803401_de-DE

liliconcom

Individuelle Kontrollkarte

Hier finden Sie 54 Einzeldaten, exponentiell verteilt.

JMP analysiert die Daten und stellt ein SELTSAMEs Kontrolldiagramm bereit

Warum?

Siehe die angehängte Datei

Fausto Galetto

Qualitäts- und ProzesstechnikWindowsBetreff: Individuelle Kontrollkarte

Willkommen in der Community. Es tut mir leid, dass ich kein spezifisches Feedback geben kann, da Ihrem Beitrag der Kontext fehlt. Sie haben ein Word-Dokument mit einem Datensatz und einem X, MR-Diagramm angehängt. Jemand, der die Daten analysiert hat, muss diese Kontrolldiagrammplattform ausgeführt (angefordert) haben. Wenn die Daten in einer logischen Reihe (z. B. Zeit) vorliegen und Sie keine rationalen Untergruppen haben, ist es eine gute Idee, die Daten mit diesem Diagramm zu betrachten. Kontrolldiagramme setzen keine bestimmte Verteilung voraus, um sie verwenden zu können.

Betreff: Individuelle Kontrollkarte

Lieber Statman,

vielen Dank für Ihre Antwort.

Ich versuche, Ihnen noch ein paar Informationen zu geben:

1. die 54 Zahlen sind UTI (Harnwegsinfektion)
2. in einem Krankenhaus gesammelt
3. Es handelt sich um EINZELNE Daten, die als INDIVIDUEN analysiert werden müssen
4. Es wird abgefragt, ob der „Prozess“, der die Daten bereitstellt, IC (In Control) oder OOC (Out Of Control) ist.
5. Die Datenverteilung ist EXPONENTIELL

Meiner Meinung nach ist das in der angehängten Datei gezeigte JMP-Kontrolldiagramm irreführend ...

Ihr Statement

• "Für die Verwendung von Kontrollkarten ist keine bestimmte Verteilung erforderlich."

ist nicht geeignet.

faustoG

Betreff: Individuelle Kontrollkarte

Was bedeutet das: „Es wird darum gebeten, zu beurteilen, ob der „Prozess“, der die Daten bereitstellt, IC (In Control) oder OOC (Out Of Control) ist.“

Ist das ein Hausaufgabenproblem? Wie wurden die Daten gesammelt? Sind sie in einer Zeitreihe? Sind sie in irgendeiner rationalen Reihenfolge? Wenn nicht, dann sind X-, MR-Diagramme vielleicht nicht geeignet. Sie können eine Verteilungsanalyse für Ausreißer durchführen, aber IC und OOC implizieren eine rationale Reihe von (z. B. Zeit).

Verstehen Sie die Bedeutung von IC und OOC? Beide hängen davon ab, wie die Daten erfasst wurden und welche Vergleiche angestellt werden. Beispielsweise vergleicht ein X, MR-Diagramm die kurzfristige Variation, die anhand des Bereichs aufeinanderfolgender Datenpunkte geschätzt wird (und im X-Diagramm als Kontrollgrenzen angezeigt wird), mit der langfristigen Variation, die durch die im Diagramm dargestellten X-Werte bestimmt wird. Wenn Sie rationale Untergruppen hätten, würden die Diagramme die Variation innerhalb der Untergruppen mit der Variation zwischen den Untergruppen vergleichen.

Informationen zu Verteilungsannahmen im Zusammenhang mit der Kontrollkartenmethode (bzw. deren Fehlen) finden Sie unter:

Shewhart, Walter A. (1931) „Ökonomische Kontrolle der Qualität hergestellter Produkte“ , D. Van Nostrand Co., NY

Wheeler, Donald und Chambers, David (1992) „ Understanding Statistical Process Control “ SPC Press (ISBN 0-945320-13-2)

Betreff: Individuelle Kontrollkarte

Obwohl ich Statmans Kommentaren zum zusätzlichen Kontext zustimme, denke ich, dass wir hier noch ein bisschen mehr spekulieren können. Wenn wir davon ausgehen, dass die Daten tatsächlich in der richtigen Reihenfolge der Zeitreihen vorliegen, sehen die Kontrolldiagramme für mich nicht seltsam aus. Es scheint, dass sich gegen Ende der Reihe etwas geändert hat und „außer Kontrolle“ zu sein scheint. Die genaue Bedeutung von „außer Kontrolle“ hängt von diesem fehlenden Kontext ab – ich weiß nicht viel über Harnwegsinfektionen oder darüber, was hier genau gemessen wird, aber es gibt einen klaren Punkt, an dem das, was gemessen wird, erheblich vom Rest der Reihe abweicht.

Ich verstehe nicht, was Sie mit „exponentiell“ meinen. Ich verstehe auch nicht Ihren Kommentar, dass die verteilungsfreie Kontrollkarte „nicht geeignet“ sei. Ich verstehe auch nicht, was Sie an der Kontrollkarte „SELTSAM“ finden. Vielleicht können Sie diese drei Punkte näher erläutern.

Betreff: Individuelle Kontrollkarte

Lieber statman, Super User

1. es sind KEINE Hausaufgaben!
2. Sie scheinen zu glauben, dass ich keine Kontrolldiagramme kenne
3. Ich verfüge tatsächlich über ein „profundes“ (siehe Deming!) Wissen über die THEORIE der Kontrollkarten
4. und ich kenne die Bücher, die Sie zitieren
5. sodass ich feststellen kann, dass die JMP-Analyse der Daten FALSCH ist!
6. Ich kenne die Bedeutung von IC und OOC gut!

Da ich mit der Verwendung von JMP nicht vertraut bin, begann ich mit der Analyse der Daten in meiner Datei.

Ich habe JMP (Chiappa) einen Brief geschrieben, in dem ich auf das GROSSE Problem hinweise, dass die von JMP erstellte Kreditkarte FALSCH ist!

Herr Chiappa (von JMP) schlug vor, die Community um die Antwort zu bitten …

Ich tat es.

• Es gibt KEINE Variation innerhalb der Untergruppen und zwischen den Untergruppen; die Daten sind INDIVIDUEN und müssen als solche analysiert werden.

WENN SIE nicht verstehen, dass die CC falsch ist, können SIE mir nicht helfen (neuer Benutzer von JMP)

faustoG

Betreff: Individuelle Kontrollkarte

Lieber dlehman1

Stufe V

SIE sagen:

• Es gibt einen klaren Punkt, an dem das gemessene Ergebnis erheblich vom Rest der Reihe abweicht.

Dieser Punkt hängt von der FALSCHEN Analyse von JMP ab.....

Siehe meine Antwort an Statman.

SIE sagen:

• Ich verstehe nicht, was Sie damit meinen, dass die Verteilung „exponentiell“ ist.

Sie müssen einige Bücher zur Wahrscheinlichkeitsrechnung lesen und nach „Exponentialverteilung“ suchen.

SIE sagen:

• Auch Ihren Kommentar, die verteilungsfreie Regelkarte sei „nicht geeignet“, verstehe ich nicht.
• Ich verstehe auch nicht, was Sie an der Kontrollkarte „SELTSAM“ finden.

Siehe meine Antwort an Statman: Das JMP-Kontrolldiagramm ist FALSCH!

Da ich mit der Verwendung von JMP nicht vertraut bin, begann ich mit der Analyse der Daten in meiner Datei.

Ich habe JMP (Chiappa) einen Brief geschrieben, in dem ich auf das GROSSE Problem hinweise, dass die von JMP erstellte Kreditkarte FALSCH ist!

Herr Chiappa (von JMP) schlug vor, die Community um die Antwort zu bitten …

Ich tat es.

