Bonjour, bien matin. Bien soirée à tous.
Mon nom est Raïssa.
Je suis un fabrication qualité ingénieur de Appliqué Matériaux, Taïwan.
je commencé à apprendre JMP à début de ce année.
Récemment, je passer ed ceci attestation examen
avec score, 925 dans ce Juillet.
Aujourd'hui, Identifiant comme à faire un court présentation
à propos Correction immédiate de QN Analyse du temps par JMP.
Comme nous savoir, une fois un qualité notification guérir est créé,
il doit prendre supplémentaire, plus ou moins temps à réparer problème,
et peut impact sur production planification et Planification.
Donc, épouser comme à trouver un pire- cas par analyse.
D'accord.
Pour analyse, ici sont cinq s sujets ub sur ordre du jour.
D'abord, le Racine Cause Analyse de QN Cycle de correction Temps,
Graphique Résumé de l'analyse des causes profondes,
Comparez le modèle d'ajustement, la partition, Modèle neuronal,
et alors H ybride Texte M ining
et le Données Exploitation minière Analyse.
Enfin, Prendre Loin Apprentissages.
D'accord, allons obtenir commencé.
L'histogramme.
1er couche de Analyse de la cause originelle de QN Réparer Faire du vélo Temps.
Avant enquête, pense à propos que.
Quels scénarios impact sur Correctif QN Cycle T je suis
et comment long est c'est supportable ?
Le premier debout,
définir cinq jours comme un critères
et aussi un clé condition à suivre à l'échelle C propagé je n formulation
et dans cinq jours,
nous en spécifications et succès critères.
Sur le autre main, sur cinq jours dehors de spécification échec analyse,
plus tard, je faire directement un panne à SA et la FA.
Avis ce ombre de distribution entre SA et le FA.
Entre-temps, regarder à le Mosaïque Parcelle
pour le proportion de chaque catégorie
à déduire un potentiel r parce que
pour le succès analyse.
Nous peut voir le Fabrication et Reprise du MFG,
sembler à avoir rapide réponse et mieux réparer faire du vélo temps.
Pour FA dimension problème, prendre plus réparer faire du vélo temps.
Il est évident variation dans Temps FA.
Distribution entre SA et le FA,
supposer si heure FA est un de le clé facteur,
S1 à impact le F ixc cycle temps.
Le Case P parcelle.
La boîte à moustaches est un graphique de le distribution de continu variable.
Donc, parcelle continue fixé faire du vélo temps versus imbriqué structure,
catégorique pays sous endiguement
à recherche autre facteurs impact réparer faire du vélo temps ou pas.
Il affiche le cinq- nombre résumé de installation données.
Il est non- paramétrique outil à utiliser Médian comme central tendance.
En plus, là sont quelques observations sur boîte à moustaches graphique.
D'abord, à moins Sept indiquer à détecter le première valeur aberrante.
Sinon, il devient une moustache (inclinaison) groupe problème
où échantillon taille est moins que Sept .
Deuxièmement, observé vissé distribution
par Largeur de la boîte ou Longueur des moustaches.
Comment à poignée marginal les valeurs aberrantes,
lequel sont nous pense deux bruits Sigma GRR depuis moustache
et dos à le Analyse de la cause originelle,
il est pas difficile à trouver un recycler temps
de le endiguement remplacement
est beaucoup plus long que autre endiguement.
Et avec que,
Confinement X₂ et X₃ pays ici.
Carte de chaleur.
Carte de chaleur est un autre graphique outil
faire défaut données valeur par couleur.
UN gagner, jusqu'à maintenant, nous rassembler trois saisir facteurs,
type de défaut de histogramme, endiguement et pays depuis boîte à moustaches
et dans commande à suivre trimestre d'études impact
saisie du trimestre impact sur fixé faire du vélo temps.
Ici à dos catégorique appelé type de défaut sur Axe Y
et le couleur faire du vélo temps
et garder bus pronostic structure.
Catégorique pays sous endiguement dans X et X groupe.
Alors utiliser un 8 par 9 mise en page regarder équilibre
à rapidement attraper dehors le maximum
et le minimal temps d'un cycle scénarios.
Pour FA, il est facile à trouver un petit rouge zone, droite?
Le bibliothèque points forts le le plus long réparer faire du vélo temps.
Avec cela, remplacement Taïwan Dommage les pièces,
dans le pire cas pour faire du vélo temps.
Le Remplacement Uni États
et le Dimension problème les pièces est le deuxième pire scénario.
Pour SA est ensemble pour dimension et défaut de dommage.
Autres sont facile à rapidement réparer.
Pour Pareto C. cerf,
à plus loin analyser le FA et SA depuis carte de chaleur ,
la carte thermique doit utiliser deux- dimensionnel Pareto Graphique par à variable
type de défaut et le pays sous spécifique endiguement.
Ici sont X₁ type de défaut,
X₂ endiguement et X₃ pays nous mentionné avant.
Alors ajouter supplémentaire poste de travail X₄ ici
dans le cours de Pareto C. cerf à visualiser fréquence événement.
