스피커 | 성적 증명서 |
| 구워 | 유통 플랫폼의 현대화. 제 이름은 Tonya Mauldin이고 배포 테스터입니다. |
| 이 프레젠테이션에서는 JMP 버전 15.2를 사용하겠습니다. |
| 배포는 JMP에서 가장 널리 사용되는 플랫폼 중 하나입니다. 이 플랫폼은 데이터에 적합한 분포를 테스트하는 데 사용될 뿐만 아니라 데이터 탐색, 공정 능력 분석 등에 사용됩니다. JMP 15는 일반적으로 사용되는 플랫폼을 현대화합니다. |
| 이 플랫폼을 업데이트하기로 결정한 이유는 무엇입니까? JMP의 첫 번째 버전부터 배포가 이루어졌습니다. 이제 이 플랫폼을 더욱 현대적으로 만들 때가 되었습니다. 우리는 흐름을 개선하고 더 깔끔한 모습을 제공함으로써 이를 수행했습니다. |
| 제품을보다 일관되고 유지 관리하기 쉽게 만듭니다. |
| 이제 피터 분포는 일반화 회귀와 동일한 코드를 사용합니다. 공정 능력 분석은 이제 공정 능력과 동일한 코드를 사용합니다. |
| 감마 포아송과 동일한 음이항 분포, |
| Cauchy 분포, 0 팽창 포아송, ZI 음이항. |
| Johnson 맞춤은 이제 Johnson 분포 시스템에서 가장 적합한 분포를 선택하는 단일 명령입니다. |
| 이는 프로세스 능력 플랫폼에서 사용되는 것과 동일한 방법인 분위수 일치입니다. |
| 이 방법은 최대 가능성보다 더 안정적이고 빠릅니다. |
| 이제 사용자는 부드러운 곡선 맞춤을 위해 각각에 대한 특정 대역폭 매개변수를 입력할 수 있습니다. |
| SHASH 배포에 대한 표준 오류가 추가되었습니다. |
| JMP를 사용하여 이들 중 일부를 조사해 보겠습니다. |
| 항공사 지연은 JMP와 함께 제공되는 샘플 데이터의 일부입니다. |
| Arrival Delay 열에 대한 분포 분석을 수행하고 Johnson 분포를 피팅해 보겠습니다. |
| 세 명의 다른 Johnson 핏터를 보는 대신 Fit Johnson이라는 옵션이 하나 있습니다. 이 옵션을 선택한 후 Johnson 분포군에서 이 데이터에 가장 적합한 것이 Johnson SU 분포임을 알 수 있습니다. |
| 또한 이 보고서에 부드러운 곡선 맞춤을 추가해 보겠습니다. |
| JMP 15 이전에는 비모수적 밀도에 대한 대역폭 매개변수를 제어하는 유일한 방법은 슬라이더를 통해서였습니다. |
| 이제 사용자 인터페이스 내에서 그리고 JSL을 통해 대역폭 매개변수에 대한 특정 값을 지정하는 옵션이 있습니다. |
| 비교 외에도...피터 자체를 변경하는 것 외에도 JMP에서는 피팅 비교 방식을 변경했습니다. 각 피팅을 선택하면 분포 비교 보고서에 추가됩니다. |
| 이전 버전의 JMP에서는 연속 적합에서 모두 옵션을 사용할 때만 분포 비교 보고서를 얻었습니다. |
| JMP의 다른 플랫폼과의 일관성을 높이기 위해 AICc 가중치와 BIC가 이 보고서에 추가되었습니다. |
| 히스토그램 범례가 보고서에서 제거되었습니다. 이 정보는 이제 항상 히스토그램 바로 아래에 표시되는 분포 비교 보고서에 포함됩니다. |
| 추가적으로 중첩된 CDF 도표가 보고서에 추가되었습니다. |
| JMP에서 이들 중 일부를 살펴보겠습니다. |
| 이 데이터 테이블 Washers는 JMP와 함께 제공되는 샘플 데이터에 제공됩니다. |
| #defective 열에 대한 분포 분석을 수행해 보겠습니다. |
