Conférencier | Transcription |
| cuire | La modernisation de la plateforme de distribution. Je m'appelle Tonya Mauldin et je suis la testeuse de la distribution. |
| Pour cette présentation, j'utiliserai la version 15.2 de JMP. |
| La distribution est l'une des plates-formes les plus utilisées dans JMP. Cette plate-forme n'est pas seulement utilisée pour tester quelle distribution correspond à vos données, elle est également utilisée pour l'exploration des données, l'analyse des capacités et bien plus encore. JMP 15 apporte une modernisation à cette plateforme couramment utilisée. |
| Pourquoi avons-nous décidé de mettre à jour cette plateforme ? La distribution existe depuis la première version de JMP. Il était temps de rendre cette plateforme plus moderne. Nous l'avons fait en améliorant le flux, en offrant un aspect plus propre, |
| rendant le produit plus cohérent et plus facile à entretenir. |
| La distribution des ajusteurs utilise désormais le même code que la régression généralisée. L'analyse de capabilité utilise désormais le même code que la capabilité du processus. |
| la distribution binomiale négative qui équivaut au gamma poisson, |
| la distribution de Cauchy, le poisson gonflé zéro et le binôme négatif ZI. |
| Les ajustements Johnson sont désormais une commande unique qui sélectionne la distribution la mieux adaptée à partir du système de distribution Johnson. |
| Il s’agit de la même méthode, l’appariement des quantiles, qui est utilisée dans la plateforme de capabilité des processus. |
| Cette méthode est plus stable et plus rapide que le maximum de vraisemblance. |
| Les utilisateurs ont désormais la possibilité de saisir le paramètre de bande passante spécifique pour chacun pour un ajustement fluide de la courbe. |
| Des erreurs standard ont été ajoutées pour la distribution SHASH. |
| Utilisons JMP pour étudier certains d'entre eux. |
| Les retards des compagnies aériennes font partie des exemples de données fournis avec JMP. |
| Effectuons une analyse de distribution sur la colonne Arrival Delay et ajustons une distribution Johnson. |
| Notez qu'au lieu de voir les trois installateurs Johnson différents, il existe une option appelée Fit Johnson. Après avoir choisi cette option, nous constatons que la distribution Johnson SU la mieux adaptée à ces données est la distribution Johnson SU. |
| Ajoutons également un ajustement de courbe lisse à ce rapport. |
| Avant JMP 15, le seul moyen de contrôler le paramètre de bande passante pour la densité non paramétrique était via un curseur. |
| Il existe désormais une option permettant de spécifier une valeur spécifique pour le paramètre de bande passante dans l'interface utilisateur ainsi que via JSL. |
| En plus de comparer... en plus de modifier les installateurs eux-mêmes, JMP a modifié la manière dont les comparaisons d'ajustement sont effectuées. À mesure que chaque ajustement est sélectionné, il est ajouté à un rapport de comparaison des distributions. |
| Dans les versions précédentes de JMP, vous obteniez un rapport de comparaison des distributions uniquement lorsque vous utilisiez l'option Tous sous Ajustements continus. |
| Le poids AICc et le BIC ont été ajoutés à ce rapport pour le rendre plus cohérent avec les autres plates-formes de JMP. |
| La légende de l'histogramme a été supprimée du rapport. Ces informations sont désormais contenues dans le rapport de comparaison des distributions, qui apparaît toujours directement sous l'histogramme. |
| Des tracés CDF superposés ont été ajoutés au rapport. |
| Examinons quelques-uns d'entre eux dans JMP. |
| Ce tableau de données Rondelles est fourni dans les exemples de données fournis avec JMP. |
| Effectuons une analyse de distribution sur la colonne #defective. |
| Puisqu'il s'agit de données de comptage, ajustons le binôme négatif. Il s'agit d'un nouvel installateur pour JMP 15. C'est l'équivalent de l'ajustement gamma poisson. |
| Le rapport de comparaison des distributions a été ajouté automatiquement. |
| Ajustons également la distribution binomiale négative ZI pour voir comment elle se compare. |
| N'oubliez pas que le binôme négatif gonflé à zéro était également un nouvel ajusteur disponible dans JMP 15. |
| Des informations sur cet ajustement ont également été ajoutées au rapport de comparaison des distributions. |
| Vous remarquerez également certains changements dans le rapport de comparaison de distribution lui-même. |
| Le poids AICc corrigé et pondéré, le critère d’information Akaike et le critère d’information bayésien BIC ont été ajoutés à ce rapport. |
| Ces statistiques étaient déjà disponibles dans d'autres parties de JMP, comme la comparaison de modèles. Ils ont désormais été ajoutés à la plateforme de distribution pour rendre JMP plus cohérent. |
| Notez que le rapport de comparaison des distributions apparaît toujours directement sous l'histogramme. |
| Cela nous a donné la possibilité de supprimer la légende qui apparaissait auparavant sous les histogrammes. |
| Ces informations sont désormais contenues dans les rapports de comparaison des distributions. |
