스피커
|
성적 증명서
|
| 올리비아 리핀콧 |
다시 말하지만, 녹음기는 이전에 켜져 있었고 종종 음소거 상태였으며 다시 켜겠습니다. |
| 제이슨 위긴스, JMP |
오른쪽. 여러분, 안녕하세요. 별말씀을요 |
| |
그 빌어먹을 욕실 저울. |
| |
그래서 나에게는 물건을 측정하는 도구가 없는 삶을 상상하기 어렵습니다. 그리고 물건을 측정하는 것은 매우 인간적인 특성입니다. 우리는 그렇게만 합니다. |
| |
저는 제대로 작동하는 측정 시스템에서 많은 행복을 찾았고, 가장 확실하게는 그렇지 않을 때 좌절감을 느꼈습니다. |
| |
측정 시스템을 개발하고, 개선하고, 심지어 올바르게 사용하는 데에도 비용이 듭니다. 그것이 단순하든 복잡하든, 이와 관련된 비용이 있습니다. |
| |
내 경험에 따르면, 결함이 있는 게이지의 데이터를 사용하거나 심지어 좋은 게이지의 데이터를 오용하는 데 따른 결과적 비용과 비교할 때 이 비용은 적습니다. |
| |
이에 대한 좋은 예는 허블 우주 망원경입니다. |
| |
1990년 발사 후 얼마 지나지 않아 주경의 수차가 발견되었습니다. |
| |
수차는 망원경 이미지의 선명도에 영향을 미쳤습니다. 사실 이것은 전후의 이야기입니다. |
| |
문제의 원인은 거울을 연마하는 데 사용된 장비의 잘못 보정된 부분으로 거슬러 올라갑니다. |
| |
6억 2천만 달러가 넘습니다. 그것은 1993년 달러입니다. 그건 꽤 큰 돈이에요. |
| |
그리고 저는 거울을 연마하기 전에 측정 시스템 분석을 수행했다면 이 비용을 완전히 피할 수 있었을 것이라고 믿습니다. |
| |
허블 망원경...허블 우주 망원경 수리는 고비용 측정 사고의 좋은 예이지만, 측정 시스템 문제는 비록 적은 비용으로도 실망스러울 수 있다고 생각합니다. 예를 들어 제가 두려워하는 욕실 체중계를 생각해 보세요. |
| |
작년...작년 12월에 체중 감량 여행을 시작했습니다. |
| |
그리고 제가 시간이 지남에 따라 그리고 매일매일 무엇을 보고 있었는지 여러분에게 알려주십시오. |
| |
나는 일상적으로 체중이 4파운드 증가했습니다. 이제 내 생각엔 내가 여기에 목표 체중 근처에 있다면... 목표 체중 주위를 맴돌고 있다면 아마 아시겠지만 플러스 마이너스 4파운드의 변동이 있을 것입니다. |
| |
비현실적인 기대는 아니다. 이제 감정적으로 다른 일이 이 과정의 초기에 발생합니다. |
| |
우리는 범위를 좁혀 이에 대해 조금 이야기하겠습니다. 그래서 저는 체중 감량을 위해 매우 부지런히 일하고 있으며 모든 올바른 일을 하고 있습니다. |
| |
그러던 어느 날 아침에 일어났더니 몸무게가 4파운드나 더 나갔습니다. 그래서 실망스럽죠? 그리고 그것이 다른 사람들도 공감할 수 있는 내용이길 바라지만 제 질문은 |
| |
이 과정 전반에 걸쳐(아마도 이 여행을 시작하기 전에 측정 시스템 분석을 수행했어야 했을 것입니다), 그런 것을 언제 보게 될지 궁금합니다. |
| |
그 4파운드 중 얼마만큼이 나이고, 그 중 얼마만큼이 측정 시스템의 소음입니까? 그래서 저는 그 질문에 대답하기 위해 측정 시스템 분석을 실행했습니다. 이제 여기에 스포일러 경고가 있습니다. |
| |
제가 처음 했던 공부는 별로 좋지 않았습니다. 게이지가 형편없습니다. 버리면 좋겠지만 전자제품을 재활용하는 걸 좋아해요. |
| |
결국 이것은 사용하기에 좋은 게이지가 아니었습니다. |
| |
