Jak to zrobić przeciętny w minitab

Co to jest średnia ruchoma Pierwsza średnia ruchoma wynosi 4310, czyli wartość pierwszej obserwacji. (W analizie szeregów czasowych nie jest obliczana pierwsza liczba w serii średnich ruchów jest to wartość brakująca). Następna średnia ruchoma jest średnią z dwóch pierwszych obserwacji (4310 4400) 2 4355. Trzecią średnią ruchoma jest średnia z obserwacji 2 i 3, (4400 4000) 2 4200, i tak dalej. Jeśli chcesz użyć średniej ruchomej o długości 3, trzy wartości są uśredniane zamiast dwóch. Copyright 2018 Minitab Inc. Wszystkie prawa zastrzeżone. Korzystając z tej witryny zgadzasz się na korzystanie z plików cookie dla analityki i spersonalizowanej treści. Przeczytaj naszą politykęCo to jest wykres średniej ruchomej Typ wykresu kontrolnego ważonego w czasie, który oblicza średnią ruchową bez ważenia w czasie dla poszczególnych obserwacji. Ten wykres wykorzystuje limity kontrolne (UCL i LCL), aby określić, kiedy wystąpiła sytuacja poza kontrolą. Przekazywanie średnich wykresów (MA) jest bardziej skuteczne niż wykresy Xbar w wykrywaniu niewielkich przesunięć procesów i jest szczególnie użyteczne, jeśli tylko jedna obserwacja na podgrupę. Jednak wykresy EWMA są ogólnie korzystne w stosunku do wykresów MA, ponieważ obciążają obserwacje. Obserwacje mogą być indywidualnymi pomiarami lub podgrupami. Średnie ruchome są obliczane ze sztucznych podgrup, które są tworzone z kolejnych obserwacji. Przykład wykresu średniej ruchomej Producent rotorów wirówkowych chce śledzić średnicę wszystkich wirników produkowanych w ciągu tygodnia. Średnice muszą być zbliżone do celu, ponieważ nawet małe przesunięcia powodują problemy. Punkty wydają się zmieniać losowo wokół linii środkowej i znajdują się w granicach kontrolnych, ale jest jeden punkt, który zbliża się do limitu kontrolnego, który może zostać zbadany. Zmienne sterują wykresami dla osobnych statystyk wykresów z danych pomiarowych, takich jak długość lub ciśnienia, dla danych osób. Wykresy zmiennych zmiennych dla podgrup, wykresów ważonych czasowo oraz wykresów wielowymiarowych również generują dane pomiarowe. Wykresy kontrolne atrybutów dane liczbowe wykresów, takie jak liczba defektów lub uszkodzonych jednostek. Więcej informacji na temat map kontrolnych zawiera Omówienie wykresów sterowania. Wybór karty kontrolnej zmiennych dla osób fizycznych Minitab oferuje pięć zmiennych wykresów kontrolnych: 8226 I-MR 8722 wykres indywidualny i wykres Moving Range wyświetlany w jednym oknie 8226 Z-MR 8722 wykres standaryzowanych obserwacji indywidualnych i zakresów ruchu z procesów krótkotrwałych 8226 Osoby fizyczne 8722 wykres indywidualnych obserwacji 8226 Ruchoma zakres 8722 wykres zakresów ruchomych Poszczególne paski 8722Marning Range Wykres I-MR to wykres Individuals i Moving Range w tym samym oknie wykresu. Wykres osobowy jest rysowany w górnej połowie ekranu na wykresie Ruchy w dolnej połowie. Widząc oba wykresy, można jednocześnie śledzić zarówno poziom procesu, jak i zmianę procesu, a także wykryć obecność specjalnych przyczyn. Zobacz 29, aby omówić interpretację wspólnych wzorów na dwóch wykresach. Domyślnie wykres I-MR ocenia odchylenie procesu, przy użyciu MRbar d2, średniej z zakresu ruchu podzielonego przez stałą nieświętą. Ruchowy zakres ma długość 2, ponieważ kolejne wartości mają największe szanse bycia podobnym. Można również oszacować przy użyciu mediany zakresu ruchu, zmienić długość zakresu ruchu lub wprowadzić wartość historyczną. Przykład wykresu I-MR Jako menedżer ds. Dystrybucji kamieniołomu wapiennego, chcesz monitorować wagę (w funtach) i zmianę w 45 partiach kamienia wapiennego, które są przesyłane co tydzień do ważnego klienta. Każda partia powinna ważyć około 930 funtów. Poprzednio utworzono wykres Moving Average. Teraz chcesz przeanalizować te same dane, korzystając