Conférencier
|
Transcription
|
| Olivia Lippincott |
Encore une fois, l'enregistreur est allumé, souvent en sourdine et je reviendrai. |
| Jason Wiggins, JMP |
Droite. Bonjour à tous. C'est mon plaisir |
| |
ce foutu pèse-personne. |
| |
Donc pour moi, il est difficile d'imaginer la vie sans outils permettant de mesurer des choses, et mesurer des choses est une caractéristique très humaine. Nous faisons juste ça. |
| |
Je trouve beaucoup de bonheur dans les systèmes de mesure qui se comportent bien et très certainement, je suis frustré quand ils ne le sont pas. |
| |
Il y a un coût pour développer, perfectionner et même utiliser correctement un système de mesure, qu'il soit simple ou compliqué, il y a un coût associé à cela. |
| |
D'après mon expérience, cette dépense est minime par rapport aux coûts consécutifs à l'utilisation des données d'une jauge défectueuse ou même à une mauvaise utilisation des données d'une bonne jauge. |
| |
Le télescope spatial Hubble en est un bon exemple. |
| |
Une aberration dans le miroir primaire a été découverte peu de temps après le lancement en 1990. |
| |
L'aberration a eu un impact sur la clarté des images du télescope ; en fait, c'est un avant et un après. |
| |
La source du problème remonte à un équipement mal calibré utilisé pour meuler le miroir. |
| |
plus de 620 millions de dollars. Cela représente des dollars de 1993 ; c'est beaucoup d'argent. |
| |
Et je pense que ce coût aurait pu être complètement évité si une analyse des systèmes de mesure avait été effectuée avant de meuler le miroir. |
| |
Alors que le télescope Hubble... La réparation du télescope spatial Hubble est un excellent exemple d'un incident de mesure coûteux, les problèmes avec les systèmes de mesure, même avec des enjeux moindres, peuvent être tout aussi frustrants. Prenons par exemple mon redoutable pèse-personne. |
| |
L'année dernière... En décembre de l'année dernière, j'ai commencé un voyage de perte de poids. |
| |
Et donnez-vous simplement une idée de ce que je voyais au fil du temps, puis de jour en jour. |
| |
Je prenais régulièrement du poids de quatre livres. Maintenant, je pense que si si je suis ici, proche de mon poids cible... planant autour de mon poids cible, peut-être que vous savez, plus ou moins la fluctuation de quatre livres |
| |
n'est pas une chose irréaliste à laquelle s'attendre. Maintenant, émotionnellement, quelque chose de différent se produit au début de ce processus et |
| |
nous allons juste nous concentrer et en parler un peu. Alors me voilà, je travaille très assidûment pour perdre du poids, en faisant toutes les bonnes choses. |
| |
Et puis je me réveille un matin et je pèse quatre livres de plus. Alors c'est frustrant, non ? Et j'espère que c'est quelque chose auquel d'autres pourront s'identifier également, mais ma question |
| |
tout au long de tout cela (j'aurais probablement dû faire une analyse des systèmes de mesure avant de commencer ce voyage), mais ma question quand je verrais des choses comme ça |
| |
Quelle part de ces quatre livres représente moi et quelle part représente le bruit dans le système de mesure ? J'ai donc effectué une analyse des systèmes de mesure pour répondre à la question. Il y a maintenant une alerte spoiler ici. |
| |
La première étude que j’ai faite n’était pas très bonne. La jauge est épouvantable. Je l'aurais jeté, mais j'aime recycler mes appareils électroniques. |
| |
En fin de compte, ce n’était pas une bonne jauge utilisable. |
| |
Une partie de mon objectif aujourd'hui est, je veux dire, une exploration amusante d'un système de mesure réel auquel, vous savez, nous pouvons peut-être tous nous identifier, mais l'un de mes autres objectifs est de mettre en évidence certains des avantages. |
| |
d'utiliser la méthode EMP pour l'analyse des systèmes de mesure. Maintenant, pour ce faire, je vais aborder quelques définitions de base, puis démontrer la méthode en utilisant |
| |
résulte d’un MSA provenant d’une jauge plus performante. Maintenant, rassurez-vous, nous reviendrons ici dans une minute à mon horrible exemple de pèse-personne. |
| |
