| 날짜 시간 |
뮌헨 전
|
뮌헨 II |
베를린 |
Athen - 녹음 됨 |
물
10 : 30- 정오
|
EU 2018 411
수식 편집기 딥 다이브
Mike Muhlada와 Audrey Schull
이 입문 데모에서는 예제를 사용하여 수식 편집기 메 커닉을 설명하고 일반적인 오류를 조사 및 수정하고 모범 사례 및 수식 작성에 유용한 '트릭'을 강화합니다. 자세한 연습에서는 끌어서 놓기, 키보드 바로 가기 및 함수 단추를 사용하여 수식을 만드는 등 수식 작성기의 다양한 측면을 다룹니다. 예제를 작업하면서 유용한 기능을 논의하고 일반적인 실수를 발견하고 수정하며 아래 첨자로 작업하는 등의 작업을 수행합니다. 다루는 가장 좋은 연습 주제는 사용자 지정 형식, 데이터 정리를위한 수식 사용, 열 변환 및 중간 열을 사용하여 더 복잡한 수식을 작성하는 것입니다. 특히 사용자 정의 함수, 결과 미리보기, '실시간'수식 오류 / 경고 감지 및 사용자 정의 가능한 함수 목록을 포함한 JMP 14 새 기능에 중점을 둡니다.
데이터 액세스 및 조작
레벨 1
|
EU 2018 414
그게 무슨 뜻 이었습니까? JMP에서 텍스트 탐색기의 핵심
돈 매코맥 / 빌 워리
사람들이 의견을 말하고, 기계 출력 상태. 댓글이나 요약을 더 잘 이해하는 데 사용할 수있는 엄청난 양의 단어와 문구가 있습니다. 많은 기업들이 궁금해하는 질문은 이러한 미개척의 구조화되지 않은 데이터의 산과 함께해야한다는 것입니다. JMP의 텍스트 탐색기는 고객을 분석하고 더 잘 이해할 수있는 데이터 마이닝 도구를 제공하며, 비즈니스를 저장하기로되어 있던 새로운 장비가 예상대로 작동하지 않는 이유는 무엇입니까? 발표자는 JMP 14의 새로운 플랫폼 기능과 JMP 13의 원본 텍스트 탐색기에서 볼 수있는 뛰어난 기능의 기능을 선보일 예정입니다. 소비자 의견이나 기계 신뢰성을 높이는 자주 사용되는 용어와 구문을 쉽고 빠르게 결정할 수있는 기능. 몇 가지 사례 연구를 통해 얼마나 쉽게 데이터를 정리할 수 있는지 보여줍니다. 로컬 레코딩 (Local Recode)과 같은 옵션 또는 분석에 거의 또는 전혀 의미가없는 중지 단어 및 구문 추가. 단어 구름이 갑자기 나타나고 몇 번의 클릭만으로 대화식 단어 구름을 생성하는 법을 배우게됩니다.
발표자는 JMP Pro의 고급 텍스트 탐색 도구를 설명하고 텍스트 탐색기에서 잠정적 SVD 및 주제 분석을 사용하여 구조화되지 않은 데이터에서 새로운 통찰력을 발견하는 방법을 보여줍니다. 마지막으로, 발표자는 구조화 된 데이터와 변형 된 비 구조적 데이터를 활용하여보다 예측 가능하고 유익한 모델을 구축 할 수 있음을 입증합니다.
데이터 탐색
레벨 2
|
EU 2018 413
산업 문제 해결을위한 통계적 사고
미아 스티븐스
이안 콕스
가장 어려운 문제를 해결하기 위해 JMP의 데이터 및 시각적 인 대화식 특성을 이용하는 방법에 대해 알아보십시오. 이 세션에서는 통계적 사고의 원리를 소개하고 실생활의 산업 문제 해결에 대한 실질적인 데이터 중심 접근 방식을 제시합니다. 우리는 사례와 시뮬레이션을 통해 핵심 기술과 현대적인 통계 방법에 대한 이해를 도모하고, 개념을 통합하고 적용 가능성을 확대하기위한 종단 간 사례 연구를 제시합니다.
데이터 탐색
레벨 2
|
EU 2018 412
JMP 그래프 및 보고서 공유
브라이언 프리크 (Bryan Fricke)와 마이클 헤크트 (Michael Hecht)
JMP는 데이터를 시각적으로 탐색하고 발견 할 수있는 도구입니다. 그러나 모든 사람이 JMP 사용자가 아니기 때문에 잠재 고객에게 맞는 양식으로 그래프와 보고서를 내 보내야 할 수도 있습니다. 이 세션에서는 JMP 및 공유에 적합한 양식으로 그래프 및 보고서를 가져 오는 방법을 보여줍니다. 특히 프리젠 테이션, 인쇄 된 저널 또는 기사, 대화식 웹 페이지에 사용할 수있는 양식으로 그래프 및 보고서를 내보낼 것입니다.
데이터 시각화
레벨 1
|
물
1 : 00-2 : 30
|
EU 2018 418
JMP 및 JMP Pro의 시뮬레이션 방법, 소수 - 무작위 무게 부트 스트랩 강조
빌 미커와
크리스 고트 월트
시뮬레이션 기반 통계 방법을 사용하여 데이터로 놀라운 일을 수행 할 수 있습니다. 이 튜토리얼에서는 JMP로 이러한 강력한 방법을 쉽게 활용할 수있는 방법을 보여주는 다양한 예제를 살펴 보겠습니다. JMP의 Life Distribution Platform 및 Fit Life By X 플랫폼에서 베이지안 기법을 사용하는 관찰이 거의없는 상황에서 안정성 응용 프로그램으로 시작하여보다 세련된 추론을 얻는 방법을 보여줍니다. 우리는 JMP Pro에서 한 번의 클릭으로 부트 스트랩을 소개하고 엄청나게 유용하지만 대단히 과소 평가 된 분수 랜덤 웨이트 부트 스트랩을 중심으로 다양한 예제에서 그 사용법을 보여줍니다. 리 샘플링을 기반으로 한 고전적인 부트 스트랩은 정확한 방법을 사용할 수없고 샘플 크기가 너무 커서 사용하기 쉬운 방법에 의존 할 수없는 응용 프로그램의 경우 신뢰할 수있는 신뢰 구간을 계산하는 데 널리 사용되는 방법이었습니다. Wald (정규 근사) 신뢰 구간과 같은 대 표본 근사 방법을 계산합니다. 그러나 리샘플링 부트 스트랩 방법을 사용할 수없는 많은 응용 프로그램이 있습니다. 여기에는 데이터가 심하게 검열되는 상황, "성공"반응이 드물거나 회귀 변수의 혼합 및 실패가 제한적인 경우의 로지스틱 회귀 분석 및 매개 변수 수가 가까운 설계 실험이 포함됩니다 관찰 수에 비례한다. 이 세 가지 상황이 공통적으로 가지는 것은 모델의 모든 매개 변수를 추정 할 수없는 경우에 상당한 양의 재 샘플이있을 수 있다는 것입니다. 분수 - 랜덤 웨이트 부트 스트랩 방법은 이러한 문제를 피하고 신뢰할 수있는 신뢰 구간을 제공하며 JMP Pro의 대부분의 플랫폼에서 클릭만으로 사용할 수 있습니다. 다음으로 JMP Pro의 시뮬레이션 기능을 사용하여 전력 계산을 수행하는 방법을 보여줍니다. 따라서 JMP 전반에 걸친 많은 분석, 특히 결과가 바이너리 인 설계된 실험에 대한 전력 계산을 수행하는 것이 수월합니다. JMP Pro의 시뮬레이션 기능에 대한 최종 데모로서 Profiler의 Save Bagged Estimates 옵션을 사용하여 신경망 예측에 대한 신뢰 구간을 얻는 방법을 보여줍니다.