z osobników i wykresów zasięgu. Jak utworzyć wykres I-MR 1 Otwórz arkusz EXHQC. MTW. Jak utworzyć i przeczytać mapę kontrolną I-MR Jeśli chodzi o tworzenie wykresów kontrolnych, to zazwyczaj dobrze jest zbierać dane w podgrupach, jeśli jest to możliwe. Ale czasami gromadzenie podgrup pomiarów nie jest opcją. Pomiary mogą być zbyt kosztowne. Wielkość produkcji może być za niska. Produkty mogą mieć długi czas cyklu. W wielu przypadkach można użyć wykresu I-MR. Podobnie jak wszystkie wykresy kontrolne, wykres I-MR ma trzy główne zastosowania: Monitorowanie stabilności procesu. Nawet bardzo stabilne procesy mają pewne zróżnicowanie. a przy próbie naprawienia niewielkich wahań w procesie można rzeczywiście powodować niestabilność. Wykres I-MR może powiadomić Cię o zmianach, które wskazują na problem, który powinieneś rozwiązać. Określenie, czy proces jest stabilny i gotowy do ulepszenia. Podczas zmieniania niestabilnego procesu można dokładnie ocenić wpływ zmian. Wykres I-MR może potwierdzić (lub zaprzeczyć) stabilność procesu przed wprowadzeniem zmiany. Demonstrując lepsze wyniki procesu. Potrzebuję wykazać, że proces został poprawiony Przed i po I-MR wykresy mogą dostarczyć tego dowodu. I-MR to naprawdę dwa wykresy w jednym. U góry wykresu znajduje się wykres Individuals (I). która przedstawia wartości każdej obserwacji indywidualnej i stanowi środek do oceny centrum procesu. Dolna część wykresu to wykres Moving Range (MR). który oblicza zmienność procesu obliczoną z zakresu dwóch lub więcej kolejnych obserwacji. Zielona linia na każdym wykresie reprezentuje wartość średnią, a czerwone linie pokazują górne i dolne granice kontroli. Proces kontroli kontrolnej pokazuje jedynie przypadkową zmianę w granicach kontroli. Proces kontroli poza kontrolą ma nietypową odmianę, która może wynikać z obecności specjalnych przyczyn. Tworzenie schematu I-MR Załóżmy, że pracujesz dla firmy chemicznej i musisz ocenić, czy wartość pH roztworu niestandardowego mieści się w dopuszczalnych granicach. Rozwiązanie jest wykonywane w partiach, dzięki czemu można pobrać tylko jeden pomiar pH na partię, a dane nie mogą być podgrupowane. Jest to idealna sytuacja na wykresie I-MR. Więc zmierzyć pH na 25 kolejnych serii. Przygotowanie danych do wykresu I-MR nie jest łatwiejsze: wystarczy podać swoje pomiary w jednej kolumnie w kolejności, w jakiej je zebrałeś. (Aby kontynuować, pobierz ten zestaw danych, a jeśli już nie masz, bezpłatnie skorzystać z naszego oprogramowania statystycznego). Wybierz opcję Wykresy statystyczne gt gt gt gt gt Zmieniające wykresy dla osób gt i-MR i wybierz wartość pH jako zmienną. Jeśli wprowadzisz więcej niż jedną kolumnę w zmiennych, nie ma problemu - Minitab po prostu wyprodukuje wiele map I-MR. Opcje okna dialogowego umożliwiają dodawanie etykiet, podzielenie wykresu na etapy, podzbiór danych. i więcej. Chcesz złapać każdą możliwą przyczynę odmian, więc kliknij Opcje I-MR. a następnie wybierz opcję Testy. Wybierz wierszPerformuj wszystkie testy dla specjalnych przyczyn, a następnie kliknij przycisk OK w każdym oknie dialogowym. Testy na specjalne przyczyny wykrywają punkty poza granice kontroli i konkretne wzorce danych. Gdy obserwacja nie powiedzie się, Minitab zgłasza to w oknie sesji i zaznacza ją na wykresie I. Nieudany punkt wskazuje wzór nieparzysty w danych, które powinny być zbadane. Jeśli w wynikach testu nie zostaną wyświetlone żadne punkty, żadne z obserwacji nie sprawdziło testów specjalnych przyczyn. Interpretacja wykresu I-MR, część 1: Diagram MR Poniżej znajduje się wykres I-MR dla danych pH: Najpierw sprawdź tabelę MR, która mówi, czy zmienna procesu jest w kontroli. Jeśli wykres MR jest poza kontrolą, ograniczenia kontroli na wykresie I będą niedokładne. Oznacza to, że brak kontroli na wykresie I może być spowodowany niestabilną