Très bien, tout d’abord, qu’est-ce que l’analyse des systèmes de mesure ? Pour moi, une explication simple à cela est que, vous savez, nous allons mener une expérience, et ce que nous voulons retirer de l'expérience, c'est identifier ou mesurer les limites du système de mesure. |
| |
Quels sont nos objectifs ? Eh bien, si nous effectuons une analyse des systèmes de mesure, nous pourrons certainement déterminer si le système de mesure que nous utilisons est suffisamment performant. |
| |
à utiliser ou s'il doit être amélioré. Mais je me sens plus important pour cela et là où la méthode EMP brille |
| |
est que nous voulons établir des normes pour l'utilisation des données de mesure. Il n’existe pas de système de mesure parfait, alors quelles normes pouvons-nous mettre en place pour nous aider à utiliser efficacement nos données de mesure ? |
| |
Comment ça se passe ? Il s'agit d'une analyse des composantes de la variance, nous recherchons donc les composantes de la variance associées au système de mesure, |
| |
et, espérons-le, celles-ci sont faibles par rapport à la variation de mesure associée à... nos pièces. Nous avons donc une variation totale de toutes nos mesures, puis il y a des composantes, ces deux composantes différentes de variation que nous devons comprendre. |
| |
Alors, qu’est-ce que l’EMP ? Il s'agit d'évaluer le processus de mesure. C'est le Dr Donald Wheeler qui en a été le pionnier. Il existe un livre génial que je vous recommande vivement de vous procurer. |
| |
Pour moi, la façon la plus simple d'envisager l'EMP est probablement de fournir une approche statistique permettant d'utiliser efficacement les données de mesure. Il ne suffit donc pas de savoir si ma jauge est bonne ou mauvaise, |
| |
donc première classe, deuxième classe, troisième classe, celles-ci sont basées sur la probabilité de détecter un changement dans le processus. |
| |
L'ancienne méthode, celle que j'ai apprise en premier, la GRR, percent R&R, la méthode AIAG, utilise des seuils arbitraires pour la classification des jauges. Voici donc un problème que... que j'ai rencontré et c'est ce qui m'a amené à EMP au départ. |
| |
Il y a de nombreuses années, je travaillais avec un test destructif, c'est donc un système de mesure. |
| |
Et nous avons fait une analyse des systèmes de mesure, et il s'est avéré qu'il s'agissait d'une jauge de quatrième classe selon les normes de pourcentage R&R. Bien bien, |
| |
tu sais, c'est quelque chose, mais qu'est-ce que ça nous dit ? Et ce qui rendait cela difficile à digérer, c'était le fait que nous utilisions ce test destructeur. |
| |
prendre des décisions en matière de développement de produits qui généraient des revenus. C'était une jauge utile, donc le pourcentage de R&R ne nous disait rien sur l'utilité de notre jauge et cela ne nous donnait rien en termes de |
| |
des recommandations sur la façon dont nous pourrions utiliser cette jauge. J'ai donc en quelque sorte l'impression que l'approche du pourcentage de R&R pour moi manque vraiment d'informations dont j'ai besoin pour utiliser efficacement les données de mesure. |
| |
Très bien, un exemple de jauge moins frustrant et plus sage. C'est la machine à mesurer les coordonnées. |
| |
Mesure la géométrie des objets. Il s'agit d'une expérience très simple dans laquelle vous mesurez simplement une dimension de longueur. |
| |
La longueur des pièces est donc une variable de bruit, comme vous remarquerez ce petit joystick ici. Nous avons une implication des opérateurs dans le système de mesure. J'en ai vu des versions automatisées et peut-être que vous n'incluriez pas l'opérateur, mais dans ce cas, vous le faites. |
| |
Avoir une variation associée aux pièces, puis cette interaction opérateur/pièce. Maintenant, c'est... ce terme d'interaction, comme pour ceux d'entre vous qui aiment DOE, |
| |
nous savons tous que les interactions se produisent partout, mais je ferai de mon mieux pour démontrer un exemple d'interaction opérateur/pièce très courante. Donc ce que je tiens, c'est un peu |
| |
cylindre en métal et j'ai un pied à coulisse à cadran. |
| |
je vais |
| |
prenez une mesure sur le diamètre de cette pièce et je vois qu'il fait environ 19 millimètres. |
| |
