Hotelling-T²-Karte (multivariat)

Die Hotelling-T²-Karte verfolgt die Mahalanobis-Distanz jeder Beobachtung oder Teilgruppe vom gemeinsamen Prozessmittelwert und nutzt dabei die Kovarianz zwischen zwei oder mehr korrelierten Variablen. Sie arbeitet mit Einzelbeobachtungen oder Daten in Teilgruppen. Die UCL ergibt sich aus der F-Verteilung mit einem Standard-Alpha von 0.0027, und nur Regel 1 wird geprüft. Die Ausgabe besteht aus der T²-Karte und einer Übersichtstabelle mit p, m, Mittellinie und UCL.

Zuletzt geprüft

Kernaussage

Eine Hotelling-T²-Karte überwacht zwei oder mehr korrelierte Qualitätsmerkmale gemeinsam und kennzeichnet Beobachtungen mit ungewöhnlichem gemeinsamem Abstand vom Prozessmittelwert, auch wenn jede Variable allein unauffällig ist.

Auf dieser Seite
  1. Zweck
  2. Wichtigste Funktionen
  3. Statistische Methoden
  4. Eingabefelder und Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Eine Hotelling-T²-Karte überwacht zwei oder mehr korrelierte Qualitätsmerkmale GEMEINSAM, statt jedes einzeln auf einer eigenen Einzelwert- oder Xbar-Karte zu beobachten. Zwei korrelierte Variablen können auf getrennten univariaten Karten jeweils völlig unter Kontrolle erscheinen, während ihr Zusammenhang untereinander gestört ist. Genau diesen Fall erkennt eine Hotelling-T²-Karte, indem sie die Mahalanobis-Distanz jeder Beobachtung (oder Teilgruppe) vom gemeinsamen Mittelwert des Prozesses verfolgt und dabei die Kovarianzstruktur des Prozesses selbst nutzt.

Wichtigste Funktionen

  • Unterstützt sowohl Einzelbeobachtungen (eine Zeile je Einheit, ohne Teilgruppen) als auch Daten in Teilgruppen über eine optionale Subgroup-indicator-Spalte.
  • Nutzt die vollständige Kovarianzstruktur der ausgewählten Variablen und reagiert daher empfindlich auf eine Störung der üblichen Korrelation zwischen den Variablen, auch wenn keine Variable für sich allein auffällig ist.
  • Konfigurierbares Alpha (Fehlalarmrate), standardmäßig gemäß der anwendungsweiten Konvention 0.0027 (entspricht 3 Sigma).
  • Ein- bzw. Ausschluss von Zeilen und eine eigene Auswahl „estimate parameters from“, um Mittelwertvektor und Kovarianzmatrix auf einen bekanntermaßen stabilen Zeitraum als Basis zu stützen.

Statistische Methoden

Ist kein Subgroup indicator ausgewählt (Einzelbeobachtungen, eine Zeile je Einheit), berechnet das Werkzeug für jede Beobachtung x_i die quadrierte Mahalanobis-Distanz vom geschätzten Mittelwertvektor x̄ des Prozesses, mit der Stichproben-Kovarianzmatrix S der p ausgewählten Variablen über die m zur Parameterschätzung verwendeten Beobachtungen: T²_i = (x_i − x̄)′ S⁻¹ (x_i − x̄). Die obere Eingriffsgrenze folgt der exakten, auf der F-Verteilung beruhenden Formel für Einzelbeobachtungen: UCL = [p(m−1)(m+1)] / [m(m−p)] · F(1−alpha; p, m−p), wobei alpha die gewählte Fehlalarmrate ist (Standard 0.0027). Als Mittellinie wird p angezeigt, der Erwartungswert der Statistik bei einem beherrschten Prozess.

Ist ein Subgroup indicator ausgewählt (n Wiederholungszeilen je Teilgruppe), berechnet das Werkzeug stattdessen für jede Teilgruppe j T²_j = n·(x̄_j − x̄_grand)′ Sp⁻¹ (x̄_j − x̄_grand). Dabei ist x̄_j der Mittelwertvektor der Teilgruppe, x̄_grand der Gesamtmittelwert über die Teilgruppenmittelwerte und Sp die gepoolte Kovarianzmatrix innerhalb der Teilgruppen (der Mittelwert der m einzelnen Stichproben-Kovarianzmatrizen innerhalb der Teilgruppen). Die Eingriffsgrenze ist UCL = [p(m−1)(n−1)] / (mn − m − p + 1) · F(1−alpha; p, mn − m − p + 1).

In beiden Modi ist T² eine einseitige, nicht normalverteilte Statistik. Daher wird nur Regel 1 (ein Punkt oberhalb der UCL) ausgewertet; die Zonenregeln nach Western Electric bzw. Nelson, die für normalverteilte Regelkartenstatistiken entwickelt wurden, werden hier bewusst nicht angewendet.