오늘 제 목표 중 하나는 실제 측정 시스템에 대한 재미있는 탐구입니다. 우리 모두 공감할 수 있지만 다른 목표 중 하나는 몇 가지 이점을 강조하는 것입니다. |
| |
측정 시스템 분석에 EMP 방법을 사용하는 방법. 이제 이를 수행하기 위해 몇 가지 기본 정의를 다룬 다음 다음을 사용하여 방법을 보여 드리겠습니다. |
| |
보다 잘 동작하는 게이지의 MSA 결과입니다. 이제 안심하세요. 여기서는 잠시 후에 저의 끔찍하고 끔찍한 욕실 저울 예시로 다시 돌아가겠습니다. |
| |
자, 그럼 먼저 측정 시스템 분석이란 무엇일까요? 제가 보기에 이것에 대한 간단한 설명은, 아시다시피 우리는 실험을 실행할 것이고 우리가 실험을 통해 얻고자 하는 것은 측정 시스템의 한계를 식별하거나 측정하는 것입니다. |
| |
우리의 목표는 무엇입니까? 측정 시스템 분석을 수행하면 우리가 사용하고 있는 측정 시스템이 충분히 좋은지 확실히 판단할 수 있습니다. |
| |
사용 여부 또는 개선이 필요한지 여부. 하지만 저는 EMP 방법이 빛나는 부분이 더 중요하다고 생각합니다. |
| |
측정 데이터를 활용하기 위한 기준을 설정하고 싶다는 것입니다. 완벽한 측정 시스템이란 없습니다. 측정 데이터를 효과적으로 사용하는 데 도움이 되는 표준은 무엇입니까? |
| |
어떻게 됐나요? 이는 분산 성분 분석이므로 측정 시스템과 관련된 분산 성분을 찾고 있습니다. |
| |
그리고 바라건대, 이는 우리 부품과 관련된 측정 변동에 비해 작습니다. 따라서 우리는 모든 측정값에 대해 전체 변동이 있고 구성 요소가 있습니다. 우리가 이해해야 하는 두 가지 서로 다른 변동 구성 요소입니다. |
| |
그렇다면 EMP란 무엇인가? 측정 프로세스를 평가하는 것을 의미합니다. 도널드 휠러(Donald Wheeler) 박사가 개척한 것입니다. 제가 강력히 추천하고 싶은 멋진 책이 있습니다. |
| |
제 생각에는 EMP에 대해 생각하는 가장 간단한 방법은 EMP가 측정 데이터를 효과적으로 사용하기 위한 통계적 접근 방식을 제공한다는 것입니다. 그러니까 내 게이지가 좋은지 나쁜지 아는 것만으로는 부족하고, |
| |
따라서 첫 번째 클래스, 두 번째 클래스, 세 번째 클래스는 프로세스에서 변화를 감지할 확률을 기반으로 합니다. |
| |
제가 처음 배운 기존 방법인 GRR, 백분율 R&R, AIAG 방법은 게이지 분류를 위해 임의의 임계값을 사용합니다. 그래서 여기에 제가 직면한 문제가 있는데, 그것이 실제로 저를 처음에 EMP로 이끌었습니다. |
| |
수년 전에 저는 파괴적인 테스트 작업을 하고 있었습니다. 이것이 바로 측정 시스템입니다. |
| |
그리고 측정 시스템 분석을 실시한 결과, R&R 표준 비율로 4등급 게이지로 판명되었습니다. 음... 음, |
| |
아시다시피 그게 뭔가요. 하지만 그게 우리에게 무엇을 말해주는 걸까요? 그리고 그것을 소화하기 어렵게 만드는 가장 어려운 점은 우리가 이 파괴적인 테스트를 사용하고 있다는 사실이었습니다. |
| |
수익을 창출하는 제품 개발에 대한 결정을 내립니다. 그것은 유용한 게이지였기 때문에 R&R 비율은 우리 게이지의 유용성에 대해 아무 것도 알려주지 않았고 우리에게 어떤 것도 주지 않았습니다. |
| |
해당 게이지를 어떻게 사용할 수 있는지에 대한 권장 사항입니다. 그래서 저는 저에게 있어 백분율 R&R 접근 방식에는 측정 데이터를 효과적으로 사용하는 데 필요한 정보가 실제로 부족하다고 생각합니다. |
| |
