体重达到历史新高后，我开始严格控制饮食，以使体重恢复到更健康的范围。 但这并非我第一次尝试大幅减肥，我总是发现，过一段时间后，我减掉的体重总是会反弹！ 大多数减肥方法都会提供有用的工具和指导，帮助你在减肥过程中监测和调整你的活动。 不过，我想知道节食结束后，有没有什么方法可以帮助你维持体重，使其保持在健康的范围内？
鉴于我职业生涯的早期是从质量工程师做起的，我立刻想到了使用控制图方法（也称为 SPC 或统计过程控制）。虽然大多数用于连续测量（例如体重）的控制图都要求数据服从正态分布，但个体移动极差控制图已被证明非常稳健，适用于任何类型的连续数据。更重要的是，控制图会生成上下控制限（分别设置在均值的±3个标准差处），从而提供一个能够覆盖99.73%预期正常原因变异的范围。超出控制限的点则表明存在特殊原因变异，需要采取措施。我们在节食结束后进行了为期一个月的测试，以检验计算出的控制限是否能够为体重维持提供良好的范围。然而，控制图的控制限非常窄（下限为170.1，上限为174.2），表明该数据类型不太适合使用此工具。
（参见图表 1 - 初始体重减轻）
（参见图表 2 – 体重个体及移动范围图表）
在很多方面，我的日常体重变化并不符合正态分布数据。例如，周末我经常会吃得比较多，或者经常去餐厅吃饭，尤其是在节假日聚会前后，这时我的体重就会略微上升。而到了工作日，随着饮食逐渐恢复到更容易控制的家常菜状态，我的体重通常会下降。所以，或许我们可以借助 JMP 19 的流程筛选功能，用不同的方法来处理这些数据！
改进后的 JMP 19 过程筛选平台新增了一些功能，旨在帮助处理非正态连续数据，例如环境监测中的计数数据。它可以处理我们的非正态连续重量数据，并自动选择最佳的非正态分布拟合类型。此外，它还允许我们设置自定义的“操作和警报限值”，以便在需要调查和进行潜在更改时发出警报。您可以根据数据的分位数水平设置这些限值。我们为“操作”设置了 99.85% 和 0.15% 的范围，为“警报”设置了 97.5% 和 2.5% 的范围（这与在设置控制图上下限时使用均值的 ±2 到 3 个标准差的概念类似）。
（参见图 3 – 设置和工艺筛选以确定体重范围）
处理筛选程序为我们的体重数据选择了对数正态分布，并给出了更合适的拟合范围。上限“警示”值设定为 174.89 磅，如果超过此值，我们就需要开始关注，并可能需要减少卡路里摄入。如果超过“行动”值 176.33 磅，我们就需要立即采取措施调整饮食。现在我们可以保存这些限制，并在以后的所有数据点中使用！
（参见图 4 – 具有特定限值的工艺筛选）
但这种方法在实际生活中真的有效吗？节食结束后，真的能帮助我保持理想体重吗？好消息是，有了这些“行动和警示限值”的帮助，我已经能够调整饮食，并将体重维持在健康范围内。正如您在下方看到的，即使在一些高热量的节日庆祝活动之后，我也能够及时调整，避免体重持续增加。
（参见图表 5 – 体重维持的实际应用）
此外，流程筛选平台的另一大优势在于其能够同时处理多个指标，并生成一个表格，清晰地展示哪些指标需要立即关注。无论用于个人用途还是商业用途，JMP 19 流程筛选都能帮助您有效管理需要跟踪的多个复杂指标！
我可以设想，未来可以用这个工具同时监测其他与体重相关的指标，比如每日步数、锻炼间隔、胆固醇、血氧饱和度、血压等等。这样我们就能更好地控制体重，避免像格莱美获奖乡村音乐歌手鲍比·贝尔（Bobby Bare）在他的热门歌曲《节食之歌》（Diet Song）中唱到的那样，节食减肥简直是自寻死路。
注意：请使用附件 Practice Weight.jmp 文件亲自体验新的流程筛选功能。