.. und ich warte darauf, dass mir jemand erklärt, wie ich die Daten mit JMP richtig analysieren kann

Ich bin gespannt, wie das mit JMP geht

Gestern| Gepostet als Antwort auf Nachricht von faustoG 10-03-2024

Ich verstehe nicht, was Sie mit „exponentiell“ meinen. Ich verstehe auch nicht Ihren Kommentar, dass die verteilungsfreie Kontrollkarte „nicht geeignet“ sei. Ich verstehe auch nicht, was Sie an der Kontrollkarte „SELTSAM“ finden. Vielleicht können Sie diese drei Punkte näher erläutern.

Betreff: Individuelle Kontrollkarte

@faustoG
Anstatt allen in dieser Diskussion zu sagen, dass sie falsch liegen, könnten Sie vielleicht die Analyse vorlegen, die Sie anhand der Daten durchgeführt haben?
Dies würde anderen Forumsmitgliedern helfen, die Unterschiede zwischen Ihren Ergebnissen und den Ergebnissen aus dem JMP-Kontrolldiagramm zu verstehen.

Bitte bewahren Sie Ruhe und bleiben Sie respektvoll.

Betreff: Individuelle Kontrollkarte

Liebling Victor_G

Super User

Danke

Ich bin ruhig und respektvoll.

Haben Sie meine angehängte Datei gelesen?

FALLS NICHT, lesen Sie es bitte und beachten Sie, dass ich JMP wegen der FALSCHEN Kontrollkarte geschrieben habe:

1. Da ich mit der Verwendung von JMP nicht vertraut bin, habe ich mit der Analyse der Daten in meiner Datei begonnen.
2. Ich habe JMP (Chiappa) einen Brief geschrieben, in dem ich auf das GROSSE Problem hinweise, dass die von JMP erstellte CC FALSCH ist!
3. Herr Chiappa (von JMP) schlug vor, die Community um die Antwort zu bitten …
4. Ich tat es.
5. .. und ich warte darauf, dass mir jemand erklärt, wie ich die Daten mit JMP richtig analysieren kann
6. Ich bin gespannt, wie das mit JMP geht

Ich habe meine Lösung nicht:

Ich möchte den WAHREN CC mit EXPONENTIELL verteilten Daten mithilfe von JMP finden!

Ich sage der JMP-Community nicht, dass sie falsch liegen: Ich sage ihnen allen, dass die Analyse (die von JMP durchgeführt wurde und die Sie in meiner Datei finden) FALSCH ist: Sie berücksichtigt NICHT, dass die Daten EXPONENTIELL verteilt sind.

• WARUM denken alle, dass dieser Punkt NICHT wichtig ist?

faustoG

Betreff: Individuelle Kontrollkarte

Ok, einige Punkte, die beantwortet und geklärt werden müssen (ich habe mir Ihre Datei angesehen):

1. Der Brief ist auf Italienisch geschrieben. Da ich kein Italienisch spreche/schreibe/verstehe (und viele andere Benutzer im Forum sind vielleicht in einer ähnlichen Situation), fehlt mir möglicherweise ein Kontext, der für das Verständnis des Problems entscheidend ist.
2. Sie haben ein GROSSES Problem erwähnt, aber nie erklärt, wie/warum/was das Problem ist. Wie/warum ist die Berechnung der Kontrollkarte und/oder der Kontrollgrenzen falsch? Liegt es daran, dass nur wenige Proben außerhalb der berechneten Kontrollgrenzen erkannt werden (und Sie mehr erwartet haben)? Was sind Ihre Erwartungen/Ergebnisse? Haben Sie Spezifikationsgrenzen, mit denen Sie vergleichen möchten (da Sie anscheinend andeuten, dass das Ziel der Analyse darin besteht, den Messvorgang zu überprüfen)?
3. Ich würde vorschlagen, den Beitrag von @jthi zu lesen. Schnell die richtigen Antworten auf die richtigen Fragen erhalten . Dieser Beitrag hilft Ihnen, die Fragen so zu formulieren, dass die Diskussion zu einer Lösung für Sie führen kann. In diesem Beispiel haben wir keine Referenz/Analyse, die wir mit der von JMP vergleichen könnten, und diese letzte (JMP) ist für Sie nicht zufriedenstellend. Wir werden Ihnen nie helfen können, wenn wir nicht wissen, wonach Sie suchen, und/oder wenn Sie kein Beispiel der Analyse und der „richtigen“ Antwort/Ergebnisse liefern, die Sie erwarten.
4. Da Sie anscheinend mit JMP und der Durchführung der Berechnungen nicht vertraut sind, können Sie in der Zwischenzeit die Dokumentation zum Control Chart Builder lesen.

Ausrufezeichen, fettgedruckte Sätze und Wörter sowie Großbuchstaben sind in Ihrem Beitrag nicht erforderlich, bitte vermeiden Sie diese.

Wir sind eine respektvolle Community von JMP-Benutzern und helfen gerne jedem JMP-Benutzer in unserer Freizeit. Wenn Sie andere Menschen nicht respektieren können, wird Ihnen niemand helfen.

Ich hoffe, dass Sie Ihren Kontext, Ihre richtige Antwort und Ihre Analyse detaillierter angeben können, damit wir uns alle auf den statistischen Teil konzentrieren können.

Betreff: Individuelle Kontrollkarte

Ich möchte Victor_Gs Kommentare wiederholen. Mir ist klar, dass es aufgrund der unterschiedlichen Sprachen zu Missverständnissen kommen kann, daher wäre ein wenig Geduld von allen hilfreich. Was ich aus Ihren Kommentaren nicht verstehe, ist, was genau Sie an den Kontrolldiagrammen von JMP falsch finden. Ich weiß es wirklich nicht, also sollten Sie es uns sagen, damit wir Ihnen entweder helfen oder sehen können, was JMP falsch macht. Außerdem bin ich mit der Exponentialverteilung recht vertraut, aber ich bin mir nicht sicher, was davon für das Kontrolldiagramm relevant ist. Wie gesagt, das Kontrolldiagramm geht von keiner bestimmten Verteilung aus. Wenn Sie wissen, dass Ihre Daten aus einer Exponentialverteilung stammen sollen, gibt es Möglichkeiten zu sehen, wie nahe die Daten an dieser Verteilung liegen – aber das Kontrolldiagramm untersucht die Daten im Zeitverlauf und nicht eine zeitinvariante Verteilung. Ich denke, die Kombination der beiden (eine bekannte Verteilung und ein Kontrolldiagramm) könnte von einer gewissen Verarbeitung der Daten vor der Erstellung des Kontrolldiagramms profitieren. Sie könnten beispielsweise die Abweichungen von einer bestimmten Exponentialverteilung untersuchen und diese in einem Kontrolldiagramm darstellen. Ich verfüge nicht über den medizinischen Hintergrund, um zu wissen, wie die angenommene Exponentialverteilung aussehen würde.

Betreff: Individuelle Kontrollkarte

Verehrte Gäste,

Ich glaube, ich habe eine mögliche Ursache für meine JMP-Version gefunden: sie ist

• JMP Studentenversion

Meiner Meinung nach fehlt meinem JMP eine Funktion.

Wenn einige von Ihnen möchten, können Sie mit Ihrer Version Folgendes versuchen:

• Kontrollkarten, Karte seltener Ereignisse, T-Karte

In meinen hochgeladenen Dokumenten sollten Sie ein Diagramm finden, das sich von meinem unterscheidet.

Ich hoffe, du willst das tun, meine Grüße

faustoG

Betreff: Individuelle Kontrollkarte

Ich habe JMP Pro 18 und habe das Seltenereignisdiagramm sowie das normale IR-Diagramm erstellt. Beide sind identisch und identisch mit dem in Ihrem Dokument (von dem Sie sagen, es sei falsch). Ich verstehe immer noch nicht, was Sie daran falsch finden. Ich habe Ihre Daten auch anhand einer Exponentialverteilung getestet und die Werte sehen tatsächlich so aus, als stammten sie aus einer Exponentialverteilung. Wie bereits erwähnt, ist diese Verteilung für das Kontrolldiagramm nicht relevant – das verteilungsfrei ist. Daher bin ich immer noch verwirrt, was Sie an den von JMP erstellten Kontrolldiagrammen „falsch“ finden.