예측 모델링
레벨 4
|
EU 2018 416
JMP 프로젝트 : JMP에서 작업을 구성하는 새로운 방법 14 - Dan Valente와 Aaron Andersen
많은 JMP 사용자는 대화식 JMP 세션을 경험했기 때문에 여러 창을두고 분석 보고서를 한 번에 열었습니다. 이 "플로팅 윈도우 모드"에서 JMP를 사용하는 것은 많은 사람들에게 효과적 일 수 있지만 탭 인터페이스를 사용하는 것이 좋습니다. 또한 사용자는 특정 파일을 분석 프로젝트와 연관시키고 홈 윈도우가 제공하는 전체 목록을 보유하지 않을 수도 있습니다. 이러한 이유로 JMP 14에서 JMP 프로젝트를 만들었습니다. 프로젝트는 탭이있는 재구성 가능한 작업 공간 인 JMP에 단일 문서 인터페이스를 제공하여 파일을 책갈피에 추가하고 사용자가 다양한 열린 창, 데이터 테이블, 스크립트 등을 쉽게 탐색 할 수있을뿐 아니라 다음과 같은 지원 파일을 시작할 수 있습니다. .pdfs 및 .ppt 문서 프로젝트는 또한 하나 이상의 개별 분석 작업과 관련된 많은 파일을 신속하게 열고 닫을 수 있으며, 과거에 여러 JMP 세션을 실행해야하는 곳에서 병렬 프로젝트를 분리하는 데 사용할 수 있습니다. 마지막으로, JMP 14의 프로젝트는 보관 기능을 사용하여 작업을 쉽게 공유하고 공동 작업 할 수있는 방법을 제공합니다.
데이터 액세스 및 조작
레벨 1
|
EU 2018 417
JMP14의 새로운 DOE 기능
라이언 리키 베츠
브래들리 존스
JMP 14에는 몇 가지 새로운 DOE 기능이 있습니다.
아마도 BIBD (Balanced Incomplete Block Design)를 만들기위한 새로운 디자인 도구가 가장 중요 할 것입니다. 이들은 하나의 치료 인자와 하나의 차단 인자를 갖는 디자인입니다. 그들의 특별한 성질은 각 치료 수준이 전체 횟수와 동일한 횟수로 나타나고 치료 수준이 다른 치료 수준과 함께 같은 횟수만큼 나타나는 것을 의미합니다. 이것은 특별하고 바람직한 유형의 균형을 만듭니다. 우리는 새로운 도구의 UI를 사용하는 방법을 보여줄뿐만 아니라 이런 종류의 디자인에 대한 더 자세한 정보를 제공 할 것입니다.
커스텀 디자이너는 A- 최적 설계 및 가중 된 A- 최적 설계를 생성하기위한 한 쌍의 최적 성 기준을 추가했습니다. A 최적 설계는 매개 변수 추정의 평균 분산을 최소화합니다. A- 기준은 모형 매개 변수의 정확한 추정에 초점을 둔다는 점에서 잘 알려진 D- 기준과 유사합니다. A 최적 설계를 일상적으로 사용하는 데는 두 가지 이점이 있습니다. 첫째, A- 기준이 D- 기준에 비해 우수한 디자인을 산출하는 방법을 이해하는 것이 더 쉽습니다. 이는 DOE를 처음 접하는 실무자에게 최적의 디자인을 일상적으로 사용하는 것을 용이하게합니다. 둘째, 가중치 A 최적 설계는 여러 매개 변수 그룹에 서로 다른 양의 중점을 두는 것을 허용합니다. 예를 들어, 2 요소 상호 작용에 비해 순수한 2 차 효과를 강조하고이 둘 모두 주 효과 추정보다 강조 할 수 있습니다. 맞춤 디자인 도구를 사용하여 A 최적 및 가중 A 최적 디자인을 만드는 방법을 보여줍니다.
디자인 비교 도구는 이제 UI에서 최대 5 개의 디자인을, 스크립팅을 통해 최대 10 개의 디자인을 수용 할 수 있습니다. 이전에는 한계가 세 가지였습니다. UI 예제와 새로운 A- 최적 및 가중 A- 최적 설계를 포함한 스크립팅 예제로이 추가 기능을 시연합니다.
물론 JMP 14를위한 DOE 도구의 많은 개선점이 있습니다. 가속 수명 테스트 설계가 크게 개선되었습니다. Fit Definitive Screening 플랫폼은 이제 유전을 나타내지 않는 모델 용어를 고려합니다. Choice Design 및 MaxDiff Design 도구는 모두 응답을 시뮬레이션 할 수 있습니다. 이를 통해 주어진 미래 디자인이 특정 규모의 영향을 안정적으로 감지 할 수 있는지 여부를 판단 할 수 있습니다. 컨퍼런스를 통해 이러한 새로운 기능을 시연 할 수있게 될 것입니다. 안타깝게도 튜토리얼에서는 시간이 포함되지 않습니다.
