<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />作為分析從業者，我們依靠數據來對我們所做的一切做出判斷。但你的數據反映了現實嗎？我在說什麼？還有什麼比原始資料更真實的呢？ 還有什麼比將這些數據轉化為可操作的資訊更令人興奮的呢？ 為了回答這個問題，讓我告訴你們一個關於我自己的故事，你們中的一些人可能會產生共鳴。 多年來，我的體重增加了一些，我正在努力減掉這些體重。身為一名優秀的統計學家，我每天都會透過踩秤來收集我的進度數據。 這是你們大多數人都可能涉及的骯髒小秘密：如果我不喜歡我看到的數字，我經常會離開秤並重新回到秤上，猜猜有一半的時間我會看到更好的答案！
當我們獲取數據時，我們透過測量過程的棱鏡來看待真相，就像任何其他過程一樣，它可能會出現精度（可變性）和準確性（偏差）問題。 這就引出了一個問題：資料極客該做什麼？ 幸運的是，JMP 支援名為 Gauge R&R 的流程，可協助我們設定實驗並了解測量系統的準確度和精密度。
要回答準確性問題，我們需要透過 NIST 可追溯標準來獲取真相。 現在這個標準應該盡可能代表我們將要測量的內容。這有時需要一些創造性思維，因為標準通常不是我們在流程中測量的對象。 我將在下次討論這個問題，但是相信我，如果您創造性地思考您所測量的內容，您通常可以獲得代表您的流程的東西。
估計準確性或偏差的實驗應在短時間內完成，方法是在盡可能相似的條件下在短時間內多次測量標準品。這也為我們提供了稱為重複性的短期變異性的估計。 要估計偏差，請使用 JMP 中的「分佈」平台來評估您對標準進行的測量。
要了解偏差是否可接受，請將 95% CI 與真實標準進行比較，並了解該區間與標準 +/- 可接受偏差的對應關係。
短期變異性的估計是您在上述步驟中獲得的數據的標準差。 這也使您有機會進行初步評估，以確定短期變異性對於您的過程是否變化太大。
測量系統的總體變異性是測量系統的短期變異性和長期變異性的組合，可以用以下方程式表示：
測量工具變化 (MS) = s 2多發性硬化症= s 2重複性+ s 2再現性
為了了解長期變異性或再現性，我們需要在測量系統所使用的不同條件下進行測量。這可能包括一天中的多個時間、多天、多個操作員等。請務必擷取資料表中的可變性來源，並了解變數是否交叉或嵌套。下面是一個範例資料集。
分析 > 品質與流程 > 變異性/屬性量規圖下的 JMP 會為您完成所有分析。
產出為我們提供了由於不同來源而導致的變異性的估計（對於改進流程很有用）以及對流程與容差比率或 P/T 比率的估計。P/T 比是由於測量系統對規格限之間的距離長度所造成的變化量。 時間/時間 = 6 秒多發性硬化症/(USL – LSL)。 P/T 可接受值的準則是它應小於 30%。
現在我們有了一個可接受的測量系統，我們應該透過控製圖方法隨著時間的推移對其進行跟踪，以確保它不會漂移並變得不可接受。
所以總而言之，借助JMP我們可以回答數據的問題！ 到底有什麼好處呢？ 如果我們的 P/T 比率和偏差可以接受，那麼我們的數據就是有價值且值得信賴的。 否則答案絕對是空的，我不會再說一次。