Si je savais quelle était sa taille ou si j'avais une idée de ce que devrait être ce diamètre, ce que je pourrais faire, c'est appliquer plus ou moins de pression sur le cadran de ma jauge. |
| |
pour que j'atteigne ma mesure attendue. Maintenant, cela arrive partout. Je me surprends à le faire. Si ce genre de choses se produit chaque fois que nous, humains, interagissons avec des systèmes de mesure, alors |
| |
si vous avez l'argent et le budget pour construire une expérience pour rechercher cela, je le recommande très certainement. |
| |
D'accord, JMP 16. C'est plutôt une chose amusante. J'adore ce nouvel outil. Il y a un... |
| |
Je suis désolé... un outil de conception d'expériences spécifique à MSA dans le menu DOE pour JMP 16. |
| |
Je vais vous montrer, en quelque sorte, une démonstration de cela, mais avant de le faire, je voudrais en quelque sorte avoir une petite discussion sur la randomisation. |
| |
Pour tous ceux d'entre nous qui effectuent des analyses DOE et des systèmes de mesure, nous savons que nous randomisons parce que nous voulons réduire le risque que des variables cachées aient un impact sur nos résultats. C'est donc un peu acquis, n'est-ce pas ? |
| |
Si nous ne procédons pas à une randomisation complète, nous allons potentiellement rencontrer des problèmes. |
| |
Ce que je recommanderais également, c'est de rendre l'opérateur aveugle aux ordres d'exécution aléatoires. Alors imaginez moi et mon pied à coulisse, je mesure 10 pièces différentes et je ne sais jamais quelle pièce je mesure, donc il y a moins d'opportunités |
| |
pour moi de biaiser l'expérience, l'expérience d'analyse des systèmes de mesure, simplement en connaissant cette information. Donc randomisé, rendez-le aveugle si vous le pouvez. |
| |
Si vous rencontrez des problèmes de randomisation, vous pouvez éventuellement envisager une conception en parcelles divisées ou un autre moyen de résoudre le problème de randomisation, mais nous voulons absolument le faire dans la mesure du possible. |
| |
D'accord, jetons un oeil à cela. DOE, Special Purpose, voici notre conception MSA. |
| |
Tout comme tous les autres outils DOE dans JMP, je peux, vous savez, saisir le nom de mes facteurs et je dois peut-être ajouter ici un autre facteur pour l'opérateur. |
| |
Une chose que j'aime vraiment ici, c'est que je peux lui donner un rôle MSA, et cela est copié en tant que propriété de colonne dans la table de données que nous allons générer. |
| |
Supposons donc que l'opérateur ait un nom différent, mais je veux avoir au moins un certain point d'ancrage sur le fait que j'utilise cela comme rôle d'opérateur dans le MSA, et je peux le faire. C'est vraiment génial. |
| |
Dans cette expérience, nous avons quatre parties différentes, quatre opérateurs différents, et nous allons effectuer deux répétitions. Alors qu'est-ce que cela signifie |
| |
c'est que j'ai ma copie originale, ma première tentative d'expérience, et je vais répéter cela encore deux fois. J'obtiens donc trois mesures pour chaque analyse dans mon original |
| |
expérience. |
| |
Nous allons complètement randomiser et jeter un œil au design. Tout comme le DOE, obtenez un aperçu rapide de la conception de notre expérience, regardez cela, |
| |
assurez-vous généralement que cela a du sens pour nous, si c'est ce que nous voulions faire et si ce que nous voyons est correct. Ce que j'aime vraiment dans cet outil, ce sont les diagnostics de conception, donc un peu différents de ce que l'on voit dans le concepteur personnalisé, par exemple, |
| |
ou dans l'outil de comparaison de conceptions. Il y a une simulation qui s'exécute derrière cela et nous pouvons jouer avec... vous savez, peut-être que nous ajustons les composants de variance associés à mon test et il y a une simulation qui s'exécute en arrière-plan. Et nous pouvons |
| |
poser quelques questions. Notre conception d'expérience est-elle suffisamment bien conçue pour que nous puissions étiqueter une jauge de première classe si c'est ce que nous avons ? Donc c'est vraiment cool. |
| |
