398676_ko-KR

liliconcom

하지만 이제 어떻게 해야 할까요? 신뢰성 모델을 사용하여 JMP에서 이벤트 예측 수행(2021-US-30MP-823)

수준: 중급

 

Bradford Foulkes, Optimal Analytics 엔지니어링 이사

 

몇 주 또는 몇 달 동안 데이터를 수집하고 신뢰성 모델을 구축한 후 종종 "이제 어쩌지?"라는 느낌이 듭니다.아니면 “얼마나 많은 사람이 실패할 것인가?”라는 질문이 있을 수도 있습니다. JMP Pro에는 약간의 수정을 거쳐 이러한 질문에 답할 수 있는 플랫폼이 있습니다.RSS(수리 가능 시스템 시뮬레이션) 플랫폼을 사용하면 신뢰성 모델 또는 모델 시스템에 들어가서 이벤트가 얼마나 자주 발생하고 그 영향이 무엇인지 확인할 수 있습니다.이 프레젠테이션에서는 RSS 플랫폼 생성을 자동화하는 방법을 통해 신뢰성 모델에서 이벤트 예측으로 이동하는 방법을 설명합니다.결과가 나오면 이벤트 예측, 연간 가동 중지 시간 값, 시스템의 개별 모델에 대한 질문에 답하기 위해 보고서를 작성하는 방법을 보여줍니다.이 프레젠테이션에서는 실습 예제뿐만 아니라 JSL을 사용하여 플랫폼과 보고서 생성을 더 쉽게 만드는 방법도 다룹니다.

 

 

자동 생성된 성적표...

 

