Lautsprecher
|
Transkript
|
| Brad Foulkes |
Vielen Dank für Ihre Teilnahme an meinem Vortrag über Aber was mache ich jetzt? Verwenden eines Zuverlässigkeitsmodells zum Erstellen von Ereignisvorhersagen in JMP. |
| |
Sehr häufig werde ich gefragt ... Ich werde gefragt, was ich damit mache, wenn ich ein Zuverlässigkeitsmodell erstellt habe? Und oft vergessen die Leute, dass Sie ein Zuverlässigkeitsmodell verwenden können, um Vorhersagen darüber zu treffen, wann Ereignisse tatsächlich eintreten werden. |
| |
Und nicht nur das erste Ereignis, vielleicht sogar das zweite, dritte oder vierte Ereignis, das dieses Produkt im Laufe der Zeit erleben könnte. |
| |
Also ein bisschen zu meiner Person. Mein Name ist Brad Foulkes. Ich bin der Director of Engineering bei Optimal Analytics, wo wir mit Unternehmen zusammenarbeiten, um ihnen zu helfen, ihre Daten zu verstehen, Hindernisse zu identifizieren und sie effizienter voranzutreiben. |
| |
Davor arbeitete ich etwa neun Jahre in der Zuverlässigkeitstechnik und arbeitete daran, wie wir die Teilezuverlässigkeit verstehen und herausfinden können, wann Teile im Laufe der Zeit tatsächlich brechen. |
| |
Ich benutze JMP seit ungefähr acht Jahren, ich denke um JMP 10 herum. Ich bin mir nicht sicher, es ist schon eine Weile her, also vergesse ich, auf welcher Version wir waren... Ich war damals dabei. |
| |
In meinen bevorzugten JMP-Tools verwende ich die Lebensdauerverteilung sehr gerne, weil dort die Zuverlässigkeitsmodellierung sitzt. Fit Modell, benutze ich sehr häufig und JSL. |
| |
Scripting kann eine ganze Reihe neuer Werkzeuge und Spielsachen eröffnen, mit denen Sie spielen können. Warum möchte ich das heute präsentieren? |
| |
Denn diese Frage stellt sich meistens am Ende...am Ende des Modellbaus und bis dahin noch nicht wirklich darüber nachgedacht. |
| |
Sie könnten ein Modell fertigstellen und eine ganze Reihe von Wahrscheinlichkeiten haben und dann nicht wirklich wissen, was Sie als nächstes tun sollen. Hier ist also eine Option, die Sie tun können, während Sie Ihr Modell erstellt haben und fortfahren können. |
| |
Worüber wir heute über die Ereignisvorhersage sprechen, wenn Sie Ihr Modell erstellen, sind Sie es gewohnt, hier häufig diese Art von Diagramm zu sehen. Sie haben Ihre individuellen Zeiten, |
| |
und vielleicht sind dies Hardware- oder Produktlebenszyklen. Nehmen wir an, es ist ein Mixer, wissen Sie, oder jede Art von Küchengerät oder kleinem Küchengerät, das vielleicht nicht lange hält |
| |
eine schrecklich lange Zeit. Einige davon werden also sehr früh scheitern; einige werden sehr spät scheitern. |
| |
Aber am Ende des Tages haben Sie eine Wahrscheinlichkeit des Scheiterns, wenn diese Dinge... passieren werden. Also kommen Sie vielleicht hierher und sagen: Okay, in vier Jahren werden ungefähr 90% der Ausfälle auftreten. |
| |
Nun, das ist großartig. Das hilft Ihnen, einen ersten Fehler zu verstehen und vielleicht die Wahrscheinlichkeit eines Ausfalls von Teilen in den Einsatz zu bringen, aber für eine Person, die diese Dinge tatsächlich kaufen oder verwenden muss, hilft dies nicht viel. |
| |
Für einen Kunden, der diese tatsächlich verwendet, ist es ihnen egal, wie lange es dauern wird. Sie möchten vielleicht nicht wissen, wie viele ich im Laufe der Zeit kaufen muss, |
| |
vielleicht in einem Gesamtlebenszyklus. Sie wollen sich nur 10 Jahre anschauen, wie viele davon muss ich in 10 Jahren kaufen, damit es überlebt. |
| |