최적 설계
BIBDs
암사슴
레벨 2
|
EU 2018 415
JSL을 사용하여 효율적이고 강력한 응용 프로그램 개발
조셉 모건
이 튜토리얼은 효율적이고 견고하며 생산 준비가 된 애플리케이션을 개발할 때 매우 유용 할 수있는 JSL 구조에 초점을 맞출 것이다. 여기에는 표현 처리 함수, xpath 지원, 네임 스페이스 및 기타가 포함됩니다. 이 아이디어는 강사가 JSL 사용자의 다양한 분야에서 일해온 지난 10 년 동안 모은 예제로 설명됩니다.
JSL 응용 프로그램 개발
레벨 3
|
물
2 : 45-4 : 15
|
EU 2018 419
JMP를 사용하여 대시 보드 및 응용 프로그램 만들기
댄 시코 레
동일한 또는 다른 데이터 테이블에서 반복 될 수 있도록 분석을 저장하는 것은 효율적이고 반복 가능한 분석 워크 플로를 생성하는 중요한 단계입니다. JMP Dashboard Builder 및 Application Builder에서 사용할 수있는 끌어서 놓기 도구와 함께 JSL (JMP Scripting Language)을 사용하여 대시 보드 및 응용 프로그램을 신속하게 작성 및 배포 할 수 있습니다. 이 대화에서는 "Windows 결합"으로 작성된 간단한 대시 보드에서부터 여러 창과 JSL 스크립트가있는 전체 응용 프로그램에 이르기까지 모든 내용을 다룹니다. 데이터 필터를 사용하여 보고서를 디자인하고, 분석 할 열의 런타임 선택을위한 매개 변수화 응용 프로그램 및 대화식 HTML을 비롯한 결과 공유 옵션에 대해 자세히 알아보십시오. 새로운 사용자 정의 템플릿 인터페이스가 시연되어 공통된 모양과 느낌의 여러 대시 보드 또는 응용 프로그램을 더 쉽고 빠르게 만들 수 있습니다.
데이터 시각화
레벨 2
|
EU 2018 422
JMP에서 2 세대 품질 도구를 사용하여 통합 된 프로세스 개선 ®
로라 랭커스터
레벨 2
JMP의 2 세대 품질 도구 인 Control Chart Builder, 프로세스 기능, 측정 시스템 분석 및 프로세스 스크리닝은 품질 분석을보다 쉽고 효과적으로 만들기위한 통합 철학으로 설계되었습니다. 예를 들어 새로운 Process Capability 플랫폼은 통계 프로세스 제어 프로그램에 사용 된 관리 차트 유형을 반영하도록 설계되었으며 기능 보고서는 Control Chart Builder 내부에 추가되었습니다. 마찬가지로 Measurement Systems Analysis 플랫폼의 Shift Detection Profiler를 통해 품질 엔지니어는 측정 시스템을 고려하여 제어 차트 방법론을 설계하는 방법에 대한 정보에 근거한 결정을 내릴 수 있으므로 변경 사항을 최대한 신속하게 처리하도록 경고합니다. 측정 시스템, 통계 프로세스 제어 프로그램 및 프로세스 기능 평가가 어떻게 결합되어 있는지 이해하면 품질을 향상시키고 유지 관리하는 데 중요합니다. 이 소프트웨어의 독특한 디자인 철학은이 작업을 간단하고 간단하게 만듭니다. 또한 새로운 프로세스 스크리닝 플랫폼으로 다수의 프로세스를 신속하게 검사하여 시간을 절약하고 작업 부하를 줄이며 품질을 향상시킬 수 있습니다. 이 자습서에서는 케이스 스터디를 사용하여 각 플랫폼을 통합 된 프로세스 개선 접근법과 함께 사용하는 방법을 보여줍니다.
품질 및 신뢰성
레벨 2
|
EU 2018 421
일반화 된 회귀 플랫폼을 갖춘 원 스톱 모델 빌딩
클레이 바커
변수 선택, 응답을 모델링하기 위해 요인 또는 예측 자 세트를 선택하는 프로세스는 모델 작성 프로세스의 필수적인 부분입니다. 다행히도, 그것은 고통스러운 과정 일 필요는 없습니다. JMP Pro의 Generalized Regression 플랫폼 (Genreg)은이 프로세스를 빠르고 쉽게 수행 할 수있는 다양한 자동 변수 선택 기술을 제공합니다. 플랫폼을 사용한 후에는 새로운 데이터를 잘 예측할 수있는 간결한 모델이 남아 있습니다. 우리는 Genreg를 사용하여 직교 설계 실험으로 시작하여 대형 관측 데이터 세트로 이동하는 등 다양한 설정으로 모델을 제작하는 방법을 살펴볼 것입니다. 또한 모델링 다중 레벨 범주 응답과 Dantzig Selector와 같은 새로운 Genreg 기능을 버전 14에서 미리 볼 것입니다.
예측 모델링
레벨 2
|
EU 2018 420
재미있는 부분 : 분석을위한 데이터 준비 방법
Brian Corcoran, Mandy Chambers 및 Kelci Miclaus
JMP 시각화 및 통계 분석 플랫폼을 통해 의미있는 신호, 추세 및 데이터 통찰력을 발견 할 수 있습니다. 프로젝트가 여러 개의 복잡한 데이터 파일로 작업해야하는 경우, "aha"를 수행하려면 필요한 데이터 쿼리, 조인, 가져 오기, 탐색 및 정리가 필요합니다. 복잡하거나 큰 데이터 분석 작업에서 데이터 준비에만 전적으로 사용되는 시간은 최대 80 %입니다. 이 세션에서는 JMP 13 및 JMP 14의 여러 가지 새로운 기능을 사용하여 분석 준비 상태를 쉽고 빠르게 확인할 수 있습니다. 데이터를 쿼리하고 데이터베이스에서 가져 오는 방법, JMP 쿼리 작성기로 열고 결합하는 방법, JMP 14의 새로운 파일 가져 오기 옵션에 대해 설명합니다. JMP 13에서는 JMP 데이터 테이블에 가상 조인을 도입하여 여러 테이블을 연결하는 공통 키를 지정할 수있었습니다. JMP 14의 새로운 기능은 테이블을 연결하여 링크 된 테이블간에 행 상태 변경 내용을 수신하거나 처리하도록합니다. 우리는 이러한 새로운 기능들이 어떻게 테이블 조종없이 쉽게 데이터 탐색과 즉각적인 분석 / 대시 보드 생성을 위해 행 상태를 공유함으로써 가상으로 조인 된 테이블이 서로 "대화"할 수 있는지 보여줍니다. 마지막으로 Recode의 새로운 기능을 강조하여 정규 표현식을 사용하여 문자열을 바꿀 수있는 방법을 보여주고 불필요한 구두점을 제거하고 Recode 스크립트를 저장하고 다시 사용 및 추가 할 수있는 방법을 보여줄 것입니다. 열에 이미 할당되어 있습니다. 이 주제는 가져 오기, 테이블 탐색 및 데이터 정리와 관련된 모든 JMP 사용자의 경험을 간소화합니다. 데이터 분석. 재미를위한 더 많은 시간을 남겨 둡니다.