odmianą, a nie rzeczywistymi zmianami w centrum przetwarzania. Jeśli wykres MR jest pod kontrolą, możesz mieć pewność, że poza kontrolą I wykres wynika ze zmian w centrum przetwarzania. Punkty, które nie testy Minitab są oznaczone czerwonym symbolem na wykresie MR. Na tym wykresie MR dolne i górne granice kontroli wynoszą 0 i 0.4983, a żadna z indywidualnych obserwacji nie przekracza tych limitów. Punkty zawierają również losowy wzór. Tak więc wariacja procesu jest pod kontrolą i należy zbadać wykres I. Interpretacja wykresu I-MR, część 2: Wykres I Wykres osób (I) ocenia, czy centrum przetwarzania jest w kontroli. Niestety ten wykres I nie wygląda tak dobrze, jak wykres MR: Minitab przeprowadza do ośmiu specjalnych testów wariancji na wykresie I i zaznacza problemy z czerwonym symbolem i liczbą nieudanego testu. Wykres pokazuje, że trzy obserwacje nie powiodły się dwóch testów. Okno Sesji Minitab pokazuje, dlaczego każdy punkt został oznaczony: Obserwacja 8 nie powiodła się Test 1, który testuje punkty o więcej niż 3 standardowych odchyleniach od linii środkowej - najsilniejsze dowody, że proces jest poza kontrolą. Obserwacje 20 i 21 nie powiodły się Test 5, który testuje przebieg dwóch z trzech punktów o tym samym znaku, który przekracza dwa standardowe odchylenia od linii środkowej. Test 5 zapewnia dodatkową czułość wykrywania mniejszych przesunięć średniej procesu. Ten wykres I-MR wskazuje, że średnia jest niestabilna i proces jest poza kontrolą, być może ze względu na szczególne przyczyny. Wykres I-MR dla pH może nie być tym, co chciałeś zobaczyć, ale teraz wiadomo, że może być problem, który należy rozwiązać. To cały cel wykresu kontrolnego Następnie możesz spróbować zidentyfikować i poprawić czynniki przyczyniające się do tej szczególnej przyczyny zmian. Do czasu wyeliminowania tych przyczyn proces nie może osiągnąć stanu statystycznej kontroli. Dziękuję za przeglądy, ale byłoby bardziej pomocne, gdyby wykres mR nie wprowadził współczynnika LCL do wartości 0. W tym przykładzie rzeczywistym wskaźnikiem LCL dla wykresu mR będzie -. 1933, ale ponieważ mR jest zawsze wartością bezwzględną, mR nigdy nie będzie mniejsza od zera, więc negatywna LCL jest bezcelowa. Byłoby lepiej, gdyby w ogóle nie było LCL, gdy jest to negatywne. Jako że granice kontrolne dla wykresu I-mR są symetryczne względem średniej, nigdy nie zrozumiałem, dlaczego Minitab automatycznie ustawia LCL dla wykresu mR na zero, gdy n jest równe 7 Tak, sterowanie stała wykresu, D3, jest ujemna, gdy n wynosi 7, więc ujemne LCL jest bezcelowe. Zamiast automatycznie ustawiać LCL na zero, byłoby sensem, gdyby LCL nie były włączone, gdy n wynosi 7. LCL nie jest równy zero, nie istnieje. Nazwisko: Eston Martz bull poniedziałek, 24 czerwca 2017 Dzięki za komentarze, Peter - ciekawy punkt, a ja przekazałem Twoją opinię do zespołu ds. Rozwoju. Na poziomie praktycznym czy rozróżnienie między LCL 0 i quotdoes nie jest możliwe, powodują problemy Czy kiedykolwiek podejmiemy inną decyzję lub podejmiemy inne działanie, jeśli wykres I-MR został oznaczony inaczej Ive starał się myśleć o tym, gdzie scenariusz może grać ale niebawem do głowy. Nazwisko: Ramesh Valluri poniedziałek, 1 września 2017 Kim jesteśmy Minitab jest wiodącym dostawcą oprogramowania i usług dla poprawy jakości i edukacji statystycznej. Ponad 90 firm z listy Fortune 100 korzysta z oprogramowania Minitab Statistical Software, naszego flagowego produktu, a większa liczba studentów na całym świecie używała Minitab do nauki statystyk niż innych pakietów. Minitab Inc. jest prywatną firmą z siedzibą w State College, w Pensylwanii, z oddziałami w Wielkiej Brytanii, Francji i Australii. Nasza globalna sieć przedstawicieli służy ponad 40 krajom na całym świecie. Odwiedź nas w Minitab Copyright 2017 Minitab Inc. Wszystkie prawa zastrzeżone.