Hallo, Ich bin Dave Trindade,
Gründer Und Eigentümer von Stat-Tech, A Beratung Firma spezialisiert
In Die verwenden von JMP Software für lösen industriell Probleme.
Heute Ich bin gehen Zu Zu sprechen um A Beratung Projekt
Das ICH hat funktioniert An über Die zuletzt Jahr
mit A Robotik Unternehmen.
War gehen Zu Sei reden um Drohnen F lügnerisch In Lager:
Ein Anwendung von Attribut Messgerät Analyse.
Attribut Messgerät Analyse Ist typischerweise angewandt Zu vergleichen Vereinbarung,
oder Mangel davon zwischen zwei oder mehr Bewertung Ansätze Zu A Problem.
Für Beispiel, zwei Inspektoren dürfen haben Unterschiede von Meinung
als Zu ob A Teil Ist konform, Forderung Es passieren
oder nicht konform Forderung Es scheitern.
Basierend An Rücksichtnahme von Spezifisch Qualität Indikatoren für Individuell Teile,
Wie Tun Wir quantitativ messen Die Grad von Vereinbarung?
Lasst uns Genau genommen Start aus mit ein Beispiel.
Lasst uns sagen Wir haben zwei Inspektoren,
Inspektor 1 Und Inspektor 2,
Und Sie Sind vorgeführt mit A Liste von 100 Teile,
Die kritisch Eigenschaften An diese 100 Teile
Und fragte Zu bestimmen ob jede Teil sollen Sei klassifiziert als A passieren oder A scheitern.
Ich habe zusammengefasst Die Ergebnisse An Die Tisch Zu Die Rechts, teilweise Tisch.
Du sehen Dort Sind 100 Reihen In Die Tisch.
Alle Variablen Sind nominal, So Die Erste Spalte
Ist Die Teil 1-100.
Dann Die zweite Spalte Ist Die Bewertung von Inspektor 1,
ob es ist A passieren oder scheitern, Und Dann Die zweite Inspektor
wo auch zweite Spalte hat A passieren bzw scheitern Bewertung.
Jetzt, Wenn Wir war nicht vertraut mit JMPs Messgerät Attribut Analyse Programm,
Erste Schritt Das Wir könnte nehmen könnte Sei
Zu sehen bei Die zwei Einstufung Verteilungen
Und verwenden dynamisch Verlinkung Zu vergleichen.
Was ICH Wille Tun Ist zeigen Du Die Folien
Und Dann ICH Wille gehen Und zeigen Die Ergebnisse An Die Folien
nach Ich habe gegangen durch Die Folien, durch A bestimmt Menge von Material.
Für Beispiel, Wenn Wir klicken, sagen, Lasst uns generieren Verteilungen
von Die zwei Säulen, Die scheitern, Inspektor 1 Und Inspektor 2,
Dann Wir dürfen klicken, sagen, für Beispiel, An Die scheitern Spalte für Inspektor 1,
Du sehen meistens Streichhölzer für Inspektor 2,
Aber Dort Sind A wenig Meinungsverschiedenheiten über Hier.
Dort Sind manche geht vorbei Wo Inspektor 1
klassifiziert Es als A scheitern, Aber Inspektor 2 klassifiziert Es als A passieren.
Jetzt, Wenn Du Tun klicken An Das JMP Highlights,
Die tatsächlich Reihen Das entsprechen Zu Das.
Du dürfen sehen über Hier, für Beispiel, Reihe vier, Inspektor 1 genannt Es A scheitern
Und Inspektor 2 genannt Es A passieren.
Allgemein obwohl, Sie sind meistens In Vereinbarung,
scheitern, scheitern, scheitern, scheitern Und So her.
Wir könnte Auch Tun Das von Klicken An Inspektor 2 scheitern,
Und Dann Sehen Wie Es vergleicht Zu Inspektor 1.
Wir sehen Das Dort Sind Genau genommen fünf Instanzen von Uneinigkeit
zwischen Die zwei Inspektoren.
Wenn Die Inspektor 1 klassifiziert es als A scheitern,
Es gibt fünf dass ich Inspektor 2 klassifiziert Es als A passieren.
Jetzt Wir dürfen Auch visualisieren Die Inspektor Vergleich Daten.
Zu Tun Das, Wir dürfen verwenden Graph Builder mit tabellieren Zu Sicht zustimmen Und verschiedener Meinung sein
zählt zwischen Die zwei Inspektoren. Hier ist eins Weg von visualisieren Es.
Wir dürfen setzen Inspektor 1 verwenden Graph Builder An Die horizontal Achse
Und Inspektor 2 An Die Vertikale Achse.
Dann Wir sehen Jetzt mit Farbe Codierung, ob es ist Vereinbarung oder verschiedener Meinung sein,
zustimmen Ist Grün Und Dann Die Reihen
Das Sind verschiedener Meinung sein Farbe Code Ist Rot Markierungen.
Jetzt Wir dürfen sehen Die tatsächlich Verteilung.
Dann Wir dürfen verwenden tabellieren Zu Genau genommen gesamt Die Zahlen Das Sind beteiligt.
Wir dürfen sehen über Hier für Inspektor 1 Und Inspektor 2.
Inspektor 1 Und Inspektor 2 einverstanden An Die scheitern Kategorisierung
für 42 von Die Teile Und Sie einverstanden An 44 von Die passieren Teile.
Sie nicht einverstanden An neun Instanzen über Hier
Wo Inspektor 2 genannt Es A scheitern Und Inspektor 1 genannt Es A passieren.
Und Inspektor 2 genannt A passieren, Wo Inspektor 1 genannt Es A scheitern.
So diese gesamt 14.
Der Inspektoren einverstanden An A Einstufung für 86 % von Die Teile
Und Sie nicht einverstanden An 14 %.
Aus Dort Jetzt Wir dürfen gehen Und Tun Attribut Messgerät Analyse
Und sehen Was JMP dürfen Tun für Das Analyse.