Je l'aime parce que c'est très axé sur l'analyse des systèmes de mesure, et tout comme le DOE, hé, si nous devons ajouter des pièces supplémentaires ou des opérateurs supplémentaires, ajouter des répliques supplémentaires, vous savez, nous pouvons jouer avec cela dans la plate-forme sans basculer sur une table. tout de suite. |
| |
Très bien, jetons un coup d'œil à notre MSA standard. |
| |
Je souhaite passer en revue quelques sorties graphiques de base. Nous le ferons un peu lentement car nous répéterons ce processus plusieurs fois. |
| |
Pour ce système de mesure, les résultats graphiques que nous obtenons du rapport EMP sont en fait vraiment plutôt sympas. Ainsi, par exemple, ce graphique moyen, |
| |
si je devais afficher les données ici plutôt que les moyennes, ce serait exactement le même résultat que celui que nous obtiendrons de l'outil graphique de jauge d'attribut de variabilité. |
| |
Alors, qu'est-ce que cela nous dit si mes mesures... la plupart de mes mesures sont en dehors de mes éléments de contrôle, alors nous serons très probablement en mesure de détecter des différences entre les pièces. |
| |
Écart type, et si j'avais choisi la plage de dispersion, nous en reparlerons un peu plus dans une minute. |
| |
Cela visualise la répétabilité, nous voulons donc que tout soit dans les limites ici, et c'est le cas avec cette jauge. Donc quelques autres. |
| |
Voici un de mes favoris. Encore une fois, l’interaction opérateur/pièce. Ce graphique, si j'ai des lignes qui se croisent, indique qu'une interaction est possible ici. Donc |
| |
ils ne le font pas... ces lignes ne doivent pas nécessairement s'empiler les unes sur les autres et elles peuvent être espacées, mais nous espérons vraiment que nous n'obtiendrons aucun croisement de lignes dans ce rapport. L'analyse des moyens, j'aime ça, tu peux l'utiliser comme outil de procédure. |
| |
Cela nous dit simplement que l'opérateur un a tendance à mesurer en moyenne une valeur faible et que les opérateurs deux et trois ont tendance à mesurer une valeur élevée. |
| |
Et ce n’est pas nécessairement mauvais, mais si c’est le cas, nous pourrons peut-être en découvrir la source. Vous savez, pourquoi l'opérateur 1 mesure-t-il des valeurs moyennes faibles ? Donc encore, |
| |
test, retest, comparaison d'erreurs. Nous montrons simplement s'il y a une incohérence dans la façon dont chaque opérateur mesure. |
| |
Voilà donc le graphique. Parlons un peu de quelques termes EMP supplémentaires. Ainsi, le fondement de la classification des jauges dans EMP réside dans les corrélations intraclasses. C'est la proportion de variation par rapport à la pièce. |
| |
Et nous espérons que l'intérieur de l'intérieur est associé à notre partie de mesures répétées et |
| |
et opérateur et une partie des termes de biais. Nous espérons vraiment que ces chiffres seront faibles par rapport au total, donc plus cette statistique est élevée, mieux c'est ; l'un est parfait. |
| |
Et si vous allez parcourir le livre de Wheeler et faire des calculs manuels sur des choses comme la corrélation intraclasse à partir des composantes de la variance, utilisez certainement le tableau d'écart type comme type de dispersion. |
| |
Wheeler a une très bonne discussion dans son livre sur le moment où vous pourriez vouloir utiliser la cuisinière et nous allons le voir, avec le système de mesure du pèse-personne. Donc si votre... si votre précision est assez fine, vous |
| |
pourrait utiliser le type de dispersion par écart type. S'il est volumineux, la plage sera probablement la meilleure approche pour cela. |
| |
Erreur probable. Nous allons voir cela dans quelques endroits différents. Il y a beaucoup d'utilité à ce sujet et j'ai tiré cela du livre. |
| |
Wheeler décrit cela comme suit : « Aucune mesure ne doit jamais être interprétée comme étant plus précise que plus ou moins une erreur probable, car les mesures comporteront une erreur de ce montant ou plus au moins la moitié du temps. » Cette statistique va donc être utilisée à plusieurs endroits différents. |
| |
Notamment, nous allons utiliser à la fois un incrément de mesure, |
| |
qui est fonction de l'erreur probable, pour ajuster nos attentes en matière de précision pour la mesure, combien de décimales voulons-nous signaler. |
| |
