucune aide si nous ne savons pas ce que vous recherchez, et/ou si vous ne fournissez pas un exemple de l'analyse et de la réponse/des résultats « corrects » que vous attendez.
4. En attendant, puisque vous ne semblez pas être familier avec JMP et la façon dont les calculs sont effectués, vous pouvez lire la documentation sur le Control Chart Builder .

Pas besoin de points d'exclamation, de phrases en gras et de mots en majuscules dans votre message, veuillez les éviter.

Nous sommes une communauté respectueuse d'utilisateurs JMP, désireux d'aider tous les utilisateurs JMP pendant notre temps libre. Si vous ne pouvez pas respecter les autres, personne ne vous aidera.

J'espère que vous pourrez préciser votre contexte, votre réponse correcte et votre analyse plus en détail afin que nous puissions tous nous concentrer sur la partie statistique.

Ré: Carte de contrôle individuelle

Je souhaite faire écho aux commentaires de Victor_G. Je me rends compte qu'il peut y avoir des malentendus dus à des langues différentes, donc un peu de patience de la part de chacun serait utile. Ce que je ne comprends pas dans vos commentaires, c'est exactement ce que vous trouvez faux dans les cartes de contrôle de JMP. Honnêtement, je ne sais pas, alors vous devriez nous le dire afin que nous puissions vous aider ou voir ce que JMP fait de mal. De plus, je connais assez bien la distribution exponentielle, mais je ne suis pas sûr de ce que cela a à voir avec la carte de contrôle. Comme cela a été dit, la carte de contrôle ne suppose aucune distribution particulière. Si vous savez que vos données sont censées provenir d'une distribution exponentielle, il existe des moyens de voir à quel point les données sont proches de cette distribution - mais la carte de contrôle examine les données au fil du temps plutôt qu'une distribution invariante dans le temps. Je pense que combiner les deux (une distribution connue et une carte de contrôle) pourrait bénéficier d'un certain traitement des données avant de créer la carte de contrôle. Par exemple, vous pouvez examiner les écarts par rapport à une distribution exponentielle particulière et les tracer dans un graphique de contrôle. Je n'ai pas les connaissances médicales nécessaires pour savoir à quoi ressemblerait la distribution exponentielle supposée.

Ré: Carte de contrôle individuelle

Chers tous,

Je pense avoir trouvé une cause possible de ma version JMP : c'est

• Version JMP pour étudiants

À mon avis, il manque une fonctionnalité à mon JMP.

Si certains d'entre vous le souhaitent, avec votre version, vous pouvez essayer ce qui suit :

• Cartes de contrôle, carte des événements rares, carte T

Vous devriez trouver un tableau différent du mien dans mes documents téléchargés.

J'espère que tu veux faire ça, mes salutations

Fausto G

Ré: Carte de contrôle individuelle

J'ai JMP Pro 18 et j'ai produit le graphique des événements rares ainsi que le graphique IR normal. Les deux sont identiques et identiques à celui de votre document (qui, selon vous, est erroné). Je ne comprends toujours pas ce que vous trouvez de mal à ce sujet. J'ai également testé vos données par rapport à une distribution exponentielle et les valeurs semblent effectivement provenir d'une distribution exponentielle. Comme indiqué, cette distribution n'est pas pertinente pour le graphique de contrôle - qui est exempt de distribution. Je suis donc toujours perplexe quant à ce que vous trouvez de « mal » dans les graphiques de contrôle produits par JMP.

Ré: Carte de contrôle individuelle

Je ne sais toujours pas si les données sont dans une séquence temporelle significative. J'ai fait une analyse de séries chronologiques des données (en supposant qu'elles soient séquentielles) et il ne semble pas y avoir d'autocorrélation. De plus, l'ajustement d'une distribution exponentielle aux données montre une correspondance très proche d'une exponentielle avec un paramètre d'échelle de 0,2143. Il serait utile que vous clarifiiez votre question initiale : est-ce vraiment un graphique de contrôle qui vous intéresse ou souhaitez-vous voir si les données semblent vraiment provenir d'une distribution exponentielle. Si la question est la dernière, vous ne pouvez pas prouver qu'elles proviennent d'une distribution particulière, mais lorsque vous testez si elles sont exponentielles, vous êtes loin de rejeter cette hypothèse.

En d'autres termes, les données me semblent provenir d'un processus de génération de données exponentielles. Si elles se situent dans une séquence temporelle et que vous souhaitez déterminer si elles s'écartent des limites de contrôle significatives, je dirais qu'elles semblent généralement se situer dans ces limites. Bien sûr, avec des informations supplémentaires sur ce qui est mesuré et sur les limites de contrôle significatives, on peut en dire plus. Mais du point de vue des données, c'est ce que je conclurais.

Ré: Carte de contrôle individuelle

tu écris:

1. Comme indiqué, cette distribution n'est pas pertinente pour la carte de contrôle, qui est indépendante de la distribution.
2. Alors, je suis toujours perplexe quant à ce que vous trouvez « faux » dans les cartes de contrôle produites par JMP.

La carte de contrôle n'est pas « sans distribution ».

Comme je l'ai dit précédemment, les formules de Shewhart pour la distribution normale sont utilisées .

En raison de la distribution exponentielle, je m'attendais à ce que JMP Pro 18 produise un graphique différent en utilisant le graphique T ...