좋아요, 덜 실망스럽고 좀 더 예의바른 게이지 예제입니다. 이것은 좌표 측정기입니다. |
| |
물체의 형상을 측정합니다. 이것은 길이의 한 차원만 측정하는 매우 간단한 실험입니다. |
| |
따라서 부품의 길이는 소음 변수입니다. 여기 이 작은 조이스틱이 보이실 겁니다. 우리는 측정 시스템에 운영자가 참여하고 있습니다. 나는 이것의 자동화된 버전을 보았고 아마도 연산자를 포함하지 않을 수도 있지만 이 경우에는 포함합니다. |
| |
부품과 관련된 변형이 있고, 그런 다음 조작자/부품 상호 작용이 있습니다. 이제 이것은...DOE를 사랑하는 분들을 위한 상호작용 용어입니다. |
| |
우리 모두는 상호 작용이 어디에서나 발생한다는 것을 알고 있지만 매우 일반적인 조작자/부품 상호 작용의 예를 보여주기 위해 최선을 다하겠습니다. 그래서 내가 들고 있는 것은 작은 것 |
| |
금속 실린더와 다이얼 캘리퍼가 있습니다. |
| |
할거다 |
| |
이 부품의 직경을 측정해 보니 약 19mm입니다. |
| |
내가 이것의 크기가 무엇인지 알았거나 그 직경이 얼마나 되어야 할지 예상했다면, 내가 할 수 있는 일은 실제로 내 게이지의 다이얼에 어느 정도 압력을 가하는 것입니다. |
| |
그래서 예상 측정값에 도달했습니다. 이제 이런 일은 어디에서나 일어납니다. 나는 그것을 하고 있는 자신을 붙잡는다. 이러한 유형의 일이 인간으로서 측정 시스템과 상호 작용할 때마다 발생한다면 |
| |
이것을 찾기 위한 실험을 구축할 돈과 예산이 있다면 나는 그것을 가장 확실히 추천합니다. |
| |
알겠습니다. JMP 16입니다. 이것은 일종의 재미있는 일입니다. 나는 이 새로운 도구를 좋아한다. 이있다... |
| |
죄송합니다...JMP 16의 DOE 메뉴에 있는 MSA 전용 실험 설계 도구입니다. |
| |
이에 대한 데모를 보여드리겠지만, 그 전에 무작위화에 대해 조금 논의하고 싶습니다. |
| |
DOE 및 측정 시스템 분석을 수행하는 우리 모두는 결과에 영향을 미치는 숨어 있는 변수의 위험을 줄이고 싶기 때문에 무작위화한다는 것을 알고 있습니다. 그래서 그것은 일종의 주어진 것입니다, 그렇죠? |
| |
완전히 무작위화하지 않으면 잠재적으로 몇 가지 문제가 발생할 수 있습니다. |
| |
내가 또한 추천하고 싶은 것은 운영자가 무작위 실행 명령을 보지 못하게 만드는 것입니다. 저와 제 캘리퍼를 상상해 보세요. 제가 10개의 서로 다른 부품을 측정하고 있는데 제가 측정하고 있는 부품이 어느 부분인지 전혀 모르기 때문에 기회가 적습니다. |
| |
그 정보를 아는 것만으로도 실험, 즉 측정 시스템 분석 실험을 편향시킬 수 있습니다. 무작위로 지정되므로 가능하면 눈이 멀도록 만드세요. |
| |
무작위화 문제가 발생하는 경우 분할 플롯 디자인이나 무작위화 문제를 처리하는 다른 방법을 살펴볼 수 있지만 우리는 가능한 한 그렇게 하고 싶습니다. |
| |
좋아, 한번 살펴보자. DOE, 특수 목적, MSA 설계가 있습니다. |
| |
JMP의 다른 모든 DOE 도구와 마찬가지로 요인 이름을 입력할 수 있으며 여기에 연산자에 대한 다른 요인을 추가해야 할 수도 있습니다. |
| |
여기서 제가 정말 좋아하는 점 중 하나는 여기에 MSA 역할을 부여할 수 있고 이것이 생성할 데이터 테이블의 열 속성으로 복사된다는 점입니다. |
| |
