解释 运行图 的主要结果

请完成以下步骤来解释游程图。

步骤 1:在数据中查找模式

游程图按照过程数据的收集顺序绘制过程数据。使用游程图可以在数据中查找可指示是否存在特殊原因变异的模式或趋势。

数据中的模式指示变异是由于应当调查和更正的特殊原因引起的。但是,常规原因变异是固有的或作为过程中正常部分的变异。当只有常规原因(而非特殊原因)影响过程输出时,过程是稳定的。如果过程中只存在常规原因变异,则数据将表现出随机行为。

在这些结果中,数据似乎表明样本 3 到 5 中存在一定程度的聚类。

步骤 2:确定是否存在混合与聚类

围绕中位数的游程数检验以中位数上下发生的总游程数为基础。中位数附近的游程是位于中心线同一侧的一个或多个连续的点。当连接这些点的线与中心线相交时,游程结束。新的游程从下一个标绘点开始。

此检验检测两种类型的非随机行为:混合与聚类。

如果观测到的游程数大于预期的游程数,则表明存在混合。如果观测到的游程数小于预期的游程数,则表明存在聚类。

聚类模式
聚类可以表示特殊原因变异,例如测量问题、批次到批次或设置的变异性,或从一组缺陷部件抽样等。聚类是由控制图上处于一个区域的点组成的组。如果聚类的 p 值小于 0.05,则数据中可能有聚类。

此图显示可能的数据聚类。

混合模式
混合的特点是频繁与中心线相交。混合通常指示来自两个总体的合并数据或在两个在不同水平运行的过程。如果混合的 p 值小于 0.05,则说明数据中可能有混合。

在此图中,混合可能指示数据来自不同的过程。

主要结果:聚类的 P 值、混合的 P 值

在此示例中,聚类的 p 值为 0.385,混合的 p 值为 0.615,它们都大于 α 值 0.05。因此可以得出数据并未表现出混合或聚类特点的结论。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策