Hier kommt die Ereignisvorhersage ins Spiel. Und was Ereignisvorhersage wirklich ist, ist, Ihre Verteilung zu nehmen und sie irgendwie umzudrehen, so dass Sie immer noch Ihre, wissen Sie, Zeitverteilung haben. |
| |
Wie hoch ist die Zeit bis zu Ereignissen, die Sie hier haben, und dann die Wahrscheinlichkeit eines Ereignisses. Und so jetzt |
| |
Sie können sehen, wie häufig einige dieser Ereignisse auftreten. Vielleicht ereignet sich hier das erste Ereignis nach achteinhalb Jahren, das zweite Ereignis nach neuneinhalb Jahren, |
| |
das dritte Ereignis ... aber das ist alles ein Kunde. Und so ist dies alles ein Kunde, ein Anwendungsfall, und für sie, wissen Sie, ihre Zwischenzeit bis zum Ausfall |
| |
schaut sich all diese Teile hier an, schaut sich all diese Intervalle und diesen Austausch an. Also das hier, |
| |
ist mehr als 20 Jahre, die ein Kunde sich das tatsächlich anschaut. Sie können ... also werden sie es wissen wollen ... Ich brauche oder um diese 20 Jahre zu überleben, ich werde mindestens drei Teile brauchen. |
| |
So können Sie mit Hilfe dieser zufälligen Auswahl und Simulation ein Verständnis dafür entwickeln, wie oft diese Teile ausgetauscht werden müssen und wie oft ein Kunde Ihr Produkt kaufen muss. |
| |
Also, wie ist das praktisch? Okay, es kommt also wirklich auf Ersatz an. |
| |
Und Ersatz: Wie oft setzen Sie ein neues oder so gut wie neuwertiges Teil ein? So |
| |
ein reparierbares System und ein nicht reparierbares System. Und ein reparierbares System ist eines, bei dem Sie die Dinge auf den Punkt bringen können |
| |
der Punkt, dass es wieder laufen kann, und vielleicht ist es nicht so gut wie neu. Nehmen wir an, Sie haben ein Loch in Ihrem Reifen. Sie schließen das Leck und machen weiter. |
| |
Das ist repariert. Aber was wäre, wenn Sie den Reifen so reparieren könnten, dass er so gut wie neu ist und nie wieder kaputt geht? |
| |
Bei dem Reifen ist das vielleicht nicht so praktisch, aber bei anderen Dingen ersetzen Sie möglicherweise ein Teil oder müssen einen Teil eines Teils abschneiden und nur das eine oder das Teil ersetzen, das ausgefallen ist. |
| |
Wenn ein Teil so gut wie neu ist, kann dies zu einem nicht reparierbaren System werden. Obwohl Sie also eine Reparatur durchgeführt haben, um es so gut wie neu zu machen, |
| |
es ändert die Dinge ein wenig. Nun, das ist ein riesiger Vorbehalt, wissen Sie. Sie müssen viele Überlegungen anstellen, was so gut wie neu bedeutet, aber sehr häufig denke ich, dass Teile ... oder Leute beschäftigen sich mit Teilen, die |
| |
sie haben repariert und sie reparieren so gut wie neu und sie denken, nun ja, dies ist ein reparierbares System, aber für die Zuverlässigkeitswelt ist es das nicht. Okay, also bin ich ein bisschen aus der Seifenkiste. |
| |
Zurück zu Ersatz. Wenn wir ein einzelnes System betrachten, |
| |
Vielleicht siehst du dir hier etwas an und sagst, okay, weißt du, |
| |
für ein einziges System, |
| |
wie oft fallen teile aus? Wenn wir also nur einen Kunden betrachten, wie oft kaufen sie ihn? Und so dauerte der erste Teil hier vier Jahre. |
| |
Dann mussten sie einen zweiten kaufen. Dieser hielt nur 1,3 Jahre, dann mussten sie einen dritten kaufen, und dieser wurde zum Gangster und hielt acht Jahre. |
| |
Am Ende des Tages mussten sie also in 12 Jahren drei Teile kaufen, aber es gibt eine große Variation. So sieht man das bei allen möglichen Produkten, bei manchen Handys, bei |
| |
andere Haushaltsprodukte. Manche Dinge werden früh fehlschlagen; manche Dinge werden spät scheitern. |
| |