따라서 운영자의 이름이 다르지만 이를 MSA에서 운영자 역할로 사용하고 있다는 사실에 대한 최소한의 기준점을 갖고 싶고 그렇게 할 수 있다고 가정해 보겠습니다. 정말 대단해요. |
| |
이 실험에는 4개의 서로 다른 부분과 4개의 서로 다른 연산자가 있으며 두 번의 반복실험을 실행할 것입니다. 그럼 이것이 무엇을 의미하는가? |
| |
원본이 있고 처음으로 실험을 실행해 보았는데 이를 두 번 더 반복할 예정입니다. 따라서 원본에서 각 실행에 대해 세 가지 측정값을 얻습니다. |
| |
실험. |
| |
우리는 완전히 무작위로 추출하여 디자인을 살펴보겠습니다. DOE와 거의 동일합니다. 실험 설계를 빠르게 미리 보고 확인할 수 있습니다. |
| |
일반적으로 그것이 우리에게 의미가 있는지, 그것이 우리가 원했던 것이고 우리가 보고 있는 것이 올바른지 확인하십시오. 이 도구에서 제가 정말 좋아하는 점은 디자인 진단입니다. 예를 들어 맞춤 디자이너에서 볼 수 있는 것과는 약간 다릅니다. |
| |
또는 디자인 비교 도구에서. 이 뒤에 실행되는 시뮬레이션이 있고 우리는 함께 놀 수 있습니다. 아마도 우리는 내 테스트와 관련된 분산 구성 요소를 조정하고 백그라운드에서 실행되는 시뮬레이션이 있을 것입니다. 그리고 우리는 할 수 있습니다 |
| |
몇 가지 질문을 해보세요. 우리의 실험 설계는 우리가 갖고 있는 최고 수준의 게이지에 태그를 붙일 수 있을 만큼 충분히 잘 설정되어 있습니까? 정말 멋진 일이죠. |
| |
매우 측정 시스템 분석에 중점을 두고 있기 때문에 저는 이것을 좋아합니다. 그리고 DOE와 마찬가지로 추가 부품이나 추가 연산자가 필요한 경우 추가 복제물을 추가해야 합니다. 아시다시피 테이블에 덤프하지 않고도 플랫폼 내에서 이를 사용할 수 있습니다. 곧. |
| |
좋습니다. 표준 MSA를 살펴보겠습니다. |
| |
몇 가지 기본적인 그래픽 출력을 살펴보고 싶습니다. 우리는 이 과정을 몇 번 반복할 것이기 때문에 천천히 할 것입니다. |
| |
이 측정 시스템의 경우 EMP 보고서에서 얻은 그래픽 출력은 실제로 매우 멋집니다. 예를 들어 이 평균 차트는 |
| |
여기에 평균이 아닌 데이터를 표시한다면 변동성 게이지 차트 도구에서 얻을 수 있는 결과와 동일할 것입니다. |
| |
따라서 내 측정값이 대부분의 측정값이 제어 요소 외부에 있는 경우 부품 간의 차이를 감지할 수 있을 가능성이 매우 높습니다. |
| |
표준편차, 분산의 범위를 선택했다면 이에 대해 잠시 후에 좀 더 자세히 설명하겠습니다. |
| |
이는 반복성을 시각화하므로 모든 것이 여기서 한계 내에 있기를 원하며 이 게이지의 경우도 마찬가지입니다. 그래서 몇 가지 더. |
| |
여기 제가 가장 좋아하는 것 중 하나가 있습니다. 다시 말하면, 조작자/부품 상호작용입니다. 이 그래프에 교차하는 선이 있으면 여기에서 상호 작용이 가능하다는 것을 나타냅니다. 그래서 |
| |
그렇지 않습니다...이 선은 서로 겹쳐질 필요가 없으며 간격이 떨어져 있을 수도 있지만, 해당 보고서에서 선이 교차하는 일이 발생하지 않기를 바랍니다. 수단 분석, 나는 이것을 절차 도구로 사용할 수 있다는 것을 좋아합니다. |
| |
이는 단지 연산자 1이 평균적으로 낮게 측정되는 경향이 있고 연산자 2와 3이 높게 측정되는 경향이 있음을 알려주는 것입니다. |
| |
그리고 그것이 반드시 나쁜 것은 아닐 수도 있지만 만약 그렇다면 소스를 자세히 조사할 수 있을 것입니다. 교환원 1이 평균적으로 낮게 측정되는 이유는 무엇입니까? 그래서 다시, |