Betreff: Individuelle Kontrollkarte

Ich bin mir auch immer noch nicht sicher, ob die Daten in einer sinnvollen Zeitfolge vorliegen. Ich habe eine Zeitreihenanalyse der Daten durchgeführt (vorausgesetzt, sie liegen in einer Folge vor) und es scheint keine Autokorrelation vorzuliegen. Auch die Anpassung einer Exponentialverteilung an die Daten ergibt eine sehr gute Übereinstimmung mit einer Exponentialverteilung mit einem Skalenparameter von 0,2143. Es wäre hilfreich, wenn Sie Ihre ursprüngliche Frage klären könnten: Sind Sie wirklich an einer Kontrollkarte interessiert oder möchten Sie sehen, ob die Daten tatsächlich aus einer Exponentialverteilung stammen? Wenn die Frage Letzteres ist, können Sie nicht beweisen, dass sie aus einer bestimmten Verteilung stammen, aber wenn Sie testen, ob sie exponentiell sind, sind Sie weit davon entfernt, diese Hypothese abzulehnen.

Mit anderen Worten, die Daten sehen für mich tatsächlich so aus, als kämen sie aus einem exponentiellen Datengenerierungsprozess. Wenn sie in einer Zeitsequenz vorliegen und Sie untersuchen möchten, ob sie von sinnvollen Kontrollgrenzen abweichen, würde ich sagen, dass sie größtenteils so aussehen, als lägen sie innerhalb dieser Grenzen. Natürlich kann man mit zusätzlichen Informationen darüber, was gemessen wird und was sinnvolle Kontrollgrenzen wären, mehr sagen. Aber nur aus Datensicht ist das meine Schlussfolgerung.

Betreff: Individuelle Kontrollkarte

du schreibst:

1. Wie bereits erwähnt, ist diese Verteilung für die Kontrollkarte nicht relevant, da diese verteilungsfrei ist.
2. Daher bin ich immer noch verwirrt darüber, was Sie an den von JMP erstellten Kontrolldiagrammen „falsch“ finden.

Die Kontrollkarte ist nicht „verteilungsfrei“.

Wie ich bereits sagte, werden Shewharts Formeln für die Normalverteilung verwendet .

Aufgrund der Exponentialverteilung hatte ich erwartet, dass JMP Pro 18 mit dem T-Diagramm ein anderes Diagramm erstellen würde ...

Das tut mir leid.

Vielen Dank für Ihren Versuch.

faustoG

Betreff: Individuelle Kontrollkarte

Sie sagen:

• Es wäre hilfreich, wenn Sie Ihre ursprüngliche Frage präzisieren könnten: Interessiert Sie wirklich eine Kontrollkarte …?

JA.

Sie sagen auch:

1. Wenn es sich um eine zeitliche Abfolge handelt und Sie untersuchen möchten, ob es von sinnvollen Kontrollgrenzen abweicht, würde ich sagen, dass es überwiegend so aussieht, als läge es innerhalb dieser Grenzen.
2. Natürlich kann man mit zusätzlichen Informationen darüber, was gemessen wird und welche Kontrollgrenzen sinnvoll wären, mehr sagen. Aber das ist allein aus Datensicht meine Schlussfolgerung.

Die von JMP gefundenen Kontrollgrenzen sind nicht aussagekräftig.

Die zusätzliche Information ist, dass die Datenverteilung exponentiell ist .

Siehe meine vorherige Antwort: Normalverteilung … wird von JMP verwendet.

Betreff: Individuelle Kontrollkarte

Ich glaube, ich verstehe Ihre Frage jetzt – ich bin kein Experte für Kontrolldiagramme, also werde ich meine nicht-fachmännische Antwort geben und jemand anderen präziser sein lassen. Während das Shewhart-Kontrolldiagramm keine Normalverteilung annimmt – die Kontrollgrenzen werden aus den Daten berechnet –, scheint es eine implizite Annahme einer Normalverteilung für die Zufallseffekte zu geben, die die Anzahl der Standardabweichungen bestimmt, die zum Festlegen der Kontrollgrenzen verwendet werden. Das T-Diagramm verwendet anscheinend eine Weibull-Verteilung, um Kontrollgrenzen festzulegen. Da Ihre Daten anscheinend aus einer Exponentialverteilung stammen, suchen Sie nach einem Kontrolldiagramm, dessen Kontrollgrenzen auf einer Exponentialverteilung basieren? Wenn ja, ist mir keine Option dafür bekannt, aber vielleicht kennt jemand anderes eine.

Ich denke, es lohnt sich, allgemeiner über Kontrollgrenzen nachzudenken. Unabhängig davon, welche Annahmen über die zugrunde liegende Verteilung getroffen werden, werden Kontrollgrenzen aus den Daten und nicht aus dem Thema festgelegt. Spezifikationsgrenzen könnten in Ihrem Kontext angemessener sein. Basierend auf entsprechenden medizinischen Kenntnissen könnte es relevant sein, zu sehen, ob eine Reihe von Messungen außerhalb einer sinnvollen Variabilitätsgrenze liegt – basierend auf der Medizin und nicht auf der jeweiligen Datenreihe. Ich denke, es könnte sich lohnen, darüber nachzudenken, ob die Grenzen sinnvoller sind, wenn sie von den Daten bestimmt werden, als wenn sie von Fachwissen bestimmt werden.

Betreff: Individuelle Kontrollkarte

Nicht ganz, Shewharts Argumente drehen sich im Wesentlichen um die Nützlichkeit des Mittelwerts und der Standardabweichung als nützliche Schätzungen, unabhängig von der zugrunde liegenden Verteilung. Tatsächlich stellt er in seinem Buch fest:

„...wir können den Durchschnitt und die Standardabweichung einer Statistik nutzen, auch wenn die zugrunde liegende Verteilung nicht bekannt ist.“

Er stützt sich auf den Satz von Tchebycheff, um die Festlegung von Grenzwerten zu untermauern, mit denen sich vernünftigerweise feststellen lässt, „wann Probleme bestehen“, und auf empirische Belege, wie wirtschaftlich es ist, auf ein Problem zu schließen, wenn keines vorliegt.

Siehe zuvor zitiertes Dokument: Shewhart, Walter A. (1931) „Economic Control of Quality of Manufactured Product“ , D. Van Nostrand Co., NY, Kapitel XIX, S. 275–278

Betreff: Individuelle Kontrollkarte

Ich habe diese Referenz gefunden, die Ihr Anliegen zu beantworten scheint: https://brunochassagne.wordpress.com/2011/10/02/control-charts-for-exponential-distributions/ . Ich kann nichts zur Genauigkeit sagen, aber in der angehängten Datei Ihrer Daten habe ich LCL und UCL manuell entsprechend den Angaben in diesem Dokument eingestellt (beachten Sie, dass in meiner Datei Dezimalpunkte und keine europäischen Kommas verwendet werden). Da die Daten so nahe an einer Exponentialverteilung lagen, erklärt das meiner Meinung nach, warum die Daten so weit innerhalb der Kontrollgrenzen im Kontrolldiagramm liegen. Die beigefügten Skripte: eines ist für die Verteilungsanpassung (die mir den Skalenparameter 0,21 gab, den ich zur Ableitung des UCL wie im Dokument angegeben verwendete) und das andere ist für das Kontrolldiagramm mit manuell eingestellten Kontrollgrenzen.