Zu gehen Zu Attribut Messgerät Analyse, war gehen Zu gehen Zu Qualität
Und analysieren Qualität Und Verfahren Variabilität Attribut Messgerät Diagramm.
Dann Wir gießen Die Reihen. Und Hier Ich habe gezeigt Die Inspektoren
Sind aufgeführt unter Die Y Antwort, beide von ihnen.
Dann Die Spalte für Die Teil Ist aufgeführt als Die Gruppierung.
Diese Sind erforderlich Einträge.
Wir Notiz Die Diagramm Typ Ist Attribut, Wir klicken Okay.
Und Jetzt JMP bietet uns mit Das Attribut Messgerät Analyse Bericht.
Der Erste Diagramm das ist gezeigt über Hier Ist Die Prozent Vereinbarung für jede Teil.
So Wir haben 100 Teile An Die horizontal Reihen Achse über Hier,
Und Wenn Es gibt 100%, Es bedeutet Die zwei Inspektoren einverstanden.
Wenn Es gibt 0%, Es bedeutet Zu verschiedener Meinung sein.
Der links Diagramm zeigt an Die gesamt Prozent Vereinbarung 86 % von Inspektor.
Seit Die Vergleich Ist zwischen nur zwei Inspektoren,
beide Sind gehen Zu haben Die Dasselbe 86 % Vereinbarung Wert.
Der Vereinbarung Bericht Jetzt beinhaltet
A numerisch Zusammenfassung von Die gesamt 86 % Vereinbarung.
Du dürfen sehen 86 Streichhölzer aus von 100 inspiziert
Und Die Individuell Einsen Sind gehen Zu Sei Die Dasselbe seit es ist nur eins Ausgabe
von ob Es War A passieren oder scheitern für A gegeben Teil.
Und 95 % Vertrauen Grenzen Sind bereitgestellt für Die zwei Ergebnisse,
beide für Die Inspektor Und für Die Vereinbarung.
Jetzt Die Vereinbarung Vergleiche Bericht beinhaltet A neu Statistik
Das womöglich viele Menschen Sind nicht vertraut mit,
genannt Die Kappa Statistik.
Es ist erdacht von Cohen, das ist gegeben In Die Referenz.
Der Cohen Kappa Statistik Index, welche In Das Fall Ist 0,7203.
Ist entworfen Zu richtig für Vereinbarung von Chance allein.
Das War sehr interessant Zu Mich Wenn ICH Erste lesen um Das.
Wie: „Was? Tun Wir bedeuten von Vereinbarung von Chance allein?"
Lasst uns gehen hinein A wenig Bit von ein Erläuterung von Vereinbarung von Chance
Und Wie dürfen Wir schätzen Es.
Lasst uns halten zwei Bewerter, R1 Und R 2.
Also annehmen total willkürlich Entscheidungen
für jede Bewerter für jede probe, Beispiel, für jede Teil.
Wir weiter annehmen Das Die Wahrscheinlichkeit A Bewerter wählt entweder Auswahl passieren
oder scheitern über Die andere Ist 50 %. So es ist 50/50.
Hundert Proben oder Versuche Sind anders kategorisiert von passieren/ scheitern für jede Bewerter,
ähnlich Zu umdrehen A Münze für jede Auswahl.
Wir Nur visualisieren zwei Inspektoren Und Sie sind jede umdrehen A Münze,
Und Sie sind versuchen Zu passen Wie viele erhalten Kopf, Köpfe
oder Schwanz, Schwanz, oder Kopf, Schwanz oder Schwanz, Kopf.
Was ist Die erwartet Fraktion von Vereinbarungen von Chance?
Also, es ist A einfach Problem In Wahrscheinlichkeit.
Ähnlich Zu werfen zwei Münzen, Dort Sind nur vier möglich
Und gleichermaßen wahrscheinlich Chance Ergebnisse zwischen Die zwei Inspektoren für jede Teil.
Bewerter 1 könnte Forderung Es A scheitern, Und Bewertet 2 könnte Forderung Es A scheitern.
Sie würde zustimmen. Bewerter 1 dürfen Forderung Es A passieren,
Und Bewerter 2 würde Forderung Es A passieren Und das Rote Sei Vereinbarung Dort.
Der Uneinigkeit würde Sei Wenn Sie nicht zustimmen An ob es ist A passieren, scheitern.
Jetzt, diese Sind vier gleichermaßen wahrscheinlich Chancen.
Also, zwei von ihnen Sind Zu zustimmen Und zwei von ihnen sind anderer Meinung.
Deshalb, Die Wahrscheinlichkeit von Vereinbarung von Chance allein Ist zwei aus von 4 sind es 50 %.
Es ist ein einfach Wahrscheinlichkeit Problem.
Jetzt, Wie Tun Wir Berechnung Die Kappa S tatistisch An Die andere Hand?
Als ICH sagen, es ist gemeint Zu richtig für Das erwartet Wahrscheinlichkeit
von Vereinbarung von Chance allein.
Der einfach Formel Das Du dürfen setzen hinein JMP für Die Kappa-Statistik
ist der Prozent Vereinbarung, In Das Fall, würde Sei 86 % Minus Die erwartet von Chance
aus Die Daten, welche Wir wissen Ist gehen Zu Sei um 50 %.
Wie Tun Wir Genau genommen verwenden Die Daten Zu schätzen Die erwartet Chance
aus Die Daten selbst, Die erwartet Vereinbarung von Chance aus Die Daten?
Also, Die Einschätzung von Cohen Kappa-Statistik
Ist gezeigt unter, Und Das Ist grundsätzlich Wie es ist Erledigt.
Das Ist Die tabellarisch aufgeführt Wert. Das Ist Was Wir gesehen früher.
Vereinbarung An scheitern/ scheitern für Inspektor 1 Und 42 Instanzen.
Vereinbarung zwischen Inspektor 1 Und Inspektor 2
An Die Vergangenheit Kriterien für 44 Instanzen.