Du sprichst vielleicht gerade mit deinen Freunden und sagst, hey, ich habe... ich habe dieses schreckliche Handy. Ich kann nicht glauben, dass es so früh gescheitert ist. Und sie werden mit Ihnen über dasselbe Handy sprechen, das sie seit 10 Jahren haben. Zugegeben wahrscheinlich keine 10 Jahre, aber |
| |
es könnte eine Weile dauern. Am Ende des Tages mussten sie für dieses eine System, diesen einen Kunden also dreimal ein Teil austauschen. |
| |
Wenn wir uns nun mehrere Systeme ansehen, können wir uns im Laufe der Zeit eine Vorstellung davon machen, wie häufig diese Dinge auftreten. So |
| |
ein Kunde könnte dieses erste System haben, dann der zweite Kunde, vielleicht hatte er fünf oder sechs Austausche darüber ... über ungefähr den gleichen Zeitraum. |
| |
Wenn wir uns also das erste System ansehen, könnten wir sagen, okay, wir würden hier mindestens im vierten Jahr keine Ausfälle erwarten. |
| |
Aber wenn wir uns das zweite System ansehen, hatten sie im ersten Jahr einen Ausfall. Wenn wir also versuchen, die durchschnittlichen Fehler oder die durchschnittliche Anzahl von Ereignissen herauszufinden, die wir im ersten oder zweiten Jahr erwarten könnten, |
| |
das erste System sagt uns nicht viel. Hier also, wenn Sie die Daten nicht haben und ... aber Sie haben Ihre Verteilung in Ihrem Modell, in der Beta und Eta für Ihren Weibull oder so ähnlich sind, |
| |
Sie können die Simulation verwenden, um herauszufinden, wie häufig einige Kunden Ereignisse in den Jahren 1, 2, 3 erwarten und viel weiter gehen als die Daten, die Sie tatsächlich haben. |
| |
Auf diese Weise können Sie, indem Sie sich diese verschiedenen Systeme und diese Simulation ansehen, einen Trend zur Häufigkeit verstehen und erkennen |
| |
Diese Teile werden Jahr für Jahr ersetzt. Während diese Daten hier also möglicherweise nur aus Ereigniszeiten erstellt wurden, die sieben Jahre lang waren, |
| |
für die Kalenderzeit oder für eine Kundenzeit wird es eine Art Spitze geben und dann wird es sich zu einer Art flachem Ersatzniveau ausgleichen. Jetzt |
| |
Bei einer Simulation werden Sie ein Hüpfen sehen, und das sehen Sie hier. Wenn wir dafür eine geschlossene Lösung haben, hätten wir eine schöne gerade Linie, aber |
| |
Mit der Simulation bekommen wir einige Variationen. Das sehen Sie hier. Sie können also eine Art Linie ziehen und sehen, dass Sie im Durchschnitt wissen, |
| |
eine Person könnte erwarten, ein Drittel davon pro Jahr zu ersetzen. Nach drei Jahren können Sie also mit einem Ersatz rechnen, sobald es losgeht. Also ein paar am Anfang und dann gleicht es sich irgendwie aus. |
| |
Schauen wir uns also ein Beispiel an, was ich damit meine. |
| |
Wir haben hier eine Tabelle mit Daten und hier habe ich ein Modell. Und so ist dieses Modell nur ein zufälliger Weibull. Wenn Sie also nicht mit den verschiedenen Funktionen vertraut sind, die Sie in JMP verwenden können, |
| |
Sie können ein zufälliges Weibull, ein Weibull-Quantil, eine Weibull-Verteilung, eine Weibull-Dichte verwenden. Und das sind alles Funktionen, die Sie auf verschiedene Distributionen anwenden können. |
| |
In diesem Fall wählen wir einen zufälligen Satz von Punkten aus einer bestimmten Verteilung. Meine Distribution hat eine Beta von 1,2 und eine Eta von 3. |
| |
Durch die Auswahl dieser zufälligen ... zufälligen Ereignisse hier, |
| |
Dies sind alles einzelne Ereignisse, und dies würde am Ende in Ihr Modell einfließen. Was würde passieren, wenn Sie ein Modell für Teilefehler erstellen würden? Dies sind die Daten, die normalerweise dort eingehen. Was jedoch verloren geht, ist, wie sich dies tatsächlich auf den Kunden auswirkt. Also mit der Zeit |