Maintenant pour Échec de l'AF analyse,
nous obtenir remplacer haut fournisseur de travaux dommage problème,
fréquemment arriver dans MCV service fraude
ou remplacer Uni États fournisseur dimension problème
souvent arrive dans MCV poste de travail.
Dans le même chemin pour X analyse,
au lieu de dimension problème ou défaut endommagé,
Uni avant, fonctionnel et un fabrication problème
peut rapidement réparer dans MCV majeur test.
Actuellement, nous avoir quatre saisir facteurs et SA et FA fréquence.
Pour interface, celle que nous sont plus intérêt pour
est passer ou échouer fréquence ou pur faire du vélo temps.
Alors Tabuler.
Ici mettre notre précédent mention de facteurs X₁ à X₄ pour sur Tabuler.
Entre-temps, Tabuler pur faire du vélo temps et fréquence dans un compte
à faire plus loin comparaison.
Pour FA, MCV service fraude, dommage problème,
Taïwan fournisseur exiger remplacement,
ça a pris un plus long temps d'un cycle
bien que le fréquence est maintenant le le plus élevé,
comme Sept fois ici,
le moyens de le faire du vélo temps, 34 les jours sont beaucoup plus long que autres.
Pour SA, dans Moteur CVD test,
nous peut mesure problème dans Uni États avant
et fixé par MFG concernant travail.
Même là est seulement un jour sur le tableau,
mais le fréquence et est loin aussi faible à être vrai.
Ici je résumer le points principaux.
Suivre Analyse de la cause originelle,
utiliser différent graphique JMP plates-formes
dans ingénierie et grand caustiques
séquence à avant conducteur Analyse de la cause originelle.
Dans précédent glisser, je montrer Histogramme, Boîte à moustaches,
Carte thermique, Pareto Graphique et le Tabuler.
Deuxième, identifier un potentiel entrée X
à protéger le QN fixé faire du vélo temps.
UN selon à le Tabuler, le Résultats de la FA depuis un dommage problème,
remplacement, Taïwan Fournisseurs et MCV service poste de travail.
Suivant, construire un modèle à prédire QN réparer faire du vélo temps
et validation de le racine cause.
Avant entrer chaque des modèles détail,
ici, Identifiant comme à introduire modèle sélection et le comparaison en premier.
Le ajuster modèle, considérer données structure et un distribution.
Ici sont quelques défi dans ajuster modèle.
Pour biaisé distribution, utiliser enregistrer transformation, mais Non aide.
Toutes les entrées variable, X₁ à X₄ sont catégorique taper.
Après je construire notre 60 % de poste de travail catégorie,
Le R carré a augmenté 6 % seulement.
Vérifier dépendance parmi un catégorique variable
Par correspondance partie analyse.
Il est faible risque parce que le plus proche des choses sont à un région,
le moins distinct que ils probablement sont.
Dans autre mot, le plus loin loin le plus distinct.
Deuxième, proximité entre Étiquettes probablement indiquer un similarité.
Pour cloison arbre modèle,
le plus points sont distribution gratuit modèle,
diviser basé sur données disponible,
petit souci de surajustement,
mais moins points récursif diviser.
Donc, utiliser JMP projecteur écran par aléatoire forêt
à moyenne un récursif produit
et trouver dehors un cinq saisir facteur avec leur classement.
Il est pratique et un rapidement chemin à trouver important saisir
à optimiser ou améliorer modèle.
Concernant un neural réseau,
le plus points sont fort transformation modèle,
deux pas entraînement et un validation modèle.
Cependant, le moins est significatif souci de surajustement .
Lequel modèle est plus approprié à être a cru
que va à travers chaque modèle résultats?
Viens dos s'adapter modèle, principal événement seulement.
Si notre score n'est-ce pas haut,
seulement 30 % sont faux,
parce que données est grave bonne asymétrie.
Observé significatif niveau de risque,
donc Max. R- carré autour juste 47 % est pas cela en vaut la peine
et utiliser enregistrer transformation de le faire du vélo temps variable
à éviter un négatif nombre de 95 % confiance intervalle,
mais Non aider un parcelle alors connectez-vous choix est dehors.
Le suivant est Cloison Arbre Modèle.
Ici sont trois cloison des modèles,
sont ligne de base modèle,
augmentation du modèle
et un modèle simplification.
Expérience un série de amélioration par ingénierie et le logique pensée
que R carré amélioré à 62 % depuis 38% ligne de base modèle.
Tous les détail volonté montrer toi étape par étape dans suivant glisser.
Modèle augmenter.
Pendant ce étape, nous améliorer modèle 20 %.
Où sont ils depuis?
D'abord, ils volonté présent améliorer.
Ici, en changeant Âge QN à solution immédiate faire du vélo temps
pour la convenance expérience, mais Non aide.
Deuxième, 6% et ajouter un X facteur poste de travail.
Souviens-toi il est exporter, nous découvrir depuis Pareto C. cerf.
Code UD devient moins critique depuis 26 % à 8 % seulement.
Le troisième et ano là 4 % par en changeant à endiguement depuis DU code.
Maintenant, vérifier un contribution classement ici.
Le nombre deux devenir poste de travail plutôt de pays plus.