Du hatte diese hoch Und das ist 86 %.
So ICH zeigen Du über Hier In Die Excel Format Das Wir hinzugefügt, 42 Plus 44
Wir bekommen geteilt von 100.
Dann verschiedener Meinung sein Ist eins Minus [unverständlich 00:08:58]
oder nur Die fünf Plus neun geteilt von 100.
Jetzt, Zu Berechnung Die Vereinbarung von Chance, Die Cohen Kappa-Statistik Ist Die Summe
von Die Produkte von Die marginal Brüche für jede passieren/ scheitern Typ.
Also, Hier Sind Die marginal Brüche.
F oder scheitern, Die marginal Brüche Sind 51 geteilt von 100 und 47 geteilt von 100.
So Wir form A Produkt von diese zwei. Einundfünfzig geteilt von 100
mal 47 geteilt von 100.
Plus, Jetzt Wir eingeben Die scheitern. Das andere Kriterium ist das Scheitern.
Das sind 49...ICH sollen haben genannt Das War Die Erste Uneinigkeit.
Einundfünfzig und 47 für Die scheitern Kriterien. Für Die passieren Kriterien Jetzt,
Wir gehen 49 aus von 100 und 53 aus von 100,
Und Wir multiplizieren diese zwei zusammen Und hinzufügen ihnen.
Das gibt uns A Nummer Wenn Wir Berechnung Es aus Zu 49. 94,
welche Ist sehr schließen offensichtlich, Zu 0,5.
Dann Die Kappa-Statistik Ist Die Prozentsatz Vereinbarung
Minus Die erwartet von Chance, geteilt von eins Minus Die erwartet von Chance.
Das kommt aus Zu 0,7023 betragen In Das Fall.
Der Kappa. Hier Sind manche Richtlinien
für Dolmetschen Kappa.
Gehen zurück hoch nochmal.
ICH wollen Zu zeigen Du Das Die Kappa War 72.03.
Der Richtlinien für Dolmetschen Kappa Sind Wenn Kappa Ist größer
als 0 .75, es ist exzellent.
Wenn es ist zwischen 0,4 und 0. 75, es ist Gut.
Und Wenn es ist weniger als 0 .40 es ist genannt marginal oder arm.
Es gibt manche endlich teilen Linien An Das.
Ein exzellentes, total 100% Vereinbarung,
würde machen A Kappa von eins, Und Wir könnte Genau genommen erhalten A negatives Kappa
welche würde Sei Vereinbarung das ist weniger als von Chance allein.
Der Bücher denn diese sind gegeben In Die Referenz.
Alle Rechts, lassen Mich Nur stoppen Hier Und gehen hinein JMP Zu Was wir haben Erledigt So weit.
Wir dürfen sehen Das.
Der Daten Datei Das wir haben bekommen über Hier Ist Die Inspektoren
Das ICH geredet um, Und ICH genannt Wir könnte nehmen A sehen bei Die Verteilung.
Offensichtlich, Wenn du bist vertraut mit JMP, Du Nur gehen analysieren Verteilung
Und setzen In Die Inspektoren über Hier.
Dann Wir dürfen setzen Das nächste Zu Die Reihen,
Und Wenn Wir klicken scheitern, Wir sehen Die Vergleich zwischen Die scheitert
für Inspektor 1 gegen Die scheitern für Inspektor 2 Und manche Meinungsverschiedenheiten.
Dann Du dürfen sehen welche Bereiche Die Reihen das stimme nicht zu Beispiel vier.
Ähnlich, Wenn Wir Berechnung über Dort, Wir dürfen vergleichen Inspektor 2 Zu Inspektor 1.
Erhalten A anders Satz von Zahlen über Hier.
Der andere Möglichkeit Das ICH genannt für Visualisierung Ist Zu Tun A Graph Builder
Und In Diagrammersteller, Wir dürfen setzen Inspektor 1 An Die horizontal Achse
Und Inspektor 2 An Die Vertikale Achse.
Jetzt Wir haben A Vergleich, Und Jetzt Wir dürfen Genau genommen sehen Die Zahlen
von mal, für Beispiel, Wie viele mal tat Inspektor 1
Rate etwas als A passieren Wo Inspektor 2 bewertet als A scheitern.
Wenn Wir gehen zurück Zu Die Daten Tisch,
Wir sehen Das Dort Sind neun Instanzen von Das, Und Sie sind hervorgehoben In A Reihe.
Th Ist Ist A sehr schnell Weg von Sehen Was Die Zahlen Sind
für Die anders Kategorien Das war Arbeiten mit.
Lasst uns sagen, klicken Erledigt über Hier.
Der andere Ding Wir dürfen verwenden als ICH genannt, Ist Die tabellieren Besonderheit.
Wir dürfen gehen Zu tabellieren, Und Wir dürfen setzen Inspektor 1 An Die Spitze
Und Inspektor 2 An Die Unterseite über Hier Das Weg.
Dann Wir dürfen hinzufügen In andere Reihe für Die marginal Summen runter Hier Und So her.
Jetzt Wir haben Die Zusammenfassung Das Wir dürfen setzen nächste Zu Die Graph Builder
Und sehen Was Die tatsächlich Tabellierungen Sind Das wir haben bekommen für Das.
Das ist etwas Das Wir würde Tun
womöglich Wenn Wir war nicht vertraut mit JMPs Programm.
Aber Lasst uns verwenden JMP Jetzt Zu Tun Die Analyse.
War gehen Zu kommen über Hier, war gehen Zu gehen Zu Qualität Und Verfahren.
War gehen Zu gehen Zu Variabilität Attribut Messgerät Diagramm.
War gehen Zu setzen In Die Inspektoren über Hier.
War gehen Zu setzen In Die Teil.
Über Hier Du Notiz es ist erforderlich, Attribut.
Okay, klicken Okay, Und Jetzt Wir haben unser Ausgang.
Das Ausgang zeigt an nochmal für jede Teil Die Vereinbarung.