| |
테스트, 재테스트, 오류 비교. 우리는 단지 각 운영자가 측정하는 방식에 불일치가 있는지 여부를 보여줄 뿐입니다. |
| |
이것이 바로 그래픽입니다. 몇 가지 추가 EMP 용어에 대해 조금 이야기해 보겠습니다. 따라서 EMP의 게이지 분류의 기본은 클래스 내 상관관계입니다. 부품의 변동 비율입니다. |
| |
그리고 inside가 우리의 반복 측정 부분과 연관되어 있기를 바랍니다. |
| |
연산자와 바이어스 용어의 일부입니다. 우리는 이것이 전체에 비해 작기를 정말로 바라고 있습니다. 따라서 이 통계에서는 높을수록 좋습니다. 하나는 완벽해요. |
| |
Wheeler의 책을 읽고 분산 구성 요소의 클래스 내 상관 관계와 같은 항목에 대해 직접 계산하려면 표준 편차 차트를 분산 유형으로 사용하세요. |
| |
Wheeler는 자신의 책에서 레인지를 언제 사용해야 하는지에 관해 매우 좋은 논의를 했으며 우리는 욕실 체중계 측정 시스템을 통해 이를 살펴보겠습니다. 따라서 만약...당신의 정밀도가 상당히 정교하다면, 아마도 당신은 |
| |
표준편차 분산형을 사용할 수 있습니다. 그것이 두툼하다면 범위가 아마도 더 나은 접근 방식이 될 것입니다. |
| |
오류가 있을 수 있습니다. 우리는 이것을 몇 가지 다른 장소에서 볼 것입니다. 이것에는 많은 유용성이 있으며 나는 이것을 책에서 가져왔습니다. |
| |
Wheeler는 이를 "어떤 측정도 플러스 또는 마이너스 1의 가능한 오류보다 더 정확하다고 해석해서는 안 됩니다. 왜냐하면 측정은 적어도 전체 시간의 절반 이상만큼 오류가 발생하기 때문입니다."라고 설명합니다. 따라서 이 통계는 여러 곳에서 사용될 것입니다. |
| |
특히, 우리는 측정 증분, |
| |
이는 예상 오류의 함수로, 측정에 대한 정밀도 기대치를 조정하기 위해 소수점 이하 자릿수를 보고하고자 합니다. |
| |
그리고 우리는 가드 밴딩에서 가능한 오류가 사용되는 또 다른 곳, 즉 사양 제한의 통계적 가드 금지를 보게 될 것입니다. |
| |
좋아요, 그럼 보고서를 살펴보고 실제로 JMP의 각 단계를 살펴보겠습니다. |
| |
우리는 현실적인 게이지 분류를 얻었으므로 이는 2등급을 의미합니다. Wheeler의 권장사항은 측정 프로세스를 차트로 작성하기로 결정할 수 있으므로 이 측정을 수행하기 전에 컨트롤을 실행하는 것이 좋습니다. |
| |
논쟁의 여지가 있습니다. 아시다시피, 이것은 다시 예산에 관한 대화입니다. 우리가 그렇게 할 시간을 가질 수 있나요? 응...그렇다면 그렇게 하세요. |
| |
그렇지 않다면...게이지 개선 비용은 얼마입니까? 1급 게이지로 옮겨볼까요? 그렇게 하는 데 프로젝트 비용이 얼마나 들 것이라고 생각합니까? |
| |
이 모니터 분류 범례입니다. 약간의 시간을 투자해 보세요. 관리 차트 또는 차트 작성에 대한 몇 가지 지침을 추출할 수 있습니다. |
| |
실제 과정. 이 게이지의 유효 분해능은 숫자를 줄여야 합니다. 그 일을 어떻게 진행하는지 살펴보겠습니다. |
| |
분산 구성 요소, 이것은 훌륭합니다. 부분에는 대부분의 분산이 포함되어 있으므로 이는 좋은 것입니다. 비록 여전히 일부 연산자가 있지만 |
| |
그리고 일부 작업자/부품 상호 작용. 우리는 그래픽 분석에서도 이를 확인했습니다. 알았어, 하자... |
| |
이제 추가 기능을 만들었고 지금은...데모 목적으로 사용하겠습니다. 약간 버그가 있습니다. 이러한 문제 중 일부가 해결되면 게시하겠습니다. |
