1
关注
922
浏览

检测数据不符合正态分布,该如何做SPC控制图?

查看全部 1 个回答

qwe232323 一阶会员 用户来自于: 广东省深圳市
2024-07-08 11:14

SPC理论都是基于正态分布来定义判异的,非正态分布很明显不适应的。

非正态数据直接做SPC控制图

对于下面这样的一组检测数据,我们直接做SPC控制图。

286,948,536,124,816,729,4,143,431,8,2837,596,81,227,603,492,1199,1214,2831,96    

按照SPC八大判异规则,可以看到有几个点的异常。(注:SPC分析的判异是基于正态分布的,所以上面的异常并不一定准确)

SPC就是制定一些规则,这些规则在正常情况下(正态分布),发生的概率很低(低于5%),如果发生了,我们就认为是异常。

我们先看看这组数据是否符合正态分布,先做一个正态概率纸,可以看到这些点不在同一条直线附近,很明显不符合正态分布。

我们用量化来判断一下是否是正态分布。

四种正态性检验的方法算出来的P值都远远小于0.05,很明显不符合正态分布。(SPC分析中最常用的是Anderson-Darling Test,简称AD检验)。

所以,上面的控制图是不能这样做的。

做正态性变换后做SPC控制图

在统计过程控制中,尤其是当数据明显偏离正态分布时,应该使用Box-Cox变换后,再编制SPC控制图,这样才更有助于减少误报和遗漏报,提高过程控制的整体效率。

Box-Cox 变换的目的是将非正态分布数据转换成近似正态分布。这个变换定义为:

对转换后的数据做正态性分析:



用转换后的数据做SPC控制图:

可以看到,经过正态性转换的数据编制的SPC控制图,可以看到我们的过程是在受控状态,不存在异常因素的影响。

变换后的作用

正态性改善:使数据更符合正态分布的假设,这对于许多统计测试和控制图的效力至关重要。

方差稳定性:Box-Cox变换有助于稳定方差,这对于统计过程控制中的监控非常重要,因为许多控制图假设过程方差恒定。

关于作者

ss13145 一阶会员

这家伙很懒,还没有设置简介

问题动态

发布时间
2024-07-08 08:46
更新时间
2024-07-08 13:03
关注人数
1 人关注

推荐内容

分享|5分钟了解统计过程控制 (SPC) 和控制图 (Control Chart)
如何考虑SPC控制图的抽样频次(4小时或2小时)?
MSA和SPC有什么区别
统计过程控制(SPC)—Cpk和Ppk哪个大?
MSA和SPC有什么区别?
什么是中心极限定理
MSA和SPC之间的关系?
SPC控制图α风险和β风险是什么意思?
完整的SPC流程应该怎么实施
什么是SPC?