Je suis désolé pour ça.

Merci pour votre essai.

Fausto G

Ré: Carte de contrôle individuelle

Tu dis :

• Il serait utile que vous clarifiiez votre question initiale : est-ce vraiment une carte de contrôle qui vous intéresse ... ?

OUI.

Vous dites aussi :

1. S'il s'agit d'une séquence temporelle et que vous souhaitez déterminer si elle s'écarte des limites de contrôle significatives , je dirais qu'elle semble généralement se situer dans ces limites.
2. Bien sûr, avec des informations supplémentaires sur ce qui est mesuré et sur les limites de contrôle significatives, on peut en dire plus. Mais du point de vue des données, c'est ce que je conclurais.

Les limites de contrôle trouvées par JMP ne sont pas significatives.

L' information supplémentaire est que la distribution des données est exponentielle .

Voir ma réponse précédente : Distribution normale... utilisée par JMP.

Ré: Carte de contrôle individuelle

Je pense que je comprends maintenant votre question. Je ne suis pas un expert en cartes de contrôle, je vais donc donner ma réponse de non-expert et laisser quelqu'un d'autre être plus précis. Bien que la carte de contrôle de Shewhart ne suppose pas une distribution normale (les limites de contrôle sont calculées à partir des données), il semble qu'il existe une hypothèse implicite d'une distribution normale pour les effets aléatoires qui détermine le nombre d'écarts types utilisés pour définir les limites de contrôle. La carte T utilise apparemment une distribution de Weibull pour établir les limites de contrôle. Étant donné que vos données semblent provenir d'une distribution exponentielle, recherchez-vous une carte de contrôle dont les limites de contrôle sont basées sur une distribution exponentielle ? Si c'est le cas, je ne connais pas d'option pour cela, mais peut-être que quelqu'un d'autre le sait.

Je pense qu'il vaut la peine de réfléchir aux limites de contrôle de manière plus générale. Quelle que soit l'hypothèse formulée sur la distribution sous-jacente, les limites de contrôle sont établies à partir des données, et non du sujet. Les limites de spécification peuvent être plus appropriées dans votre contexte. Sur la base de connaissances médicales appropriées, il peut être pertinent de voir si une série de mesures se situe en dehors d'une limite de variabilité significative - sur la base de la médecine et non de la série de données particulière. Je pense qu'il peut être utile de réfléchir aux limites qui ont plus de sens en fonction des données plutôt qu'en fonction des connaissances du domaine.

Ré: Carte de contrôle individuelle

Pas exactement, les arguments de Shewhart portent essentiellement sur l'utilité de la moyenne et de l'écart type en tant qu'estimations utiles, quelle que soit la distribution sous-jacente. En fait, il déclare dans son livre :

« ...nous pouvons utiliser la moyenne et l'écart type d'une statistique, même lorsque la distribution sous-jacente n'est pas connue. »

Il utilise le théorème de Tchebycheff pour étayer l'établissement de limites qui permettent d'identifier raisonnablement « quand un problème existe » et les preuves empiriques concernant l'économie consistant à conclure qu'il y a un problème alors qu'il n'y en a pas.

Voir précédemment référencé : Shewhart, Walter A. (1931) « Contrôle économique de la qualité des produits manufacturés » , D. Van Nostrand Co., NY, chapitre XIX, p. 275-278

Ré: Carte de contrôle individuelle

J'ai trouvé cette référence qui semble répondre à votre besoin : https://brunochassagne.wordpress.com/2011/10/02/control-charts-for-exponential-distributions/ . Je ne peux pas parler de son exactitude, mais sur le fichier joint de vos données, j'ai défini manuellement le LCL et l'UCL selon ce que dit ce document (notez que mon fichier utilise des points décimaux plutôt que les virgules européennes). Étant donné que les données étaient si proches d'une distribution exponentielle, je pense que cela explique pourquoi les données sont si loin dans les limites de contrôle dans la carte de contrôle. Les scripts ci-joints : l'un est pour l'ajustement de la distribution (qui m'a donné le paramètre d'échelle de 0,21, que j'ai utilisé pour dériver l'UCL comme spécifié dans le document), et l'autre est pour la carte de contrôle avec des limites de contrôle définies manuellement.

Ré: Carte de contrôle individuelle

Cher dlehman1 (Niveau V),

tu dis:

1. Bien que le graphique de contrôle de Shewhart ne suppose pas une distribution normale -
2. les limites de contrôle sont calculées à partir des données

Si vous lisez les livres de Shewhart, vous trouverez la vérité : extrait du livre de Shewhart (1931), page 294, vous trouverez

qui est basé sur la distribution normale

Les limites de contrôle DOIVENT être calculées à partir des données.

Vous dites aussi (TRÈS IMPORTANT)

• Le graphique T utilise apparemment une distribution de Weibull pour établir des limites de contrôle.

C'est exactement ce que j'espérais lorsque j'ai suggéré les cartes T (que mon édition JMP Student ne montre pas, malheureusement).

La distribution exponentielle est une distribution WEIBULL avec un paramètre de forme = 1.

Alors, s'il vous plaît, essayez « Rare Events » avec « T Chart » « Weibull »... et voyez...

Merci

Fausto G

Ré: Carte de contrôle individuelle

Cher statman (super utilisateur),

voir ma réponse précédente à dlehman1 .