스피커	성적 증명서
브래드 포크스	'나는 지금 무엇을 해야 하는가?'에 대한 강연에 참석해 주셔서 감사합니다. 신뢰성 모델을 사용하여 JMP에서 이벤트 예측을 수행합니다.
	저는 자주 묻는 질문을 받습니다. 일단 신뢰성 모델을 구축한 후에는 실제로 그 모델로 무엇을 해야 합니까?라는 질문을 받습니다. 그리고 종종 사람들은 신뢰도 모델을 사용하여 사건이 실제로 언제 발생할지 예측할 수 있다는 사실을 망각합니다.
	그리고 첫 번째 이벤트뿐만 아니라 해당 제품이 시간이 지남에 따라 볼 수 있는 두 번째, 세 번째 또는 네 번째 이벤트도 있을 수 있습니다.
	나 자신에 대해 조금. 제 이름은 브래드 포크스입니다. 저는 Optimal Analytics의 엔지니어링 이사로서 기업과 협력하여 기업이 데이터를 이해하고 장애물을 식별하며 보다 효율적으로 움직일 수 있도록 돕습니다.
	그 역할을 맡기 전에 저는 약 9년 동안 신뢰성 엔지니어링 분야에서 일하면서 부품 신뢰성을 이해하고 시간이 지남에 따라 부품이 실제로 파손되는 시기를 파악하는 방법을 연구했습니다.
	저는 약 8년 동안 JMP를 사용해 왔으며 JMP 10 정도인 것 같습니다. 잘 모르겠습니다. 오래전 일이라 어떤 버전을 사용했는지 잊어버렸습니다. 그 당시에는 사용하고 있었습니다.
	제가 가장 좋아하는 JMP 도구에서는 수명 분포를 자주 사용하는 것을 좋아합니다. 수명 분포에 신뢰성 모델링이 있기 때문입니다. 모델에 적합하고 JSL을 매우 자주 사용합니다.
	스크립팅은 여러분이 가지고 놀 수 있는 완전히 새로운 도구와 장난감을 열어줄 수 있습니다. 그렇다면 제가 오늘 이 내용을 소개하고자 하는 이유는 무엇입니까?
	왜냐하면 이 질문은 모델 구축이 끝날 때까지 나오지만 그 시점까지는 실제로 생각해 본 적이 없는 경우가 많기 때문입니다.
	모델을 완성하고 많은 확률을 갖고 있지만 다음에 무엇을 해야 할지 실제로 알지 못할 수도 있습니다. 모델을 구축하고 계속해서 수행할 수 있는 옵션 중 하나는 다음과 같습니다.
	오늘 이벤트 예측에 관해 이야기하고 있는 것은 모델을 구축할 때 여기에서 이런 종류의 플롯을 자주 보는 데 익숙하다는 것입니다. 각자의 시간을 가지게 됩니다.
	하드웨어나 제품 수명주기일 수도 있습니다. 예를 들어 믹서기나 어떤 종류의 주방 가전제품, 오래 지속되지 않는 소형 주방 가전제품이라고 가정해 보겠습니다.
	겁나 긴 시간. 따라서 이들 중 일부는 매우 일찍 실패할 것입니다. 일부는 매우 늦게 실패할 것입니다.
	하지만 결국에는 이러한 일이... 발생하게 될 때 실패할 확률이 높아지게 됩니다. 그래서 여기 와서 이렇게 말할 수도 있습니다. 약 90%의 실패가 4년 안에 발생할 것입니다.
	글쎄요. 정말 좋아요. 이는 첫 번째 실패를 이해하고 현장에서 부품이 실패할 확률을 설정하는 데 도움이 되지만 실제로 이러한 물건을 구입하거나 사용해야 하는 사람에게는 전혀 도움이 되지 않습니다.
	실제로 이것을 사용하는 고객은 그것이 얼마나 오래 지속될지 신경 쓰지 않습니다. 그들은 일정 기간 동안 얼마나 많은 양을 구매해야 하는지,
	어쩌면 전체 수명주기에 있을 수도 있습니다. 그들은 단지 10년만 보고 싶어합니다. 이 제품이 살아남으려면 10년 안에 얼마나 많은 제품을 구입해야 합니까?
	이것이 바로 사건 예측이 들어오는 곳입니다. 실제로 사건 예측은 분포를 뒤집어서 시간 분포를 유지하는 것입니다.
	여기에 있는 이벤트의 시간과 이벤트의 확률은 얼마입니까? 그리고 지금
	이러한 이벤트 중 일부가 얼마나 자주 발생하는지 확인할 수 있습니다. 따라서 아마도 첫 번째 사건은 여기서 8년 반쯤에 일어날 것이고, 두 번째 사건은 9년 반에 일어날 것입니다.