Et nous verrons un autre endroit où l'erreur probable est utilisée dans le baguage de garde... l'interdiction de garde statistique des limites de spécifications. |
| |
D'accord, nous allons donc simplement parcourir le rapport, puis nous passerons en revue les étapes dans JMP. |
| |
Nous obtenons une classification de jauge réaliste, donc cela dit deuxième classe. Les recommandations de Wheeler sont que vous puissiez décider de tracer le processus de mesure, je souhaiterai donc peut-être effectuer un contrôle avant d'effectuer cette mesure. |
| |
C'est discutable. Vous savez, c'est encore une fois une conversation budgétaire, vous savez. Pouvons-nous nous permettre de consacrer du temps à cela ? Oui... si oui, faites-le. |
| |
Si non, quel est le coût de l'amélioration de la jauge ? Peut-on le déplacer vers une jauge de première classe ? Combien pensons-nous que cela pourrait coûter dans un projet pour faire cela ? |
| |
cette légende de classification des moniteurs. Passez un peu de temps avec cela ; vous pouvez extraire quelques lignes directrices pour les graphiques de contrôle... ou les graphiques |
| |
le processus réel. Résolution efficace pour cette jauge, il faut laisser tomber les chiffres. Je vais vous expliquer comment procéder. |
| |
Composants de variance, c'est génial. La partie contient la majeure partie de la variance, c'est donc une bonne chose, même si nous avons encore un opérateur |
| |
et une certaine interaction opérateur/pièce. Nous l’avons également constaté dans l’analyse graphique. D'accord, allons... |
| |
maintenant, j'ai construit un complément, et pour le moment c'est... Je vais l'utiliser à des fins de démonstration. C'est un petit buggy. Si je parviens à résoudre certains de ces problèmes, je le publierai. |
| |
Mais il s'agit simplement du lancement de la plateforme EMP et ensuite cela va me donner d'autres choses, d'autres options associées à |
| |
le rapport du PEM. D'accord. Nous retiendrons donc simplement la pièce et l'opérateur. J'utiliserai l'écart type dans ce cas. |
| |
Et voilà. Cliquez sur OK. Voilà donc toutes les choses dont nous avons parlé dans les diapositives. |
| |
Je ne pense pas qu'il y ait quelque chose de différent à voir là-bas. Maintenant, cela vient directement d'EMP, et ce que je fais, c'est que je demande, compte tenu du bruit dans mon système de mesure, comment... quelle est la conformité du produit à laquelle je peux m'attendre |
| |
avec mes limites de spécifications et puis-je améliorer cela en resserrant mes limites de spécifications ? Je vais donc utiliser les statistiques pour garder le groupe |
| |
mes limites de spécifications. Donc, pour ceux qui travaillent dans la fabrication de haute technologie, vous avez probablement entendu parler des limites spécifiées en matière de bandes de garde. Parfois, cela ne représente qu'un pourcentage. |
| |
Mais j'adore EMP car je peux utiliser l'erreur probable pour faire un calcul |
| |
qui prend en compte le bruit de mon système de mesure lorsque je resserre ces limites. Donc, ce que cela veut dire, c'est que pour une conformité de 96 %, |
| |
Je dois resserrer mes élastiques. J'ai oublié d'ajuster les décimales ici, mais ce serait 56 à 74. |
| |
Je le serre donc juste d'un millimètre. C'est tout, des deux côtés, des deux spécifications. Les lignes noires, ce sont les limites des spécifications d'origine, celles que nous fixons à notre client. |
| |
Si nous faisons fonctionner la jauge à ces limites de spécification, nous pouvons nous attendre à une conformité d'environ 64 %, il y a donc un compromis ici, n'est-ce pas ? |
| |
Si nous voulons resserrer les limites des spécifications, cela va nous coûter cher. Nous allons rejeter davantage de pièces, mais est-ce que cela va protéger un peu mieux le client ? Certainement. En fait, si l'on dépasse quatre erreurs probables par rapport à la limite des spécifications, |
| |
nous pouvons obtenir une conformité de 99,9 %, mais nous allons rejeter beaucoup plus de produits et certains de ces produits pourraient en fait être utiles au client. |
| |
Le compromis ici est la voix de l'entreprise par rapport à la voix du client, et c'est une décision commerciale et elle mérite une discussion avant de prendre une décision. |