| |
der Kunde möchte vielleicht wissen, wie viele davon ich in 20, 30, 40 Jahren ersetzen könnte. |
| |
Und hier müssen Sie sich die gesamten Systemereigniszeiten ansehen. Und das ist nur die kumulierte Summe der einzelnen Zeiten, also 8,3 ist die erste, 1,2 ist die zweite und so weiter. |
| |
Wenn Sie also zum zweiten System gehen, haben wir 1,8, 3,9, 5,9, also nur eine kumulative Zählung der einzelnen Zeiten. |
| |
Denken Sie hier daran, dass, wenn Sie versuchen, einen Durchschnitt von all dem herauszufinden, |
| |
Sie würden sich die Systemnummer ansehen, aber dann das Jahr, in dem dies tatsächlich aufgetreten ist, also im zweiten Betriebsjahr 1,8 Jahre. |
| |
Und das ist ein wichtiger Unterschied, den Sie hier beachten sollten, denn Sie möchten sicherstellen, dass Sie die Fehler im entsprechenden Jahr identifizieren. |
| |
Also Ihre 0.6, während es... wenn das das erste wäre, wäre es im ersten Jahr, es erhöht wirklich nur das Jahr... die Systemzeit... die Systemjahre hier um eins. |
| |
Wenn Sie das also haben, denken Sie vielleicht, okay, nun, da wir all das haben, können wir unsere Anzahl von Ereignissen zählen und uns dieses System, das Jahr ansehen und eine nette kleine Analyse durchführen. JMP hat also ein nettes Tool, das all das für Sie erledigt. |
| |
So |
| |
in JMP gibt es ein Werkzeug namens reparierbare Systemsimulation. |
| |
Und dieses Werkzeug, |
| |
Ich weiß es ... ich glaube, es kam wie JMP 13, vielleicht JMP 14. Es gibt es schon seit ein paar Jahren. |
| |
Ich weiß nicht, ob es annähernd so viel Publicity bekommt, wie es sollte, weil es ein unglaublich mächtiges Werkzeug ist, das meiner Meinung nach viele Leute hier nicht schätzen. |
| |
Also, was es ist, ist, dass Sie hier ein System betrachten. Und damit habe ich vielleicht oder gerade jetzt zwei Teile hier drin, aber vielleicht ist mein System tatsächlich so |
| |
sieben oder acht Teile, oder es ist ein ganzes Getriebe oder eine Pumpe oder so ähnlich. Und Sie haben all diese Teile, die zusammenarbeiten, dass, wenn einer von ihnen ausfällt, |
| |
Sie wissen, das gesamte System versagt, und Sie möchten verstehen, was das Ereignis ist, wie die Ereigniszeiten dort sind. In jedem davon würden Sie also angeben, was Ihr Weibull oder Ihr Modell ist, und hier habe ich eine Beta 1.2 und eine Alpha von 15. |
| |
Es ist eine Zeiteinheit von Jahren, ich kann natürlich verschiedene Verteilungen wählen, wenn ich ... wenn ich möchte. |
| |
Und dann kann ich sagen, was passiert, wenn ein Ereignis eintritt. Also, wenn ein Block ... also hier habe ich einen Blockfehler, was passiert, wenn tatsächlich ein Fehler auftritt? |
| |
Und das Ergebnis ist, durch ein neues zu ersetzen, also möchte ich nur das Teil ersetzen. Jetzt gibt es hier viele verschiedene Optionen, vielleicht könnte ich eine minimale Reparatur durchführen, aber stattdessen habe ich gesagt, dass ich dies durch ein brandneues Teil ersetzen möchte, also wird dies ein wie neu ... wie ein neues Modell sein. |
| |
Und dann können Sie eine gewisse Ausfallzeit einkalkulieren. Also, wie lange kann man das reparieren? Was war die mittlere Reparaturzeit? Es kann ein konstanter Wert sein |
| |
oder es kann sein ... Sie können sofort sagen, egal wie lange es dauert, oder Sie können ihm eine Liste zur Auswahl geben. Sie können es hier auch ein paar Verteilungen geben. |
