“流程筛选”是一个允许您同时评估多个流程的平台。可以计算每个流程的流程能力和控制图指标，高效筛选重要流程。
您知道这个平台允许您绘制以下“移位图”吗？ 通过该图，您可以直观地考虑在哪个流程中以及何时发生转变（稍后描述）。您还可以深入分析感兴趣的详细流程。
在这篇博客中，我们将日本各地的温度数据视为一种“过程”，并考虑何时发生温度突然升高（变化）以及每个观测点升高程度的差异。
分析目标
- 对象区域：日本地方气象台（58处有数据）
- 目标时期：1995年至2024年（30年）每年6月至8月（夏季）的数据
- 指标：计算 3 个月的日平均气温、最高气温和最低气温平均值，并调查年度趋势。
数据来源：日本气象厅网站
什么是“转变”？
转变是指时间序列数据值的突然变化。在过程控制中，是指因质量等变化而导致特性值急剧变化的现象。
例如，在显示平均气温趋势的下图中，人们认为 2004 年、2010 年和 2023 年（绿线）发生了急剧上升。
*此分析仅针对向上移动，不考虑向下移动。
我想调查每个目标区域的变化，但这次我的目标是 58 个气象站，每个气象站都有三个指标：平均气温、最高气温和最低气温，所以我将一一检查图表。需要一些时间才能到达那里。
因此，我们将使用“过程筛选”来检查温度变化。
使用“过程筛选”进行班次检测
选择[分析] > [质量和过程] > [过程筛选]并使用以下步骤检测偏差。
在“移位检测”选项中，选择“最大向上移位”以输出如下所示的表格。
“最大向上偏移”和“向上偏移年份”表示对象期间内“发生最大向上偏移的年份”和“当时的向上偏移”。
将 JMP 算法* 确定的偏移除以组内西格玛（数据分散度的度量）所获得的值显示为“最大向上偏移”。
换句话说，“最大向上偏移”中显示的值越大，与数据离散度相比偏移就越大。
* 在 JMP 中，偏移量是根据排除异常值进行平滑的数据计算的，而不是根据原始数据计算的偏移量。
利用班次图
开头介绍的“移位图”是将“向上移位”的发生可视化的图。
移位阈值设置为 2 时的移位图
下图是一个偏移图，绘制了向上偏移为 2 或更多的区域和温度（平均值、最大值、最小值）。
例如，顶部显示的松江气象台的平均气温将在 2023 年出现 2 或更多的上移。
シフトの閾値を2にしたときのグラフ移位阈值设置为 2 时的图表
从图表中可以看出，最大的向上变化发生在 2023 年。，然后您可以看到它在 2010 年发生得最频繁。
移位阈值设置为 3 时的移位图
如果将向上偏移的范围缩小到 3 或更多，则该图将如下所示。
剧情全部围绕2023年展开。
通过使用“漂移图”来确定发生转变的点，可以详细研究发生转变的特定点及其转变。
*这里省略对“漂移”的解释。
分析结果及注意事项
显示了 58 个观测区域中发生最大变化的年份的条形图（点数）。
平均气温、最高气温、最低气温均集中在最近三年，即2022年至2024年，近年变暖趋势明显。
对于平均温度，每个点的最大向上偏移值显示在地图上，并用颜色编码。
我们可以看到，日本东部的上升趋势往往比日本西部更大。
尽管此处未显示，但最高和最低温度显示出相似的趋势。
概括
- 使用 JMP 的“过程筛选”平台，我们尝试检测日本各个地点的温度变化。
- 可选的“位移图”用于可视化发生温度大幅向上变化的点。
这些分析表明，最大的变化频繁发生在2022年至2024年期间，并且日本东部的变化比日本西部的变化更大。
作为居住在日本东部的人，过去几年的夏季炎热“并不罕见”，这一感觉现在得到了数据的支持。
*请注意，本博客基于 2024 年日本探索峰会上公布的部分内容。演示材料可从以下页面下载。
2024 年日本发现峰会 - 讲义 - JMP 用户社区
⇒ 下载 C3_Naohiro-MASUKAWA.pdf
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 用户社区