| |
à quel point vous souhaitez resserrer vos limites de spécifications. D'accord, c'est la jauge qui se comporte bien et nous avons vu... oh j'avais oublié, j'allais montrer |
| |
comment je résout le problème de précision de la décimale. Ainsi, une machine de mesure de coordonnées crache beaucoup de décimales. |
| |
EMP me dit que je devrais vraiment laisser tomber les chiffres. Pour ce faire, je crée simplement une colonne de formules, en utilisant la fonction around, puis j'ajuste cela pour que zéro soit là où je suis maintenant, mais j'ai en fait essayé deux et un. |
| |
et réexécutez l'analyse EMP. Et chacun... dès que EMP me dit que je n'ai plus besoin de laisser tomber un chiffre, c'est la précision que je vais rapporter. |
| |
D'accord, et les instructions de fabrication. Encore une fois, c'est un autre endroit où l'erreur probable et l'incrément de mesure sont utilisés dans ce calcul. |
| |
C'est bien. C'est une approche statistique de quelque chose qui, vous savez, est courant dans le secteur manufacturier de haute technologie ; c'est du baguage de garde. Nous pouvons le faire en utilisant le bruit de notre système de mesure pour |
| |
faire le calcul. Très bien, revenons au redoutable pèse-personne. Très bien, donc c'est un peu amusant. |
| |
Laissez-moi vous guider à travers la conception. |
| |
Ce que je trouve plutôt amusant, c'est que lorsque nous entreprenons une expérience, qu'il s'agisse d'une analyse DOE ou d'un système de mesure, |
| |
nous devons apporter un peu de créativité. Et je devais le faire. J'ai presque été perplexe, pour être honnête. Donc, les facteurs de bruit associés au fait que je me pèse ou que quelqu'un dans ma famille me pèse, eh bien, il y a nous, vous savez. Je me tiens sur la balance. |
| |
En partie... pensez-y en partie, c'est comme ma fluctuation de poids quotidienne, n'est-ce pas ? |
| |
Je peux obtenir, vous savez, disons que je suis à plus ou moins quatre. J'ai trop mangé pendant une semaine et j'ai pris deux kilos. C'est la chose que je veux pouvoir détecter. |
| |
En fait, c'est un peu difficile d'obtenir cela, car je dois en quelque sorte séparer cette fluctuation de poids quotidienne de la partie opérateur, de la partie moi. |
| |
La façon dont j'ai procédé... il y a probablement beaucoup de façons différentes de procéder, mais la façon dont j'ai procédé est la suivante : mes participants à l'analyse des systèmes de mesure, ma famille. Ils mesuraient leur masse corporelle, |
| |
descendez de la balance, je leur tends un haltère, ils reculent sur la balance. Je les soustrais et j'obtiens ensuite le poids, ce sera donc la mesure de ma pièce. |
| |
Maintenant, pour mettre cela sur l’échelle de mon poids cible, ce qui me permet de comprendre un peu plus facilement, je le normalise simplement. |
| |
Et c'est juste... c'est juste changer l'échelle pour quelque chose qui a un peu plus de sens pour moi. Ok, voyons... voyons à quoi ça ressemble. Très bien, nous allons refaire le complément. Il y a quelque chose dont c'est digne |
| |
note. D'accord, je pense que si je me souviens de cela, il se souviendra à nouveau de l'opérateur et de la pièce. Il s’agit d’une mesure volumineuse. Je vais utiliser le type de dispersion du graphique de plage et le design est croisé. |
| |
Bon, déjà, dès le départ, on voit qu'on ne peut probablement pas détecter |
| |
différences de poids quotidien. Maintenant, il pourrait y avoir quelque chose ici qui est associé à la façon dont j'ai mené l'expérience ; c'est certainement possible, |
| |
mais ça n'a pas l'air vraiment bien. Alors regardons quelques autres, donc le tableau des plages, ça a l'air plutôt bien. Ah... whoa, il y a un problème. Ma variation intérieure, donc associée à mes mesures répétées, eh bien, c'est plus grande que ma part... ma variance associée à ma variation de pièce à pièce. |
| |
Ce n'est pas une bonne chose. |
| |
Donc problème deux. Vous pouvez en quelque sorte passer en revue certains de ces autres. Testez, retestez, ça a l’air plutôt bien. Mon analyse de comparaison des biais des résultats des moyennes semble bonne. Très bien, voici un autre problème. Regardez la taille de cette erreur probable. Rappelez-vous, j'espère vraiment pouvoir voir au moins |