Eingabefelder und Optionen

Feld

Beschreibung

Variables

Pflichtfeld. Wählen Sie 2 oder mehr korrelierte Variablen aus, die an jeder Beobachtung gemessen wurden.

Subgroup indicator

Optional. Leer lassen, wenn jede Zeile eine Einzelbeobachtung ist. Wählen Sie eine Spalte, die die Teilgruppe kennzeichnet, wenn mehrere Zeilen eine Teilgruppe bilden (n > 1 Wiederholungen).

Alpha (false alarm rate)

Standard 0.0027; entspricht der üblichen, 3 Sigma entsprechenden Fehlalarmrate, die auch an anderer Stelle in der Anwendung verwendet wird.

X scale

Optionale benutzerdefinierte Beschriftung der Beobachtungsachse.

Include or Exclude / Specify which rows / Row numbers

Legt fest, welche Zeilen dargestellt werden.

 

hotelling-t2-inputs


Abbildung 1: 30 Wertepaare aus Wanddicke und Gewicht, eingefügt in C1–C2, beide als Variables ausgewählt, Alpha auf dem Standardwert 0.0027.

 

Beschreibung der Ausgabe

  • T² Chart plot: die Hotelling-T²-Statistik für jede Beobachtung (oder Teilgruppe) in zeitlicher Reihenfolge, mit UCL und Mittellinie.
  • Summary table: die verwendeten Variablen, p (Anzahl der Variablen), m (zur Parameterschätzung verwendete Beobachtungen/Teilgruppen), Alpha, die Mittellinie (E[T²]) und die UCL.
  • Nelson's Rules / Potential Special Cause Points: welche Punkte (falls vorhanden) die Eingriffsgrenze überschritten haben.
  • PDF-Export über Download as PDF.


hotelling-t2-outputs

 

Abbildung 2: Ausgabe der T²-Karte: die dargestellte T²-Statistik je Beobachtung mit UCL sowie die Übersichtstabelle mit Variables/p/m/Alpha/Center Line/UCL.

 

Beispiel

Ein Blasformprozess fertigt Flaschen, bei denen Wanddicke (C1, mm) und Gewicht (C2, g) normalerweise korreliert sind: Dünnere Wände bedeuten ein geringeres Gewicht. Mit beiden Variablen ausgewählt und Alpha auf dem Standardwert 0.0027 berechnet das Werkzeug über 30 aufeinanderfolgende Flaschen UCL ≈ 15.75 für p = 2 Variablen und m = 30 Beobachtungen. Obwohl die letzten 5 Flaschen (bei denen der übliche Zusammenhang zwischen Dicke und Gewicht im Demo-Datensatz absichtlich gestört wurde) die Grenze hier nicht einzeln überschreiten, steigt die T²-Reihe genau dort sichtbar an, wo die Korrelationsstruktur gestört wurde. Dieses Verhalten würde eine univariate Karte für eine der beiden Variablen allein völlig übersehen.

Häufig gestellte Fragen

Was ist eine Hotelling-T²-Karte?

Eine Hotelling-T²-Karte überwacht zwei oder mehr korrelierte Qualitätsmerkmale gemeinsam statt auf getrennten Einzelwert- oder Xbar-Karten. Sie stellt die quadrierte Mahalanobis-Distanz jeder Beobachtung oder Teilgruppe vom gemeinsamen Prozessmittelwert dar und nutzt dabei die Kovarianzstruktur des Prozesses selbst. So erkennt sie eine Störung des üblichen Zusammenhangs zwischen den Variablen.

Warum eine Hotelling-T²-Karte statt getrennter univariater Karten verwenden?

Zwei korrelierte Variablen können auf getrennten univariaten Karten jeweils unter Kontrolle erscheinen, während ihr Zusammenhang untereinander gestört ist. Im Blasform-Beispiel waren Wanddicke und Gewicht normalerweise korreliert; als dieser Zusammenhang bei den letzten 5 Flaschen gestört wurde, stieg die T²-Reihe an, was eine Karte für eine der beiden Variablen allein übersehen würde.

Wie wird die Eingriffsgrenze der Hotelling-T²-Karte berechnet?

Die obere Eingriffsgrenze ergibt sich aus der F-Verteilung und hängt von der Anzahl der Variablen p, der Anzahl der Beobachtungen bzw. Teilgruppen m, bei Verwendung von Teilgruppen von der Teilgruppengröße n sowie von Alpha ab, standardmäßig 0.0027. Bei Einzelbeobachtungen wird als Mittellinie p angezeigt, der Erwartungswert von T² bei einem beherrschten Prozess.

Warum verwendet die Hotelling-T²-Karte nur Regel 1?

T² ist eine einseitige, nicht normalverteilte Statistik, daher wird nur Regel 1, ein Punkt oberhalb der UCL, ausgewertet. Die Zonenregeln nach Western Electric und Nelson wurden für normalverteilte Regelkartenstatistiken entwickelt und werden daher auf die T²-Karte bewusst nicht angewendet.