<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />분석 실무자로서 우리는 데이터에 의존하여 우리가 하는 모든 일을 판단합니다.하지만 귀하의 데이터가 현실을 반영합니까?나는 무엇을 얻고 있습니까?원시 데이터보다 더 많은 진실이 있습니까? 그리고 해당 데이터를 실행 가능한 정보로 전환하는 것보다 더 흥미로운 것은 무엇일까요? 이 질문에 답하기 위해 여러분 중 일부가 공감할 수 있는 나 자신에 대한 이야기를 들려드리겠습니다. 수년에 걸쳐 나는 없애려고 노력하는 몇 파운드의 과도한 체중을 가졌습니다.나는 훌륭한 통계학자로서 매일 체중계를 밟으며 진행 상황에 대한 데이터를 수집합니다. 여기에 여러분 대부분이 공감할 수 있는 더러운 작은 비밀이 있습니다. 표시된 숫자가 마음에 들지 않으면 종종 저울에서 내려갔다가 다시 올라와서 더 나은 답을 보는 시간이 어느 정도인지 추측합니다!
데이터를 얻을 때 우리는 측정 프로세스의 프리즘을 통해 진실을 바라보게 되며 다른 프로세스와 마찬가지로 정밀도(변동성) 및 정확성(편향)에 문제가 있을 수 있습니다. 이는 데이터 괴짜가 무엇을 해야 하는지에 대한 질문을 불러일으킵니다. 다행히 JMP는 실험을 설정하고 측정 시스템의 정확성과 정밀도를 이해하는 데 도움이 되는 Gauge R&R이라는 프로세스를 지원합니다.
정확성 질문에 대답하려면 NIST 추적 가능한 표준을 얻어 진실을 얻어야 합니다. 이제 이 표준은 우리가 측정할 대상을 최대한 대표해야 합니다.표준은 일반적으로 프로세스에서 측정하는 대상이 아니기 때문에 때로는 약간의 창의적인 사고가 필요할 수 있습니다. 이에 대한 논의는 다음 기회에 미루겠습니다. 하지만 측정 대상에 대해 창의적으로 생각한다면 일반적으로 프로세스를 대표하는 것을 얻을 수 있다는 점을 믿으십시오.
정확도나 편향을 추정하기 위한 실험은 가능한 한 유사한 조건에서 짧은 시간 내에 표준을 여러 번 측정하여 짧은 시간 내에 수행되어야 합니다.이는 또한 반복성이라는 단기 변동성의 추정치를 제공합니다. 편향을 추정하려면 표준에 대해 측정한 값에 대해 JMP의 "분포" 플랫폼을 사용하십시오.
편향이 허용 가능한지 이해하려면 95% CI를 실제 표준과 비교하고 해당 간격이 표준 +/- 허용 편향과 어떻게 일치하는지 확인하세요.
단기 변동성의 추정치는 위 단계에서 가져온 데이터의 표준 편차입니다. 이는 또한 단기 변동성이 프로세스에 비해 너무 가변적인지 여부에 대한 예비 평가를 수행할 수 있는 기회를 제공합니다.
측정 시스템의 전체 변동성은 측정 시스템의 단기 및 장기 변동성의 조합이며 다음 방정식으로 나타낼 수 있습니다.
측정 도구 변형(MS) = 초 2 MS = 초 2 반복성 + 초 2 재현성
장기적인 변동성 또는 재현성을 이해하려면 측정 시스템이 사용될 다양한 조건에 대해 측정을 수행해야 합니다.여기에는 하루 중 여러 시간, 며칠, 여러 연산자 등이 포함될 수 있습니다. 데이터 테이블에서 변동성의 원인을 포착하고 변수가 교차 또는 중첩되었는지 이해해야 합니다.아래는 예시 데이터 세트입니다.
분석 > 품질 및 프로세스 > 변동성/속성 게이지 차트 아래의 JMP가 모든 분석을 수행합니다.
출력은 다양한 소스(프로세스 개선에 유용함)로 인한 가변성에 대한 추정치와 프로세스 대 공차 비율 또는 P/T 비율에 대한 추정치를 제공합니다.P/T 비율은 사양 한계 사이의 거리 길이에 대한 측정 시스템으로 인한 변동량입니다. P/T = 6초 MS /(USL – LSL). P/T의 허용 가능한 값에 대한 지침은 30% 미만이어야 한다는 것입니다.
이제 허용 가능한 측정 시스템이 있으므로 제어 차트 방법론을 통해 시간이 지남에 따라 이를 추적하여 표류하거나 허용할 수 없는 상태가 되지 않도록 해야 합니다.
결론적으로 JMP의 도움으로 데이터에 대한 질문에 답할 수 있습니다! 무엇이 좋은가요? P/T 비율과 편향이 허용 가능하다면 우리의 데이터는 가치 있고 신뢰할 수 있습니다. 그렇지 않으면 대답은 전혀 아무것도 아니며 나는 다시 말하지 않을 것입니다.
