<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />分析実践者として、私たちはあらゆる行動においてデータに基づいて判断を下します。しかし、あなたのデータは現実を反映しているでしょうか?私は何を目指しているのでしょうか？生データ以上の真実があるでしょうか? そして、そのデータを実用的な情報に変えること以上に魅力的なことは何でしょうか? この質問に答えるために、皆さんも共感できるかもしれない私自身の話をさせてください。 何年にもわたって、私は少し余分に体重を増やしてきたので、それを取り除こうとしています。私は優れた統計学者として、毎日体重計に乗って自分の進歩に関するデータを収集しています。 ここに、ほとんどの人が共感できるちょっとした秘密があります。表示された数字が気に入らない場合、私はよく体重計から降りて、体重計に戻り、半分の確率でより良い答えを推測します。
データを取得するとき、私たちは測定プロセスのプリズムを通して真実を見ていることになりますが、他のプロセスと同様に、精度 (ばらつき) と精度 (バイアス) の問題が発生する可能性があります。 このことから、データオタクは何をすべきなのかという疑問が生じます。 幸いなことに、JMP はゲージ R&R と呼ばれるプロセスをサポートしています。これは、実験をセットアップし、測定システムの精度と精度を理解するのに役立ちます。
正確さの質問に答えるには、NIST の追跡可能な標準を入手して真実を得る必要があります。 この標準は、測定対象を可能な限り代表するものでなければなりません。標準は通常、プロセスで測定する対象ではないため、これには少し創造的な思考が必要になる場合があります。 この議論については別の機会に譲りますが、測定対象について創造的に考えれば、通常はプロセスを代表するものが得られると信じてください。
精度または偏りを推定するための実験は、できる限り同様の条件で短期間に標準を複数回測定することにより、短期間で行う必要があります。これにより、再現性と呼ばれる短期変動の推定値も得られます。 バイアスを推定するには、標準に関して行った測定値に対して JMP の「分布」プラットフォームを使用します。
バイアスが許容できるかどうかを理解するには、95% CI を真の標準と比較し、その間隔が許容可能な標準 +/- バイアスにどのように対応するかを確認します。
短期変動の推定値は、上記の手順で取得したデータからの標準偏差です。 これにより、短期的な変動がプロセスにとって変動しすぎるかどうかについて、事前評価を行う機会も得られます。
測定システムの全体的な変動は、測定システムの短期変動と長期変動の両方を組み合わせたもので、次の方程式で表すことができます。
測定ツールバリエーション（MS） = s 2 MS = s 2再現性+s 2再現性
長期的な変動性や再現性を理解するには、測定システムが使用されるさまざまな条件にわたって測定を行う必要があります。これには、1 日の複数の時間帯、複数の日、複数の演算子などが含まれる場合があります。データ テーブルの変動の原因を必ず把握し、変数が交差しているか入れ子になっているかを理解してください。以下はデータセットの例です。
[分析] > [品質とプロセス] > [変動性/属性ゲージ チャート] にある JMP は、すべての分析を自動的に実行します。
出力により、さまざまなソースによる変動の推定値 (プロセスを改善するのに役立ちます) と、プロセスと許容誤差の比または P/T 比の推定値が得られます。P/T 比は、規格限界間の距離の長さに対する測定システムによる変動量です。 P/T = 6秒MS /(USL – LSL)。 P/T の許容値のガイドラインでは、30% 未満である必要があります。
許容可能な測定システムができたので、管理図手法を使用して長期にわたってそれを追跡し、変動して許容できなくなることがないようにする必要があります。
結論として、JMP の助けを借りて、データの質問に答えることができます。 何に良いのですか？ P/T 比とバイアスが許容できる場合、データは価値があり、信頼できるものになります。 そうでなければ、答えはまったく何もありません。私はそれを再び言うつもりはありません。