데이터 액세스 및 조작
레벨 1
|
물
4 : 30-6 : 00
|
EU 2018 426
JMP를 이용한 신뢰성 분석 및 엔지니어링
Peng Liu, JMP 수석 연구 통계학 개발자, SAS
Leo Wright, JMP SAS 수석 제품 관리자
Michael Crotty, SAS 수석 통계 작성자, SAS
신뢰성을 연구하기위한 JMP의 최첨단 툴 세트는 조직이 오늘날 복잡한 제품 및 서비스 분야에서 성공하기위한 요구 사항 인 우수한 제품을 제공 할 수 있도록 설계되었습니다. 수년 동안 강력한 통계 분석과 동적 데이터 시각화를 통합하는 최첨단 개념을 통합하여 사용자가 거대한 데이터 세트에서도 성능을 즉시 평가하고 추세를 파악하고 개선 기회를 진단하는 데 도움을주었습니다. JMP는 소비자 및 산업 제품에서 건강 관리, 방위 시스템에 이르기까지 전반적으로 "시간이 지남에 따른 품질"로 알려진 안정성이 중요하다는 것을 인식했습니다. JMP 안정성 도구는 엔지니어, 연구원 및 관리자가 연구 된 시스템이 상대적으로 단순하거나 철저히 복잡한 지 여부와 관계없이 신뢰성 데이터 및 시스템 신뢰성을 쉽고 빠르게 이해할 수 있도록 설계되었습니다. 강력한 JMP 인프라가 뒷받침하는 JMP 안정성 도구는 확장 가능하고 사용자 정의 할 수 있습니다. 이 튜토리얼에서는 Life Distribution, Reliability Forecasting, Degradation, and Resairable Systems Simulation과 같은 JMP 플랫폼에 대해 다룰 것입니다. 플랫폼은 신뢰성 분석 및 엔지니어링의 필수 구성 요소 중 하나이며 수리 가능한 시스템과 수리 할 수없는 시스템 모두에 대한 문제를 해결합니다. 이 튜토리얼은 검열 된 데이터에 대한 소개부터 시작하여 신뢰성 분석 및 엔지니어링의 다양한 목표를 설명합니다. 강사는 JMP 소프트웨어에 포함 된 예를 사용하여 개인 목표를 다룹니다.
품질 및 신뢰성
레벨 3
|
EU 2018 424
JMP에 대해 모르는 10 가지
브래디 브래디
이미 알고 있듯이 JMP는 데이터 분석 및 탐색을위한 놀랍도록 풍부한 도구입니다. 즉, JMP에서 거의 모든 것을 할 수있는 방법이 여러 가지 있다는 것을 알고 있다는 것을 의미합니다.
여기서 공유 한 10 가지 이상의 팁과 트릭을 통해보다 효율적으로 작업하고 기법, 키보드 단축키, 수식 등을 소개 할 수 있습니다.
초심자에서 전문가 또는 전문가에게서 전문가에 오셔서 레벨 업하십시오.
데이터 탐색
레벨 1
|
EU 2018 425
JMP의 다 변수 풍미 : 연속에서 범주 형에서 이산 형에서 기능성으로
로라 카스트로 - 실로와 크리스 고트 월트
다변량 데이터 분석은 데이터 양이 급증하고 기업이 의사 결정에서보다 데이터 중심적으로 변함에 따라 필수 기술이되었습니다. 이 확장 된 브레이크 아웃 세션에서 우리는 JMP의 독특한 비주얼 및 인터랙티브 접근 방식을 사용하여 연속적, 범주 적, 이산 적 및 기능적 데이터에 의존하는 다양한 접근법을 사용하여 다 변수 데이터 분석을 보여줍니다. 우리는 다변량 분석의 본질에 대한 토대 위에서 논의 할 것입니다 : 많은 수의 변수에 포함 된 정보가 종종 더 적은 수의 변수로 효과적으로 표현 될 수 있다는 생각. 그런 다음 JMP의 다 변수 데이터 분석을위한 일반적인 도구에 대한 개요를 제공합니다. 세션은 두 부분으로 나누어집니다. 이 소개에서는 감각 분석 및 소비자 조사의 데이터를 사용하여 주성분 분석, 다중 통신 분석 및 JMP 14, 다중 요인 분석의 새로운 기술과 같은 기존의 감독되지 않은 다 변수 방법을 동기 부여하고 시연합니다. 두 번째 부분에서는 부분 최소 자승 및 함수 주성분을 사용하여 다 변수 데이터에 대한 감독 방법을 다룹니다. 이러한 감독 방법을 설명하기 위해 다중 신호 스트림의 데이터로 배치 제조 공정의 수율을 예측하는 모델을 구축 할 것입니다. 전반적으로 각 분석 기법이 적절한시기에 대한 명확한 지침을 제공하고 가장 중요하고 유용한 소프트웨어 옵션을 강조 할 것입니다.
데이터 탐색
레벨 2
|
EU 2018 423
JMP 14 그래픽 빌더의 새롭고 고급보기
잔 그렉과 스콧 와이즈
이 브레이크 아웃 세션은 인기있는 "그래프 빌더의 새로운 기능"과 "갤러리 고급 그래프 빌더보기의 그림"세션을 결합합니다.
먼저, JMP 14에서 새롭고 세련된 Graph Builder 기능에 대해 살펴 보겠습니다. 새로운 간격 놓기 영역은 사용자 정의 오류 막대를 더 쉽게 만듭니다. 몇 가지 종류의 지터가 추가되었으며 새로운 기본값이 포함되었습니다. "포장 된 막대"라는 완전히 새로운 막대 차트 스타일은 파레토 차트를 확장합니다. 더 많은 요소 유형이 소형 다 변수 뷰의 병렬 좌표를 지원합니다. 윤곽선을 매끄럽게 할 수 있습니다. 초등 통계에 액세스 할 수 있습니다.