Il est vrai que Shewhart mentionne le « théorème de Tchebycheff », mais il utilise des formules basées sur le théorème central limite...

Essayez, s'il vous plaît, les graphiques T dans JMP

Merci

Fausto G

Ré: Carte de contrôle individuelle

Cher dlehman1 (Niveau V),

merci.

Malheureusement, lorsque j'ouvre votre fichier, je ne vois que les données : mon JMP Student Edition n'affiche rien d'autre.

Pouvez-vous, s'il vous plaît, copier le graphique T dans un fichier DOCX ou un fichier PDF ?

Je connais très bien le document dont vous parlez...

Merci

Fausto G

Ré: Carte de contrôle individuelle

Peut-être que statman (ou quelqu'un d'autre) peut aider à répondre à quelques questions ici. Tout d'abord, l'aide JMP traite du graphique T ( https://www.jmp.com/support/help/en/18.1/?os=win&source=application#page/jmp/statistical-details-for-t-charts.shtml#ww1149445 ) mais je ne trouve aucune option de ce type dans le générateur de graphiques de cartes de contrôle (ou ailleurs). Je vois le graphique de contrôle des événements rares - il fournit la même image que le graphique de contrôle de Shewhart. Je peux créer manuellement le LCL et l'UCL pour la distribution exponentielle en utilisant le document auquel j'avais précédemment fait un lien. J'ai également ajusté une distribution exponentielle et une distribution de Weibull aux données d'origine - l'exponentielle s'ajuste légèrement mieux, mais les deux sont très proches. La distribution de Weibull ajustée a un paramètre de forme de 1,03, et non la valeur de 1 qui correspondrait à la distribution exponentielle (ce qui explique la légère différence dans la qualité des tests d'ajustement).

Ainsi, une question sans réponse est de savoir comment obtenir le graphique T auquel l'aide JMP fait référence. Une autre question - plus conceptuelle - est la disparité entre l'utilisation par Shewhart de 3 écarts types (basés sur la distribution normale) et la description verbale de Shewhart selon laquelle aucune distribution particulière n'est supposée. Cette disparité pourrait n'être que sémantique : vous pouvez construire un graphique de contrôle en utilisant l'écart type estimé et cela peut être utile sans spécifier de distribution particulière, mais l'utilisation de 3 suggère une dépendance à la distribution normale (au moins dans le graphique par défaut).

J'ai joint le graphique de contrôle que j'ai produit en utilisant les LCL et UCL saisis manuellement à partir de ce document antérieur.

Ré: Carte de contrôle individuelle

Créer un événement rare et modifier le sigma

https://www.jmp.com/support/help/en/18.0/#page/jmp/rare-event-control-charts.shtml

Ré: Carte de contrôle individuelle

Merci.

Je reviendrai dès que j'aurai analysé la carte de contrôle et le fichier Bruno

Fausto G

Ré: Carte de contrôle individuelle

L'événement rare est grisé dans mon fichier. Je suppose que c'est parce qu'il nécessite une variable supplémentaire pour le temps entre les événements ?

Ré: Carte de contrôle individuelle

Merci, MAIS ce n'est pas utile pour mon "JMP Student Edition".

J'espère que cela sera utile à d'autres personnes de la communauté.

Fausto G

Ré: Carte de contrôle individuelle

@dlehman1 Je suis presque sûr qu'il sera grisé car vos valeurs ne sont pas toutes des entiers.

Ré: Carte de contrôle individuelle

@jthi J'ai vérifié et vous avez raison de dire que l'option n'est disponible que pour les valeurs entières. Avez-vous une idée de la raison ? Et, étant donné cela, il semblerait que ce ne soit pas un graphique approprié pour les données publiées par FaustoG. Existe-t-il une option continue pour créer un graphique de contrôle pour les données provenant d'un processus exponentiel ? Le calcul pour le LCL et l'UCL que j'ai utilisé (sur la base du document que j'ai lié) est-il une manière correcte de modéliser cela ?

Ré: Carte de contrôle individuelle

Je ne suis pas vraiment familier avec les cartes de contrôle d'événements rares (ou du moins je ne m'en souviens plus) mais je pense que la sélection du paramètre Y est importante ici :

« Le graphique AT mesure les intervalles de temps écoulés depuis le dernier événement . Chaque point du graphique représente un certain nombre d'intervalles de temps qui se sont écoulés depuis une occurrence antérieure d'un événement rare . »

Ré: Carte de contrôle individuelle

@dlehman1

@jthi

Dans le guide JMP, j'ai trouvé

• Dans le graphique T, tous les points semblent se situer dans les limites de contrôle. Il est clair que le graphique Individual & Moving Range n'était pas adapté à l'analyse, car les limites étaient trop étroites.

Dans mon édition JMP Student sur Rare Events, je vois

1. ni les graphiques G ni les graphiques T
2. le graphique G nécessite des valeurs entières, tandis que le graphique T ne le fait pas

Fausto G

Ré: Carte de contrôle individuelle

@jthi

• les données d'un graphique T sont des mesures de « temps entre événements » (TBE) en heures, jours, mois, années, PAS des valeurs entières

Fausto G

Ré: Carte de contrôle individuelle

À ma connaissance, JMP Student Edition devrait être exactement la même que JMP Pro (à l'exception des licences différentes) https://www.jmp.com/en_fi/academic/licensing-for-students.html . Quelle version de JMP utilisez-vous ? 18 ?