Betreff: Individuelle Kontrollkarte

Lieber dlehman1 (Level V),

du sagst:

1. Während das Shewhart-Kontrolldiagramm keine Normalverteilung annimmt -
2. Die Eingriffsgrenzen werden aus den Daten berechnet

Wenn Sie die Shewhart-Bücher lesen, werden Sie die Wahrheit erfahren: aus dem Shewhart-Buch (1931), Seite 294finden Sie

welches auf der Normalverteilung basiert

Die Kontrollgrenzen MÜSSEN aus den Daten berechnet werden.

Sie sagen auch (SEHR WICHTIG)

• Das T-Diagramm verwendet offenbar eine Weibull-Verteilung, um Kontrollgrenzen festzulegen.

Es war genau das, was ich erhofft hatte, als ich die T-Diagramme vorgeschlagen hatte (die in meiner JMP-Studentenedition leider nicht angezeigt werden).

Die Exponentialverteilung ist eine WEIBULL-Verteilung mit Formparameter =1.

Probieren Sie also bitte „Seltene Ereignisse“ mit „T-Chart“ „Weibull“ aus … und schauen Sie …

Danke

faustoG

Betreff: Individuelle Kontrollkarte

Sehr geehrter statman (Super User),

siehe meine vorherige Antwort an dlehman1 .

Es stimmt, dass Shewhart den „Satz von Tschebycheff“ erwähnt, aber er verwendet Formeln, die auf dem Zentralen Grenzwertsatz basieren …

Probieren Sie bitte die T-Charts in JMP

Danke

faustoG

Betreff: Individuelle Kontrollkarte

Lieber dlehman1 (Level V),

Danke.

Leider sehe ich beim Öffnen Ihrer Datei nur die Daten: Meine JMP Student Edition zeigt nichts anderes an.

Können Sie das T-Diagramm bitte in eine DOCX- oder PDF-Datei kopieren?

Ich kenne das Dokument, das Sie erwähnen, sehr gut …

Danke

faustoG

Betreff: Individuelle Kontrollkarte

Vielleicht kann Statman (oder jemand anderes) hier bei ein paar Fragen helfen. Erstens bespricht die JMP-Hilfe das T-Diagramm ( https://www.jmp.com/support/help/en/18.1/?os=win&source=application#page/jmp/statistical-details-for-t-charts.shtml#ww1149445 ), aber ich kann keine solche Option im Control Chart Graph Builder (oder anderswo) finden. Ich sehe das Kontrolldiagramm für seltene Ereignisse – es liefert das gleiche Bild wie das Shewhart-Kontrolldiagramm. Ich kann die LCL und UCL für die Exponentialverteilung manuell erstellen, indem ich das Dokument verwende, auf das ich zuvor verlinkt habe. Ich habe auch sowohl eine Exponential- als auch eine Weibull-Verteilung an die Originaldaten angepasst – die Exponentialverteilung passt etwas besser, aber beide liegen sehr nahe beieinander. Die angepasste Weibull-Verteilung hat einen Formparameter von 1,03, nicht den Wert 1, der der Exponentialverteilung entsprechen würde (was den geringen Unterschied bei den Anpassungsgütetests erklärt).

Eine unbeantwortete Frage ist also, wie man das T-Diagramm erhält, auf das sich die JMP-Hilfe bezieht. Eine weitere Frage – eher konzeptioneller Natur – ist die Diskrepanz zwischen Shewharts Verwendung von 3 Standardabweichungen (basierend auf der Normalverteilung) und Shewharts verbaler Beschreibung, dass keine bestimmte Verteilung angenommen wird. Diese Diskrepanz könnte nur semantischer Natur sein: Sie können ein Kontrolldiagramm mithilfe der geschätzten Standardabweichung erstellen, und das kann nützlich sein, ohne eine bestimmte Verteilung anzugeben, aber die Verwendung von 3 lässt auf eine Abhängigkeit von der Normalverteilung schließen (zumindest im Standarddiagramm).

Ich habe das Kontrolldiagramm angehängt, das ich mithilfe der manuell eingegebenen LCL und UCL aus diesem früheren Dokument erstellt habe.

Betreff: Individuelle Kontrollkarte

Erstellen Sie ein seltenes Ereignis und ändern Sie Sigma

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

Betreff: Individuelle Kontrollkarte

Danke schön.

Ich werde zurückkommen, sobald ich das Kontrolldiagramm und die Bruno-Datei analysiert habe

faustoG

Betreff: Individuelle Kontrollkarte

Seltenes Ereignis ist in meiner Datei ausgegraut. Ich vermute, das liegt daran, dass eine zusätzliche Variable für die Zeit zwischen Ereignissen erforderlich ist?

Betreff: Individuelle Kontrollkarte

Vielen Dank, ABER es ist für meine „JMP Student Edition“ nicht nützlich.

Ich hoffe, es ist für andere Leute in der Community nützlich.

faustoG

Betreff: Individuelle Kontrollkarte

@dlehman1 Ich bin ziemlich sicher, dass es ausgegraut wird, weil Ihre Werte nicht alle ganze Zahlen sind.

Betreff: Individuelle Kontrollkarte

@jthi Ich habe nachgeschaut und Sie haben Recht, dass die Option nur für ganzzahlige Werte verfügbar ist. Haben Sie eine Idee, warum? Und angesichts dessen scheint dies kein geeignetes Diagramm für die von FaustoG geposteten Daten zu sein. Gibt es eine kontinuierliche Option zum Erstellen eines Kontrolldiagramms für Daten, die aus einem exponentiellen Prozess stammen? Ist die Berechnung für LCL und UCL, die ich verwendet habe (basierend auf dem von mir verlinkten Dokument), eine korrekte Möglichkeit, dies zu modellieren?

Betreff: Individuelle Kontrollkarte

Ich bin mit Regelkarten für seltene Ereignisse nicht wirklich vertraut (oder kann mich zumindest nicht mehr daran erinnern), aber ich denke, dass hier die Auswahl des Y-Parameters wichtig ist:

„Ein AT-Diagramm misst die Zeitintervalle, die seit dem letzten Ereignis vergangen sind . Jeder Punkt im Diagramm stellt eine Anzahl von Zeitintervallen dar, die seit dem vorherigen Auftreten eines seltenen Ereignisses vergangen sind.“

Betreff: Individuelle Kontrollkarte

@dlehman1

@jthi

Im JMP-Handbuch fand ich

• Im T-Diagramm scheinen alle Punkte innerhalb der Kontrollgrenzen zu liegen. Es ist klar, dass das Einzel- und gleitende Spannweitendiagramm für die Analyse ungeeignet war, da die Grenzen zu eng waren.

In meiner JMP Student Edition bei Rare Events sehe ich

1. weder G-Karten noch T-Karten
2. Das G-Diagramm erfordert ganzzahlige Werte, das T-Diagramm hingegen nicht.

faustoG

Betreff: Individuelle Kontrollkarte

@jthi

• Die Daten für ein T-Diagramm sind „Time Between Events“ (TBE)-Messwerte in Stunden, Tagen, Monaten, Jahren, NICHT Integer-Werten

faustoG

Betreff: Individuelle Kontrollkarte

Meines Wissens nach sollte die JMP Student Edition genau dasselbe sein wie JMP Pro (bis auf die unterschiedliche Lizenzierung) https://www.jmp.com/en_fi/academic/licensing-for-students.html . Welche JMP-Version verwenden Sie? 18?

Ich habe bereits früher darauf verwiesen https://www.jmp.com/support/help/en/18.0/#page/jmp/rare-event-control-charts.shtml

Betreff: Individuelle Kontrollkarte

@dlehman1

1. Da die Daten exponentiell verteilt sind und der Mittelwert „Theta“ hat, sind auch die BEREICHE exponentiell verteilt und haben denselben Mittelwert „Theta“.
2. dann haben die Kontrollkarten der Daten und der MR fast die gleichen Kontrollgrenzen

Ihre Diagramme in „Untitled.jmp“ sind nicht konsistent.