| |
Also so mit diesen Tools... und jetzt habe ich hier ein sehr einfaches System gebaut. Ich habe einen Teil mit meiner bekannten Verteilung oder ich habe zwei Teile mit bekannter Verteilung. |
| |
Wenn einer von beiden fehlschlägt, habe ich eine Ersatzzeit, und so hat der zweite die Wahlmöglichkeit. |
| |
Und du kannst sehen, du hast es hier reingesteckt. Jetzt müssen die Auswahlen in derselben Zeiteinheit wie Ihre Simulation sein. |
| |
Also habe ich Jahre als Simulation gewählt. Das ist in Jahren, und so kann die Zeit, sich auf etwas vorzubereiten, nur eine Stunde, zwei Stunden, vielleicht ein Tag sein. Wenn man das in Jahre setzt, werden die Zahlen jedoch sehr klein, also sehen Sie das hier. |
| |
Ich werde hier nicht auf alle Optionen eingehen. Wie Sie sehen, gibt es noch viele andere Dinge, die Sie mit einem Standby, einem K aus N, machen können, viele davon sind für komplexere Analysen gedacht. |
| |
In Ordnung, also führe ich meine Analyse durch und werde die hier 20 Jahre lang ausführen, mit der Anzahl der Simulationen als 100. Sie werden oft mehr wollen, aber zu Demonstrationszwecken werden wir es auf 100 setzen und einen Seed von 1234 haben. |
| |
Also dann bekomme ich hier diese schöne große große Ausgabe, und die anfängliche Ausgabe wird immer als Zahl bezeichnet, was sehr hilfreich ist. |
| |
Aber du könntest dir das ansehen und gut gehen, was mache ich mit all dem Zeug? Und Sie können hierher kommen und diese Analyse starten und |
| |
Vielleicht möchten Sie die Gesamtausfallzeit nach Komponente betrachten. Das heißt also, wissen Sie, wie ... oder wie ist die Verteilung der Ausfallzeiten, die eine Komponente sehen könnte? |
| |
Aber es beantwortet nie die Frage von über 20 Jahren, wie oft muss ich dieses Teil ersetzen? |
| |
Also habe ich ein Skript geschrieben und wenn Sie dieses Tagebuch herunterladen, werden all diese Skripte darin enthalten sein. |
| |
Ich habe es als Schaltfläche festgelegt, aber das eigentliche Skript ist hier unten als Referenz, wenn Sie es verwenden möchten. |
| |
Also klicke ich einfach auf die Schaltfläche und eine ganze Reihe von Dingen wird passieren. Also bin ich jetzt hineingegangen und habe berechnet, wie oft ich erwarte, dass diese Ereignisse Jahr für Jahr auftreten. Also aus der Systemperspektive |
| |
Ich habe meine Fehlerereignisse untergeordnet und meinen Jahreswert festgelegt. Sie erinnern sich vielleicht daran, dass der Jahreswert aufgerundet wird, sodass 3,8 Jahre 4 sind. |
| |
Dies betrifft die Kalenderzeit, die Systemzeit, die wir möglicherweise verwenden. Es berücksichtigt nicht die individuelle Zeit, also beträgt die Zeit zwischen jedem von diesen, wissen Sie, für Reihe eins bis Reihe zwei 1,8 Jahre oder so. |
| |
Aber weil wir das System betrachten, zählen wir tatsächlich die 5,69. |
| |
Jetzt möchte ich das umsetzen... Ich möchte all diese Werte in etwas Nützliches verwandeln. |
| |
Beachten Sie jedoch Folgendes: Wenn Sie jedes Jahr nach einer durchschnittlichen Anzahl von Ereignissen suchen, müssen Sie sich die Jahre ansehen, in denen keine Ereignisse aufgetreten sind. In dieser ersten Simulation tritt das erste Ereignis also im vierten Jahr auf, |
| |
aber ich brauche Nullen für eins, zwei und drei, und das macht mein Skript. Mein Drehbuch geht irgendwie in Sets a |
| |
Muster dessen, was ich mir anschauen möchte. Ich möchte mir also Teil eins ansehen, ich möchte mir den Jahreswert und die Simulations-ID ansehen und dann sehen, wann die Ereignisse tatsächlich aufgetreten sind. Hier können Sie also sehen, wie das erste Ereignis von Teil 1 im zehnten Jahr stattfindet. |