J'ai déjà fait référence à cela plus tôt https://www.jmp.com/support/help/en/18.0/#page/jmp/rare-event-control-charts.shtml

Ré: Carte de contrôle individuelle

@dlehman1

1. Étant donné que les données sont distribuées de manière exponentielle avec une moyenne « thêta », les PLAGES sont également distribuées de manière exponentielle avec la même moyenne « thêta »
2. alors les cartes de contrôle des données et du MR ont presque les mêmes limites de contrôle

Vos graphiques dans « Untitled.jmp » ne sont pas cohérents entre eux.

Le paramètre betaW=1,03 a un intervalle de confiance qui inclut betaE=1.

Par conséquent, le graphique T de Weibull est adéquat à cet effet.

Fausto G

Ré: Carte de contrôle individuelle

@jthi

Oui : JMP Student version 18

tu montres

C'EST UN NON-SENS, de JMP

Je ne sais pas comment ils justifient ça...

VOUS pouvez utiliser « picoseconde » et transformer une fraction de seconde en une valeur entière

Multipliez les valeurs de mon document par 1000 et créez le graphique T, SI vous le souhaitez.

Voyons ce qui se passe

Fausto G

Ré: Carte de contrôle individuelle

Je peux vérifier que, au moins sur mon JMP Pro 18, le graphique T nécessite des valeurs entières. Je ne sais pas pourquoi - et je ne vois pas pourquoi cela devrait être nécessaire mathématiquement ou conceptuellement (c'est peut-être une raison informatique spécifique à JMP, mais je ne sais pas). Dans tous les cas, il n'est pas clair pour moi que vos données mesurent le temps entre les événements. Vous n'avez toujours pas décrit ce qui est mesuré. Je ne comprends pas non plus que ce que vous dites est faux avec les limites de contrôle que j'ai calculées dans le fichier que j'ai joint. Veuillez vous abstenir d'utiliser des majuscules, des polices en gras et des mots grossiers - cela peut être dû à une différence de langue - mais quoi qu'il en soit, je trouve cela distrayant et dérangeant. Je n'utilise pas beaucoup de graphiques de contrôle et je n'ai donc pas beaucoup d'expérience avec autre chose que les plus simples - ce qui n'est pas votre cas. J'aimerais comprendre ce qui est approprié pour vos données et j'essaie également de vous aider. La section que vous citez selon laquelle « un tracé traditionnel de ces données peut contenir de nombreux points à zéro » ne semble pas non plus correspondre à vos données (qui n'ont pas cette caractéristique). Je sais que cela m'aiderait à comprendre ce qui se passe si vous pouviez dire quelque chose sur ce que sont ces mesures.

Ré: Carte de contrôle individuelle

Tu écris

• en tout cas, il ne me semble pas clair que vos données mesurent le temps entre les événements.
• Vous n'avez toujours pas décrit ce qui est mesuré
• Je sais que cela m'aiderait à comprendre ce qui se passe si vous pouviez dire quelque chose sur ce que sont ces mesures.

Ceci est extrait du document qui montre les données

(Je ne sais rien de plus)Alors, s'il vous plaît, ...

1. Les données proviennent d'un grand système hospitalier concerné par un taux très élevé d'infections urinaires contractées à l'hôpital. Plus précisément, l'hôpital souhaite suivre la fréquence des sorties de l'hôpital de patients ayant contracté une infection urinaire pendant leur séjour à l'hôpital afin d'identifier rapidement une augmentation du taux d'infection ou, à l'inverse, de surveiller si les changements de processus ou de matériel à venir entraînent une diminution des infections. Étant donné que la cause fondamentale diffère souvent selon le sexe, les patients de sexe masculin et féminin sont enregistrés séparément et cet exemple se concentre sur les hommes.
   Les données, qui peuvent être consultées en annexe, semblent satisfaire à l'hypothèse de distribution pour l'utilisation du graphique t, avec un temps moyen entre les patients masculins atteints d'infection urinaire de 0,21 jour ou environ 5 heures. Les données ont été représentées à l'aide de la méthode du graphique t proposée et démontrent un contrôle statistique.
2. L’importance du suivi de ces mesures et d’autres similaires dans un contexte de soins de santé réside dans l’identification rapide d’une augmentation des taux d’infection, qui entraîne deux coûts importants pour l’hôpital. Le coût de santé pour le patient est important et aggravé par un taux de mortalité plus élevé chez les patients qui contractent des infections pendant leur hospitalisation. En 2002, l’année la plus récente de rapport des Centers for Disease Control and Prevention, on estime à 424 060 le nombre d’infections urinaires contractées à l’hôpital chez les adultes non hospitalisés en unité de soins intensifs aux États-Unis, et à 13 088 le nombre de décès (Klevens et al. 007). De plus, le coût financier pour l’hôpital est important, Medicare ne couvrant plus le coût du traitement des infections contractées à l’hôpital. Près de 80 % des patients qui ont contracté des infections urinaires dans cette étude étaient couverts par Medicare ou Medicaid, ce qui a entraîné une dépense très importante pour l’hôpital.
3. Comme le montre le graphique, les données ne montrent aucun signe de dégradation ou d’amélioration du processus, mais le graphique peut être surveillé en continu pour détecter de tels changements le plus rapidement possible.