Dans le modèle simplification,
ici, améliorer supplémentaire 6 % R. carré par modèle simplification.
Avant simplification modèle,
le plus est tous scénario sous considération,
mais comme moins deux, beaucoup catégories pourrait diluer prédire pouvoir.
Dans simplification modèle,
filtration dehors mineure catégories avec moins compte,
comme retirer 60 % catégories de poste de travail,
le total montant diminué à 270 depuis 426.
Vérifier encore, le contribution classement,
le défaut taper et notre poste de travail sont toujours le nombre un et le nombre deux.
Maintenant, nous avoir plus confiance à utiliser le modèle
à prédire le FA et la SA.
Pour Cloison Arbre Optimisation du modèle
comme je mentionné avant,
le majeur contributeurs sont Type de défaut & Poste de travail
autour 80% pour Pareto C un concept.
Comparer type de défaut dans SA et FA prédiction.
Pour SA ici, c'est étiquetage problème.
Fait du sens, nous ne le faites pas dépenser plus temps à réparer chaque problème.
Pour FA, c'est dommage.
Oui, il serait prendre beaucoup plus faire du vélo temps.
À propos un poste de travail comparaison entre SA et FA
PVD mécanique et MCV module testeur.
Actuellement, il toujours besoins plus loin analyse et compréhension.
À propos la FA pays ici, dans un profil ou prédiction profil est plat.
Est-ce que t pays impact QN corrigé faire du vélo temps?
Est c'est vrai ?
À répondre le question ici, je introduire le modèle limitation,
récursif cloison.
Récursif cloisons, séquentiel dépendance risque.
Facteur pays est propagé six fois,
et seulement un temps arriver dans plus haut faire du vélo temps grappe.
Tel récursif dépendance limitation peut impacter le prédictif modèle.
Le troisième modèle,
Neural Réseau (Intelligence artificielle).
Ici observe grave surajustement préoccupation
entre entraînement et le variation R Carré.
Si R Carré entre Entraînement Ensemble et V alidation Ensemble
est sur 20 %, il a surajustement préoccupation.
En plus, nous trouver dans neural modèle,
le nombre un classement est poste de travail,
et le nombre deux est faute par
lequel est différent depuis précédent cloison modèle.
Pour SA, le poste de travail est à mise en scène,
Mise en scène CCT, où matériel sont apporté ensemble
avant entrer Défaut MFG ,
et il n'a pas être compétitif opération processus.
Une fois le problème arriver, il peut être fixé rapidement.
Fait du sens.
Pour FA à le Fraude au service CVD,
il a compétitif opération processus.
Oui, il a fait à avoir plus long faire du vélo temps à traiter difficile problème.
Jusqu'à maintenant, nous déjà avoir trois modèle,
Arbre Modèle Cloison et le Neural Modèle,
et lequel modèle est beaucoup plus approprié et rencontrer réalité.
Donc,
modèle comparaison et sélection,
Analyse de la cause originelle, graphique outil
dommage problème remplacement,
Taïwan MCV fraude aux services est le pire scénario avec plus long fixé faire du vélo temps.
Actuellement, Neural modèle a le identique scénario
comme le Graphique Analyse de la cause originelle,
mais le seul souci est le surajustement risque.
En plus, le trois modèle a très fermer prédiction
sur le pire faire du vélo temps dans 1.2 jours.
Le final, je le ferai introduire, Test Exploitation minière et le Données Exploitation minière Hybride.
Actuellement dans QN D à base, il toujours a test Messager résultant Bien
à tel plus information à propos long faire du vélo temps en QN testeur variable base de données.
Utiliser Explorateur de tests JMP à découvrir quelques fréquence mots clés
tel comme ici, je cercle remplacer, retravailler, dimension et le F10246
un projet à faire plus loin analyse,
alors convertir eux à binaire détecteurs,
conduire un plus loin Données Exploitation minière et le Analyse de la cause originelle
sur le boîtier F10246 via carte de chaleur graphique.
Ici, mettre dimension indicateur sous F10246
et endiguement remplacer et concernant Travailler dans Y.
Selon à le chaleur carte résultats, F10246
ça faisait souffrir beaucoup de réparer faire du vélo temps
que autre projet par couleur résultats
et vérifier dimension détecteur observé est
pas seulement dimension problème, mais aussi notre divers cause du défaut
long faire du vélo temps, même si juste sont fixé par retravailler.
Dans le fin, ici sont mon apprentissage à emporter.
JMP-G raphique Plateformes sont très puissant à conduire
Plus profond r analyse des causes d'origine à travers ingénierie
et le logique, données- conduit processus
et comparer et sélectionner un plus approprié JMP modèle
depuis Classique Coupe M modèle, P artition et un Neural Réseau
par connaissance le modèle limitation
et le risque de de liaison à précédent Graphique Analyse de la cause originelle.
Conduire un Hybride Texte M ining et exploration de données R oot Cause Analyse
sur le Base de données QN compliquée.
Final, Identifiant comme à remercier GCI M BB Charles Chen comme mon projet mentor
et c'est tous mon présentation.
Remercier toi pour ton temps et attention.
Remercier toi.