| |
하지만 이것은 단지 EMP 플랫폼을 시작하는 것일 뿐이고 그 후에는 다른 것, 즉 다음과 관련된 다른 옵션이 제공될 것입니다. |
| |
EMP 보고서. 괜찮은. 따라서 우리는 부분과 연산자만 기억하겠습니다. 이 경우에는 표준편차를 사용하겠습니다. |
| |
그리고 우리는 간다. 확인을 클릭하세요. 이것이 우리가 슬라이드에서 이야기한 모든 것입니다. |
| |
제가 보기에는 딱히 다른 점은 없는 것 같아요. 이제 이것은 바로 EMP에서 나온 것입니다. 제가 하고 있는 일은 측정 시스템의 노이즈를 고려하여 어떻게...내가 기대할 수 있는 제품 적합성이 무엇인지 묻고 있는 것입니다. |
| |
사양 한계를 강화하여 이를 개선할 수 있습니까? 그래서 통계를 이용해 밴드를 보호하겠습니다. |
| |
내 스펙 한계. 따라서 첨단 제조업에 종사하는 분들이라면 아마도 가드 밴딩 사양 제한에 대해 들어보셨을 것입니다. 때로는 단지 퍼센트로 처리되기도 합니다. |
| |
하지만 EMP를 좋아하는 이유는 예상되는 오류를 계산에 사용할 수 있기 때문입니다. |
| |
제한을 강화할 때 측정 시스템 노이즈를 고려합니다. 따라서 이것이 말하는 것은 96% 적합성에 대한 것입니다. |
| |
밴드를 꽉 조여야 해요. 여기서 소수점 이하 자릿수를 조정하는 것을 잊어버렸는데, 56에서 74가 될 것입니다. |
| |
그래서 1밀리미터만 조입니다. 어느 쪽이든, 어느 쪽의 사양이든 그게 전부입니다. 검은색 선은 당사가 고객을 위해 설정한 원래 사양 한계입니다. |
| |
이러한 사양 한계에서 게이지를 실행하면 약 64%의 적합성을 기대할 수 있으므로 여기서는 절충점이 있습니다. 그렇죠? |
| |
사양 제한을 강화하려면 비용이 많이 듭니다. 우리는 더 많은 부품을 거부할 예정이지만, 그것이 고객을 조금 더 잘 보호할 수 있을까요? 거의 확실히. 실제로 사양 제한에서 예상되는 오류 4개를 입력하면 |
| |
우리는 99.9%의 적합성을 얻을 수 있지만 훨씬 더 많은 제품을 거부하게 될 것이며 해당 제품 중 일부는 실제로 고객에게 유용할 수 있습니다. |
| |
여기서 절충점은 비즈니스의 목소리와 고객의 목소리이며 이는 비즈니스 결정이며 결정하기 전에 논의할 가치가 있습니다. |
| |
사양 한계를 얼마나 강화하고 싶은지. 알았어, 그게 예의바른 게이지인데 우리가 봤어...아 깜빡했어, 보여주려고 했어 |
| |
소수점 이하 자릿수 문제는 어떻게 해결하나요? 그래서 좌표 측정 기계는 소수점 이하 자릿수를 많이 뱉어냅니다. |
| |
EMP는 나에게 정말로 숫자를 줄여야 한다고 말하고 있습니다. 제가 하는 방법은 around 함수를 사용하여 수식 열을 만든 다음 이를 조정하여 현재 위치가 0이 되도록 하는 것입니다. 하지만 실제로는 2+1을 시도해 보았습니다. |
| |
EMP 분석을 다시 실행했습니다. 그리고 각각...EMP가 나에게 더 이상 숫자를 뺄 필요가 없다고 말하자마자, 그것이 바로 내가 보고할 정밀도입니다. |
| |
좋아요, 제조 지침도요. 다시 말하지만, 이는 해당 계산에서 예상 오류 및 측정 증가분이 사용되는 또 다른 장소입니다. |
| |
훌륭해요. 이는 첨단 제조 분야에서 흔히 볼 수 있는 통계적 접근 방식입니다. 가드밴딩이에요. 우리는 측정 시스템 노이즈를 사용하여 이를 수행할 수 있습니다. |
| |