| 이것은 카운트 데이터이므로 음이항식을 맞춰보겠습니다. 이것은 JMP 15의 새로운 피팅입니다. 이는 감마 포아송 피팅과 동일합니다. |
| 비교 분포 보고서가 자동으로 추가되었습니다. |
| 또한 ZI 음이항 분포를 피팅하여 어떻게 비교되는지 살펴보겠습니다. |
| 영팽창된 음이항식 역시 JMP 15에서 사용할 수 있는 새로운 피팅이었습니다. |
| 이 적합성에 대한 정보는 분포 비교 보고서에도 추가되었습니다. |
| 또한 비교 분포 보고서 자체에서도 몇 가지 변경 사항을 확인할 수 있습니다. |
| AICc 가중치 보정 및 가중치, Akaike 정보 기준, BIC 베이지안 정보 기준이 이 보고서에 추가되었습니다. |
| 이러한 통계는 모델 비교 등 JMP의 다른 부분에서 이미 제공되었습니다. 이제 JMP의 일관성을 높이기 위해 배포 플랫폼에 추가되었습니다. |
| 분포 비교 보고서는 항상 히스토그램 바로 아래에 나타납니다. |
| 이를 통해 이전에 히스토그램 아래에 표시되었던 범례를 제거할 수 있는 기능이 제공되었습니다. |
| 이 정보는 이제 분포 비교 보고서에 포함됩니다. |
| 녹색 선은 음이항 적합에 대한 것이고 파란색 선은 ZI 음이항 적합에 대한 것입니다. |
| CDF 플롯도 변경되었습니다. 적합치가 추가되면 적합 분포에 대한 CDF가 경험적 CDF에 중첩됩니다. |
| 이 예에서는 녹색 선과 파란색 선이 모두 경험적 CDF를 밀접하게 따르고 있음을 알 수 있습니다. |
| 히스토그램은 녹색과 파란색 선이 데이터를 밀접하게 따르는 것을 보여줍니다. 분포 비교 보고서에서 |
| 음이항 분포는 AICc 값이 더 작기 때문에 먼저 나타나며 이는 더 나은 적합성을 나타냅니다. 최적합 기준으로 AICc가 아닌 Ic를 사용하려면 해당 열 헤더를 클릭하기만 하면 해당 열에 대한 정렬을 수행할 수 있습니다. |
| 유용하지만 명확하지 않을 수 있는 점은 비교 분포 섹션에서 피팅 이름을 두 번 클릭하여 보고서 창에서 피팅을 완전히 제거할 수 있다는 것입니다. 여기에서는 ZI 음수 이항식을 두 번 클릭하여 보고서에서 제거했습니다. |
| QQ 및 PP 플롯. 분위수-분위수 도표는 추정된 매개변수를 사용하여 얻은 분위수와 관측치 간의 관계를 보여줍니다. |
| 백분위수-백분위수 도표는 경험적 누적 분포 함수와 추정 매개변수를 사용하여 얻은 적합 CDF 간의 관계를 보여줍니다. |
| 두 개의 프로파일러가 추가되었습니다. 분포 프로파일러는 누적 분포 함수의 예측 프로파일러입니다. |
| 분위수 프로파일러는 분위수 함수의 예측 프로파일러입니다. |
| 분포 공식을 저장하고 시뮬레이션 공식을 저장합니다. |
| 적합도 검정은 Anderson-Darling 및 Pearson 카이제곱을 사용하도록 표준화되었습니다. Pearson 카이제곱 검정이 개선되었습니다 ??? 창조물. JMP 버전 15부터 이제 각 ???에 최소 5개의 예상 관측치가 있다는 경험 법칙을 충족합니다. |
| JMP에서 이들 중 일부를 살펴보겠습니다. 이전 Washers 보고서에서 QQ 플롯과 PP 플롯을 선택합니다. |
| 이러한 각 플롯에 대해 점들이 기준선에 얼마나 가까운지 확인하고 있습니다. 점이 기준선에 가까울수록 더 잘 맞습니다. |