| Nous constatons que la ligne verte correspond à l’ajustement binomial négatif, la ligne bleue correspond à l’ajustement binomial négatif ZI. |
| Les tracés CDF ont également changé. Au fur et à mesure que les ajustements sont ajoutés, les CDF des distributions ajustées se superposent aux CDF empiriques. |
| Nous voyons que les lignes vertes et bleues suivaient de près les CDF empiriques pour cet exemple. |
| L'histogramme montre que les lignes vertes et bleues suivent de près les données. Dans un rapport de comparaison des distributions, |
| la distribution binomiale négative apparaît en premier car elle a une valeur AICc plus petite, indiquant un meilleur ajustement. Si nous souhaitons utiliser Ic, plutôt que AICc, comme critère de meilleur ajustement, nous pouvons simplement cliquer sur cet en-tête de colonne pour effectuer le tri sur cette colonne. |
| Quelque chose qui est utile mais qui n'est peut-être pas évident est que vous pouvez supprimer entièrement un ajustement de la fenêtre du rapport en double-cliquant sur le nom de l'ajustement dans la section de comparaison de distribution. Ici, j'ai double-cliqué sur le binôme négatif ZI pour le supprimer du rapport. |
| Parcelles QQ et PP. Le tracé quantile-quantile montre la relation entre les observations et les quantiles obtenus à l'aide des paramètres estimés. |
| Le graphique percentile-percentile montre la relation entre la fonction de distribution cumulative empirique et les CDF ajustés obtenus à l'aide des paramètres estimés. |
| Deux profileurs ont été ajoutés. Le profileur de distribution est le profileur de prédiction de la fonction de distribution cumulative. |
| Le profileur quantile est le profileur de prédiction de la fonction quantile. |
| enregistrez la formule de distribution et enregistrez la formule de simulation. |
| Les tests d'adéquation ont été standardisés pour utiliser le chi carré d'Anderson-Darling et de Pearson. Le test du chi carré de Pearson s'est amélioré ??? les créations. À partir de la version 15 de JMP, nous satisfaisons désormais à la règle empirique selon laquelle il y a au moins cinq observations attendues dans chaque ???. |
| Examinons quelques-uns d'entre eux dans JMP. Dans le rapport précédent sur les rondelles, sélectionnez le tracé QQ et le tracé PP. |
| Pour chacun de ces tracés, nous cherchons à voir à quel point les points se rapprochent de la ligne de référence. Plus les points sont proches de la ligne de référence, meilleur est l’ajustement. |
| Ajoutez les profileurs de distribution et de quantile au rapport. |
| Si les données suivent la distribution binomiale négative, la probabilité d'en avoir quatre défectueux ou moins est de 84 %. |
| Comme avec d'autres profileurs dans JMP, vous pouvez modifier les paramètres d'entrée pour voir quel effet cela aura sur la probabilité. |
| Le profileur de quantile fonctionne de la même manière, ce qui montre la relation entre la probabilité et le quantile binomial négatif. |
| Une autre nouvelle option est la formule de simulation de sauvegarde. |
| Cette option enregistre une nouvelle colonne dans la table de données contenant une formule qui génère des valeurs simulées à l'aide des paramètres estimés. |
| Cette colonne peut être utilisée dans l'utilitaire de simulation ainsi que dans d'autres parties de JMP. |
| Bien que nous traitions de données discrètes, ajoutons la distribution exponentielle au rapport afin que nous puissions visualiser l'adéquation du rapport. |
| Vous pouvez voir sur l'histogramme que la distribution exponentielle n'est peut-être pas adaptée à ces données. Pour tester cette hypothèse, sélectionnez la qualité de l'ajustement. |
| Le test d'Anderson-Darling est ??? pour une distribution continue. Nous avons ici une valeur p simulée inférieure à 0,05, ce qui indique que nous devrions rejeter l'hypothèse nulle selon laquelle ces données proviennent de la distribution exponentielle. |
| La fonctionnalité de processus a été introduite dans la version 12 de JMP. Des parties de cette nouvelle plateforme ont été ajoutées au générateur de cartes de contrôle en même temps. |
| Désormais, avec JMP 15, des parties de cette plateforme ont été ajoutées à la plateforme de distribution. Cela rend les plates-formes non seulement plus faciles à maintenir, mais également plus cohérentes les unes avec les autres. |
| Il existe plusieurs différences lors du lancement d'un rapport de distribution. |
| L'histogramme affiche uniquement les limites des spécifications, si l'option Afficher sous forme de lignes de référence graphiques est cochée dans les propriétés de la colonne des limites des spécifications. |
| L'utilisateur a la possibilité de désactiver l'analyse de capacité, même s'il existe des propriétés de colonne de limite de spécification. |
| S'il existe une propriété de colonne de distribution de capacité de processus, cette distribution sera utilisée pour l'analyse de capacité. |
| Le flux de travail pour l'option quantiles pour les distributions ajustées a été simplifié en un seul lancement, alors que les versions précédentes nécessitaient deux appels de plateforme. |
| Les analyses de capacités normales et non normales utilisent désormais des dialogues similaires. |