| |
une différence de poids d'une livre et que cela soit significatif. Eh bien, l’erreur probable est trois fois supérieure à cela et c’est un problème. |
| |
On me dit de laisser tomber un chiffre. Si je parcoure cela, je dois en fait passer à la notation scientifique, rapporter deux chiffres, pour s'en rapprocher encore plus. |
| |
Et même quand même, l'erreur probable est juste énorme, et nous allons voir, un peu plus bas, en quoi cela peut être problématique en termes d'utilisation de la jauge. |
| |
Jauge droite de troisième classe. Donc, si nous devions utiliser la jauge, nous tracerions certainement le processus de mesure, donc exécuterions des contrôles ou des normes |
| |
avant de faire notre poids quotidien. Interaction opérateur/pièce, la voilà à nouveau. C'est drôle parce que l'opérateur trois est mon beau-frère. C'est un gars plutôt intelligent, et même si j'ai essayé de l'empêcher de passer le test, je pense qu'il passait le test. |
| |
Cela pourrait donc être associé à mon étude et pas nécessairement à la jauge ; juste mon observation. Nous allons donc rejouer à ce jeu de conformité à 96 %, en le ramenant à zéro. Et oh non, je ne peux pas calculer les limites. En fait, ma limite inférieure est en fait |
| |
supérieur à ma limite supérieure. Et pourquoi est-ce arrivé ? Eh bien, dans le calcul |
| |
(voyons, si je reviens là où j'ai montré ça), |
| |
si cette erreur probable est trop importante, cela va créer un problème, il y a donc une petite limitation à cela. |
| |
outil que Wheeler utilise dans son livre. Mais pour moi, ce que cela me dit, c'est que ce pèse-personne est une camelote et que j'ai juste besoin d'en acheter un nouveau. Donc je suis plutôt bon marché, |
| |
mais j'ai décidé, vous savez, que 50 dollars n'était probablement pas un prix déraisonnable, alors j'ai acheté une balance Fitbit et nous verrons à quoi... voyons à quoi cela ressemble. |
| |
Oh. |
| |
Exécutez à nouveau l’étude. |
| |
Et la portée, nous garderons cela la même. Très bien, nous constatons déjà une petite amélioration. Ce n'est pas aussi bon que ma machine de mesure de coordonnées, mais, bon, certaines de mes mesures tombent en dehors des limites de contrôle, donc je considérerais cela comme une amélioration. |
| |
Regardez aussi ça. Ma composante de variance intérieure est en fait inférieure à une partie. Je veux dire, c'est toujours un peu gros, |
| |
mais 50 dollars... peut-être que si je dépense 100 ou 1 000 dollars, je pourrais réduire un peu ce montant, mais je pense que je suis prêt à vivre avec ça. Très bien, erreur donc probable, hé, ouais. Nous pesons au moins moins d'une livre. |
| |
Et bien sûr, nous devons envisager de supprimer un chiffre, et donc je ferais également cet exercice d'arrondi avec cela, et il s'avère que rapporter une précision décimale nulle est ce que nous voulons faire. Et jetons un coup d'oeil à ceci, 96 % de conformité. |
| |
Encore une fois, j'obtiens quelque chose de raisonnable. Donc pour moi, |
| |
ce que j'avais défini comme attente dans tout cet exercice de perte de poids, c'était que je voulais atteindre un poids cible de 180. |
| |
Mais je suis prêt à vivre avec des fluctuations de poids de plus ou moins cinq livres. Et au fil de ce voyage, j'ai remarqué que les choses que je mange peuvent changer, le gain de poids en eau en une journée, c'est donc une attente assez raisonnable. Maintenant, si je veux être sûr, |
| |
que je reste fidèle à mon objectif, je dois peut-être réduire ces limites de spécifications d'une livre. |
| |
Donc, ce qui a commencé comme un exercice frustrant au cours d'un assez long voyage de perte de poids et de travail avec une horrible balance, je suis arrivé à quelque chose avec lequel je peux vivre et dont je suis plutôt heureux. Donc |
| |
C'est tout ce que j'ai. Merci. Espérons que cela ait été une promenade divertissante à travers la méthode EMP d'analyse des systèmes de mesure. |
| Olivia Lippincott |
ouais, arrête l'enregistrement. |
| Jason Wiggins, JMP |
Et je le fais à temps, oh bien. |