Null bedeutet ICH verschiedener Meinung sein. 100% bedeutet ICH verschiedener Meinung sein.
Das zeigt an Die Bewertung zwischen Die zwei Inspektoren, 86 %.
Das Ist Die Zusammenfassung, 86 %.
Hier ist unser Kappa Index über Hier, Und Wir haben Die Vereinbarung innerhalb Tarife.
Das Ist Art von überflüssig In Die Sinn
Weil war nur suchen bei eins binär Vergleich.
Dann weiter An runter Hier, Wir dürfen Tun Die Vereinbarung von Kategorien.
Wir dürfen Genau genommen Berechnung Wie viel Ist Die Vereinbarung von Die scheitern,
individuell, oder von Die passieren individuell.
Okay, So das ist Wie Wir würde Tun Es für A einfach Vergleich.
Aber Was Wenn Wir Jetzt halten Das Die tatsächlich Diagnose
von Die Teil War bekannt oder bestätigt?
Lasst uns gehen zurück hinein unser Kraft Punkte Präsentation.
Ich stelle eine vor Standard.
Okay, Das Ist A messen von Was Wir Forderung Wirksamkeit.
War gehen Zu annehmen Die richtig Teil, Einstufung War entweder bekannt
oder anschließend bestätigt.
So Das Ist Die WAHR richtig Diagnose Das sollen haben gewesen Erledigt An Das Teil.
Wie präzise Sind Die Inspektoren Entscheidungen?
In andere Wörter, Wie dürfen Wir vergleichen Wie präzise jede Inspektor War
Zu bestimmen passend hoch mit Die WAHR Standard?
Wir Satz hoch Das Spalte In JMP, Und Jetzt Wir dürfen gehen durch Die Verfahren
Das Wir genannt früher von suchen bei A Verteilung.
Für Beispiel, Wenn Wir hinzufügen In Die Verteilung,
Das Zeit Wir enthalten A Standard, Jetzt Wir dürfen klicken An passieren,
Und Wir dürfen sehen Die Vereinbarungen zwischen Inspektor 1 Und Inspektor 2
An passieren Klassifikationen.
Du dürfen sehen beide von ihnen hatte manche Fehlklassifizierungen, manche falsch Diagnose.
Wir dürfen klicken An scheitern Und Tun Die Dasselbe Ding für Die andere Kategorie.
Dann JMP Wille Markieren diese In Die Daten Tisch.
Zu Tun Die Attribut Messgerät Analyse In JMP verwenden Die Standard,
alle Wir haben Zu Mach es jetzt Ist eingeben Standard hinein Die Dialog Kasten als Wir tat Vor.
Das Ist Die zusätzlich Spalte.
Der groß Unterschied Jetzt, Und Das Ist nicht hervorgehoben In Die Handbuch,
Ist Das unter Attribut Messgerät, Wir dürfen Jetzt erhalten A Diagramm
Das gilt speziell Zu Die Wirksamkeit.
Was war gehen Zu Tun Ist entklicken diese Vereinbarung Punkte An Die Diagramm,
Und klicken stattdessen Die Wirksamkeit Punkte unter Attribut Messgerät.
Wenn Wir Tun Das, Wir erhalten andere Diagramm Das Mittel Die Wirksamkeit.
Und Das Wirksamkeit hat drei Bewertungen für Es.
Das Messgerät Attribut Diagramm Jetzt zeigt an Die Prozent Vereinbarung,
0, 50 %, %, oder 100% von Die zwei Inspektoren Zu Die Standard für jede Teil.
A 0% impliziert beide Inspektoren fehldiagnostiziert ihre Problem.
Sieben Veranstaltungen von Das geschah.
A 50 % bedeutet eins von Die Inspektoren bekommen ihre richtig Einstufung,
Und offensichtlich, 100% bedeutet Sie beide bekommen Es Rechts.
Dann Die links Diagramm zeigt an Die gesamt Prozent Vereinbarung
Zu Die Standard für jede Inspektor.
Wir bemerkte Das Dort War manche leicht Unterschied zwischen Die zwei Inspektoren.
Wir Jetzt generieren Die Wirksamkeit Bericht
Das einbezieht Die passieren/ scheitern Vergleiche
Zu Die Standard für jede Inspektor.
Du dürfen sehen Inspektor 1 bekommen 42 von Die scheitert richtig.
Er bekommen 43 von Die geht vorbei richtig, Aber Er bekommen 10falsch von Die scheitert,
Forderung ihnen geht vorbei.
Und Er bekommen fünf von Die geht vorbei falsch.
ICH finden Das Notation A wenig Bit verwirrend.
ICH setzen Es runter bei Die Unterseite.
Wenn Wir sagen falsch scheitern,
Das bedeutet A scheitern War falsch klassifiziert als A passieren.
Wenn Wir sagen falsch passieren, Es bedeutet A passieren War falsch
klassifiziert als A scheitern.
Du dürfen erhalten dein Geist gehen In verrückt Wege
Nur versuchen Zu stets interpretieren was ist In Dort.
Was Ich habe Erledigt Ist ICH erstellt Mein eigen Diagramm Zu vereinfachen Dinge.
Der Fehlklassifizierungen zeigt an über Hier Das 17 tatsächlich scheitern Teile war klassifiziert
als passieren, Und elf passieren Teile klassifiziert als scheitern.
So das ist In Die JMP Ausgang.
Aber Was ICH genannt über Hier, Und Ausweis Liebe Zu sehen JMP enthalten
etwas ähnlich Zu Das als A klar Erläuterung von was ist gehen An.
Inspektor 1, Inspektor 2, Die Standard Ist passieren,
Und Dann Die richtig Klassifizierung als passieren Ist 43 Und 42.
Der falsch klassifiziert als scheitert sind fünf Und sechs.
Dann über Hier, Wenn Die Standard Ist Die scheitern,
Die richtig Entscheidungen von Inspektor 1 und Inspektor 2 ist 42 Und 45.