그런 다음 JMP 그래프 빌더를 사용하여 인기 있고 매혹적인 고급 그래프보기를 작성하는 방법을 살펴 보겠습니다. 우리는 Gallery 3 저널에 최신 JMP 최신 버전의 추가보기를 제공하는 새로운 그림을 만들었습니다. 우리는 당신이 알지 못했을 수도있는 인기있는 몇 가지 산업 그래프 포맷을 JMP에서 쉽게 만들 수 있습니다. 총알 차트, 양방향 오류 막대, 화산 플롯 등을 통합하여 분석 결과를 숨 쉬고 결과를 관리 할 수있는 매력적인 플랫폼을 제공합니다.
데이터 시각화
레벨 1
|
목
10 : 45-11 : 15
(30 분)
|
EU 2018 105
크리스토프 그로스
쇼트 AG
파일 세트 반복하기
'파일 세트 반복하기'는 스크립트 기반 데이터 준비 및 분석 과정에서 공통적 인 작업입니다. 일반적인 시나리오에는 비 JMP 파일 (예 : 일상적으로 사용되는 측정 파일) 및 단순 결합을 위해 커질 수있는 파일 세트의 중간 결과 추출 및 수집이 포함됩니다. 개별 파일로 수행되는 작업에 대해 이야기하기보다는 반복 프레임 워크에 중점을두고 유용한 기능 세트를 제공합니다.
|
EU 2018 113
엘리 마리코
BASF 앤트워프
화학 생산 프로세스의 수율을 향상시키기위한 데이터 분석 응용 : 학습 및 모범 사례
이 프리젠 테이션은 제품 생산량을 향상시키는 것이 목적 인 화학 생산 공장의 사례를 사례로 설명합니다. 프로젝트의 일환으로 5 년간의 역사 데이터 (실험실 데이터, 센서 데이터 및 로그 북 텍스트 데이터 포함)가 분석되었습니다. 분석 결과는 데이터 기반 조사 결과의 유효성을 확인하고 알려지지 않은 관계를 더 자세히 조사하기 위해 공장의 실험을 트리거합니다. 프레젠테이션을 진행하는 동안 프로젝트 접근 방식에서 중요한 성공 요인을 강조 할 것입니다. LSS DMAIC)와 JMP를 사용하여 데이터에 숨겨진 관계를 찾는 방법을 보여줄 것입니다. JMP가 데이터 집합을 신속하게 집계하고 데이터를 정리하고 실제 프로세스 변형과 노이즈를 분리하고 관계를 시각화하고 계량화하는 데 얼마나 효과적인지 보여 드리겠습니다. 논의되고 시연되는 기술에는 테이블 작업, 데이터 필터링, 모델링 및 DOE가 포함됩니다.
|
EU 2018 116
마틴 오웬
디자인 통찰력
프로젝트, 통찰력, 액션 !!!
강의 및 트레이너로서 JMP14EA의 새로운 Project 기능이 제공하는 기능에 관심이 많습니다. 이 플랫폼은 조직의 메모리를 향상시키고 자료 (데이터 세트, 스크립트, 모델 및 시각화 보고서)를 서로 다른 출처에서 함께 가져올 수있는 능력을 확장하는 것을 보았습니다. 기존 파일 구조에 매핑하고 단일 문서 인터페이스를 통해 새로운 조직 구조를 만들 수 있습니다. 이 프레젠테이션에서는 JMP14 프로젝트의 잠재력에 대한 예를 교육 도구로 제시 할 것입니다. 목표는 학습을 가속화하고 팀이나 조직이 새로운 업무 흐름을 채택하고 이전 연구에서 얻은 통찰력을 유지하며 더 나은 의사 결정을 내리고 조치를 취하도록 돕는 것입니다. 유연한 Project 작업 공간으로 인해 매력적인 이야기가 펼쳐집니다. 이제는 매우 쉽습니다.
- 실험 설계부터 핵심 정보 및 동작 분석 및 문서화에 이르기까지 순차적 인 작업 흐름을 생성합니다.
- 일련의 실험적 설계 작업 패키지에 대한 정보 구축 방법을 보여줍니다.
- 서로 다른 모델링 및 시각화 접근 방식을 비교 및 선택
- 새로운 데이터가 입력되면 업데이트되는 표준 보고서를 작성하고 보관하십시오.
보너스로 이제는 작업하면서 데이터를 관리하고 큐 레이팅하는 것이 더 쉬워졌습니다. 현재 세션을 닫으면 다음 날 재생성이 가능해졌습니다.
|
EU 2018 104
Piet Hoogkamer
Abbott Healthcare 제품
용존 곡선의 유사성에 대한 다 변수 시험
의약품의 용출 시험은 생체 내 용해의 대용 측정이므로 중요합니다. 생체 내 용해는 약물 가용성 (혈중 농도)에 영향을 미칠 수있는 생체 이용 가능성에 영향을 미치므로 결과적으로 안전성과 효능에 영향을 줄 수 있습니다. 제조 공정, 제조 현장 또는 시험 방법과 관련하여 변경이 제안되는 경우, 바이오웨어 권리를 획득하기 위해 '동등성'을 입증해야합니다. 곡선의 유사성은 수학적 f2 메트릭을 사용하여 테스트 할 수 있습니다. 여기서 50과 100 사이의 값은 유사성을 나타냅니다. f2 메트릭에 대해 자세히 설명합니다. 그러나 가변성이 너무 높은 경우 (테스트 된 단위 사이, 한 시점 내에서) 다 변수 거리 기반 통계를 대신 사용해야합니다. 일부 옵션은 모델에 따라 다르며 모델에 독립적 인 방식으로 표시됩니다. Mahalanobis 거리에 대해 JMP를 표준 기능과 전용 스크립트와 함께 사용합니다.
|
목
11 : 30-12 : 00
(30 분)
|
EU 2018 115
파올로 네시 오니
A. 메 나리 니 ML & SSrL
Fit Model 플랫폼을 사용하여 의약품의 개발 단계에서 일부 제제의 유효 기간을 단기간에 예측할 수 있습니다.
