Le script génère des données de test simulant des mesures, puis exécute PROC VARCOMP selon la méthode GRR. Il compare deux approches : l'une avec les limites de confiance standard, et l'autre avec les limites de confiance généralisées (GCL) en fixant une graine aléatoire.
Analyse des données
Type : CREATION_INTERNE
Les données sont définies directement dans le script via une étape DATA et DATALINES. L'instruction INPUT utilise implicitement '@@' (corrigé par rapport à l'artefact du prompt) pour lire plusieurs observations par ligne.
1 Bloc de code
DATA STEP Data
Explication :
Création du jeu de données 'Houf' avec les variables 'a', 'b' et 'y'. L'instruction INPUT attendue utilise '@@' pour lire les données en continu sur les lignes DATALINES.
Création du jeu de données 'Houf' avec les variables 'a', 'b' et 'y'. L'instruction INPUT attendue utilise '@@' pour lire les données en continu sur les lignes DATALINES.
Copié !
| 1 | DATA Houf; |
| 2 | /* Correction de l'artefact du prompt: utilisation de @@ pour lecture multiple */ |
| 3 | INPUT a b y @@; |
| 4 | DATALINES; |
| 5 | 1 1 37 1 1 38 1 1 37 |
| 6 | 1 2 41 1 2 41 1 2 40 |
| 7 | 1 3 41 1 3 42 1 3 41 |
| 8 | 2 1 42 2 1 41 2 1 43 |
| 9 | 2 2 42 2 2 42 2 2 42 |
| 10 | 2 3 43 2 3 42 2 3 43 |
| 11 | 3 1 30 3 1 31 3 1 31 |
| 12 | 3 2 31 3 2 31 3 2 31 |
| 13 | 3 3 29 3 3 30 3 3 28 |
| 14 | 4 1 42 4 1 43 4 1 42 |
| 15 | 4 2 43 4 2 43 4 2 43 |
| 16 | 4 3 42 4 3 42 4 3 42 |
| 17 | 5 1 28 5 1 30 5 1 29 |
| 18 | 5 2 29 5 2 30 5 2 29 |
| 19 | 5 3 31 5 3 29 5 3 29 |
| 20 | 6 1 42 6 1 42 6 1 43 |
| 21 | 6 2 45 6 2 45 6 2 45 |
| 22 | 6 3 44 6 3 46 6 3 45 |
| 23 | 7 1 25 7 1 26 7 1 27 |
| 24 | 7 2 28 7 2 28 7 2 30 |
| 25 | 7 3 29 7 3 27 7 3 27 |
| 26 | 8 1 40 8 1 40 8 1 40 |
| 27 | 8 2 43 8 2 42 8 2 42 |
| 28 | 8 3 43 8 3 43 8 3 41 |
| 29 | 9 1 25 9 1 25 9 1 25 |
| 30 | 9 2 27 9 2 29 9 2 28 |
| 31 | 9 3 26 9 3 26 9 3 26 |
| 32 | 10 1 35 10 1 34 10 1 34 |
| 33 | 10 2 35 10 2 35 10 2 34 |
| 34 | 10 3 35 10 3 34 10 3 35 |
| 35 | ; |
2 Bloc de code
PROC VARCOMP
Explication :
Analyse de variance avec la méthode GRR (Gauge R&R). Les limites de spécification sont fixées à (18, 58). L'option 'ratio' demande le rapport R&R. 'cl' demande les limites de confiance asymptotiques.
Analyse de variance avec la méthode GRR (Gauge R&R). Les limites de spécification sont fixées à (18, 58). L'option 'ratio' demande le rapport R&R. 'cl' demande les limites de confiance asymptotiques.
Copié !
| 1 | PROC VARCOMP DATA=Houf method=grr (speclimits=(18,58) ratio); |
| 2 | class a b; |
| 3 | model y=a|b/cl; |
| 4 | RUN; |
3 Bloc de code
PROC VARCOMP
Explication :
Seconde analyse identique mais avec 'cl=gcl' pour calculer les limites de confiance généralisées (Generalized Confidence Limits), nécessitant une graine aléatoire (seed=104).
Seconde analyse identique mais avec 'cl=gcl' pour calculer les limites de confiance généralisées (Generalized Confidence Limits), nécessitant une graine aléatoire (seed=104).
Copié !
| 1 | PROC VARCOMP DATA=Houf method=grr (speclimits=(18,58) ratio) seed=104; |
| 2 | class a b; |
| 3 | model y=a|b/cl=gcl; |
| 4 | RUN; |
Ce matériel est fourni "tel quel" par We Are Cas. Il n'y a aucune garantie, expresse ou implicite, quant à la qualité marchande ou à l'adéquation à un usage particulier concernant le matériel ou le code contenu dans les présentes. We Are Cas n'est pas responsable des erreurs dans ce matériel tel qu'il existe maintenant ou existera, et We Are Cas ne fournit pas de support technique pour celui-ci.
Informations de Copyright : SAS SAMPLE LIBRARY
Le Conseil de l'Expert
Stéphanie
Spécialiste Machine Learning et IA.
« L'analyse des résultats doit se concentrer sur le pourcentage de contribution de la R&R. Si la variabilité du système de mesure dépasse 10 % de la tolérance totale (speclimits), des actions correctives sont généralement requises. L'approche GCL vous donne ici la confiance statistique nécessaire pour justifier ces investissements techniques. »