=================================================== ==================================

Cela aide-t-il à l’analyse des données ?

Vous dites aussi :

• Je ne comprends pas non plus ce que vous dites qui est erroné avec les limites de contrôle que j'ai calculées dans le fichier que j'ai joint.

Comme je l'ai dit précédemment

1. les données sont distribuées de manière exponentielle
2. par conséquent, les plages sont également distribuées de manière exponentielle, avec la même moyenne
3. donc, les limites de contrôle ne peuvent pas être très différentes dans les deux graphiques

Vous dites aussi :

• Je peux vérifier que, au moins sur mon JMP Pro 18, le graphique T nécessite des valeurs entières.

1. Multipliez mes données par 100 000 et vous obtenez des valeurs entières.
2. Essayez de trouver le graphique T
3. et voir

Fausto G

Ré: Carte de contrôle individuelle

Cher : dlehman1 (Niveau V)

Le fait que

• La distribution de Weibull ajustée a un paramètre de forme de 1,03, et non la valeur de 1 qui correspondrait à la distribution exponentielle (ce qui explique la légère différence dans la qualité des tests d'ajustement). Ainsi, une question sans réponse est de savoir comment obtenir le graphique T auquel l'aide JMP fait référence.

est important.

Le fait que

• la disparité entre l'utilisation par Shewhart de 3 écarts types (basés sur la distribution normale) et la description verbale de Shewhart selon laquelle aucune distribution particulière n'est supposée. ...utile sans spécifier une distribution particulière, mais l'utilisation de 3 suggère une dépendance à la distribution normale (au moins dans le graphique par défaut). J'ai joint le graphique de contrôle que j'ai produit en utilisant les LCL et UCL saisis manuellement à partir de ce document antérieur.

dépend, comme je l'ai dit auparavant, du théorème central limite, TOUJOURS (je sais que vous n'aimez pas les majuscules et les lettres en gras ! MAIS elles sont importantes pour mettre en évidence les choses).

À propos des graphiques T, voir le fichier ci-joint

Fausto G

Ré: Carte de contrôle individuelle

Vous pouvez ajuster vos données à l'aide de la distribution exponentielle dans la plateforme Distribution. Utilisez la commande Quantiles dans le menu triangulaire rouge de la distribution exponentielle ajustée et spécifiez 0,005, 0,5 et 0,995 pour les probabilités souhaitées. Les quantiles estimés peuvent ensuite être utilisés pour les limites de contrôle spécifiées par l'utilisateur. Cliquez avec le bouton droit de la souris sur le graphique Individus dans CCB et sélectionnez Limites > Ajouter des limites. Saisissez les quantiles ici.

Ré: Carte de contrôle individuelle

Un diagramme P semble approprié pour suivre le nombre de patients souffrant d'infections urinaires (« défectueuses »), la taille de l'échantillon étant le nombre total de patients sortis de l'hôpital au cours de la même période. La distribution de Poisson est utilisée pour des comptages tels que celui-ci.

Ré: Carte de contrôle individuelle

Votre explication plus détaillée m'aide vraiment. Vos données correspondent au temps entre les événements (je ne sais pas vraiment pourquoi il y avait une description indiquant que ces données ont souvent beaucoup de zéros - les vôtres n'en ont pas et je pense qu'un temps nul entre les événements serait assez inhabituel). Dans tous les cas, j'ai fait comme vous le suggérez et j'ai multiplié les données par 1000 et je les ai arrondies à des nombres entiers, donc je suis en mesure d'obtenir le graphique T avec l'ensemble sigma d'une distribution de Weibull. Je joins une image du graphique T ainsi que du graphique IR "standard" où j'ai défini le LCL et l'UCL selon la formule du document auquel j'avais fait référence. Les images sont similaires, bien que les limites de contrôle ne correspondent pas. Je ne sais pas pourquoi - et cela pourrait être soit la formule du document qui est incorrecte, soit des différences entre les distributions Weibull et exponentielles ajustées. Les deux montrent le même résultat qualitatif - que le processus semble stable. Mais les grandes différences dans les limites de contrôle signifient que quelqu'un avec plus de connaissances devra commenter. Et, oui, je n'aime pas les plafonds.

Ré: Carte de contrôle individuelle

Cher dlehman1 (Niveau V)

Tu dis

• le processus semble stable.
• Mais les grandes différences dans les limites de contrôle signifient que quelqu'un avec plus de connaissances devra faire un commentaire.

Vous devez diviser les valeurs du graphique de contrôle par 1 000, le facteur que vous avez utilisé pour obtenir les « valeurs presque entières » nécessaires pour le graphique T.

Merci

Fausto G

Ré: Carte de contrôle individuelle

Cher Mark_Bailey (personnel)

Aperçu

Pouvez-vous s'il vous plaît montrer le graphique de contrôle, selon vos suggestions ?

J'ai essayé, mais je n'ai pas réussi : je suis nouveau sur JMP Student Edition

Merci

Fausto G

Ré: Carte de contrôle individuelle

Oui, je m'en suis rendu compte hier soir. Comme j'avais multiplié les valeurs par 1000, il fallait ajuster les limites de contrôle. Elles ne correspondent toujours pas, bien qu'elles soient du bon ordre de grandeur. Je ne sais donc pas ce qui explique la différence. Mais il semble qu'il existe deux façons d'obtenir le graphique de contrôle souhaité à partir de JMP : soit en utilisant le graphique T basé sur la distribution de Weibull (après avoir transformé les données en valeurs entières), soit en définissant manuellement les limites de contrôle dans un graphique de contrôle IR.