일반적으로 ICH (International Council of Harmonization) 지침은 의약품이 열 안정성을 시험하는 사전 정의 된 보관 조건 하에서 평가되어야한다고 규정하고 있습니다. 저장 조건과 선택된 연구의 길이는 보관, 선적 및 사용을 다루기에 충분해야합니다. 장기 시험은 제출 시점에서 최소 12 개월의 기간을 커버해야하며 중간 및 가속 조건은 최소 6 개월을 커버해야합니다. 개발 단계에서 두 가지 이상의 형식이 프로젝트 요구 사항을 충족시킬 수 있습니다. 우리는 어떻게 최선의 것을 고를 수 있습니까? 확실하게, 가능한 한 더 긴 유통 기한을 보장하는 제형을 선택하고 싶습니다. 공식 ICH 안정성 연구를 수행하면 6 개월 전부터 유용한 반응을 얻을 수 있습니다. ICH 조건보다 높은 온도를 사용하여 가속 안정성 연구를 수행하면 상대적으로 짧은 시간 (30 일 이하) 동안 일부 제형의 거동을 평가할 수 있습니다. JMP Fit Model 플랫폼을 사용하면 스트레스 팩터의 함수에서 저하 속도를 예측하여보다 안정된 공식에 대한 데이터 기반 결정을 내릴 수 있습니다. 추정 된 분해율은 ICH 가이드 라인에서 요구되는 시점 및 저장 조건에서 품질 속성 값을 예측하는 데 사용되었습니다. 예측 결과는 모델의 장점을 검증하기 위해 ICH 조건을 사용한 한 배치의 실제 값과 비교되었습니다. 동일한 접근법이 온도와 산소 수준의 영향을 함께 평가하는 데 사용되었습니다. JMP로 제작 된 모델은 최종 제품의 중요한 품질 특성에 대한 산소 함량의 실제 효과를 확인하는 데 사용되었습니다.
|
EU 2018 121
재클린 애셔
갈릴리 바다의 키네 레트 대학
사례 연구를 바탕으로 한 업계 교육 세션 : JMP를 사용하여 분할 플롯 실험을 설계하는 방법을 배웁니다.
실험에 분할 플롯 구조가있는 경우 설계 및 분석에서이 점을 고려해야합니다. 일반적인 예로는 배치간에 실행되는 프로세스를 개선하기 위해 수행되는 실험이 있습니다.이 프로세스에서는 배치간에 몇 가지 요인이 변경되고 배치 내에서 다른 요소가 변경되어 완전히 독립적이지 않은 실행이 발생합니다. 분할 플롯 구조는 조사되는 과정이나 실험 설정에 내재되어 있거나 시간이나 비용을 절약하거나 디자인을 개선하기 위해 선택에 의해 채택 될 수 있습니다. 사례 연구에서 일부 요소는 재료 준비와 관련이 있으며 다른 요소는 최종 제품에 대한 재료 가공과 관련됩니다. 실무자를위한 교육 세션에서 실험 설계, 평가 및 비교를위한 JMP 도구를 사용하여 설계를 선택하기위한 대체 전략을 모색합니다. 고려되는 후보 설계에는 JMP에 의해 작성된 기본 및 사용자 지정 설계 및 사용자가 처음부터 작성한 설계가 포함됩니다. 예를 들어 일반적으로 최소한의 전체 플롯 복제를 포함하는 것이 더 저렴하며이 전략을 채택한 결과를 탐구합니다. 교육학 목표는 JMP 도구의 주제와 사용법을 동시에 가르치는 것입니다.
|
EU 2018 102
Anne SAINT-AMANS
Limagrain
필드 평가판 데이터를 분석하는 추가 기능 : 사용자 지정 ANOVA
Limagrain은 전 세계적으로 4 번째로 큰 종자 회사로서 매년 야채와 농작물에 새로운 품종을 창출합니다. 이 새로운 품종은 몇 가지 변수 (수확량, 과일의 길이 ...)를 기반으로 한 상업용 참조와 비교되고 테스트됩니다. 분산 및 혼합 모델의 분석은 원하지 않는 환경 영향 (국경, 환기, 토양 다산 등)을 고려하여 다양성의 유전 적 잠재력을 추출하기 위해 실행됩니다. JMP는 필요한 통계 연구를 실현하는 많은 기능을 가지고 있습니다. "Custom ANOVA"라는 추가 기능이 Limagrain에서 수집하여 수집합니다. 목표는 그룹의 연구원 니즈에 맞게 특별히 완성 된 대화식 보고서를 제공하는 것입니다. 미니멀하고 직관적 인 인터페이스로 분석을 시작하기 전에 몇 가지 옵션을 선택할 수 있습니다. 최종 보고서에는 기술 통계, 모델 통계, 가설 검증, 효과 연구, 유전 잠재력 계산, 현장지도 및 다중 비교와 같은 여러 단계의 탭이 있습니다. 또한 추가 기능은 JSL의 "표현 개체"를 활용하여 다른 JMP 보고서와 마찬가지로 보고서의 스크립트를 데이터 테이블에 저장할 수있는 기능을 제공합니다. 따라서 사용자는 결과의 흔적을 유지하고 전체 보고서를 쉽게 재생성 할 수 있습니다.
|
EU 2018 124
Gary Finka, Sonya Godbert, Doug Marsh, 수석 과학자 통계 리더 이사
글락소 스미스 클라인
기능적 데이터 탐색
각 행에 대한 변수 열 (샘플, 실행, 배치)이있는 데이터 사각형이있는 경우 X가 Y와 관련되는 방식을 탐색 할 수있는 방법은 다양합니다. 그러나 사용하고자하는 다른 많은 데이터는이 양식에 적합하지 않습니다. 일반적인 예는 각 샘플, 실행 또는 배치에 대해 시간 경과에 따라 기록 된 측정 값을 가지고있는 경우입니다. 이 "기능적 데이터"의 모양을 다른 변수와 관련 시키려면 어떨까요? 문제는 각 "기능 ID"(샘플, 실행 또는 배치)의 전체 기능 데이터에서 유용한 정보를 캡처하는 소수의 "기능"을 추출하는 것입니다. 그런 다음이 피쳐를 표준 데이터 사각형에서 X 또는 Y로 사용할 수 있습니다. 다른 도전 과제는 데이터가 기능 ID를 통해 정렬되지 않을 수도 있다는 점입니다. 즉, 수집 빈도가 다를 수 있고, 오프셋이 있거나, 일부 기능 ID에 대해 일부 지점에서 데이터가 누락되었을 수 있습니다. Biopharmaceutical 설정 예제를 통해 JMP 14의 Functional Data Explorer를 사용하여 이러한 유형의 데이터에서 가치있는 통찰력을 추출하는 방법을 보여줍니다.
|
목
2:00 - 2:45
(45 분)
|
EU 2018 202
알프레도 로페즈 나발로
Telefónica Germany GmbH & Co. OHG
TITANIC Revisited - 갑판에있는 모든 손!