Der Parameter BetaW=1,03 hat ein Konfidenzintervall, das BetaE=1 enthält.

Daher ist das T-Diagramm für den Weibull für den Zweck geeignet

faustoG

Betreff: Individuelle Kontrollkarte

@jthi

Ja: JMP Student Version 18

du zeigst

Es ist Unsinn, von JMP

Ich weiß nicht, wie sie das rechtfertigen...

SIE können "Pikosekunde" verwenden und einen Bruchteil einer Sekunde in einen ganzzahligen Wert umwandeln

Multiplizieren Sie die Werte in meinem Dokument mit 1000 und erstellen Sie das T-Diagramm, WENN Sie möchten.

Mal sehen, was passiert

faustoG

Betreff: Individuelle Kontrollkarte

Ich kann bestätigen, dass das T-Diagramm zumindest auf meinem JMP Pro 18 ganzzahlige Werte erfordert. Ich bin mir nicht sicher, warum – und mir ist auch nicht klar, warum das mathematisch oder konzeptionell notwendig sein sollte (vielleicht ist es ein rechnerischer Grund, der spezifisch für JMP ist, aber ich weiß es nicht). In jedem Fall ist mir nicht klar, dass Ihre Daten die Zeit zwischen Ereignissen messen. Sie haben immer noch nicht beschrieben, was gemessen wird. Ich verstehe auch nicht, was Sie mit den Kontrollgrenzen, die ich in der angehängten Datei berechnet habe, falsch meinen. Bitte verzichten Sie auf Großbuchstaben, fette Schriftarten und harte Worte – es könnte an einem Sprachunterschied liegen – aber ich finde es trotzdem ablenkend und störend. Ich verwende Kontrolldiagramme nicht oft und habe daher nicht viel Hintergrundwissen mit etwas anderem als den einfachsten – was in Ihrem Fall nicht der Fall ist. Ich würde gerne verstehen, was für Ihre Daten angemessen ist, und versuche auch zu helfen. Der Abschnitt, den Sie zitieren, dass „ein herkömmliches Diagramm dieser Daten viele Nullpunkte enthalten könnte“, scheint ebenfalls nicht mit Ihren Daten übereinzustimmen (die diese Eigenschaft nicht aufweisen). Ich weiß, es würde mir helfen zu verstehen, was vor sich geht, wenn Sie etwas darüber sagen könnten, was diese Messungen sind.

Betreff: Individuelle Kontrollkarte

Du schreibst

• jedenfalls ist mir nicht klar, ob Ihre Daten die Zeit zwischen Ereignissen messen.
• Sie haben immer noch nicht beschrieben, was gemessen wird
• Ich weiß, es würde mir helfen zu verstehen, was los ist, wenn Sie etwas zu diesen Messungen sagen könnten.

Dies ist dem Dokument entnommen, das die Daten zeigt

(mehr weiß ich nicht). Also, bitte, ...

1. Die Daten stammen von einem großen Krankenhaussystem, das mit einer sehr hohen Rate an im Krankenhaus erworbenen Harnwegsinfektionen (HWI) zu kämpfen hat. Insbesondere möchte das Krankenhaus die Häufigkeit der Entlassung von Patienten verfolgen, die sich während des Krankenhausaufenthalts eine HWI zugezogen haben, um schnell einen Anstieg der Infektionsrate zu erkennen oder umgekehrt zu überwachen, ob künftige Prozess- oder Materialänderungen zu weniger Infektionen führen. Da die Grundursache oft je nach Geschlecht unterschiedlich ist, werden männliche und weibliche Patienten getrennt erfasst, und dieses Beispiel konzentriert sich auf Männer.
   Die im Anhang aufgeführten Daten scheinen die Verteilungsannahme für die Verwendung des t-Diagramms zu erfüllen, wobei die mittlere Zeitspanne zwischen männlichen Harnwegsinfektionspatienten 0,21 Tage oder etwa 5 Stunden beträgt. Die Daten wurden mit der vorgeschlagenen t-Diagrammmethode aufgezeichnet und weisen eine statistische Kontrolle auf.
2. Die Verfolgung dieser und ähnlicher Werte im Gesundheitswesen ist wichtig, um einen Anstieg der Infektionsraten schnell erkennen zu können, der für das Krankenhaus in zweierlei Hinsicht erhebliche Kosten verursacht. Die Gesundheitskosten für den Patienten sind erheblich und werden durch die höhere Sterberate unter Patienten, die sich während des Krankenhausaufenthalts Infektionen zuziehen, noch gravierender. Im Jahr 2002, dem letzten Jahr, für das die Centers for Disease Control and Prevention Berichte veröffentlicht haben, gab es in den USA schätzungsweise 424.060 im Krankenhaus erworbene Harnwegsinfektionen bei Erwachsenen, die nicht auf einer Intensivstation behandelt wurden, sowie 13.088 Todesfälle (Klevens et al. 007). Darüber hinaus entstehen dem Krankenhaus erhebliche finanzielle Kosten, da Medicare die Kosten für die Behandlung von im Krankenhaus erworbenen Infektionen nicht mehr übernimmt. Fast 80 % der Patienten in dieser Studie, die sich eine Harnwegsinfektion zuzogen, waren durch Medicare oder Medicaid versichert, was für das Krankenhaus sehr hohe Kosten verursacht.
3. Wie aus dem Diagramm ersichtlich, zeigen die Daten keinerlei Anzeichen einer Prozessverschlechterung oder -verbesserung, das Diagramm kann jedoch kontinuierlich überwacht werden, um derartige Änderungen so schnell wie möglich zu erkennen.

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

Hilft dies bei der Datenanalyse?

Sie sagen auch:

• Ich verstehe auch nicht, was Ihrer Meinung nach an den Kontrollgrenzen, die ich in der angehängten Datei berechnet habe, falsch ist.

Wie ich bereits sagte

1. Die Daten sind exponentiell verteilt
2. Daher sind auch die Bereiche exponentiell verteilt, mit dem gleichen Mittelwert
3. daher können die Kontrollgrenzen in den beiden Diagrammen nicht sehr unterschiedlich sein

Sie sagen auch:

• Ich kann bestätigen, dass das T-Diagramm zumindest auf meinem JMP Pro 18 ganzzahlige Werte erfordert.

1. Multiplizieren Sie meine Daten mit 100.000 und Sie erhalten ganzzahlige Werte.
2. Versuchen Sie, das T-Diagramm zu finden
3. und sehen

faustoG

Betreff: Individuelle Kontrollkarte

Lieb : dlehman1 (Stufe V)

Die Tatsache, dass

• Die angepasste Weibull-Verteilung hat einen Formparameter von 1,03, nicht den Wert 1, der der Exponentialverteilung entsprechen würde (was den geringen Unterschied in der Güte der Anpassungstests erklärt). Eine unbeantwortete Frage ist also, wie man das T-Diagramm erhält, auf das sich die JMP-Hilfe bezieht.

ist wichtig.

Die Tatsache, dass

• die Diskrepanz zwischen Shewharts Verwendung von 3 Standardabweichungen (basierend auf der Normalverteilung) und Shewharts verbaler Beschreibung, dass keine bestimmte Verteilung angenommen wird. ...nützlich ohne Angabe einer bestimmten Verteilung, aber die Verwendung von 3 deutet auf eine Abhängigkeit von der Normalverteilung hin (zumindest im Standarddiagramm). Ich habe das Kontrolldiagramm angehängt, das ich mit den manuell eingegebenen LCL- und UCL-Werten aus diesem früheren Dokument erstellt habe.

hängt, wie ich bereits sagte, IMMER vom Zentralen Grenzwertsatz ab (ich weiß, dass Sie Großbuchstaben und Fettbuchstaben nicht mögen, ABER sie sind wichtig, um Dinge hervorzuheben).