Und Die falsch klassifiziert, So Wenn Es War scheitern,
10 von ihnen war als bestanden und sieben eingestuft über Hier.
Jetzt, verstehen, A scheitern Teil klassifiziert als passieren
Ist A Teil das ist A defekt Teil gehen hoch.
Das ist genannt A vermissen.
An Die andere Hand, A scheitern Teil Das ist t Er tatsächlich passieren Teil,
Wir Forderung Das grundsätzlich produziert Risiko, das ist A FALSCH Alarm.
Und JMP Verwendet diese Bedingungen, FALSCH Alarm Und vermissen,
später An Krank erklären Das.
ICH wie Das Diagramm Weil Es scheint Zu machen A klar Erläuterung
von was ist gehen An.
Benutzen Diagrammersteller, nochmal Wir dürfen Sicht Die Klassifikationen
von jede Inspektor als gezeigt über Hier.
A gewinnen, Du dürfen Markieren Spezifisch Themen Dort.
JMP Auch erlaubt Du Zu definieren A Konformität.
In andere Wörter, Wir genannt nicht- konform Ist A scheitern Und konform Ist A passieren.
Das Weg Wir dürfen nehmen A sehen bei Die Rate von FALSCH Alarm Und verfehlt
In Die Daten selbst als bestimmt von Die Inspektoren.
Wir dürfen sehen Das Die Wahrscheinlichkeit von FALSCH Alarm für Inspektor 1 War 0,1
Und Inspektor 2 beträgt 0,125. Der Wahrscheinlichkeit von vermisst,
Okay, das bedeutet Das Wir lassen Es Defekt Die Park, gehen aus,
War höher für Inspektor 1 Und Inspektor 2.
Krank zeigen Wie diese Berechnungen Sind Erledigt.
Zu betonen Das, A FALSCH Alarm
tritt ein Wenn Die Teil Ist falsch klassifiziert als A scheitern,
Wenn Es Ist A passieren. Das ist genannt A FALSCH positiv.
Der FALSCH Alarm, Die Nummer von Teile
Das haben gewesen falsch beurteilt Zu Sei scheitert,
geteilt von Die gesamt Nummer von Teile Das Sind beurteilt Zu Sei geht vorbei.
Jetzt, das ist Wo Das Berechnung Ist Erledigt über Hier.
Wenn ICH gehen hoch Hier, hier ist Die Pass ist falsch klassifiziert als scheitern,
So Wenn ICH nehmen fünf aus von 48, ICH Ende hoch mit Das Nummer 0,1042.
Jetzt Die nächste Ding Ist A vermissen.
Das Teil Ist falsch klassifiziert als A passieren.
Wenn Es Genau genommen Ist A scheitern. Das ist A FALSCH Negativ.
In Das Fall, war Senden aus A defekt Teil.
Der Nummer von Teile Das haben gewesen falsch beurteilt Zu Sei geht vorbei
geteilt von Die gesamt von Teile Das Sind beurteilt Zu Sei scheitert
Ist 10 aus von 42 Plus 10 ist 0,193.
A gewinnen, gehen zurück Zu Das Tisch,
diese Sind Die Teile Das Sind scheitern, Aber 10 von ihnen war falsch klassifiziert als A passieren.
So Die Teile Das sollen haben gewesen klassifiziert als Sie scheitern Ist 52.
Zehn geteilt von 52 gibt Du Das Nummer von 0,1923.
So ICH wie Das Tisch Ist Einfacher Zu interpretieren über Hier.
Der Finale Ding um Die Konformität Bericht
Ist Du dürfen ändern dein Konformität Kategorie,
oder du dürfen schalten konform Zu nicht konform.
Du dürfen Berechnung Auch ein fliehen Rate. Und Das Ist Die Rate Das Die Wahrscheinlichkeit
Das A nicht konform Teil Ist Genau genommen produziert Und nicht erkannt.
Zu Tun Das, Wir haben Zu bieten manche schätzen oder Wahrscheinlichkeit
von Nichtkonformität Zu Die JMP Programm.
ICH setzen In wie 10 %, Lasst uns sagen 10 % von Die Zeit Wir produzieren A defekt Teil.
Gegeben Das wir haben produziert A defekt Teil, was ist Die Wahrscheinlichkeit
Das 'S gehen Zu Sei A vermissen Und Dann fliehen?
Und das ist Die fliehen Rate. Das ist Die Multiplikation von Die zwei.
Unser Prozess Wille produzieren mal Die Wahrscheinlichkeit von A verpasst Verfahren
produziert scheitern Teil mal Die Wahrscheinlichkeit von A vermissen.
Jetzt Lasst uns gehen hinein JMP nochmal
Und war gehen Zu verwenden Die Inspektion mit Die Standard.
Ich bin schnell gehen Zu gehen durch Das.
Wir Tun analysieren Verteilung, nochmal, setzen hinein drei über Hier,
Und Jetzt Wir dürfen klicken An A Standard runter Hier
Und Dann Wir dürfen Markieren, vergleichen Die Inspektoren 01 und Inspektor 2.
Andere Weg Zu visualisieren Es Ist Zu verwenden Graph Baumeister als wir haben Erledigt Vor.
Dann Wir dürfen setzen Inspektor 1 über Hier.
Lassen Mich Tun Es Das Weg.
Und Inspektor 2 dürfen Sei An Das Seite Jetzt.
Dann Wir dürfen eingeben Die Standard über Hier An Das Seite.
Und Jetzt Wir haben A Weg von Klicken Und Sehen Was Die Kategorien
war relativ Zu Die Standard.
Das ist A sehr Hübsch wenig Graph, Und Wenn Du gesucht Zu sagen,
"Okay, Wie viele Inspektor 1
gegen klassifiziert als A passieren Wenn Es War A scheitern.
Jetzt Wir dürfen bringen Das Zu ein Ständer, Und Die Reihen sind hervorgehoben zu.