	세 번째 이벤트인데... 다 손님이 한 분이에요. 따라서 이것은 모두 하나의 고객, 하나의 사용 사례이므로 그들에게는 실패할 때까지 기다려야 합니다.
	여기서 이 모든 부분을 살펴보고 이러한 모든 간격과 교체를 살펴봅니다. 그래서 여기,
	고객이 실제로 이 제품을 보고 있는 기간은 20년 이상입니다. 그들은 아마도...그래서 그들이 알고 싶어할 것입니다...저는 20년 동안이나 살아남으려면 적어도 세 부분이 필요할 것입니다.
	따라서 이러한 무작위 선택 및 시뮬레이션을 사용하면 이러한 부품을 얼마나 자주 교체해야 하는지, 고객이 제품을 얼마나 자주 구매해야 하는지를 이해할 수 있습니다.
	그렇다면 이것이 어떻게 실용적일까요? 좋아요, 그래서 실제로는 교체가 필요합니다.
	그리고 교체란 얼마나 자주 새 부품을 넣거나 새 부품만큼 좋은 부품을 넣습니까? 그래서
	수리 가능한 시스템과 수리 불가능한 시스템. 그리고 수리 가능한 시스템은 문제를 최대한 해결할 수 있는 시스템입니다.
	다시 실행할 수 있다는 점과 새것만큼 좋지 않을 수도 있습니다. 타이어에 구멍이 생겼다고 가정해 보겠습니다. 누출을 막고 계속 진행합니다.
	수리됐네요. 하지만 타이어가 새것처럼 좋고 다시는 고장이 나지 않을 정도로 타이어를 수리할 수 있다면 어떨까요?
	이제 타이어의 경우 그다지 실용적이지 않을 수도 있지만 다른 경우에는 부품을 교체해야 하거나 부품의 일부를 잘라서 해당 부품만 교체해야 하거나 고장난 부품을 교체해야 할 수도 있습니다.
	부품을 새것처럼 좋게 만들면 수리가 불가능한 시스템이 될 수 있습니다. 그래서 수리를 했다고 하더라도 새것처럼 만들기 위해서는
	상황이 조금 바뀌어요. 아시다시피 그것은 큰 경고입니다. 새것만큼 좋다는 것이 무엇을 의미하는지에 대해 많은 고려를 해야 하지만 매우 자주, 제 생각에는 부품...또는 사람들이 부품을 다루는 경우가 많습니다.
	그들은 수리했고 새것처럼 좋게 수리했고 그들은 이것이 수리 가능한 시스템이라고 생각하지만 신뢰성의 세계에서는 그렇지 않습니다. 좋아요, 그럼 잠시 동안 그 연단에서 벗어나겠습니다.
	교체로 돌아갑니다. 단일 시스템을 살펴보면,
	여기 뭔가를 보고 이렇게 말할 수도 있습니다.
	단일 시스템의 경우,
	부품이 얼마나 자주 고장나나요? 그렇다면 단 한 명의 고객만 살펴보는 경우 해당 고객이 얼마나 자주 구매합니까? 그래서 첫 번째 부분은 여기서 4년 동안 지속되었습니다.
	그런 다음 두 번째 제품을 구입해야 했습니다. 그 것은 1.3년밖에 지속되지 않았고, 그 다음에는 세 번째 것을 사야 했고, 이 것은 대박을 터뜨려 8년 동안 지속되었습니다.
	그래서 결국 12년 동안 3개의 부품을 구입해야 했지만 편차가 큽니다. 그래서 여러분은 모든 종류의 제품과 일부 휴대폰에서 이것을 볼 수 있습니다.
	다른 가정용 제품. 어떤 것들은 일찍 실패할 것입니다. 어떤 것들은 늦게 실패할 것입니다.
	당신은 친구들과 이야기를 나누면서 이렇게 말할 수도 있습니다. 나한테는...이 끔찍한 휴대전화가 있어요. 이렇게 일찍 실패했다는 게 믿기지가 않습니다. 그리고 그들은 10년 동안 사용했던 것과 동일한 휴대폰에 대해 이야기할 것입니다. 아마도 10년은 아니겠지만
	시간이 좀 걸릴 수도 있습니다. 그래서 결국 이 시스템 하나, 이 고객 하나 때문에 부품을 세 번 교체해야 했습니다.
	이제 여러 시스템을 살펴보면 시간이 지남에 따라 이러한 일이 얼마나 자주 발생하는지에 대한 아이디어를 구축할 수 있습니다. 그래서
	한 고객이 첫 번째 시스템을 갖고 있을 수도 있고, 두 번째 고객이 대략 같은 기간 동안 5번의 교체 또는 6번의 교체를 수행했을 수도 있습니다.
	따라서 첫 번째 시스템을 살펴보면 적어도 여기서 4년이 되기 전까지는 어떤 실패도 예상하지 않을 것이라고 말할 수 있습니다.