계산을 해보세요. 좋아, 두려운 욕실 체중계로 돌아가자. 좋아요, 그럼 이건 좀 재미있네요. |
| |
디자인을 안내해 드리겠습니다. |
| |
제가 생각하는 재미있는 점은 DOE든 측정 시스템 분석이든 실험을 시작하려고 할 때 |
| |
우리는 약간의 창의성을 발휘해야 합니다. 그리고 나는 그래야만 했다. 솔직히 말해서 나는 이것 때문에 거의 당황할 뻔했습니다. 그래서 저 자신의 체중이나 제 가족의 체중을 측정하는 사람과 관련된 소음 요인은 바로 우리입니다. 나는 체중계 위에 서 있다. |
| |
부분...생각해보면 부분은 제 일일 체중 변동과 같죠? |
| |
나는 플러스 마이너스 4에 있다고 가정해 봅시다. 일주일 동안 과식을 해서 2파운드가 쪘어요. 그것이 내가 감지할 수 있기를 원하는 것입니다. |
| |
실제로 그것을 얻는 것은 다소 어렵습니다. 왜냐하면 저는 운영자 부분, 즉 나 자신 부분에서 일일 체중 변동을 깨뜨려야 하기 때문입니다. |
| |
제가 접근한 방식은...아마도 이를 수행하는 방법에는 여러 가지가 있을 것입니다. 하지만 제가 접근한 방식은 측정 시스템 분석에 참여하는 가족, 즉 가족이 있다는 것입니다. 그들은 자신의 체중을 측정하고, |
| |
체중계에서 내려오면 내가 그들에게 덤벨을 건네주고, 그들은 체중계 위로 뒤로 물러납니다. 그 값을 빼고 무게를 구하면 그것이 내 부품 측정값이 됩니다. |
| |
이제 이것을 좀 더 이해하기 쉽도록 목표 체중의 척도에 맞추기 위해 그냥 정규화합니다. |
| |
그리고 그것은 단지...그것은 나에게 좀 더 이해가 되는 것으로 규모를 변경하는 것입니다. 좋아요...이것이 어떻게 보이는지 봅시다. 좋습니다. 다시 추가 기능을 수행하겠습니다. 그럴만한 가치가 있는 뭔가가 있어요 |
| |
메모. 좋아, 이걸 기억하면 연산자와 부분이 다시 기억날 것 같아요. 이것은 두툼한 측정입니다. 범위형 차트 분산형을 사용하려고 하는데 디자인이 교차됩니다. |
| |
좋아요, 이미 문밖에서 우리가 감지할 수 없는 것을 보고 있습니다. |
| |
일일 체중의 차이. 이제 제가 실험을 진행한 방식과 관련된 뭔가가 여기에 있을 수 있습니다. 확실히 가능해요. |
| |
하지만 별로 좋아 보이지는 않네요. 그럼 몇 가지 다른 차트를 살펴보겠습니다. 범위 차트는 꽤 좋아 보입니다. 아...워, 문제가 생겼네요. 내 변동 내는 반복 측정과 연관되어 있으므로 내 부분보다 큽니다. 내 부분 간 변동과 관련된 내 변동입니다. |
| |
그것은 좋은 일이 아닙니다. |
| |
그럼 문제 2번. 당신은 이러한 다른 것 중 일부를 겪을 수 있습니다. 테스트, 재테스트 꽤 좋아 보입니다. 평균에 대한 편향 비교 분석 결과가 좋아 보입니다. 좋습니다. 또 다른 문제가 있습니다. 예상되는 오류의 크기를 살펴보세요. 기억해, 난 적어도 내가 볼 수 있기를 정말로 바라고 있어 |
| |
1파운드의 무게 차이는 의미가 있습니다. 글쎄요, 예상되는 오류는 그보다 3배나 더 크며 그게 문제입니다. |
| |
숫자를 빼라는 말을 들었습니다. 이것을 반복하면 실제로 과학적 표기법으로 들어가 두 자리 숫자를 보고하여 더 가까워지게 해야 합니다. |
| |
그럼에도 불구하고 발생할 수 있는 오류는 매우 크며, 좀 더 아래에서 이것이 게이지 사용 측면에서 어떻게 문제가 될 수 있는지 살펴보겠습니다. |
| |
오른쪽 3종 게이지. 따라서 게이지를 사용해야 한다면 측정 프로세스를 차트로 작성해야 하므로 제어 또는 표준을 실행해야 합니다. |
