수상 경력이있는 작가 브렌다 라미레즈 과 호세 지 라미레즈 3 월 할부의 우리 손님이었다. 분석적 말하기 . 웹 캐스트를 놓친 경우, 필요에 따라 사용할 수 있습니다. . 인터뷰에서 그들은 전통적인 품질 기법이 어떻게 최신 분석 기술로 업데이트되었는지, 데이터 시각화 - 프로세스, 제품 및 서비스에 대한 새로운 통찰력을 얻으십시오.
실시간 웹 캐스트 중에 시청자가 제출 한 많은 질문으로 인해 모든 문의를 처리 할 수 없었습니다. 그러나 Ramírezes는이 포스트 이벤트 블로그 인터뷰에서 그들 중 몇 명을 후속 조치 할만큼 친절했습니다.
의문: 때때로 EMP 프로세스는 부적합 부품과의 적합성을 구별 할 수 있는지 평가하기 위해 PT 비율과 동일한 값을 제공하지 않습니다. EMP 방법을 사용하여 고전 AIAG 기반 PT 비율을 비교 평가하려면 무엇을 권합니까?
대답: EMP 플랫폼 JMP "EMP 계측기 R & R 결과"를 선택하여 기존 게이지 R & R 결과를 생성 할 수 있습니다. 정밀도 (PT) 비율은 수식 6 * (게이지 R & R 표준 편차) / (USL-LSL)을 사용하여 쉽게 계산할 수 있습니다. EMP 컨텍스트에서 적합 부품과 부적합 부품을 구별하기 위해 가능한 오류를 사용하여 측정 된 부품이 고객 사양에 포함될 가능성을 제공하는 제조 사양을 정의 할 수 있습니다.
의문: 불안정하고 예측할 수없는 산출물이 우리에게 올바른 특성이 있는지 평가할 의문이됩니까? 프로세스 파라미터 주입 압력 대 제품 특성 부품 두께의 차이를 보여주는 예를 인용하십시오.
대답: 이 책에서는 입력, 출력, 프로세스 노브 및 노이즈 요인과 같은 프로세스 단계의 4 가지 측면을 묘사하는 프로세스 흐름도의 사용에 대해 설명합니다. 그림 2.1은 라미네이션 단계에서 이러한 치수를 보여줍니다. 프로세스 노브 (프로세스 파라미터)에는 속도, 온도 및 압력이 포함될 수 있지만 출력 (제품 특성)에는 본드 강도, 두께 및 박리 저항이 포함될 수 있습니다. 예를 들어 라미네이트의 접합 강도는 입력 및 프로세스 노브에 의해 결정되며 노이즈 요인에 의해 영향을받을 수도 있습니다. 실험 설계 프로세스 파라미터를 특성화하고 최적화하는 데 사용되며, 제조 분야 및 준수는 품질 시간이 지남에 따라 반복적 인 방식으로 프로세스를 실행하려면 시스템이 필요합니다. 이론적으로 효과적인 전략은 프로세스 입력, 프로세스 노브 및 노이즈 요인을 모니터링하고 제어하여 프로세스 출력이 고객의 요구 사항을 충족하는지 확인하는 것입니다.
의문: 귀하의 방법론을 컨택 센터 환경에서 사용할 수 있습니까?
대답: 신뢰성 방법은 예를 들어 특정 고객 문제의 중간 분해능 시간을 추정하는 데 사용될 수 있습니다. 이러한 방법론은 특정 원인 (부품, 잘못된 정보, 날씨 문제 등)을 제거하여 예상 중간 분해능 시간에 미치는 영향을 평가하는데도 사용할 수 있습니다.
의문: JMP를 사용하여 주파수 스펙트럼, 입력 전력 범위, 온도 범위 등 다양한 차원에서 안테나 및 마이크로 웨이브 시스템의 RF 전자 데이터를 분석하고 최적화하는 방법에 대해 의견을 말씀해 주시겠습니까?
대답: 이는 관심있는 응답 (VSWR, 반사 손실, 감쇠 등)이 점이 아닌 곡선이기 때문에 기능적 데이터 분석에 더 적합한 응용 분야입니다. 그러나, 제 경험상 주파수 스펙트럼 내에서 특정 응용 프로그램의 핵심 요소 인 특정 주파수가 있습니다. 이러한 주요 빈도는 프로세스 동작 차트를 사용하여 프로세스를 모니터링하는 데 사용할 수 있으며 실험은 특정 주파수에서 응답을 최적화하도록 설계 할 수 있습니다. 주어진 곡선 내에서 정보를 요약하는 방법도 있습니다.
의문: 귀하의 경험에 비추어 볼 때, 기존 클러스터 분석이나 주요 구성 요소로 좁히기 어려운 데이터 요소를 너무 많이 생성하는 등 다른 당사자가 잘못 수행 한 실험을 어떻게 처리합니까?
대답: 너무 많은 요인과 약간의 실행이있는 실험에서는 우리가 신경 쓰는 모든 주요 효과와 중요한 두 요인을 예측할 수 없을 수도 있습니다. 우리가 추정 할 수있는 효과에 대해, 우리는 우리가 추정하고있는 것을 이해하기 위해 복잡한 구조를 관찰 할 필요가 있습니다. 2 레벨 디자인의 경우 JMP 스크리닝 플랫폼 (분석> 모델링)은 큰 효과를 추출하는 데 적합하지만 각 효과를 효과적으로 테스트하지는 않습니다. 우리는 엔지니어링 및 과학 지식과 함께이 정보를 사용하여 실제적으로 중요한지 여부를 결정할 수 있습니다.
의문: 엔지니어와 과학자와 함께 일하는 데 전 직업을 보냈습니다. 당신이 그들과 일하는 것에 대해 가장 좋아하는 것은 무엇입니까?
대답: 예, 우리는 수년 동안 엔지니어와 과학자들과 협력하여 학습했으며 흥미로운 프로젝트를 진행했습니다. 이러한 협력은 항상 비즈니스에 영향을 미치는 합리적인 솔루션을 제공하기 위해 문제를 먼저 제기하고 통계를 촉매제로 사용하도록 우리에게 강요합니다. 이 과정을 통해 우리는 주제에 대해 더 많이 배웠고, 통계적 정교함과 실제 가치의 적절한 균형을 발견했으며, 의사 소통 기술을 연마했습니다. 결과적으로 통계 콘텐츠를 관련성 있고 유용한 방식으로 가르 칠 수있는 재미 있고 흥미로운 방법을 발견하게되었습니다.
의문: JMP에서 가장 좋아하는 기능은 무엇입니까?
대답: 우리가 가장 많이 사용하는 기능 중 일부는 다른 배포판에 맞추고 Ppk를 신뢰 구간으로 계산하는 데 사용하는 테이블 메뉴, 그래프 작성기, 컨트롤 차트 작성기, 사용자 지정 디자이너 및 배포 플랫폼 내의 요약입니다.