	그러나 두 번째 시스템을 살펴보면 첫 해에 실패했습니다. 따라서 1년차나 2년차에 예상할 수 있는 평균 실패 또는 평균 이벤트 수를 파악하려는 경우
	첫 번째 시스템은 우리에게 많은 것을 알려주지 않습니다. 따라서 데이터가 없지만 Weibull 또는 이와 유사한 베타 및 에타가 있는 모델에 분포가 있는 경우,
	시뮬레이션을 사용하면 일부 고객이 1년, 2년, 3년에 얼마나 자주 이벤트를 기대하는지 그리고 실제로 보유한 데이터보다 훨씬 더 많은 정보를 얻을 수 있는지 레이아웃을 시도할 수 있습니다.
	그렇게 하면 여러 시스템을 살펴보고 해당 시뮬레이션을 살펴보면 얼마나 자주 사용되는지에 대한 추세를 이해하고 확인할 수 있습니다.
	이 부품들은 해마다 교체될 예정입니다. 따라서 여기 있는 이 데이터는 7년 동안의 사건 시간으로만 구축되었을 수도 있지만,
	달력 시간이나 고객 시간에 대해 일종의 급증이 있을 것이고 그런 다음 일종의 균일한 수준의 교체 수준으로 평준화될 것입니다. 지금
	시뮬레이션을 사용하면 약간의 튀는 모습을 볼 수 있으며 이것이 바로 여기에서 볼 수 있는 것입니다. 이에 대한 폐쇄형 솔루션이 있다면 멋진 직선을 얻을 수 있지만
	시뮬레이션을 통해 약간의 변화를 얻을 수 있습니다. 그것이 바로 여기 보이는 것입니다. 선을 그리면 평균적으로
	사람은 1년에 이 중 1/3을 교체할 것으로 예상할 수 있습니다. 따라서 3년 후에 교체가 시작되면 교체를 기대할 수 있습니다. 그래서 처음에는 몇 개, 그 다음에는 어느 정도 수준을 유지합니다.
	그럼 이것이 무엇을 의미하는지에 대한 예를 살펴보겠습니다.
	여기에 데이터 테이블이 있고 여기에 모델이 있습니다. 따라서 이 모델은 임의의 Weibull 모델입니다. 따라서 JMP에서 사용할 수 있는 다양한 기능에 익숙하지 않다면
	무작위 Weibull, Weibull 분위수, Weibull 분포, Weibull 밀도를 사용할 수 있습니다. 그리고 이것들은 모두 다양한 분포에 적용할 수 있는 함수입니다.
	이 경우에는 특정 분포에서 임의의 점 집합을 선택합니다. 내 배포판의 베타는 1.2이고 에타는 3입니다.
	따라서 여기에서 무작위...무작위 이벤트를 선택하면
	이것들은 모두 개별적인 이벤트이며 결국 이것이 모델에 들어가게 됩니다. 부품 고장에 대한 모델을 구축한다면 결과는 어떻게 될까요? 이는 일반적으로 거기에 들어가는 날짜입니다. 하지만 중요한 점은 이것이 실제로 고객에게 어떤 영향을 미치는가입니다. 그래서 시간이 지나면서
	고객은 아마도 20년, 30년, 40년 후에 얼마나 많은 제품을 교체할 수 있는지 알고 싶어할 것입니다.
	그리고 여기서 전체 시스템 이벤트 시간을 살펴봐야 합니다. 그리고 이것은 단지 개별 시간의 누적 합계이므로 8.3이 첫 번째, 1.2가 두 번째 등입니다.
	따라서 두 번째 시스템으로 가면 1.8, 3.9, 5.9가 나오므로 이는 개별 시간의 누적 개수일 뿐입니다.
	여기서 명심해야 할 점은 이 모든 것의 평균을 구하려고 할 때
	시스템 번호를 보면 이 일이 실제로 발생한 연도이므로 운영 2년차에 1.8년이 발생했습니다.
	그리고 그것은 적절한 연도의 실패를 식별하고 있는지 확인하기를 원하기 때문에 여기에서 명심해야 할 중요한 차이점입니다.
	따라서 0.6은... 그것이 첫 번째였다면 1년이 될 것입니다. 여기서는 연도...시스템 시간...시스템 연도를 1씩만 증가시키는 것뿐입니다.
	이제 이 모든 것을 얻었으니 이벤트 수를 세고 이 시스템과 연도를 살펴보고 약간의 분석을 수행할 수 있다고 생각할 수도 있습니다. JMP에는 실제로 이 모든 작업을 수행할 수 있는 훌륭한 도구가 있습니다.