| 보고서에 분포 및 분위수 프로파일러를 추가합니다. |
| 데이터가 음이항 분포를 따르는 경우 불량률이 4개 이하일 확률은 84%입니다. |
| JMP의 다른 프로파일러와 마찬가지로 입력 설정을 변경하여 확률에 어떤 영향을 미치는지 확인할 수 있습니다. |
| 분위수 프로파일러는 비슷한 방식으로 작동하며 확률과 음이항 분위수 간의 관계를 보여줍니다. |
| 또 다른 새로운 옵션은 시뮬레이션 공식 저장입니다. |
| 이 옵션은 추정 매개변수를 사용하여 시뮬레이션된 값을 생성하는 공식이 포함된 데이터 테이블에 새 열을 저장합니다. |
| 이 열은 JMP의 다른 부분뿐만 아니라 시뮬레이션 유틸리티에서도 사용할 수 있습니다. |
| 이산형 데이터를 다루고 있지만 보고서의 적합도를 볼 수 있도록 보고서에 지수 분포를 추가해 보겠습니다. |
| 히스토그램을 보면 지수 분포가 이 데이터에 적합하지 않을 수 있음을 알 수 있습니다. 이 가설을 테스트하려면 적합도를 선택하세요. |
| Anderson-Darling 테스트는 ??? 지속적인 배포를 위해 여기서는 .05 미만의 시뮬레이션된 p-값이 있는데, 이는 이 데이터가 지수 분포에서 나온다는 귀무 가설을 기각해야 함을 나타냅니다. |
| 프로세스 기능은 JMP 버전 12에 도입되었습니다. 동시에 이 새로운 플랫폼의 일부가 관리도 작성기에 추가되었습니다. |
| 이제 JMP 15에서는 이 플랫폼의 일부가 유통 플랫폼에 추가되었습니다. 이로 인해 플랫폼을 유지 관리하기가 더 쉬워질 뿐만 아니라 서로의 일관성도 더욱 높아집니다. |
| 배포 보고서가 출시될 때 몇 가지 차이점이 발생합니다. |
| 사양 제한 열 속성에서 그래프 참조선으로 표시를 선택한 경우 히스토그램에는 사양 제한만 표시됩니다. |
| 사용자에게는 사양 한계 열 속성이 있는 경우에도 공정 능력 분석을 비활성화할 수 있는 기능이 제공됩니다. |
| 공정 능력 분포 열 속성이 있는 경우 해당 분포가 공정 능력 분석에 사용됩니다. |
| 적합 분포에 대한 분위수 옵션에 대한 워크플로는 한 번의 실행으로 단순화되었지만 이전 버전에서는 두 번의 플랫폼 호출이 필요했습니다. |
| 정규 및 비정규 공정 능력 분석은 이제 유사한 대화 상자를 사용합니다. |
| JMP를 살펴보겠습니다. 내가 실행 중인 스크립트는 공정 측정 샘플 데이터 테이블을 열고 일부 열 속성을 변경합니다. |
| 프로세스 1의 경우 사양 제한 열 속성이 그래프 참조선으로 표시되지만 선택되지 않았습니다. |
| 프로세스 2의 경우 그래프 참조선으로 표시되는 사양 제한 열 속성이 선택되어 있습니다. 프로세스 3의 경우 Weibull이 정의된 공정 능력 분포 열 속성과 그래프 참조선으로 표시가 선택 해제된 사양 제한 열 속성이 있습니다. |
| 배포 대화에서는 이 세 가지 프로세스를 Y로 지정하겠습니다. |
| 왼쪽 하단에 있는 새로운 확인란을 확인하고 프로세스 기능을 생성하세요. 이 확인란은 하나 이상의 Y 열에 사양 제한 열 속성이 있는 경우에만 나타납니다. |
| 이 상자를 선택 취소하고 확인을 클릭하세요. |
| 이전 버전의 JMP에서는 이 세 가지 프로세스 각각에 대한 공정 능력 분석을 얻었습니다. 또한 세 개의 히스토그램 각각에 사양 제한이 표시됩니다. |