| |
Und wenn das hier hinzugefügt wird, wird dies in der Analyse aktualisiert. Wenn ich zu Teil 2 runterscrolle... |
| |
Wenn Sie für die erste Simulation zu Teil 2 scrollen, |
| |
dort...es gibt keine Veranstaltungen. |
| |
Das erste Ereignis für Simulation eins ist erst... |
| |
bis zum vierten Jahr. Wenn ich also bis zum vierten Jahr scrolle |
| |
für Teil zwei wird es zeigen, dass ich ein Ereignis in Simulation eins habe, in Ordnung. Es ist also wirklich eine Art, diese Ereignisse für jede mögliche Kombination von Jahren anzuordnen, in denen dies passieren könnte. |
| |
Nun, mit diesem Informationsniveau, jetzt, wo ich das über alle ... alle Simulationen habe, sahen Sie, dass ich 4.000 Datensätze hatte, jetzt, wo das nur alle möglichen Permutationen von Jahr, Simulation und Teil sind. |
| |
Aber wirklich möchte ich diese durchschnittlich reduzieren. Also mittele ich den Durchschnitt und möchte mir die Anzahl der Simulationen ansehen, das waren die Anzahl der Zeilen, der Jahreswert und dann der Teil. Ich komme auf 40 Zeilen herunter, viel überschaubarer und viel einfacher zu verstehen. |
| |
Was Sie hier im zweiten Teil sehen, ist, dass wir am Anfang diesen kleinen Anstieg haben, und dann flacht er ab. Und |
| |
es hüpft herum, weil es die Simulation ist und wir nur 100 Ereignisse durchgeführt haben, aber ... oder 100 Simulationen, aber wir haben einen stabilen Zustand von Ersatz, den wir sehen könnten. |
| |
Wenn wir dies jedoch aus einer kumulativen Perspektive betrachten, können wir einem Kunden sagen, wie viele er in 10 Jahren voraussichtlich ersetzen wird. Also für Teil zwei, |
| |
Sagen wir, der Kunde möchte wissen, wann ich den ersten ersetzen muss, wissen Sie? Was ist das, was ist das allererste? Der allererste |
| |
zwischen den Jahren vier und fünf passieren wird, wie kurz nach dem vierten Jahr. Und dann passiert das zweite gerade... oder ungefähr im siebten Jahr. |
| |
Der dritte passiert ungefähr im Jahr 10. Sie können also sehen, dass Sie einen gewissen Anstieg haben, bei dem es nicht viele Ausfälle gibt, aber dann gibt es diesen stabilen Zustand und alle drei Jahre oder so müssen Sie die Teile ersetzen. |
| |
Dies kann für Kunden, für die Planung Ihres Unternehmens oder sogar für die Bemühungen in der Lieferkette sehr hilfreich sein, wenn Sie so etwas dort versuchen möchten. |
| |
Die Verwendung dieser Ereignisvorhersage aus der Simulation reparierbarer Systeme ist also eine praktische und schnelle Möglichkeit, diese Idee zu vermitteln oder ein Verständnis dafür zu vermitteln, wie viele Teile und nicht nur die Wahrscheinlichkeit eines Ausfalls und wann dieser auftreten könnte. So |
| |
Eine Sache ... eine andere Sache, über die ich heute sprechen möchte, ist eine Möglichkeit, die Simulation reparierbarer Systeme ein wenig einfacher zu machen. |
| |
Und so kann es entmutigend sein. Es ist ein neues Werkzeug, Sie wissen vielleicht nicht alles, womit Sie arbeiten, aber |
| |
Wenn Sie ... wenn Sie mit der Vorlage beginnen, beginnen Sie mit der Tabelle, die Erstellung Ihrer reparierbaren Systemsimulation kann viel einfacher sein. |
| |
Um Ihr Modell zu erstellen, benötigen Sie also am Ende ungefähr 13 Daten. Das meiste davon läuft im Hintergrund ab, an das Sie gar nicht denken würden, aber wenn Sie diese in eine Tabelle und eine Vorlage legen |
| |