	그래서
	JMP에는 수리 가능한 시스템 시뮬레이션이라는 도구가 있습니다.
	그리고 이 도구는,
	나도 알아요...JMP 13, 아마도 JMP 14처럼 나온 것 같아요. 그것은 몇 년 동안 지속되었습니다.
	많은 사람들이 여기에서 평가하지 않는 믿을 수 없을 만큼 강력한 도구이기 때문에 그것이 필요한만큼 많은 홍보를 받는지 모르겠습니다.
	그래서, 그것은 여러분이 여기서 시스템을 보고 있다는 것입니다. 어쩌면 지금 당장 여기에는 두 부분이 있지만 아마도 내 시스템은 실제로는
	7~8개 부품, 전체 기어박스, 펌프 또는 이와 유사한 것입니다. 그리고 이 모든 부분이 함께 작동하므로 그 중 하나라도 실패하면
	아시다시피, 전체 시스템이 실패하므로 이벤트가 무엇인지, 이벤트 시간은 언제인지 이해하고 싶습니다. 따라서 이들 각각에서 Weibull이 무엇인지 또는 모델이 무엇인지 배치하고 여기에는 베타 1.2와 알파 15가 있습니다.
	그것은 연도의 시간 단위입니다. 원한다면...내가 원한다면 확실히 다른 분포를 선택할 수 있습니다.
	그런 다음 이벤트가 발생하면 어떻게 되는지 말할 수 있습니다. 따라서 블록이...여기서 블록 오류가 발생한 경우 실제로 오류가 발생하면 어떻게 될까요?
	그리고 결과는 새것으로 교체하기로 했으니 부품만 교체해볼까 합니다. 이제 여기에는 다양한 옵션이 있습니다. 아마도 최소한의 수리만 할 수 있을 것입니다. 대신에 저는 이것을 새 부품으로 교체하고 싶기 때문에 새 것과 같은... 새 모델이 될 것이라고 말했습니다.
	그런 다음 가동 중지 시간을 포함할 수 있습니다. 그럼 이걸 수리하는데 얼마나 걸리나요? 수리하는데 평균 시간은 언제였나요? 일정한 값일 수 있습니다.
	아니면...즉시 말할 수도 있고, 걸리는 시간에 대해 신경 쓰지 않거나 선택할 수 있는 목록을 제공할 수도 있습니다. 여기에서도 몇 가지 배포판을 제공할 수 있습니다.
	그래서 이 도구들을 사용하여...이제 저는 여기에 매우 간단한 시스템을 구축했습니다. 알려진 분포가 있는 부분이 하나 있거나 알려진 분포가 있는 두 부분이 있습니다.
	둘 중 하나가 실패하면 교체 시간이 있으므로 두 번째 옵션에는 선택 옵션이 있습니다.
	보시다시피 여기에 넣었습니다. 이제 선택 사항은 시뮬레이션과 동일한 시간 단위여야 합니다.
	그래서 저는 시뮬레이션 대상으로 연도를 선택했습니다. 몇 년이 걸리므로 무언가를 준비하는 데 걸리는 시간은 한 시간, 두 시간, 어쩌면 하루가 될 수도 있습니다. 이것을 몇 년 단위로 계산하면 그 숫자는 정말 작아지므로 여기 보이는 것이 바로 그 것입니다.
	여기서는 모든 옵션을 다루지는 않겠습니다. 보시다시피, 대기 모드로 수행할 수 있는 다른 작업(N 중 K)이 있으며 그 중 많은 작업은 보다 복잡한 분석을 위한 것입니다.
	좋습니다. 분석을 실행하고 이 작업을 20년 동안 실행하겠습니다. 이 기간은 여기에 나열되어 있으며 시뮬레이션 수는 100입니다. 그 이상을 원하는 경우가 많지만 시연을 위해 이 값을 100으로 설정하고 시드 값은 1234로 설정하겠습니다.
	그러면 여기서 아주 크고 큰 출력을 얻게 됩니다. 초기 출력은 항상 숫자라고 불리며 이는 매우 유용합니다.
	하지만 이것을 보고 괜찮을 수도 있습니다. 이 물건으로 무엇을 해야 할까요? 여기로 와서 이 분석을 시작하고
	구성 요소별 총 가동 중지 시간을 확인하고 싶을 수도 있습니다. 즉, 구성 요소가 볼 수 있는 가동 중지 시간의 분포는 어떻게 됩니까?
	하지만 실제로는 20년이 넘는 시간, 즉 이 부품을 몇 번이나 교체해야 하는지에 대한 질문에 대한 답은 없습니다.
	그래서 저는 스크립트를 작성했고 여러분이... 이 저널을 다운로드하면 거기에 있는 모든 스크립트가 있을 것입니다.
