Gráficos para Análise de capacidade não-normal para múltiplas variáveis

Encontre definições e orientações interpretação para cada gráfico fornecido com a análise de capacidade não-normal para múltiplas variáveis].

Gráficos de probabilidade

Um gráfico de probabilidade exibe cada ponto de dados versus a percentagem de valores na amostra que são menores ou iguais ao ponto de dados.
Um gráfico de probabilidade inclui os seguintes componentes:
Linha central
O percentil esperado a partir da distribuição com base em estimativas de parâmetros de máxima verossimilhança.
Linhas do limite de confiança
A linha curva à esquerda indica os limites inferiores dos intervalos de confiança para os percentis. A linha curva direita indica os limites superiores dos intervalos de confiança para os percentis.
Estatística de teste de Anderson-Darling e valor de p
Os resultados de um teste para determinar se os seus dados seguem a distribuição.

Interpretação

Use os gráficos de probabilidade para avaliar o ajuste da distribuição não normal utilizada para cada variável.

Se a distribuição for um bom ajuste para os dados, os pontos devem formar uma linha aproximadamente reta. Pontos distantes da linha reta indicam que o ajuste é inaceitável. Se o valor de p for maior que 0,05, é possível supor que os dados seguem a distribuição não normal utilizada na análise.

Se o valor de p for inferior a 0,05, os seus dados não seguem a distribuição selecionada e os resultados da análise capacidade podem não ser precisos. Use Identificação de distribuição individual para determinar qual distribuição não normal ou transformação de dados é mais eficaz para seus dados.
Observação

Se as distribuições diferirem para as múltiplas variáveis, você deve realizar uma análise de capacidade separada para cada variável.

Histograma de capacidade

O histograma mostra a capacidade de distribuição de seus dados amostrais. Cada barra no histograma representa a frequência de dados dentro de um intervalo.
A curva vermelha sólida representa o modelo de distribuição não-normal que foi selecionado para a análise.

Interpretação

Utilize o histograma de capacidade para visualizar os seus dados amostrais em relação ao ajuste de distribuição e os limites de especificação.

Procure por evidências de ajuste (lack-of-fit) da distribuição de dados não normais selecionados

Para cada variável, compare a curva de distribuição com as barras do histograma para avaliar se os seus dados parecem seguir a distribuição que você escolheu para a análise. Se as barras apresentarem muita variação em relação à curva, seus dados poderão não seguir a distribuição escolhida e as estimativas de capacidade podem não ser confiáveis para o processo. Se você não tiver certeza sobre qual distribuição melhor se ajusta aos seus dados, use Identificação de distribuição individual para identificar uma distribuição ou transformação apropriada.

Bom ajuste
Ajuste ruim
Importante

Os histogramas fornecem apenas uma indicação aproximada do ajuste de distribuição. Para avaliar mais definitivamente o ajuste de distribuição, use os resultados nos gráficos de probabilidade.Se as distribuições diferirem para as múltiplas variáveis, você deve realizar uma análise de capacidade separada para cada variável.

Examine os dados de exemplo em relação aos limites de especificação
Para cada variável, examine visualmente os dados do histograma em relação aos limites superiores e inferiores da especificação. De maneira ideal, a dispersão dos dados é mais estreita do que a dispersão da especificação, e todos os dados estão dentro dos limites de especificação. Os dados que estão fora dos limites de especificação representam itens fora de conformidade. De maneira ideal, poucos valores (ou nenhum) estão fora dos limites de especificação.

Nesses resultados, o processo de dispersão é maior do que a dispersão da especificação, o que sugere a baixa capacidade. Embora muitos dos dados estejam dentro dos limites de especificação, há muitos itens fora de conformidade abaixo do limite inferior de especificação (LSL) e acima do limite superior de especificação (USL).

Observação

Para determinar o número real de partes defeituosas em seu processo, utilize os resultados para PPM < LSL, PPM > USL e Total de PPM. Para obter mais informações, acesse Todas as estatísticas e gráficos.

Avalie a localização do processo

Para cada variável, avalie se o processo está centralizado entre os limites de especificação ou no valor-alvo, se você tiver um. O pico da curva de distribuição mostra onde a maioria dos dados está localizada.

Nestes resultados, embora as observações da amostra caiam dentro dos limites de especificação, o pico da curva de distribuição não está no alvo. A maioria dos dados excede o valor alvo e está localizado próximo ao limite superior de especificação.

Para uma análise mais aprofundada dos pressupostos para análise de capacidade não normal, use Sixpack de capacidade não-normal.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política