Informationen zu T-Diagrammen finden Sie in der angehängten Datei

faustoG

Betreff: Individuelle Kontrollkarte

Sie können Ihre Daten mithilfe der Exponentialverteilung in der Distribution-Plattform anpassen. Verwenden Sie den Befehl „Quantile“ im roten Dreieckmenü von „Angepasste Exponentialverteilung“ und geben Sie 0,005, 0,5 und 0,995 für die gewünschten Wahrscheinlichkeiten an. Die geschätzten Quantile können dann für benutzerdefinierte Kontrollgrenzen verwendet werden. Klicken Sie mit der rechten Maustaste in das Diagramm „Einzelpersonen“ in CCB und wählen Sie „Grenzen > Grenzen hinzufügen“. Geben Sie hier die Quantile ein.

Betreff: Individuelle Kontrollkarte

Ein P-Diagramm scheint für die Nachverfolgung der Anzahl von Patienten mit Harnwegsinfektionen („Defektpatienten“) geeignet zu sein, wobei die Stichprobengröße der Gesamtzahl der im selben Zeitraum entlassenen Patienten entspricht. Für Zählungen wie diesen Fall wird die Poisson-Verteilung verwendet.

Betreff: Individuelle Kontrollkarte

Ihre weitere Erklärung hilft mir auf jeden Fall. Ihre Daten sind die Zeit zwischen Ereignissen (ich bin mir nicht sicher, warum es eine Beschreibung gab, in der es hieß, dass solche Daten oft viele Nullen haben – Ihre haben keine Nullen und ich würde denken, dass Nullzeit zwischen Ereignissen ziemlich ungewöhnlich wäre). Auf jeden Fall habe ich getan, was Sie vorschlagen, und die Daten mit 1000 multipliziert und auf ganze Zahlen gerundet, sodass ich das T-Diagramm mit Sigma-Satz aus einer Weibull-Verteilung erhalten kann. Ich füge ein Bild des T-Diagramms sowie des „Standard“-IR-Diagramms bei, in dem ich LCL und UCL gemäß der Formel in dem Dokument definiert habe, auf das ich verlinkt habe. Die Bilder sind ähnlich, obwohl die Kontrollgrenzen nicht übereinstimmen. Ich bin mir nicht sicher, warum – und es könnte entweder daran liegen, dass die Formel des Dokuments falsch ist, oder es könnten Unterschiede zwischen der Weibull- und der angepassten Exponentialverteilung sein. Beide zeigen das gleiche qualitative Ergebnis – dass der Prozess stabil zu sein scheint. Aber die großen Unterschiede in den Kontrollgrenzen bedeuten, dass jemand mit mehr Wissen einen Kommentar abgeben muss. Und ja, ich mag keine Obergrenzen.

Betreff: Individuelle Kontrollkarte

Liebling dlehman1 (Stufe V)

Du sagst

• der Prozess scheint stabil zu sein.
• Die großen Unterschiede bei den Kontrollgrenzen erfordern jedoch, dass jemand mit mehr Wissen einen Kommentar dazu abgibt.

Sie sollten die Werte im Kontrolldiagramm durch 1000 teilen, den Faktor, den Sie verwendet haben, um die für das T-Diagramm benötigten „fast ganzzahligen Werte“ zu erhalten.

Danke

faustoG

Betreff: Individuelle Kontrollkarte

Sehr geehrter Mark_Bailey (Mitarbeiter),

Vorschau

können Sie bitte das Kontrolldiagramm gemäß Ihren Vorschlägen zeigen?

Ich habe es versucht, aber es ist mir nicht gelungen: Ich bin neu bei der JMP Student Edition

Danke

faustoG

Betreff: Individuelle Kontrollkarte

Ja, das ist mir gestern Abend aufgefallen. Da ich die Werte mit 1000 multipliziert habe, muss ich die Kontrollgrenzen anpassen. Sie stimmen immer noch nicht überein, obwohl sie die richtige Größenordnung haben. Ich weiß also nicht, was den Unterschied ausmacht. Aber es scheint, dass es zwei Möglichkeiten gibt, das gewünschte Kontrolldiagramm aus JMP zu erhalten – entweder mithilfe des T-Diagramms basierend auf der Weibull-Verteilung (nachdem die Daten in ganzzahlige Werte umgewandelt wurden) oder durch manuelles Festlegen der Kontrollgrenzen in einem IR-Kontrolldiagramm.

Betreff: Individuelle Kontrollkarte

Hinweis: Der Befehl „Quantiles“ wurde in JMP 18 durch einen Quantile Profiler ersetzt. Ansonsten ist der Vorgang derselbe.

Hier ist eine simulierte Datenstichprobe aus der Exponentialverteilung, Response und transformierten Log[Response]-Daten.

Hier sind die XmR-Diagramme für die Antwort mit dem Control Chart Builder.

Wir möchten Wahrscheinlichkeitsgrenzen basierend auf den Quantilen verwenden, die 0,005, 0,5 und 0,995 für die gewünschten Wahrscheinlichkeiten entsprechen. Hier ist die Verteilungsanalyse beider Antworten.

Hier ist das angepasste Exponentialverteilungsmodell für die Antwort mit aktiviertem Quantile Profiler und einer Wahrscheinlichkeitseinstellung von 0,005.

Wir verwenden 0,00406 als untere Kontrollgrenze. Mit diesem Profiler können wir auf ähnliche Weise die anderen beiden Quantile ermitteln.

Kehren Sie zum CCB zurück, klicken Sie mit der rechten Maustaste auf das Einzeldiagramm und wählen Sie „Grenzen > Kontrollgrenzen festlegen“. Geben Sie die drei oben ermittelten Quantile ein.

Das CCB wird sofort mit den entsprechenden Kontrollgrenzen aktualisiert.

Betreff: Individuelle Kontrollkarte

Leider weiß ich nicht

faustoG

PS

Wir haben gelernt, dass

1. meine JMP Student Edition kann mit seltenen Ereignissen nicht umgehen
2. Es berechnet falsche Kontrollgrenzen
3. Die Verteilung der Daten ist wichtig
4. Die üblichen Formeln für CC basieren auf der Normalverteilung, aufgrund des Zentralen Grenzwertsatzes

Betreff: Individuelle Kontrollkarte

Danke

Jetzt bleibt es ein Problem:

1. ist die T-Kontrollkarte richtig
2. oder die Kontrollgrenzen sind immer noch falsch
3. weil sie nicht nach der THEORIE berechnet werden

faustoG

THEORIE ist wichtig

Betreff: Individuelle Kontrollkarte

@faustoG

Sie scheinen sich über die JMP Student Edition beschweren zu wollen. Ich weiß nicht, warum, aber ich halte das nicht für produktiv. Keine Software behauptet, alles zu können, was Sie wollen. Ihre Punkte 2 bis 4 beziehen sich alle auf Kontrollgrenzen. Ich stimme Punkt 4 zu – die üblichen Kontrollgrenzen werden auf der Grundlage einer Normalverteilung festgelegt –, aber es besteht die Möglichkeit, diese auf der Grundlage einer anderen Verteilung oder anderer Überlegungen zu überschreiben. Ich halte es nach wie vor für wichtig, zwischen Kontrollgrenzen (einer Eigenschaft der Daten) und Spezifikationsgrenzen (einer Eigenschaft des Problems) zu unterscheiden. Bei medizinischen Problemen (wie Sie sie hier haben) würde ich mehr Wert auf die Spezifikationsgrenzen legen. Ein Prozess kann durchaus unter Kontrolle sein, aber dennoch eine Gefahr für Ihre Gesundheit darstellen.