	저는 이것을 버튼으로 설정했지만 실제 스크립트는 참고용으로 여기 바로 아래에 있습니다.
	그래서 버튼을 클릭하면 많은 일이 일어날 것입니다. 그래서 저는 이제 이러한 사건이 매년 얼마나 자주 발생할 것으로 예상하는지 계산해 보았습니다. 그래서 시스템 관점에서 보면,
	실패 이벤트의 하위 집합을 지정하고 연도 값을 설정했습니다. 따라서 연도 값은 반올림되므로 3.8년은 4라는 것을 기억하실 수 있습니다.
	이제 이것은 달력 시간을 살펴보고 우리가 사용할 수 있는 시스템 시간을 살펴봅니다. 개별적인 시간을 고려하지 않기 때문에 이들 각각 사이의 시간은 아시다시피 1행에서 2행까지 약 1.8년 정도입니다.
	하지만 우리는 시스템을 보고 있기 때문에 실제로 5.69를 계산하고 있습니다.
	이제 저는 그것을 전환하고 싶습니다...이 모든 가치를 유용한 것으로 바꾸고 싶습니다.
	하지만 기억해야 할 중요한 점은...매년 평균 사건 수를 구할 때 사건이 발생하지 않은 연도를 살펴봐야 한다는 것입니다. 따라서 이 첫 번째 시뮬레이션에서 첫 번째 사건은 4년차에 발생합니다.
	하지만 1, 2, 3에는 0이 필요하고 이것이 바로 제 스크립트가 하는 일입니다. 내 스크립트는 다음과 같이 설정됩니다.
	내가 보고 싶은 것이 무엇인지에 대한 패턴. 그래서 1부를 보고, 연도 값과 시뮬레이션 ID를 보고, 이벤트가 실제로 언제 발생했는지 살펴보고 싶습니다. 여기에서 첫 번째 부분 1 이벤트가 10년차에 발생하는 것을 볼 수 있습니다.
	따라서 여기에 추가되면 분석이 업데이트됩니다. 2부까지 스크롤을 내리면...
	시뮬레이션 1의 경우 두 번째 부분으로 스크롤하면
	거기...이벤트가 없습니다.
	시뮬레이션 1의 첫 번째 이벤트는...
	4년차까지. 따라서 4년차까지 아래로 스크롤하면
	2부에서는 시뮬레이션 1에 하나의 이벤트가 있는 것으로 표시됩니다. 따라서 이것이 발생할 수 있는 모든 가능한 연도 조합에 대해 이러한 이벤트를 정렬하는 것입니다.
	글쎄요, 그런 수준의 정보가 있으면 이제 모든... 모든 시뮬레이션에 걸쳐 정보를 얻었으므로 4,000개의 레코드가 있다는 것을 알 수 있습니다. 이제 그것은 연도, 시뮬레이션 및 부분의 가능한 모든 순열입니다.
	하지만 실제로는 그 평균을 낮추고 싶습니다. 그래서 평균을 내고 행 수, 연도 값, 부품 순으로 시뮬레이션 수를 살펴보고 싶습니다. 40줄로 줄이면 훨씬 더 관리하기 쉽고 이해하기 쉽습니다.
	여기 2부에서 보시는 것은 처음에는 약간의 상승이 있었다가 어느 정도 수준이 낮아지는 것입니다. 그리고
	시뮬레이션이기 때문에 튕겨져 나가고 100개의 이벤트만 실행했지만...또는 100개의 시뮬레이션을 실행했지만 우리가 볼 수 있는 안정적인 대체 상태가 있습니다.
	하지만 누적 관점에서 이를 살펴보면 고객이 10년 내에 교체할 것으로 예상되는 대수를 알 수 있습니다. 그래서 2부에서는
	고객이 첫 번째 제품을 언제 교체해야 하는지 알고 싶어 한다고 가정해 보겠습니다. 첫 번째 것은 무엇입니까? 맨 처음 것
	4년차 직후처럼 4년차에서 5년차 사이에 일어날 것입니다. 그리고 두 번째 일은 막...혹은 7년차쯤에 일어납니다.
	세 번째는 약 10년차에 발생합니다. 보시다시피, 전면에는 많은 실패가 발생하지 않는 약간의 상승이 있지만 안정적인 상태가 되어 3년마다 부품을 교체해야 하는 상황이 발생합니다.
	이는 고객, 비즈니스 계획 또는 공급망 노력에 매우 도움이 될 수 있습니다.
	따라서 수리 가능한 시스템 시뮬레이션에서 이러한 이벤트 예측을 사용하는 것은 오류 확률과 오류가 발생할 수 있는 시기뿐만 아니라 해당 아이디어를 제공하거나 부품 수에 대한 이해를 제공하는 편리하고 빠른 방법입니다. 그래서
