“T 方已分割”的示例

在研究过程行为时，使用“T 方已分割”将更重要的成分与不太重要的成分分离。在本示例中，每 50 个钢筋条的涂层在条上 12 个间距相等的位置进行测量。您想检查测量值中的变异并确定是否需要进一步调查导致变异的原因。

1. 选择帮助 > 样本数据库，然后打开 Quality Control/Thickness.jmp。

2. 选择分析 > 质量和过程 > 控制图 > 多元控制图。

3. 选择所有厚度列并点击Y，列。

4. 点击确定。

当前 alpha 水平设置为 0.05，它对应于 5% 的误报率。您想将误报率设置为 1%。

5. 要更改 alpha 水平，点击“多元控制图”旁边的红色小三角，选择设置 Alpha 水平，然后选择 0.01。

图 10.9 Thickness.jmp 的初始多元控制图 

图 10.9 中的总控制图指示特殊原因影响了钢筋条 1、2、4、5 和 22。通过查看“主成分”报表，您可以看到第一个主成分解释了 12 个厚度测量值中几乎 95% 的变异。您想进一步调查与该主成分相关的变异。

6. 点击“多元控制图”旁边的红色小三角并选择已分割 T 方。

7. 通过点击确定接受 1 个主成分的默认值。

图 10.10 “T 方已分割”控制图 

对比“主成分”报表，“具有大的主成分的 T 方”图（仅反映第一个成分的变异）显示不出来存在特殊原因的证据。“具有小的主成分的 T 方”图显示特殊原因存在于其余更小的成分中。这些更小的成分没有解释很多变异，很可能表示随机噪声。因此，您可以认定厚度测量值中的变异不是值得关注的主要原因。

需要更多信息？有问题？从 JMP 用户社区得到解答 (community.jmp.com).