| Regardons JMP. Le script que j'exécute ouvre la table de données d'exemple de mesures de processus et modifie certaines propriétés de colonne. |
| Pour le processus 1, il existe une propriété de colonne de limites de spécifications, affichée sous forme de lignes de référence graphique, qui n'est pas cochée. |
| Pour le processus 2, la propriété de colonne de limite de spécification, affichée sous forme de lignes de référence graphique, est cochée. Pour le processus 3, il existe une propriété de colonne de distribution de capacité de processus avec Weibull défini, ainsi qu'une propriété de colonne de limites de spécifications avec l'affichage sous forme de lignes de référence de graphique décoché. |
| Dans la boîte de dialogue de distribution, j'attribuerai ces trois processus comme Y. |
| Notez la nouvelle case à cocher dans le coin inférieur gauche, créer une capacité de processus. Cette case à cocher n'apparaît que si au moins une colonne Y possède une propriété de colonnes de limite de spécification. |
| Décochez cette case et cliquez sur OK. |
| Dans les versions précédentes de JMP, vous obteniez une analyse de capacité pour chacun de ces trois processus. De plus, des limites de spécifications seraient tracées dans chacun des trois histogrammes. |
| Dans ce rapport, aucune analyse de capacité n’est donnée car nous avons décoché cette case. Les limites de spécifications ne sont affichées que pour le processus 2, car il s'agissait du seul Y dont la propriété de colonne de limite de spécifications avait été cochée sous forme de lignes de référence de graphique. |
| Revenons au dialogue de distribution et cochons la case Créer une capacité de processus pour comparer. |
| L'analyse de capabilité donne désormais des résultats pour les trois variables de processus. |
| Dans l'histogramme principal en haut, les limites des spécifications ne sont affichées que pour le processus 2. |
| L'analyse de capabilité du processus 3 est basée sur la distribution de Weibull. |
| Le rapport de capacité est le même. Il propose les mêmes options que celles que vous obtiendriez avec les rapports détaillés individuels dans une plate-forme de capacités de processus introduite dans JMP 12. |
| Notez que l'étiquetage Ppk est désormais la valeur par défaut pour le sigma global. |
| Le rapport montre à la fois les indices sigma internes et globaux lorsqu'une distribution normale est supposée. |
| Examinons le cas où la table de données n'a pas de propriétés de colonne de limite de spécification. Thickness.JMP est l'exemple de table de données sans propriétés de colonne. |
| Dans la boîte de dialogue de distribution, notez qu'il n'y a pas de case à cocher pour la capacité du processus créatif. En effet, il n'y a pas de propriétés de colonne de limite de spécification. |
| Examinons le rapport de distribution pour l'épaisseur 3 et l'épaisseur 4. |
| Nous pouvons ajouter un rapport de capacité de processus pour l'épaisseur 3 en sélectionnant cette option dans le menu du triangle rouge. |
| Ces options fonctionnent de la même manière que les options que vous trouverez dans notre plateforme de capacités de processus introduite dans JMP 12. |
| Effectuons une analyse de capacité simple et définissons LSL comme 0,03, la cible est 0,045 et USL est 0,05. Activons également les limites d'affichage. |
| Une analyse de capabilité basée sur la distribution normale est donnée pour les limites de spécification. Les limites sont indiquées dans le graphique car nous avons coché cette option dans la boîte de dialogue. |
| Vous disposez de statistiques sur les capacités sigma internes et globales. |
| Pour l'épaisseur 4, équipons d'une distribution bêta. |
| La capacité de processus pour la distribution ajustée donne les options de dialogue suivantes. |
| La section Calculer les options de limites de spécifications de quantile de cette boîte de dialogue contient l'option de quantiles et l'ensemble d'options k pour k sigma qui étaient disponibles dans les anciens installateurs. |
| Pour cet exemple, spécifiez le prob LSL comme .05, le prob cible comme .5, |
| Et le problème USL est de 0,95. |
| Lorsque nous cliquons sur le bouton Calculer la limite de spécification, les limites de spécification sont calculées pour les probabilités données en utilisant la distribution bêta ajustée. |
| Dans les versions précédentes de JMP, vous deviez adapter une distribution, obtenir les quantiles et les renvoyer à la plateforme, ce qui nécessitait deux appels de distribution. Vous pouvez désormais le faire en un seul appel. |
| L'analyse de capacité donnée est basée sur la distribution bêta. Vous recevez les statistiques globales sur les capacités sigma. Les limites des spécifications ne sont pas affichées dans l'histogramme supérieur car nous n'avons pas coché l'option Afficher les limites dans la boîte de dialogue. |
| En conclusion, la plateforme de distribution en version 15 a été modernisée pour améliorer la fluidité, offrir une apparence plus nette, assurer la cohérence et nécessiter moins de maintenance. |
| Merci d'avoir assisté à ma présentation sur la modernisation de la plateforme de distribution. |