	한 가지...오늘 제가 이야기하고 싶은 또 다른 한 가지는 수리 가능한 시스템 시뮬레이션을 좀 더 쉽게 만드는 방법입니다.
	그래서 그것은 어려울 수도 있습니다. 이는 새로운 도구이므로 작업 중인 내용을 모두 알 수는 없지만
	만약...템플릿으로 시작한다면 테이블부터 시작하세요. 수리 가능한 시스템 시뮬레이션을 구축하는 것이 훨씬 쉬울 수 있습니다.
	따라서 결국 모델을 구축하려면 대략 13개의 데이터가 필요합니다. 대부분의 작업은 여러분이 생각지도 못한 백그라운드에서 진행됩니다. 하지만 이러한 작업을 테이블과 템플릿에 배치하면
	여기에 다양한 열이 있습니다. 그리고 13이라고 말하면 실제로는 더 적게 필요합니다. 여기서는 여러분이 할 수 있는 몇 가지 깔끔한 작은 작업을 처리하기 위해 여기에 몇 가지 수정 사항을 적용했습니다.
	하지만 실제로는 분포, 모델 유형, 매개변수, 시간 단위가 있습니다. 이것들은 모두 JMP에서 기본값으로 설정되어 있으며 변경할 수 있거나
	그것은 당신이 추가할 것들입니다. 따라서 이들 각각에는 블록이 실패하면 무엇으로 대체할 것이 있나요? 이를 조정할 수 있으며 이벤트 이름과 프로세스를 다르게 연결할 수 있습니다.
	내 세상에서는 행동의 변화를 여러 번 보게 될 것입니다. 그리고 아마도 우리는 처음 몇 년 동안은 이것이 대체율이고, 그 다음 몇 년 동안은 대체율이라는 것을 이해하고 싶을 것입니다.
	또는 활용하려는 경쟁 실패 모드가 있을 수도 있습니다. 그래서 제가 여기서 보여드릴 내용은 그 많은 것을 처리할 수 있습니다.
	죄송합니다. 이것은 결코 완벽하지 않습니다. 이것
	자신의 사용 사례에 맞게 조정해야 하지만 결국 템플릿으로 시작하는 것은 개발 속도를 높이고
	조정할 수 있도록...즉시 작은 조정을 하십시오. 그래서 제가 이것을 가지고 있다면 여기에 멋진 작은 스크립트가 있을 것입니다. 스크립트를 클릭하면 복구 가능한 시스템 시뮬레이션이 생성됩니다.
	여기를 보면 첫 번째 베타 1.86 또는 826, 알파 153의 첫 번째 부분이 있습니다.
	그리고 실제로는 이 테이블을 가져와서 수리 가능한 시스템 시뮬레이션으로 바꾸는 것뿐입니다. 넌 할 수있어
	훨씬 더 복잡한 것. 그럼 그걸 닫도록 할게요.
	그래서 여기에 14개의 부품이 있습니다. 원한다면 이러한 분포를 변경할 수 있습니다.
	하지만 여기서 살펴보고 싶은 다른 유형의 이벤트도 있습니다. 배포판을 분할하고 싶습니다.
	일정 시간이 지나면 모양이 변하거나 변합니다. 아마도 저는 제품 소개, 즉 제품 전체에 걸쳐 진행되는 제품 업그레이드를 모델링하려고 할 것입니다. 아니면 여기에 경쟁 실패 모드가 있고 이를 고려하고 싶을 수도 있습니다.
	그래서 제가 원한다면...스크립트에서 이 템플릿을 사용하면 매우 간단한 방식으로 이 모든 것을 처리할 수 있습니다. 이제 그것이 얼마나 빠른지 알 수 있었습니다. 그게 뭐야, 1초 정도
	이 모델을 생성하려면? 이제 제가 이것들 중 또 하나를 만들고 싶다면 아마도 저는 이것이
	로그 정상입니다.
	여기서 바로 할 수 있고 그 다음에는
	내 스크립트로 오세요
	그리고
	다시 실행해 보세요. 그리고 나는 또 다른 모델을 얻었습니다. (자, 그게 뭐였죠? 다섯 번째 부분.)
	파트 5는 이제 로그 정규입니다. 다양한 반복을 시도하고, 다양한 모델을 시도하고, 매번 새로운 모델을 생성하는 것은 정말 쉽습니다.
	여기에서 다이어그램을 테이블로 라벨을 지정하세요. 따라서 이 템플릿을 사용하여 분석을 수행하고 이벤트 예측을 이해하고 여기에 포함된 스크립트를 사용하여 분석을 수행하고 시간에 따른 이벤트 예측을 이해하는 편리한 방법입니다.

브레이크아웃품질과 신뢰성통계 및 모델링