Ré: Carte de contrôle individuelle

Remarque : la commande Quantiles a été remplacée par un Quantile Profiler dans JMP 18. Sinon, le processus est le même.

Voici un échantillon simulé de données provenant de la distribution exponentielle, de la réponse et des données Log[Response] transformées.

Voici les graphiques XmR pour la réponse à l'aide du générateur de graphiques de contrôle.

Nous souhaitons utiliser des limites de probabilité basées sur les quantiles correspondant à 0,005, 0,5 et 0,995 pour les probabilités souhaitées. Voici l'analyse de distribution des deux réponses.

Voici le modèle de distribution exponentielle ajusté pour la réponse avec le Quantile Profiler activé et défini sur une probabilité = 0,005.

Nous utiliserons 0,00406 comme limite de contrôle inférieure. En utilisant ce profileur, nous pouvons également trouver les deux autres quantiles.

Revenez au CCB, faites un clic droit sur le graphique Individus et sélectionnez Limites > Définir les limites de contrôle. Saisissez les trois quantiles déterminés ci-dessus.

Le CCB met immédiatement à jour les limites de contrôle appropriées.

Ré: Carte de contrôle individuelle

Malheureusement, je ne sais pas

Fausto G

PS

Nous avons appris que

1. mon édition JMP Student ne peut pas gérer les événements rares
2. il calcule des limites de contrôle erronées
3. la distribution des données est importante
4. les formules habituelles pour CC sont basées sur la distribution normale, en raison du théorème central limite

Ré: Carte de contrôle individuelle

Merci

Maintenant, il reste un problème :

1. Le tableau de contrôle T est-il correct
2. ou les limites de contrôle sont toujours fausses
3. parce qu'ils ne sont pas calculés selon la THÉORIE

Fausto G

La THÉORIE est importante

Ré: Carte de contrôle individuelle

@faustoG

Vous semblez vouloir vous plaindre de l'édition JMP Student. Je ne sais pas vraiment pourquoi, mais je ne pense pas que ce soit productif. Aucun logiciel ne prétend faire tout ce que vous voulez. Dans tous les cas, vos points 2 à 4 concernent tous les limites de contrôle. Je suis d'accord avec le point 4 - les limites de contrôle habituelles sont définies sur la base d'une distribution normale - mais il est possible de les remplacer en fonction d'une autre distribution ou d'autres considérations. Je pense toujours qu'il est important de faire la distinction entre les limites de contrôle (une propriété des données) et les limites de spécification (une propriété du problème). Dans le cas de problèmes médicaux (comme celui que vous avez ici), je mettrais davantage l'accent sur les limites de spécification. Un processus pourrait bien être sous contrôle tout en étant dangereux pour votre santé.

Au fait, si vous rencontrez des difficultés avec JMP pour traiter vos données spécifiques, vous pouvez toujours essayer de trouver un programme Python ou R adapté à vos besoins et l'exécuter dans JMP. Les méthodes spécialisées sont généralement plus disponibles dans R, étant donné la base d'utilisateurs relativement plus large parmi les statisticiens. Et, si vous pouvez spécifier le problème exact que vous essayez de résoudre et que JMP n'a pas de capacité intégrée pour le résoudre, vous pouvez souvent trouver quelqu'un prêt à écrire un script pour accomplir ce dont vous avez besoin - j'ai utilisé la communauté de cette façon dans le passé.

J'ai trouvé cet article récent qui pourrait vous intéresser : https://www.tandfonline.com/doi/full/10.1080/08839514.2024.2322362#d1e4814 . Je ne l'ai pas examiné en détail, mais il semble s'agir d'une sorte d'hybride de limites de contrôle et de spécification - du moins, c'est ma tentative de haut niveau d'interprétation. L'inclusion de paramètres économiques semble être un moyen d'introduire du sens dans les limites de contrôle plutôt que de se fier uniquement à un calcul statistique basé sur les données. Si quelqu'un peut digérer cet article, veuillez confirmer (ou réfuter) cela et élargir l'interprétation si possible.

Ré: Carte de contrôle individuelle

N'hésitez pas à ignorer complètement mon message ci-dessous. Aucune réponse n'est demandée. J'hésite à publier ceci... aucune offense n'est prévue. J'ai copié la partie 1 (sur 3) d'un message précédent de Fausto, décrivant la situation et la motivation. J'ai ajouté des questions.

1. Les données proviennent d’un grand système hospitalier concerné par un taux très élevé d’infections des voies urinaires (IVU) contractées à l’hôpital.

Qu’est-ce qu’un « taux très élevé » ? Comment est-il mesuré ? Le système de mesure a-t-il été étudié (par exemple, pour déterminer s'il s'agit d'une infection urinaire et non d'une autre infection ou d'un problème de santé) ? Comment détermine-t-on qu'il s'agit d'une infection induite ou contractée à l'hôpital et non d'une infection que le patient avait déjà, peut-être indétectable ou non mesurée avant son arrivée à l'hôpital ou contractée par des visiteurs du patient, etc. ?