Übrigens, wenn Sie Probleme mit der Verarbeitung Ihrer spezifischen Daten durch JMP haben, können Sie immer versuchen, ein für Ihren Zweck geeignetes Python- oder R-Programm zu finden und dieses in JMP auszuführen. In R sind aufgrund der relativ großen Benutzerbasis unter Statistikern im Allgemeinen spezialisiertere Methoden verfügbar. Und wenn Sie das genaue Problem angeben können, das Sie lösen möchten und für das JMP keine integrierten Funktionen bietet, können Sie häufig jemanden finden, der bereit ist, ein Skript zu schreiben, um das zu erreichen, was Sie benötigen – ich habe die Community in der Vergangenheit auf diese Weise genutzt.

Ich habe diesen aktuellen Artikel gefunden, der Sie vielleicht interessiert: https://www.tandfonline.com/doi/full/10.1080/08839514.2024.2322362#d1e4814 . Ich habe ihn nicht im Detail untersucht, aber er scheint eine Art Hybrid aus Kontroll- und Spezifikationsgrenzen zu sein – zumindest ist das mein Versuch, dies auf hohem Niveau zu interpretieren. Die Einbeziehung wirtschaftlicher Parameter scheint eine Möglichkeit zu sein, den Kontrollgrenzen Bedeutung zu verleihen, anstatt sich nur auf eine statistische Berechnung auf Grundlage der Daten zu verlassen. Wenn jemand diesen Artikel lesen kann, bestätigen (oder widerlegen) Sie dies bitte und erweitern Sie die Interpretation, wenn möglich.

Betreff: Individuelle Kontrollkarte

Bitte ignorieren Sie meinen Beitrag unten völlig. Es wird keine Antwort erwartet. Ich zögere, dies zu veröffentlichen ... ich möchte Sie nicht beleidigen. Ich habe Teil 1 (von 3) eines früheren Beitrags von Fausto kopiert, in dem die Situation und die Motivation beschrieben werden. Ich habe Fragen hinzugefügt.

1. Es wurden Daten aus einem großen Krankenhaussystem bereitgestellt, in dem eine sehr hohe Rate an im Krankenhaus erworbenen Harnwegsinfektionen (HWI) auftritt.

Was ist ein „sehr hoher Zinssatz“? Wie wird es gemessen? Wurde das Messsystem untersucht (z. B. um festzustellen, ob es sich um eine Harnwegsinfektion und nicht um eine andere Infektion oder ein anderes Gesundheitsproblem handelt)? Wie wird festgestellt, dass die Infektion im Krankenhaus verursacht bzw. erworben wurde und nicht durch eine Infektion, die der Patient bereits hatte, die vielleicht nicht nachweisbar war oder vor dem Krankenhausaufenthalt nicht gemessen wurde oder durch Besucher des Patienten übertragen wurde usw.?

Konkret möchte das Krankenhaus die Entlassungshäufigkeit von Patienten tracken, die sich während des Krankenhausaufenthaltes eine Harnwegsinfektion zugezogen haben. So kann es beispielsweise frühzeitig einen Anstieg der Infektionsrate erkennen oder im Umkehrschluss überwachen, ob künftige Prozess- oder Materialänderungen zu weniger Infektionen führen.

Warum wollen sie das verfolgen ? ICH würde denken, dass sie es reduzieren wollen. Die wichtigsten Fragen, die durch Kontrolldiagramme beantwortet werden, sind:

1. Wie soll die Untersuchung ablaufen (speziell oder allgemein?) und
2. Worauf sollten Sie Ihre Untersuchungsbemühungen konzentrieren (z. B. welche Variationskomponenten dominieren)?

Ich gehe davon aus, dass ihre Absicht darin besteht, die kausale Struktur zu verstehen, vielleicht Experimente durchzuführen oder Proben zu nehmen, um die Ursachen aufzudecken und dann letztendlich mögliche Lösungen vorzuschlagen. Es scheint, dass ihnen eine Messung fehlt, die eine zweckdienliche Messung der Infektion ermöglicht? Wie führt die Darstellung der aktuellen Daten zur Erstellung eines „bessere“ Maßnahme? Ich würde aufgrund der in 2 (aus dem vorherigen Beitrag) bereitgestellten Informationen denken, dass sie die Anzahl der im Krankenhaus verursachten/erworbenen Gesundheitsprobleme (eine davon sind Harnwegsinfekte) verstehen und reduzieren möchten. Sie möchten die Zahl der Harnwegsinfektionen nicht dadurch reduzieren, dass sie die Infektion durch ein anderes gesundheitliches Problem ersetzen.

Da die Grundursache häufig je nach Geschlecht unterschiedlich ist, werden männliche und weibliche Patienten getrennt erfasst. In diesem Beispiel liegt der Schwerpunkt auf Männern.

Dies ist eine Hypothese. Vielleicht wurde sie untersucht? Wie wurde es untersucht (jeweils ein Faktor nach dem anderen?)? Es gibt viel Lärm und versteckte Faktoren. Wie wurde das Rauschen in ihren Studien berücksichtigt? Es scheint, dass gezieltes Sampling recht nützlich wäre, um Variationskomponenten zu trennen.

Die im Anhang aufgeführten Daten scheinen die Verteilungsannahme für die Verwendung des t-Diagramms zu erfüllen. Die mittlere Zeitspanne zwischen männlichen Harnwegsinfektionspatienten beträgt 0,21 Tage oder etwa 5 Stunden.

Ist dies die beste Methode, um das Phänomen zu messen? Spielt der Schweregrad der Harnwegsinfektion eine Rolle? Kann das Ausmaß der Infektion gemessen werden? Gibt es andere interessante „Y“s (z. B. Vitalwerte, andere Infektionen, andere gesundheitliche Probleme). Wie häufig werden die Patienten getestet, um festzustellen, wann genau sie sich die Infektion zugezogen haben? Könnten andere Maßnahmen eine Infektion korrelieren oder vorhersagen?

Die Rate der Krankenhausinfektionen ist ihnen wirklich wichtig. Während die mittlere Zeit bis zum Auftreten einer Harnwegsinfektion ein Maß für die Häufigkeit ist, scheint es, dass jedes Ereignis als unabhängig betrachtet werden kann (jeder Datenpunkt ist ein anderer Patient mit unterschiedlichen zugrunde liegenden Gesundheitszuständen). Es scheint auch, dass es aufgrund möglicher Krankenhauseffekte (sowohl allgemeine als auch spezielle Ursachen) einige Ähnlichkeiten geben könnte. Wie lässt sich beim Aufzeichnen der Metrik zwischen diesen verschiedenen Variationsquellen unterscheiden?

Die Daten wurden mithilfe der vorgeschlagenen t-Diagramm-Methode aufgezeichnet und weisen eine statistische Kontrolle auf.

Was versteht man unter statistischer Kontrolle ? Ist eine gleichbleibende, vorhersehbare Anzahl von Harnwegsinfektionen eine gute Sache? Wie werden die Kontrollgrenzen „erstellt“? Kontrollgrenzen sind eine Funktion der sich bei der vorgesehenen Abtastfrequenz ändernden x-Werte (Variablen). Shewharts Ansatz besteht darin, eine Teilmenge der x-Werte auszuwählen und diese in einer Untergruppe zu gruppieren (um der Argumentation willen, relativ kurzfristig). Wählen Sie eine andere Menge von x-Werten, die über einen längeren Zeitraum (oder eine andere rationale Bedingung) variiert. Verwenden Sie die Teilmenge der x-Werte als Vergleichsbasis. Erstens: Ist die Teilmenge der x konsistent (Bereichsdiagramm)? Wenn dies der Fall ist, kann ein Vergleich mit der anderen Menge der x durchgeführt werden, die in der Studie variieren. Dies geschieht mithilfe des X-bar-Diagramms. Die Kontrollgrenzen sind eine Funktion des Bereichs (der Teilmenge der x-Werte) und die im X-Balkendiagramm aufgetragenen Punkte sind eine Funktion der sich zwischen den Teilgruppen ändernden x-Werte. Wenn dieses Diagramm „unter Kontrolle“ ist, dominieren die x-Werte innerhalb der Untergruppe den Effekt auf das dargestellte Y. Wenn dieses Diagramm „außer Kontrolle“ gerät, dominieren die Zwischenquellen.