Lasst uns gehen hinein JMP. Jetzt war gehen Zu analysieren
Qualität Und Verfahren, Variabilität Attribut Messgerät Diagramm,
abrufen Und Ich bin gehen Zu hinzufügen In Die Standard über Hier.
Wir klicken Die Standard. Jetzt hier ist Die Ausgabe.
JMP gibt uns Die Attribut Messgerät Diagramm, Aber Das War für Die Vereinbarung.
Was heiraten wie Zu messen Ist gegen Die Standard.
Wir kommen hoch Hier An Die Attribut Messgerät Diagramm
Und was war gehen Zu Tun Ist entklicken irgendetwas Das sagt Vereinbarung.
Und klicken An irgendetwas Das sagt Wirksamkeit.
Dort könnte Sei A einfacher Weg Zu Tun Das letztlich
im [unverständlich 00:23:31] Programmierung In JMP.
Jetzt Wir haben Die Wirkung An Das Diagramm, nochmal, als ICH genannt, 50 % bedeutet
Das eins von Die Inspektoren bekommen Es Rechts, 0% bedeutet Sie beide bekommen Es falsch.
Und Wir hatte Die Vereinbarung Bericht zeigen 86 Das wir haben gesehen Vor.
Aber Was Wir wollen Zu erhalten runter Zu Ist Die Wirksamkeit Bewertung,
Die Wirksamkeit Bericht.
Und Jetzt Wir sehen Das Inspektor 1 War 85 % Wirksam.
Inspektor 2 War 87 % Wirksam.
Gesamt Es War 86 % Wirksam.
Hier ist Die Zusammenfassung von Die vermissen Klassifikationen.
Und diese Sind Die Einsen Das Sind aufgeführt über Hier.
Als Sie sagen Das Terminologie Du brauchen Zu verstehen Das falsch scheitert
war richtig geht vorbei Und falsch geht vorbei war richtig scheitert.
Dann Die Konformität Bericht Ist runter Hier, Wir zeigte Du Wie Zu Tun Die Berechnung
Und Dann Wir dürfen ändern Die konform Kategorie von tun Das über Hier.
Oder Wir dürfen Berechnung Die Wahrscheinlichkeit von fliehen, fliehen Rate,
von Putten In manche Zahl in Das Schätzungen,
Wie oft heiraten erwarten Zu sehen A defekt Teil.
Ich bin Putten In über Hier Punkt eins,
klicken, Okay.
Und Dann JMP gibt uns Die Wahrscheinlichkeit von Nichtkonformität Und Die fliehen Tarife
als gezeigt über Hier Jetzt für jede Inspektor.
ich war gehen zurück Zu Jetzt Mein Steckdose Präsentation.
Jetzt Das Wir haben A Gefühl für diese Konzepte von Vereinbarung,
Wirksamkeit Und Die Kappa Index, lassen uns sehen Wie Wir dürfen anwenden Die Ansatz
Zu A mehr Komplex Problem einsetzen Analyse genannt Inventar Verfolgung.
Als Teil von A Beratung Projekt mit Die Robotik Unternehmen,
Und Es ist Vimaan Robotics,
Und von Die Weg, Es gibt manche wunderbar Videos
Wenn Du klicken über Hier Das zeigt an Die Drohnen fliegend
In Die Lagerhaus Und So her
tun Die Lesungen Und manche von Die Ergebnisse aus Die Analyse.
Als Teil von A Beratung Projekt ICH War eingeführt Zu Die Problem
von Drohnen fliegend In A Lagerhaus verwenden optisch Charakter Erkennung
Zu lesen Inventar Etiketten Und Boxen Und Regale.
In Messung System Analyse MSA,
Die Zweck Ist Zu bestimmen Wenn Die Variabilität In Die Messung System
Ist niedrig genug Zu genau erkennen
Unterschiede In Produkt- Zu- Produkt Variabilität.
A weiter Zielsetzung Ist Zu verifizieren Das Die Messung System
Ist präzise, präzise Und stabil.
In Das lernen, Die Produkt Zu Sei gemessen über OCR
An Drohnen Ist Die Etikett An Die Container gelagert In Gestelle An A Lagerhaus.
Der Messung System muss lesen Die Etiketten genau.
Außerdem, Die Messung System Wille Auch bestätigen Die Fähigkeit Zu erkennen,
für Beispiel, leer behälter, beschädigt Artikel, zählt von Artikel In A gegeben Standort,
Maße, Und So her. Alle Sein Erledigt von Die Drohnen.
In Gauge-R&R-Studien eins Anliegen Adressen rein Fehler,
Das Ist Die Wiederholbarkeit von wiederholt Messungen An Die Dasselbe Etikett.
Wiederholbarkeit Ist A messen von Präzision.
In Zusatz, In R&R-Studien messen,
A zweite Anliegen Ist Die Voreingenommenheit damit verbundenen mit Unterschiede In Die Werkzeug,
Das Ist, Unterschiede unter Die Drohnen Lektüre Die Dasselbe Etiketten.
Das Aspekt Ist genannt Reproduzierbarkeit, das ist A messen von Genauigkeit.
Der Design Das ICH vorgeschlagen
War A kreuzen lernen In welche Die Dasselbe Standorte In Die Lagerhallen,
In Die Mülleimer Sind gemessen mehrere mal, das ist für Wiederholbarkeit
über anders Voreingenommenheit Faktoren, Die Drohnen für Reproduzierbarkeit.
Der Vorschlag Wille definieren mehrere Standards für Die Drohnen Zu messen.
Der Vergleiche Wille einbeziehen beide innerhalb- Drohne Wiederholbarkeit,
Drohne- Zu- Drohne Vereinbarung Konsistenz,
Und Drohne- Zu- Standard Genauigkeit.
Der planen War Zu messen 50 Standorte 1-50,
und drei Drohnen Wille Sei gebraucht Zu messen Reproduzierbarkeit
das ist Drohne- Zu- Drohne Vergleiche, Und Dort Wille Sei drei geht vorbei
für jede Standort von jede Drohne Zu messen Wiederholbarkeit.