Plus précisément, l’hôpital souhaite suivre la fréquence des sorties de l’hôpital de patients ayant contracté une infection urinaire pendant leur séjour à l’hôpital afin d’identifier rapidement une augmentation du taux d’infection ou, à l’inverse, de surveiller si les changements de processus ou de matériel à venir entraînent moins d’infections.

Pourquoi veulent-ils suivre cela ? je on pourrait penser qu'ils veulent le réduire. Les principales questions auxquelles répondent les cartes de contrôle sont les suivantes :

1. Comment l'enquête doit-elle se dérouler (spéciale ou commune ?) et
2. Sur quoi devriez-vous concentrer vos efforts d’investigation (par exemple, quels composants de variation dominent) ?

Je suppose que leur intention est de comprendre la structure causale, peut-être en effectuant des expériences ou en échantillonnant pour découvrir les causes et en suggérant ensuite des solutions potentielles. Il semble qu'il leur manque une mesure capable de fournir une mesure rapide de l'infection ? Comment le tracé des données actuelles conduit-il à créer une « meilleure » mesure ? Je pense, sur la base des informations fournies au point 2 (du message précédent), qu'ils veulent comprendre et réduire le nombre de problèmes de santé induits/acquis à l'hôpital (dont les infections urinaires). Ils ne veulent pas réduire les infections urinaires en remplaçant cette infection par un autre problème de santé.

Étant donné que la cause profonde diffère souvent selon le sexe, les patients de sexe masculin et féminin sont traités séparément et cet exemple se concentre sur les hommes.

C'est une hypothèse. Peut-être a-t-elle été étudiée ? Comment cela a-t-il été étudié (un facteur à la fois ?) ? Il y a beaucoup de bruit et de facteurs cachés impliqués. Comment le bruit a-t-il été pris en compte dans leurs études ? Il semble que l'échantillonnage dirigé serait très utile pour séparer les composantes de variation.

Les données, qui peuvent être consultées en annexe, semblent satisfaire l’hypothèse de distribution pour l’utilisation du graphique t, avec un temps moyen entre les patients masculins atteints d’infection urinaire de 0,21 jour, soit environ 5 heures.

Est-ce la meilleure façon de mesurer le phénomène ? La gravité de l'infection urinaire est-elle importante ? Peut-on mesurer l'ampleur de l'infection ? Existe-t-il d'autres « Y » intéressants (par exemple, signes vitaux, autres infections, autres problèmes de santé) ? À quelle fréquence les patients sont-ils testés pour déterminer quand exactement ils ont contracté l'infection ? D'autres mesures pourraient-elles établir une corrélation ou prédire l'infection ?

Ils se soucient vraiment du taux d’infections induites par les hôpitaux . Bien que le temps moyen avant infection urinaire soit une mesure du taux, il semble que chaque événement puisse être considéré comme indépendant (chaque point de données correspond à un patient différent avec des problèmes de santé sous-jacents différents). Il semble également qu'il puisse y avoir des similitudes en raison des effets potentiels de l'hôpital (causes communes ET particulières). Comment le tracé de la métrique permettra-t-il de distinguer ces différentes sources de variation ?

Les données ont été représentées à l’aide de la méthode du graphique t proposée et démontrent un contrôle statistique.

Qu'entend-on par contrôle statistique ? Un nombre constant et prévisible d'infections urinaires est-il une bonne chose ? Comment sont « créées » les limites de contrôle ? Les limites de contrôle sont une fonction des x (variables) changeant à la fréquence d'échantillonnage conçue. L'approche de Shewhart consiste à sélectionner un sous-ensemble de x et à les regrouper dans un sous-groupe (pour les besoins de l'argumentation, à relativement court terme). Choisissez un autre ensemble de x qui variera sur une période plus longue (ou dans une autre condition rationnelle). Utilisez le sous-ensemble de x comme base de comparaison. Premièrement, le sous-ensemble de x est-il cohérent (graphique de plage) ? Si tel est le cas, une comparaison peut être faite avec l'autre ensemble de x qui varient dans l'étude. Cela se fait à l'aide du graphique à barres X. Les limites de contrôle sont une fonction de la plage (le sous-ensemble de x) et les points tracés sur le graphique à barres X sont une fonction des x changeant entre les sous-groupes. Si ce graphique est « sous contrôle », alors les x au sein du sous-groupe dominent l'effet sur le Y tracé. Si ce graphique est « hors de contrôle », alors les sources intermédiaires dominent.

« L’ingénieur qui réussit à diviser initialement ses données en sous-groupes rationnels basés sur des théories rationnelles est donc intrinsèquement mieux loti à long terme. . . »

Shewhart

Ré: Carte de contrôle individuelle

@ statman Super utilisateur

=================================================== =====================

« L’ingénieur qui réussit à diviser initialement ses données en sous-groupes rationnels basés sur des théories rationnelles est donc intrinsèquement mieux loti à long terme. . . »

Shewhart

« Tous les modèles sont faux, certains sont utiles » GEP Box

=================================================== =====================

statman Super utilisateur

Ces déclarations ne sont d’aucune aide dans ce cas !