우리는 빙산과 충돌 한 후 1912 년에 침몰 한 RMS TITANIC의 재앙에 대해 매우 잘 알려진 사실 중 일부에 대해 설득력 있고 재미있는 설명을 제공하고자합니다. 우리 모두는 역사를 알고 있습니다. 그렇게 생각합니다. 텔레포니카 (Telefónica)의 디스커버리 방법론 (Discovery Methodology) (JMP에 의해 제공됨) 덕분에 우리는 망각에서 통찰력을 구하기 위해 데이터 포인트를 깊이 탐험하는 탐험을 시작합니다. "인터넷 열기"기능을 사용하여 데이터를 스크랩합니다. 충분한 통찰력을 제공 할 수있는 향상된 데이터베이스를 작성할 때까지 테이블을 결합, 연결 및 업데이트하십시오. 그런 다음 ANOVA, 범주 형 및 시각적 분석을 통해 매혹적인 데이터 중심 스토리를 전달합니다. 마지막 순간의 놀라움을 기대하십시오  물론 모든 것이 갑판에 달려 있습니다. 모든 것이 문서화되어 JMP 사용자 커뮤니티에 업로드되도록 설명되어 있습니다. 우리는 다른 사람들이 이것에 기초하여 대화를하고 싶습니다. JMP 우리와 함께!
|
EU 2018 201
필립 램지
뉴햄프셔 대학교와 노스 헤이븐 그룹
응용 프로그램과 함께 바이오 의약품에 부트 스트랩 기술을 사용하여 설계된 실험을위한 모델 검증 전략
통계 모델링에는 두 가지 목표가 있습니다 : 설명 및 예측. 설명 모델은 종종 예측이 잘못된다 (Shmueli, 2010). 디자인 된 실험 (DOE)의 분석은 종종 설명 적이지만 실험적 목표는 예측입니다. DOE는 미래의 성과를 예측할 수있는 제품 및 프로세스 개발을위한 모범 사례입니다. 예측 모델링은 예측 모델을 평가하기 위해 유효성 검사 집합이 사용되는 교육 및 유효성 집합으로 데이터를 분할해야합니다. 대부분의 DOE는 예측 성능을 직접 평가할 수 없도록 검증 세트를 구성하기에는 관찰이 충분하지 않습니다. 원본 데이터를 사용하여 두 개의 복사본을 만드는 "균형 잡힌 자동 유효성 검사"기술을 시연합니다. 하나는 트레이닝 세트이고 다른 하나는 밸리데이션 세트이다. 세트는 행의 가중치가 다릅니다. 무게는 Dirichlet 분산 및 "Balanced"입니다. 교육 데이터에 더 많은 기여를하는 관찰은 유효성 검사 집합에 덜 기여합니다 (반대의 경우도 마찬가지 임). 이 접근법은 데이터를 복사하고 가중치를위한 수식 열만 작성하면됩니다. 이 기술은 일반적으로 실험실 및 제조 연구에 공통적 인 소규모 데이터 세트에 예측 모델링 기술을 적용 할 수있게 해줍니다. 시연을 위해 두 가지 바이오 제약 공정 개발 사례 연구가 사용됩니다. 두 경우 모두 결정적인 스크리닝 설계와 결합 된 대규모 검증 세트가 있습니다. JMP는 분석을 입증하는 데 사용됩니다.
|
EU 2018 212
로버트 레울
등각 투영 솔루션
Workpalce에서 차별을 없애기 위해 JMP 사용
직장에서의 차별 철폐 지원자와 고용주가 공유하는 한 가지 목표는 지식, 기술 및 경험과 같은 차별없는 특징의 모든면에서 고용을 추구하고 확보 할 수있는 가능성입니다. 불행한 현실은 이들이 너무 자주 업무 성과와 관련이 거의없는 다른보다 쉽게 식별 할 수있는 요소에 의해 너무 많이 걸리고 더 나쁜 경우에는 취업 지원자를 채용 할 때 비 윤리적이며 불법적 인 관행을 구현한다는 것입니다. 채용 결정 중에 차별적 인 편견을 배제하기 위해 데이터 분석을 사용할 수 있습니까? 성격과 성과에 대한 광범위한 학술 문헌을 활용함으로써 예측 모델, 즉 Big-5 인격과 신뢰할 수있는 성향, 호감도 및 신뢰에 대한 결과 벡터로 사용되는 여러 프레임 워크가 등장합니다. 그러나 예측 자에 대해해야 할 일은 무엇입니까? 얼굴 이미지 처리에 대한 실험을 통해 Google 및 Microsoft와 같은 출처의 데이터가 예측 가능한 전망을 보여주었습니다. 예측 잠재력을 측정하고 차원의 복잡성을 줄이는 일련의 분석 방법을 사용함으로써 순수한 문화적 성격을 바탕으로 "인터뷰 대상자"/ "고용 할 사람"에게 알려주는 완전히 차별되지 않은 잠재 변수 세트를 통해 예측력이 나타납니다 적당한. 이 프리젠 테이션은 이것이 가능할뿐만 아니라 새로운 정상이 될 수도 있음을 입증하는 이러한 노력의 도전과 성공을 보여줍니다.
|
EU 2018 210
폴 넬슨 앤드류 맥퍼슨
GSK
명확한 스크리닝 디자인의 확실한 증강
확정적 스크리닝 디자인 (DSD)은 많은 실험자의 핵심 요구 사항을 고유하게 해결합니다. DSD의 발견이 2011 년에 발표 된 이래로 DSD의 신속하고 열광적 인 채택을 어떻게 설명 할 수 있습니까? 5 ~ 7 가지 요인에 대한 13 회 또는 17 회 DSD는 몇 가지 운전 요인을 검사 할 때 많은 실험자를위한 설계입니다. JMP의 'Fit Definitive Screening'과 함께 잠재적으로 중요한 요인, 상호 작용 및 이러한 요소의 곡선 동작을 찾는 간단하고 효율적이며 효과적인 실험 절차가 있습니다. 3 가지 요인 만 활성화 된 경우 전체 2 차 주문 RSM 모델에 적합하고 한 단계로 스크리닝 및 최적화를 수행 할 수 있습니다. 그러나 3 가지 이상의 요소가 활성화되면 어떻게 될까요? 모호성이 발생하면 간단한 다음 단계가 있습니까? 아니면이 상황의 복잡성이 DSD 채택의 장벽이됩니까? 이 프레젠테이션에서는 DSD의 가치를 보여주는 실제 사례에 대해 먼저 듣게됩니다. 그런 다음이 DSD를 보강하는 간단한 방법이 있다는 것을 알게 될 것이며 DSD의 이점을 유지할 수 있도록 구조와 속성을 유지할 수 있습니다. 결과적으로 더 많은 상황에 처한 더 많은 사람들이 순차적 DoE 및 DSD의 워크 플로우를 통해 이익을 얻을 수 있습니다.
