GR&R combinésSalut tout le monde,
Je réalise une analyse GaugeR&R en utilisant un processus croisé 6-sigma,
Là où mon installation est composée de 5 unités, 3 employés et 3 stations.
Comment puis-je savoir quelles sont les composantes de la variance lorsque je calcule une configuration combinée où je vise un résultat unique unifié ?
(en utilisant JMP 18)
Merci d'avance
Modélisation statistique avancéeIngénierie de la qualité et des procédésObjet : GR&R combinésVous devrez fournir des informations plus détaillées sur la structure exacte de l'expérience que vous avez menée, ainsi que des informations contextuelles supplémentaires. Par exemple, la réponse est-elle numérique, ordinale ou catégorielle/attributaire ? Imbrication ? Croisement ? Vous parlez de « croisé »… mais où dans la structure ? Combien de mesures répétées ? Et le modèle ?
Je ne suis pas un grand fan des méthodes classiques AIAG Gage R&R (si c'est votre objectif) pour de nombreuses raisons que je n'aborderai pas ici, notamment en ce qui concerne l'analyse des composantes de la variance. Il est possible de réaliser ce type d'analyse dans JMP, mais JMP vous oriente clairement vers l'approche EMP de Don Wheeler. Une fois votre expérience réalisée et les réponses collectées, je vous suggère donc de commencer ici, dans la documentation JMP, pour un flux d'analyse EMP fiable :
EMP dans JMP
Objet : GR&R combinésÀ mon avis, les problèmes de Gage R&R concernent moins l'analyse que la stratégie de collecte de données. Parmi les problèmes rencontrés, on peut citer :
- La jauge R&R est biaisée en fonction des composants du système de mesure (plusieurs couches sont des composants des sources du système de mesure ; par exemple, la jauge et l'opérateur avec une couche pour la variation de l'échantillon à des fins de comparaison)
- Les gens ne reconnaissent pas l’importance de sélectionner des échantillons pour l’étude. Quelle variation représentent les échantillons ? Puisque vous comparez la variation de mesure à celle de l'échantillon, choisir des échantillons similaires (par exemple, cinq échantillons consécutifs) plutôt que des échantillons susceptibles de varier fortement (par exemple, des échantillons aléatoires) peut vous amener à des conclusions totalement différentes quant à la capacité du système de mesure.
- Malheureusement, les gens ont tendance à se contenter de mesures de R&R et à considérer le système de mesure comme valable pour toujours. Des études dont les résultats sont appliqués au-delà de l'espace d'inférence.
- Les modèles mixtes (croisés et imbriqués) rendent difficile l'évaluation de la stabilité du système de mesure. Les cartes de contrôle ne sont pas adaptées aux études croisées.
Don Wheeler a écrit quelques bons articles sur le sujet :
Wheeler, Don (2006) « Une étude honnête sur la R&R des jauges », Conférence technique d'automne 2006 de l'ASQ/ASA, n° 189
Wheeler, Donald (2020) « Comparaison des méthodes de R&R de jauge : en quoi les approches ANOVA, AIAG et EMP diffèrent-elles ? », Bulletin de la Division des statistiques de l'ASQ , vol. 39, n° 1
Objet : GR&R combinésIl s'agit du résultat de l'ANOVA dans la validation GRR croisée.
GRR utilise la valeur de la composante de variance et la valeur de la composante de variance provient de l'ANOVA.