Jetzt, mehrere Antworten dürfen Sei gemessen gegen jede Spezifisch Standard.
So Wir nicht haben Zu haben Nur eins Artikel Und A Standard.
Wir dürfen haben anders Eigenschaften.
Der Lektüre dürfen Sei binär, Das Ist, klassifiziert als entweder richtig oder falsch.
Und Auch Die Lektüre dürfen bieten Status
Berichterstattung für A Standort, wie Die Nummer von Einheiten, beliebig Schaden Einheiten, Und So her.
Beispiele von anders Antworten
Sind Wie genau dürfen Die Drohnen lesen A Standard Etikett?
Sind Dort beliebig fehlen oder invertiert Etiketten?
Sind Die Inventar Artikel In Die richtig Standort?
Ist Die Menge von Boxen In A Standort richtig?
Sind beliebig von Die Boxen beschädigt? Das würde Sei etwas
Das A menschlich Person würde Sei Überprüfung als Teil von ein Inventar Kontrolle,
Aber Jetzt war tun Es alle mit Drohnen.
Hier ist Die Vorschlag.
ICH haben 50 Reihen über Hier,
150 Reihen Genau genommen, Weil jede Standort Ist Sein lesen drei mal von jede Drohne.
So ICH haben Drohne A, Drohne B, Und Drohne C.
Dann diese Sind Die Ergebnisse von A Vergleich Zu Die Standard.
War klassifizieren fünf Standards, A B C D Und E,
Und Sie sind nach dem Zufallsprinzip vereinbart worden In Hier als weit als Die Standort geht.
Und es ist eins charakteristisch angeben jede von Die 50 Standorte.
S Ince war tun drei Lesungen, es ist 150 Reihen.
T Drei Drohnen Reproduzierbarkeit, drei geht vorbei für jede Standort
Und von jede Drohne das ist Wiederholbarkeit
Und Die Standards angegeben sind für jede Standort.
Ich bin gehen Zu machen ein wichtig Stellungnahme über Hier Das Die Daten Das Ich bin verwenden
für Illustration Ist gemacht- hoch Daten Und nicht tatsächlich Experimental-
Ergebnisse aus Die Unternehmen.
Wir dürfen Start aus mit Verteilungen Und dynamisch Verlinkung.
Wir dürfen Jetzt vergleichen Die Einstufung von Die Drohnen von Standard.
Wir generieren Die Verteilungen Und Dann Wir klicken An sagen, Standard A,
Und Wir dürfen sehen Wie viele Drohnen bekommen Das Standard A Rechts,
oder ob beliebig Drohnen hatte weiter Fehldiagnose.
Dasselbe Ding Wenn Wir dürfen klicken An Standard E, Wir dürfen sehen Drohne A hatte A höher Neigung
für falsch klassifizieren Standard E Und Dasselbe Ding mit Drohne C.
Jetzt Die Diagramm unter zeigt an Wie Also
Die Drohnen einverstanden mit jede andere für jede Standort.
Hier Sind Die 50 Standorte Und war suchen bei Die Drohnen vergleichen.
Jetzt Wenn du bist vergleichen A Drohne Zu andere Drohnen, Du hast bekommen A viel von Vergleiche.
Du bist vergleichen Vielleicht Drohne eins Zu ich sich selbst drei mal.
Du bist vergleichen Zone eins,
Drohne eins Zu Zone zwei, mal für jede eins von Die Messungen.
So Es könnte haben wie eine 1, 2, 3 für Zone,
Drohne eins Und A eins, zwei, drei für Zone.
Zwei, Und du bist vergleichen alle möglich Kombinationen Jetzt von diese Drohnen.
Das ist Warum Die Berechnungen erhalten A wenig Bit Komplex
Wenn Du erhalten mehrere Drohnen In Dort.
Aber du bist tun A Vergleich.
Das zeigt an Die Vereinbarung unter alle Die Vergleiche.
Jetzt Wir bemerkte Das zwischen Zonen Die fünf Und 10,
Das für diese Standorte Die Genauigkeit fallen gelassen ganz bedeutend
Und Das aufgefordert weiter Untersuchung als Zu Warum?
Es könnte haben gewesen Die Beleuchtung, Es könnte haben gewesen Die Standort,
Es könnte haben gewesen etwas anders Das War störend mit Die richtig Diagnose.
Du sehen am meisten von Die Drohnen Sind Lektüre genau 100%.
Das Ist ein Vereinbarung zwischen Die Drohnen,
So Sie war zustimmend grob 90, 91 % bei Die Zeit.
Und diese Sind Die Vertrauen Intervalle für jede Drohne.
So Das erzählt uns Wie Also Die Drohnen war vergleichen Zu jede andere.
Jetzt Wir bekommen Vereinbarung Vergleich, Die Tische Wille zeigen Die Vereinbarung Werte
vergleichen Paare von Drohnen Und Drohnen Zu Die Standard.
Und Die Kappa Index Ist gegeben gegen Die Standard Und Wiederholbarkeit
innerhalb Drohnen Und Reproduzierbarkeit Sind alle exzellent basierend An Die Kappa-Statistik
Und Vereinbarung über selbst Die Kategorien Ist Auch exzellent.
So war vergleichen Hier Drohne A Zu Drohne B
Drohne A Zu Drohne C, Drohne B Zu Drohne C, alle tun exzellent Vereinbarung.
War vergleichen Hier Die Drohnen Zu Die Standards, alle ein exzellent Vereinbarung.
Und Dann Das Ist Die Vereinbarung, Nur grundsätzlich A Zusammenfassung von Es.
Dann Das Ist Die Vereinbarung von Die anders Kategorien.
Jetzt nochmal, Wir dürfen sehen bei Die Attribut Diagramm für Wirksamkeit.
Dasselbe Weg Wir klicken aus alle Die Vereinbarung überprüfen Boxen
Und Dann klicken An Die Wirksamkeit Boxen.