„Der Ingenieur, dem es gelingt, seine Daten zunächst auf der Grundlage rationaler Theorien in rationale Untergruppen aufzuteilen, ist auf lange Sicht zwangsläufig im Vorteil …“

Shewhart

Betreff: Individuelle Kontrollkarte

@statman Super User

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

„Der Ingenieur, dem es gelingt, seine Daten zunächst auf der Grundlage rationaler Theorien in rationale Untergruppen aufzuteilen, ist auf lange Sicht zwangsläufig im Vorteil …“

Shewhart

„Alle Modelle sind falsch, manche sind nützlich“ GEP Box

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

statman Super User

Diese Aussagen helfen in diesem Fall nicht weiter!

Das wollen Sie nicht berücksichtigen

1. Bei den Daten handelt es sich um Einzelpersonen
2. Und sie sind exponentiell verteilt
3. Und die Verteilung ist WICHTIG bei der Erstellung des Kontrolldiagramms und der Berechnung der Kontrollgrenzen

WENN meine JMP Student Edition

• hätte mit seltenen Ereignissen korrekt funktioniert
• Ich würde die JMP-Community nicht belästigen
• Mit dem in meinem Brief erläuterten Problem

BITTE

1. Wählen Sie einen Fall, dem Sie vertrauen
2. mit exponentiell verteilten Daten
3. und Einzelpersonen
4. und informieren Sie uns über Ihre Analyse (Kontrollkarte)

In der Zwischenzeit lesen Sie Folgendes aus Montgomerys Buch

faustoG

Betreff: Individuelle Kontrollkarte

Dleman 1Stufe V

WENN meine JMP Student Edition

• hätte mit seltenen Ereignissen richtig funktioniert
• Ich würde die JMP-Community nicht belästigen
• Mit dem in meinem Brief erläuterten Problem

Die Studierenden müssen wissen, wie man seltene Ereignisse analysiert

Ich werde den von Ihnen vorgeschlagenen Artikel lesen und darauf zurückkommen.

faustoG

Betreff: Individuelle Kontrollkarte

Betreff: Individuelle Kontrollkarte

@ dlehman1 Stufe V

In dem Artikel haben Sie angedeutet, dass es …

• Es ist UNSINN,
• es sei denn, der Forscher (Gelehrte) wird vom Heiligen Geist erleuchtet
• der ihm die WAHREN Werte der Größen Theta_0, LCL und UCL mitteilt:
• Diese Mengen MÜSSEN anhand der Daten geschätzt werden und sind Zahlen
• (Bestimmungen) von Zufallsvariablen

Betreff: Individuelle Kontrollkarte

@ Mark_Bailey, Personalf

Danke schön.

Ich warte gespannt auf den WAHREN Fall von individuellen Kontrolldiagrammen (mit exponentiell verteilten Daten) von

• statman Super User

faustoG

Betreff: Individuelle Kontrollkarte

Es tut mir so leid, dass ich Ihnen meine Gedanken nicht mitteilen konnte. Ich bin mir immer noch nicht sicher, warum die mittlere Zeit bis zu einer Harnwegsinfektion exponentiell verteilt ist... es scheint, als ob sie zufällig (normal) verteilt sein sollte, es sei denn, es werden Maßnahmen gegen den Prozess ergriffen.

Betreff: Individuelle Kontrollkarte

@ Statmann, Super User

SIE SCHREIBEN:

1. Ich bin immer noch nicht sicher, warum die durchschnittliche Zeit bis zum Auftreten einer Harnwegsinfektion exponentiell verteilt ist …
2. es scheint, als ob es zufällig (normal) verteilt sein sollte, sofern keine Maßnahmen im Prozess ergriffen werden.
3. „Alle Modelle sind falsch, manche sind nützlich“ GEP Box

Das wollen Sie nicht akzeptieren

• Die Daten sind exponentiell verteilt....
• NICHT „ mittlere Zeit bis zur Harnwegsinfektion “
• zufällig verteilt bedeutet nicht normal verteilt
• einige Vorstellungen von Modellen sind VÖLLIG FALSCH

Ich bitte Sie noch einmal, einen Fall zu finden, dem Sie vertrauen …

faustoG

Betreff: Individuelle Kontrollkarte

Dleman 1Stufe V

In dem von Ihnen vorgeschlagenen Dokument steht …

Ich finde dieses Ergebnis nicht

Kannst du?

faustoG

Betreff: Individuelle Kontrollkarte

dlehman1Stufe V

11.10.2024

Liebe Kolleginnen und Kollegen,

Please find my analysis of the Car Seats data given in the paper suggested by dlehman1Stufe V

Ich finde es sehr merkwürdig, dass

• ein Out Of Control (OOC) Prozess ist besser als
• ein In Control (IC)-Prozess

Was denken Sie?

k1_A, k2_A, k1_B, k2_B

sind die im Dokument angegebenen Kontrollgrenzen.

faustoG

Betreff: Individuelle Kontrollkarte

Kontrolle (wie von Shewhart definiert) hat nichts mit gut oder schlecht zu tun. Das ist eine Funktion der Spezifikation. Spezifikationen werden typischerweise (sic. immer) unabhängig von tatsächlichen Prozessdaten und -variationen abgeleitet.

Mein Vorschlag: Sie sollten versuchen zu verstehen, was Shewhart mit „Kontrolle“ meinte, da er der Erfinder der Kontrolldiagrammmethode ist. Nehmen Sie sie an oder lassen Sie es bleiben. Ich bin raus.

Betreff: Individuelle Kontrollkarte

@ statman , Super User mit 769 Kudos

SIE SCHREIBEN:

• Ich bin raus.
• „Alle Modelle sind falsch, manche sind nützlich“ GEP Box

Es ist wirklich schade.

Wir werden keinen Fall auf den Kontrolldiagrammen sehen, denen Sie vertrauen … (obwohl ich Sie gebeten habe, einen Fall zu finden)

Ich glaube, dass Sie trotz der Zitate von Shewhart und Box nicht in der Lage sind, mit „echten“ Daten umzugehen und gute Kontrolldiagramme zu erstellen …

Sie haben keine Daten analysiert, Sie haben keine Daten bereitgestellt …

Du hast viel geschwafelt

Meiner Meinung nach sollten Sie

1. Studieren Sie die Bücher von Shewhart und Deming
2. Lernen Sie ihre „guten“ Ideen kennen
3. Studieren Sie einige „gute“ Statistikbücher
4. Erfahren Sie , dass einige Vorstellungen von Modellen VÖLLIG FALSCH sind

faustoG

Betreff: Individuelle Kontrollkarte

Ihre Beiträge in diesem Forum sind inakzeptabel. Sie sind hierhergekommen, um Rat zu bekommen, und viele haben Ihnen diesen Rat gegeben. Die meisten von uns stellen ihre Zeit ehrenamtlich zur Verfügung. Ich schlage vor, Sie lassen Ihre Tiraden in einem anderen Forum aus.

Betreff: Individuelle Kontrollkarte

Es sieht nicht so aus, als würde sich dieser Thread positiv entwickeln, daher deaktiviere ich die Kommentarfunktion.

Jeff Perkinson

Moderator der JMP-Benutzergemeinschaft