24178_es-ES

liliconcom

Análisis longitudinal a través de múltiples pasos de proceso, media y variabilidad<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Tony Cooper , PhD, Consultor Analítico, SAS

Las partes "sin procesar" pueden alimentarse al azar en una etapa de proceso posterior experimental. ¿Cómo controlas el valor inicial? ¿Cómo determinas si la etapa del proceso experimental parece mejor que la versión original? ¿Qué pasa si hay muchas etapas posteriores? ¿Qué pasa si las etapas afectan la variabilidad, así como la media? ¿Un análisis de parcelas divididas es la mejor opción? ¿Qué pasa si las partes no pueden ser aleatorizadas, pero deben alimentarse a la siguiente etapa inmediatamente? Los profesionales de la industria están familiarizados con el modelo de causa especial / causa común de instrucción causal introducido por Shewhart y popularizado por Deming. Es posible que no conozcan la clase longitudinal de diseños de medidas repetidas de los estudios de proceso. Esta presentación discute la aplicación de la causa especial / causa común a los diseños de medidas repetidas longitudinales. Se presenta una herramienta inmensamente gráfica que se adhiere a los principios de Shewhart y, como beneficio adicional, evalúa la simetría compuesta. Se utilizará un ejemplo de los datos recopilados en partes después de cada etapa del proceso para demostrar el uso sinérgico de los gráficos de control, ANOMV y el modelado mixto.

Diseño de experimentos