Wir sehen nochmal über Hier, Das Sieben Und acht hatte Die am niedrigsten
Vereinbarung Zu Die Standard.
Nochmal, Das könnte haben gewesen etwas damit verbundenen mit Die Beleuchtung.
Es könnte haben gewesen etwas damit verbundenen mit manche andere Ausgabe Dort.
Dann Die gesamt Vereinbarung Zu Die Standard von Drohne,
Du dürfen sehen Sie sind um 95 %.
Der Drohne Ist hübsch präzise Und Sie war hübsch reproduzierbar
Und Die Wiederholbarkeit War exzellent.
Das Ist Die Wirksamkeit Bericht. Jetzt Das Ist A wenig Bit mehr durchdacht
Weil Jetzt war vergleichen Es für jede von Die fünf charakteristisch Standards
Und diese Sind Die falsch Entscheidungen Das war gemacht für jede eins.
Aus von 150 möglich Messungen,
Drohne A gemessen 142 korrekt, Drohne B 145 Und Drohne C 140.
So Wirksamkeit Ist Die wichtig eins.
Wie präzise war Die Drohnen?
Wir dürfen sehen Das Die Drohnen Sind alle Betrieb hoch um ein Durchschnitt um 95 %.
Das erscheint Zu Sei höchst Wirksam.
Dann Wir haben A Detail Analyse
von eben, bereitgestellt In Fehlklassifizierung Bericht.
So Wir dürfen sehen individuell Wie jede eins von diese Drohnen verglichen Zu Die anders,
Wie jede eins von Die anders Charakterisierungen
war gemessen korrekt oder falsch von Die Drohnen.
Das Ist Die Einsen Das Sind Fehlklassifizierungen.
A gewinnen, lassen Mich gehen hinein JMP.
Oh, eins weiter Beispiel ICH gemeint Zu zeigen hoch über Hier.
Du verwenden Diagrammersteller,
Wir dürfen Sicht Die Klassifikationen Und mis Klassifikationen von jede stark.
Das Ist A Wirklich sauber Weg von zeigen Es. ICH Wunsch JMP würde enthalten Das möglicherweise
als Teil von Die Ausgang, Aber Du dürfen sehen Wo Die Fehlklassifizierungen geschehen.
Für Beispiel, für Drohne A, Wenn Du falsch klassifizieren Drohne C,
am meisten von ihnen war klassifiziert korrekt, Aber Dort Sind A wenig Das war nicht.
Diese zeigen Die Fehlklassifizierungen.
ICH wie Das Art von Darstellung In Graph Builder.
Jetzt Lasst uns gehen zurück hinein JMP Und war gehen Zu Tun
Attribut Messgerät Analyse mehrere mit Die tatsächlich Experiment Das War laufen.
Okay, So war gehen Zu analysieren Verteilungen so Wir dürfen Tun Das.
Wir dürfen vergleichen Die Drohnen Zu Die Standard.
Nochmal, Wir dürfen Nur klicken An A Standard Und sehen Wie Es vergleicht über Die Drohnen.
Wir dürfen Auch Tun ein analysiert Graph Builder.
Und Wir dürfen setzen Die Zone Drohne A
Und Dann Drohne B, Und Dann Drohne C über Hier.
Und Dann Wir dürfen setzen Die Standard In Dort
Und Es zeigt an sehr deutlich was ist Ereignis mit Das.
B ut Wir dürfen gehen Und Auch hinein JMP Und verwenden Die JMP Qualität Und Verfahren
Variabilität Attribut Messgerät.
So Wir hinzufügen Die drei Drohnen In Hier, Wir hinzufügen Die Standard,
Und Wir setzen In Die Standort Und Wir erhalten unser Messgerät Attribut Diagrammbericht
zeigen Das Drohnen als weit als Die Vereinbarung mit jede andere, war bei 90 %.
Das eins hat Die am meisten schwierig Standorte Zu charakterisieren.
Hier Sind Die Vereinbarung Berichte Das Ich habe gezeigt Du.
Drohne A, Drohne B Und Drohne C Vereinbarung mit Die andere Drohnen Und mit selbst zu.
Drohne A Zu Drohne B, diese Sind Die Kappa Werte.
Das Ist Die Messung Zu Die Standard, alle sehr hoch.
Und Dann diese Sind Die Vereinbarung über Kategorien.
Und Dann für Die Wirksamkeit,
Zu erhalten Das Graph Das Wir wie Zu sehen für Die Wirksamkeit Bericht,
Wir nehmen aus Die Vereinbarung über Hier Und klicken An Jetzt Die Wirksamkeit.
Wir Jetzt haben Die Wirksamkeit Parzelle
An Die klopfen Das zeigt an uns Wie Die Drohnen einverstanden mit Die Standard.
Wir jetzt gehen zurück hinein Die Steckdose Präsentation über Hier.
Okay, Zu zusammenfassen w Hut wir haben Erledigt über Hier,
Die verwenden von Attribut Messgerät Analyse erlaubt Die Unternehmen Zu bieten solide Daten
An Die Vereinbarung Und Wirksamkeit von Drohnen für Inventar Management.
T Er Ergebnisse Sind sehr beeindruckend. Anschließend Ergebnisse gemeldet
An Die Unternehmen Webseite zeigen Inventar zählt Zu Sei 35 %, Schneller Inventar Kosten
reduziert von 40 % Und reduziert verpasst- Sendungen
Und Schaden Ansprüche reduziert von 50 % verglichen Zu Die vorherige Methoden.
In Zusatz, Die System erzeugt Was Wir Forderung umsetzbar Daten
für mehr präzise, Wirksam, sicherer, mehr kosten Wirksam,
Und Schneller Inventar Kontrolle.
Manche exzellent Verweise über Hier Ist Cohens Original Papier,
Und Buch von Fleiss Ist exzellent,
hat A viel von Detail, Und Auch Die Buch von Le Ist Also Erledigt.
ICH Dank Du sehr viel für Hören. Haben A Gut Tag.
