Dans les scénarios de données atypiques, vous pouvez utiliser le paramètre medCentral pour choisir des estimateurs robustes comme la médianeValeur centrale divisant une série de données ordonnées en deux groupes égaux (50 % au-dessus, 50 % en dessous). Contrairement à la moyenne, elle est robuste face aux valeurs aberrantes. des médianes (MEDMED) ou la moyenne des médianes (AVGMED) plutôt que la simple moyenne globale. De plus, pour une évaluation rigoureuse de la capabilité, vous pouvez activer ciIndices et ajuster l'intervalle de confiance via ciAlpha et ciType. L'intégration de tables de spécifications avec le paramètre specsTable permet ensuite de calculer des métriques en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya. parfaitement alignées avec vos exigences métier.
Quelle est la meilleure stratégie pour affiner l'estimation de la moyenne et des indices de capabilité sur des plans de données industrielles bruités ?
Robustesse Statistique sous SAS Viya 4
Exemples pour l'action boxChart
Carte Box Chart de base
Cet exemple automatise l'analyse de capabilité via l'action boxChart. Il calcule les limites statistiques par lot pour détecter toute dérive de variabilité process.
Analyse avancée avec tests de causes spéciales et sortie des limites
Cet exemple déploie un contrôle statistique robuste : estimation sigma par méthode S pondérée, tests de Western Electric (1 et 2) et persistance des limites pour l’industrialisation du monitoring.
Leviers Techniques de Précision sous CASL
- Estimateurs Robustes : L'utilisation de medCentral="MEDMED" permet de calculer la capabilité sur la médiane des médianes de sous-groupes, neutralisant l'impact des "spikes" de données isolés.
- Contrôle de l'Alpha : Le paramètre ciAlpha doit être ajusté (typiquement 0.05 ou 0.01) pour calibrer la sensibilité de l'intervalle de confiance en fonction de la criticité du produit.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Comment sécuriser les performances de calcul lors du contrôle qualité massif avec des milliers de sous-groupes différents ?
Comment identifier les anomalies critiques de production sans noyer mes tableaux de bord avec des graphiques de contrôle superflus ?
Est-il possible d'appliquer des règles strictes de détection de dérives même avec des tailles d'échantillonnage de lots variables ?