| |
일일 체중을 측정하기 전에. 작업자/부품 상호 작용이 다시 발생했습니다. 운영자 3이 내 처남이기 때문에 이것은 재미있는 일입니다. 그 사람은 좀 똑똑한 사람이고, 제가 그 사람이 시험에 응시하는 것을 불가능하게 만들려고 노력한 만큼, 제 생각에는 그 사람이 시험을 치르고 있었던 것 같아요. |
| |
그래서 그것은 내 연구와 연관될 수 있지만 반드시 게이지와 연관될 필요는 없습니다. 그냥 내 관찰이야. 그래서 우리는 96% 적합성 게임을 다시 할 것이고, 그것을 0으로 낮추겠습니다. 그리고 아뇨, 한계를 계산할 수 없습니다. 사실 내 하한선은 |
| |
내 상한선보다 높아요. 그리고 왜 그런 일이 일어났는가? 글쎄, 계산에 |
| |
(내가 보여줬던 곳으로 돌아가면 보자), |
| |
예상되는 오류가 너무 크면 문제가 발생하므로 이에 대한 약간의 제한이 있습니다. |
| |
Wheeler가 자신의 책에서 사용하는 도구입니다. 하지만 나에게 있어서 이 말이 나에게 말하는 것은 이 욕실 체중계는 쓰레기이고 새 체중계를 사야 한다는 것입니다. 그래서 나는 좀 싸구려야. |
| |
하지만 저는 50달러가 아마도 불합리한 가격이 아니라고 판단하여 Fitbit 체중계를 구입했고 어떤지 살펴보겠습니다...그게 어떻게 생겼는지 살펴보겠습니다. |
| |
오. |
| |
연구를 다시 실행합니다. |
| |
그리고 범위는 동일하게 유지하겠습니다. 좋아요, 이미 약간의 개선이 보이고 있습니다. 내 좌표 측정 기계만큼 좋지는 않지만 내 측정 중 일부가 실제로 제어 한계를 벗어나므로 이를 개선된 것으로 간주합니다. |
| |
또한 저것 좀 보세요. 내 변동 내 구성 요소는 실제로 부분보다 작습니다. 내 말은, 아직은 좀 크다는 거야. |
| |
하지만 50달러...아마도 100달러나 1,000달러를 쓰면 그 돈을 조금 줄일 수 있지만 그 정도는 감수할 의향이 있다고 생각합니다. 그렇군요. 오류가 있을 가능성이 높습니다. 이봐요. 우리 몸무게는 최소한 1파운드 미만이에요. |
| |
물론 우리는 숫자를 빼는 것을 고려해야 합니다. 그래서 저는 이것으로 반올림 연습을 해볼 것입니다. 그리고 우리가 원하는 것은 소수점 이하 정밀도를 0으로 보고하는 것임이 밝혀졌습니다. 그리고 이것을 살펴보겠습니다. 96%의 적합성입니다. |
| |
다시 말하지만, 실제로 합리적인 것을 얻었습니다. 그래서 나에게는 |
| |
체중 감량을 위한 이 전체 운동에 대한 기대치는 180의 목표 체중에 도달하고 싶다는 것이었습니다. |
| |
하지만 나는 플러스 마이너스 5파운드 체중 변동을 감수하며 살고 싶습니다. 그리고 이 여행을 겪으면서 저는 제가 먹는 것들이 변할 수 있다는 것을 깨달았습니다. 하루 안에 수분 체중이 증가한다는 것은 꽤 합리적인 기대입니다. 이제 확실히 하고 싶다면, |
| |
내 목표에 충실하려면 사양 제한을 1파운드씩 늘려야 할 수도 있습니다. |
| |
그래서 체중 감량과 끔찍한 규모의 작업이라는 상당히 긴 여정을 통해 일종의 실망스러운 운동으로 시작했던 것이 제가 살 수 있고 실제로는 일종의 행복한 것에 도달했습니다. 그래서 |
| |
그게 내가 가진 전부야. 감사합니다. 이것이 측정 시스템 분석의 EMP 방법을 살펴보는 즐거운 시간이 되었기를 바랍니다. |
| 올리비아 리핀콧 |
응 녹음 좀 그만해. |
| 제이슨 위긴스, JMP |
그리고 시간이 지나면 잘 되네요. |