mit diesen verschiedenen Spalten hier... Und ich sage 13, du brauchst tatsächlich weniger. Ich habe hier einige Änderungen vorgenommen, um einige nette kleine Dinge zu handhaben, die Sie hier tun könnten. |
| |
Aber wirklich haben Sie Ihre Verteilung, Ihren Modelltyp, Ihre Parameter, welche Zeiteinheit. Dies sind alles Dinge, die entweder in JMP voreingestellt sind, die Sie ändern können, oder |
| |
dass das Dinge sind, die Sie hinzufügen würden. Jeder von diesen hat also ein, wissen Sie, wenn der Block versagt, was können Sie durch einen neuen ersetzen? Und diese können Sie anpassen, Sie können diese Ereignisnamen und diese Prozesse unterschiedlich verbinden. |
| |
In meiner Welt werden wir oft eine Verhaltensänderung sehen. Und vielleicht wollen wir verstehen, dass dies in den ersten Jahren die Ersatzquote ist und dann in den zweiten Jahren die Ersatzquote. |
| |
Oder Sie haben möglicherweise konkurrierende Fehlermodi, die Sie nutzen möchten. Was ich Ihnen hier zeigen werde, kann also eine Menge davon bewältigen. |
| |
Entschuldigung, das ist keineswegs perfekt. Dies |
| |
sollte auf jeden Fall für Ihren eigenen ... Ihren eigenen Anwendungsfall angepasst werden, aber am Ende des Tages ist der Beginn einer Vorlage eine unglaubliche Möglichkeit, Ihre Entwicklung zu beschleunigen und |
| |
damit Sie in der Lage sind, Anpassungen vorzunehmen ... kleine Anpassungen im Handumdrehen vornehmen. Wenn ich das habe, habe ich hier ein nettes kleines Skript, wo, wenn ich auf das Skript klicke, es meine reparierbare Systemsimulation für mich erzeugt. |
| |
Und wenn ich hier rüber schaue, habe ich meinen ersten... meinen ersten Teil mit einer Beta 1.86 oder 826, einem Alpha von 153. |
| |
Und es geht wirklich nur darum, diesen Tisch zu nehmen und ihn in die reparierbare Systemsimulation zu verwandeln. Du kannst tun |
| |
etwas noch Komplexeres. Also lass mich das schließen. |
| |
Hier habe ich also 14 Teile. Ich könnte jede dieser Verteilungen ändern, wenn ich möchte, |
| |
Aber ich habe noch andere Arten von Ereignissen, die ich mir hier ansehen möchte. Ich möchte meine Verteilung aufteilen, wo |
| |
es ändert oder ändert seine Form nach einer bestimmten Zeit. Vielleicht versuche ich, eine Produkteinführung zu modellieren, wissen Sie, ein Produkt-Upgrade, das quer durch die Flotte geht. Oder vielleicht habe ich hier einen konkurrierenden Fehlermodus und ich möchte das berücksichtigen. |
| |
Also, wenn ich so will, wissen Sie ... die Verwendung dieser Vorlage im Skript ermöglicht es mir, all dies auf sehr einfache Weise zu handhaben. Jetzt hast du gesehen, wie schnell das ging. Was ist das, eine Sekunde oder so? |
| |
um dieses Modell zu generieren? Wenn ich jetzt noch eine davon erstellen möchte, vielleicht, vielleicht möchte ich, dass dies eine ist |
| |
normal anmelden. |
| |
Das kann ich gleich hier machen, und dann |
| |
komm zu meinem Skript |
| |
und |
| |
und lass das einfach nochmal laufen. Und wo bekomme ich ein anderes Modell (mal sehen, was war das? Teil fünf.) |
| |
Teil fünf ist jetzt ein normales Protokoll. Es ist wirklich einfach, verschiedene Iterationen auszuprobieren, verschiedene Modelle auszuprobieren und jedes Mal ein neues zu generieren. |
| |
Beschriften Sie das Diagramm hier als Ihre Tabelle. Es ist also eine praktische Möglichkeit, eine Analyse durchzuführen und Ihre Ereignisvorhersagen mit dieser Vorlage zu verstehen, indem Sie das hier eingebettete Skript verwenden, um die Analyse durchzuführen und Ihre Ereignisvorhersagen im Laufe der Zeit zu verstehen. |