|
목
3 : 00 ~ 3:45
(45 분)
|
EU 2018 211
롭 리벤 스
Perrigo
Jb 이미지 분석 및 DOE 플랫폼을 사용하여 활성 약물 스프레이 코팅 공정의 스프레이 패턴 변형을 최소화하는 QbD 요소 통합
활성 약물로 코팅 된 약제 학적 정제에 대한 허용 가능한 투여 량 균일 성을 얻는 것은 투여 단위들 간의 변동성을 완화시키는 것에 달려있다. 비 기능성 코팅보다 활성 코팅을 적용하기 위해 드럼 타블렛 코팅 공정에서 훨씬 높은 정밀도가 요구됩니다. 스프레이 시스템은 체적 측정을 얻기 위해 특수 장비가 필요하기 때문에 최적화가 매우 어려운 주요 프로세스 요소입니다. 다른 방법은 패턴을 단순한 검은 종이 기질에 뿌리고 스프레이 패턴의 디지털 이미지를 얻는 시도를 포함합니다. 이미지 분석기는 패턴을 정량화하는 강도 값 테이블을 만드는 데 사용됩니다. 강도 프로파일의 그래프 빌더 플롯은 일반적인 용적 측정치와 효율적인 아날로그로 작동하는 여러 스프레이 건 사이의 스프레이 변동을 명확하게 보여줍니다. 프로파일은 스프레이 시스템 프로세스를 최적화하기 위해 커스텀 DOE 플랫폼과 함께 사용되는 출력으로 요약됩니다. JMP는 QbD (Quality by Design) 요소를 통합하여 디자인 공간을 정의하는 데 사용됩니다. 이 공간의 최적화는 공정을 크게 향상시켜 투약량 균일성에 대한 엄격한 기준을 강력하게 충족시킬 수 있습니다.
|
EU 2018 208
올리비에 브랙
Statistique Industrielle Khi2 컨설팅
수치 시뮬레이션에서의 실험 설계
시뮬레이션 및 산업 테스트에서 DOE에 적용되는 새로운 AFNOR 표준 (FDX06 081)이 발표되기 직전에 수치 시뮬레이션을 기반으로 추적 된 차량 하부 구조의 최적화 문제 성능을 해결하기위한 JMP 애플리케이션 예제를 제시합니다. 계획되지 않은 시뮬레이션의 데이터 처리로 문제를 해결하기 위해 더 많은 관련 정보를 얻기 위해 새로운 시뮬레이션이 수행되었습니다. 이 새로운 시뮬레이션은 에콜 폴리 테크닉 (Ecole Polytechnique)의 교육 틀에서 교육 목표와 함께 DOE를 비교할 수있는 데이터를 얻기 위해 수행되었습니다. 이 예는 수치 시뮬레이션에서 DOE의 유틸리티 (너무 자주 무시 됨)를 보여줍니다. 테스트의 설계부터 실제 실험 데이터에 대한 이론적 모델의 재조정, 통계 처리 (특히 실험 변동성을 고려하면 너무 자주 부당하게 시뮬레이션에 넣는다) 및 결과 그래픽을 통해 이 프레젠테이션에서는 수치 시뮬레이션에서 DOE 요구 사항을 달성하는 데있어 JMP의 성과를 강조합니다.
|
EU 2018 205
토마스 젤릭 만
NNE
Jmp를 이용한 산업 제어 루프의 예측 제어 합성
진동 측정, 기계 작동 데이터 및 비디오 파일을 포함하여 여러 다른 시간 데이터 소스에서 파일을 가져오고 조인하는 데 Jmp가 사용 된 산업 설정이 제공됩니다. Jmp에서 JSL을 사용하면 비디오 파일의 사운드 추출, 사운드 및 진동의 스펙트럼 분석, 시간 데이터와 기하학적 측정 위치의 동기화 등의 필요한 모든 변환과 사전 조건화를 수행하는 스크립트를 만들 수있었습니다. 프로세스 이벤트와 출력의 측정을 연결하는 프로세스. 예측 변수 표현을 컨트롤러로 내보내는 데 적합한 출력 예측을 만들기 위해 다 변수 메소드가 사용되었습니다. Design of Experiments 방법을 사용하여 출력이 제어 루프를 닫고 원하는 응답을 얻기 위해 어떻게 영향을 받는지 식별했습니다.
|
EU 2018 204
꽃병 당
NNE
JMP 14가 향후 배치의 성능을 예측하는 방법. 제약 공정 검증의 게임 체인저.
제약 업계의 많은 회사들은 3 회 연속 배치 된 Ppk가 수용 기준보다 우수하다는 사실만으로 프로세스 성능 검증 (PPQ)을 통과합니다. 그러나 검증은 과거를 예측하는 것이지 미래를 예측하는 것이 아닙니다. 따라서 3 개의 배치에 충분한 Ppk가있을지라도 충분하지 않습니다. 미래의 Ppk 값에 대한 예측도 유망 해 보일 필요가 있습니다. 국제 제약 공학회 (ISPE)는 공정 능력 지수로 변환 된 일괄 분산 간 및 분산 성분 계산을 통해이 예측이 어떻게 이루어질 수 있는지에 대한 토의 보고서 "통계 도구가 PPQ 결과에 미치는 영향"을 발표했습니다. 이 방법이 아직도 광범위하게 사용되지 않고있는 이유 중 하나는이 계산 방법을 표준으로하는 통계 소프트웨어 패키지가 부족했기 때문입니다. 그러나 이제 시그마 기능 사이 및 범위가 계산되는 3 방향 차트의 JMP 14에 포함됩니다. 이 방법이 PPQ 평가에 사용 된 예는 JMP 14에 성공 및 실패한 평가와 함께 표시됩니다. 그것은 이전에 언급 된 전통적인 방법과 비교 될 것입니다.
|