Vous ne voulez pas considérer cela

1. Les données sont des individus
2. Et ils sont distribués de manière exponentielle
3. Et la distribution est IMPORTANTE dans la création du graphique de contrôle et le calcul des limites de contrôle

SI mon édition JMP Student

• aurait fonctionné correctement avec les événements rares
• Je ne dérangerais pas la communauté JMP
• Avec le problème expliqué dans ma lettre

S'IL TE PLAÎT

1. Choisissez un cas en lequel vous avez confiance
2. avec des données distribuées de manière exponentielle
3. et les particuliers
4. et informez-nous de votre analyse (Carte de contrôle)

En attendant, regardez ceci dans le livre de Montgomery

Fausto G

Ré: Carte de contrôle individuelle

Dleman 1Niveau V

SI mon édition JMP Student

• aurait fonctionné correctement avec les événements rares
• Je ne dérangerais pas la communauté JMP
• Avec le problème expliqué dans ma lettre

Les étudiants doivent savoir comment analyser les événements rares

Je lirai le document que vous m'avez suggéré et je reviendrai

Fausto G

Ré: Carte de contrôle individuelle

Ré: Carte de contrôle individuelle

@ dlehman1 Niveau V

Dans l’article, vous suggérez qu’il y a…

• C'est un non-sens,
• à moins que le chercheur (érudit) ne soit éclairé par le Saint-Esprit
• qui lui indique les VRAIES valeurs des quantités Theta_0, LCL et UCL :
• ces quantités DOIVENT être estimées par les données et sont des nombres
• (déterminations) de variables aléatoires

Ré: Carte de contrôle individuelle

@Mark_Bailey, Personnelf

Merci.

J'attends avec impatience le VRAI cas de cartes de contrôle individuelles (avec des données distribuées de manière exponentielle) par

• statman Super utilisateur

Fausto G

Ré: Carte de contrôle individuelle

Je suis vraiment désolé de ne pas avoir pu vous communiquer mes réflexions. Je ne comprends toujours pas pourquoi le temps moyen avant une infection urinaire est distribué de manière exponentielle... il semblerait qu'il devrait être distribué de manière aléatoire (normale), à ​​moins que des mesures ne soient prises sur le processus.

Ré: Carte de contrôle individuelle

@ Statman, Super utilisateur

VOUS ÉCRIVEZ:

1. Je ne comprends toujours pas pourquoi le temps moyen avant une infection urinaire est distribué de manière exponentielle...
2. il semble que cela devrait être distribué de manière aléatoire (normalement), à moins que des actions ne soient entreprises sur le processus.
3. « Tous les modèles sont faux, certains sont utiles » GEP Box

Vous ne voulez pas accepter cela

• Les données sont distribuées de manière exponentielle.
• PAS « temps moyen d'infection urinaire »
• distribué de manière aléatoire NE SIGNIFIE PAS distribué normalement
• certaines idées sur les modèles sont TOTALEMENT FAUSSES

Je vous demande à nouveau de trouver un cas en lequel vous avez confiance…

Fausto G

Ré: Carte de contrôle individuelle

Dleman 1Niveau V

Dans l’article que vous avez suggéré, il y a…

Je ne trouve pas ce résultat

Peux-tu?

Fausto G

Ré: Carte de contrôle individuelle

dlehman1Niveau V

11/10/2024

Chers collègues,

Please find my analysis of the Car Seats data given in the paper suggested by dlehman1Niveau V

Je trouve très étrange que

• un processus hors contrôle (OOC) est meilleur que
• un processus sous contrôle (IC)

Qu'en penses-tu?

k1_A, k2_A, k1_B, k2_B

sont les limites de contrôle indiquées dans le document.

Fausto G

Ré: Carte de contrôle individuelle

Le contrôle (tel que défini par Shewhart) n'a rien à voir avec le bien ou le mal. C'est une fonction de spécification. Les spécifications sont généralement (sic. toujours) dérivées indépendamment des données et des variations réelles du processus.

Ma suggestion, vous devriez essayer de comprendre ce que Shewhart entend par contrôle, car il est le créateur de la méthode des cartes de contrôle, à prendre ou à laisser. Je suis dehors.

Ré: Carte de contrôle individuelle

@ statman , Super User avec 769 Kudos

VOUS ÉCRIVEZ:

• Je suis dehors.
• « Tous les modèles sont faux, certains sont utiles » GEP Box

C'est vraiment dommage.

Nous ne verrons aucun cas sur les cartes de contrôle auxquelles vous faites confiance… (malgré que je vous ai demandé de trouver un cas)

Je pense que, malgré le fait que vous citez Shewhart et Box, vous n’êtes pas capable de traiter des données « réelles » et de réaliser de bonnes cartes de contrôle…

Vous n’avez analysé aucune donnée, vous n’avez fourni aucune donnée…

Tu as fait beaucoup de blabla

À mon avis, vous devriez

1. Étudiez les livres de Shewhart et Deming
2. Apprenez leurs « bonnes » idées
3. Étudiez quelques « bons » livres de statistiques
4. Apprenez que certaines idées sur les modèles sont TOTALEMENT FAUSSES

Fausto G

Ré: Carte de contrôle individuelle

Vos messages sur ce forum sont inacceptables. Vous êtes venu ici pour demander conseil et beaucoup vous en ont donné. La plupart d'entre nous donnent de notre temps. Je vous suggère de porter vos diatribes sur un autre forum.

Ré: Carte de contrôle individuelle

Il ne semble pas que ce fil va progresser de manière positive, je désactive donc les commentaires.

Jeff Perkinson

Modérateur de la communauté des utilisateurs JMP