| 이 보고서에서는 해당 상자를 선택 취소했기 때문에 공정 능력 분석이 전혀 제공되지 않습니다. 사양 제한은 프로세스 2에 대해서만 표시됩니다. 왜냐하면 사양 제한 열 속성이 그래프 참조선으로 표시된 유일한 Y였기 때문입니다. |
| 배포 대화 상자로 돌아가서 상자를 선택하고 프로세스 기능을 생성하여 비교해 보겠습니다. |
| 이제 세 가지 공정 변수 모두에 대한 공정 능력 분석이 제공됩니다. |
| 상단의 기본 히스토그램에는 프로세스 2에 대한 사양 제한만 표시됩니다. |
| 공정 3의 공정 능력 분석은 Weibull 분포를 기반으로 합니다. |
| 기능 보고서는 동일해 보입니다. 여기에는 JMP 12에 도입된 공정 능력 플랫폼의 개별 세부 보고서에서 얻을 수 있는 것과 동일한 옵션이 있습니다. |
| 이제 Ppk 라벨링이 전체 시그마의 기본값입니다. |
| 보고서에는 정규 분포를 가정할 때 내부 시그마 지수와 전체 시그마 지수가 모두 표시됩니다. |
| 데이터 테이블에 사양 제한 열 속성이 없는 경우를 조사해 보겠습니다. Thickness.JMP는 열 속성이 없는 샘플 데이터 테이블입니다. |
| 배포 대화상자에는 창작 프로세스 기능에 대한 확인란이 없습니다. 이는 사양 제한 열 속성이 없기 때문입니다. |
| 두께 3과 두께 4에 대한 분포 보고서를 조사해 보겠습니다. |
| 빨간색 삼각형 메뉴에서 이 옵션을 선택하여 두께 3에 대한 공정 능력 보고서를 추가할 수 있습니다. |
| 이러한 옵션은 JMP 12에 도입된 공정 능력 플랫폼에서 찾을 수 있는 옵션과 동일한 방식으로 작동합니다. |
| 간단한 공정 능력 분석을 수행하고 LSL을 .03, 목표는 .045, USL은 .05로 정의해 보겠습니다. 표시 제한도 설정해 보겠습니다. |
| 규격 한계에 대해 정규 분포를 기반으로 한 공정 능력 분석이 제공됩니다. 대화 상자에서 해당 옵션을 확인했기 때문에 한계가 그래프에 표시됩니다. |
| 내부 및 전체 시그마 기능 통계가 모두 제공됩니다. |
| 두께 4의 경우 베타 분포를 맞춰보겠습니다. |
| 적합 분포에 대한 공정 능력은 다음과 같은 대화 옵션을 생성합니다. |
| 이 대화 상자의 분위수 사양 제한 계산 옵션 섹션에는 레거시 피터에서 사용할 수 있었던 분위수 옵션과 k 시그마 옵션에 대한 k 세트가 포함되어 있습니다. |
| 이 예에서는 LSL prob를 .05로 지정하고 대상 prob를 .5로 지정합니다. |
| 그리고 USL 확률은 .95입니다. |
| 사양 한계 계산 버튼을 클릭하면 피팅된 베타 분포를 사용하여 주어진 확률에 대한 사양 한계가 계산됩니다. |
| 이전 버전의 JMP에서는 분포를 피팅하고 분위수를 구한 후 이를 플랫폼으로 다시 전달해야 했으며, 이를 위해서는 두 번의 분포 호출이 필요했습니다. 이제 한 번의 호출로 이 작업을 수행할 수 있습니다. |
| 주어진 공정 능력 분석은 베타 분포를 기반으로 합니다. ovrall 시그마 기능 통계가 제공됩니다. 대화 상자에서 제한 표시 옵션을 확인하지 않았기 때문에 상단 히스토그램에 사양 제한이 표시되지 않습니다. |
| 결론적으로, 버전 15의 배포 플랫폼은 흐름을 개선하고, 더 깔끔한 모양을 제공하고, 일관성을 제공하고 유지 관리가 덜 필요하도록 현대화되었습니다. |
| 유통 플랫폼 현대화에 관한 프레젠테이션에 참석해 주셔서 감사합니다. |
