CIAO, Io sono Dave Trindada,
fondatore E proprietario Di Stat-Tech, UN consulenza ditta specializzandosi
In IL utilizzo Di JMP Software per risolvendo industriale i problemi.
Oggi Io sono andando A A parlare Di UN consulenza progetto
Quello IO lavorato SU Sopra IL scorso anno
con UN robotica azienda.
Erano andando A Essere parlando Di Droni F dire bugie In Magazzini:
UN Applicazione Di Attributo Misura Analisi.
Attributo misura analisi È tipicamente applicato A confrontare accordo,
O mancanza di ciò fra due O Di più valutazione approcci A UN problema.
Per esempio, due ispettori Maggio Avere differenze Di opinione
COME A se UN parte È conforme, chiamata Esso passaggio
O non conforme chiamata Esso fallire.
Basato SU considerazione Di specifica qualità indicatori per individuale parti,
Come Fare Noi quantitativamente misurare IL grado Di accordo?
Andiamo In realtà inizio spento con UN esempio.
Andiamo Dire Noi Avere due ispettori,
ispettore 1 E Ispettore 2,
E Essi Sono presentata con UN elenco Di 100 parti,
IL critico caratteristiche SU questi 100 parti
E chiesto A determinare se ogni parte Dovrebbe Essere classificato COME UN passaggio O UN fallire.
Io ho riassunto IL risultati SU IL tavolo A IL Giusto, parziale tavolo.
Voi Vedere Là Sono 100 righe In IL tavolo.
Tutto variabili Sono nominale, COSÌ IL Primo colonna
È IL parte 1-100.
Poi IL secondo colonna È IL valutazione di Ispettore 1,
se suo UN passaggio O fallire, E Poi IL secondo ispettore
dove anche secondo colonna ha UN passare o fallire valutazione.
Ora, Se Noi erano non familiare con di JMP misura attributo analisi programma,
Primo fare un passo Quello Noi Potevo Prendere Potevo Essere
A Aspetto A IL due classificazione distribuzioni
E utilizzo dinamico collegamento A confrontare.
Che cosa IO Volere Fare È spettacolo Voi IL diapositive
E Poi IO Volere andare E dimostrare IL risultati SU IL diapositive
Dopo Io ho andato Attraverso IL diapositive, Attraverso UN certo quantità Di Materiale.
Per esempio, Se Noi clic, Dire, andiamo creare distribuzioni
Di IL due colonne, IL fallire, Ispettore 1 E Ispettore 2,
Poi Noi Potere clic, Dire, per esempio, SU IL fallire colonna per Ispettore 1,
Voi Vedere soprattutto partite per Ispettore 2,
Ma Là Sono UN pochi disaccordi Sopra Qui.
Là Sono Alcuni passa Dove Ispettore 1
classificato Esso COME UN fallire, Ma Ispettore 2 classificato Esso COME UN passaggio.
Ora, Quando Voi Fare clic SU Quello JMP punti salienti,
IL effettivo righe Quello corrispondere A Questo.
Voi Potere Vedere Sopra Qui, per esempio, riga quattro, Ispettore 1 chiamato Esso UN fallire
E Ispettore 2 chiamato Esso UN passaggio.
Generalmente Anche se, Loro sono soprattutto In accordo,
fallire, fallire, fallire, fallire E COSÌ via.
Noi Potevo Anche Fare Quello di cliccando SU Ispettore 2 fallire,
E Poi vedendo Come Esso confronta A Ispettore 1.
Noi Vedere Quello Là Sono In realtà cinque istanze Di disaccordo
fra IL due ispettori.
Quando IL Ispettore 1 lo classifica COME UN fallire,
c'è cinque che io ispettore 2 classificato Esso COME UN passaggio.
Ora Noi Potere Anche visualizzare IL ispettore confronto dati.
A Fare Quello, Noi Potere utilizzo costruttore di grafici con tabulare A visualizzazione Essere d'accordo E disaccordo
conta fra IL due ispettori. Ecco uno modo Di visualizzare Esso.
Noi Potere Mettere Ispettore 1 utilizzando costruttore di grafici SU IL orizzontale asse
E Ispettore 2 SU IL verticale asse.
Poi Noi Vedere Ora con colore codifica, se suo accordo O disaccordo,
Essere d'accordo È verde E Poi IL righe
Quello Sono disaccordo colore codice È rosso marcatori.
Ora Noi Potere Vedere IL effettivo distribuzione.
Poi Noi Potere utilizzo tabulare A In realtà totale IL numeri Quello Sono coinvolto.
Noi Potere Vedere Sopra Qui per Ispettore 1 E Ispettore 2.
Ispettore 1 E Ispettore 2 concordato SU IL fallire categorizzazione
per 42 Di IL parti E Essi concordato SU 44 Di IL passaggio parti.
Essi in disaccordo SU nove istanze Sopra Qui
Dove Ispettore 2 chiamato Esso UN fallire E Ispettore 1 chiamato Esso UN passaggio.
E Ispettore 2 chiamato UN passaggio, Dove Ispettore 1 chiamato Esso UN fallire.
COSÌ quelli totale 14.
IL ispettori concordato SU UN classificazione per 86% Di IL parti
E Essi in disaccordo SU 14%.
Da Là Ora Noi Potere andare E Fare attributo misura analisi
E Vedere Che cosa JMP Potere Fare per Questo analisi.
A andare A attributo misura analisi, erano andando A andare A qualità
E analizzare qualità E processi variabilità attributo misura grafico.
Poi Noi lancio IL righe. E Qui Io ho mostrato IL ispettori
Sono elencati Sotto IL Y risposta, Entrambi Di loro.
Poi IL colonna per IL parte È elencati COME IL raggruppamento.
Questi Sono necessario inserimenti.
Noi avviso IL grafico tipo È attributo, Noi clic Va bene.
E Ora JMP fornisce noi con Questo attributo misura analisi rapporto.
IL Primo grafico quello è mostrato Sopra Qui È IL per cento accordo per ogni parte.
COSÌ Noi Avere 100 parti SU IL orizzontale righe asse Sopra Qui,
E Quando c'è 100%, Esso significa IL due ispettori concordato.
Quando c'è 0%, Esso significa A disaccordo.
IL Sinistra grafico Spettacoli IL complessivamente per cento accordo 86% di ispettore.
Da IL confronto È fra soltanto due ispettori,
Entrambi Sono andando A Avere IL Stesso 86% accordo valore.
IL accordo rapporto Ora include
UN numerico riepilogo Di IL complessivamente 86% accordo.
Voi Potere Vedere 86 partite fuori Di 100 ispezionato
E IL individuale quelli Sono andando A Essere IL Stesso Da suo soltanto uno problema
Di se Esso era UN passaggio o fallire per UN dato parte.
E 95% fiducia limiti Sono fornito per IL due risultati,
Entrambi per IL ispettore E per IL accordo.
Ora IL accordo confronti rapporto include UN nuovo statistica
Quello Forse molti persone Sono non familiare con,
chiamato IL Kappa Statistica.
Suo ideato di Coen, quello è dato In IL riferimento.
IL Coen Kappa Statistica indice, Quale In Questo caso È 0.7203.
È progettato A corretto per accordo di opportunità solo.
Questo era molto interessante A Me Quando IO Primo Leggere Di Questo.
Tipo cosa Fare Noi Significare di accordo di opportunità solo?"
Andiamo andare in UN poco morso Di UN spiegazione Di accordo di opportunità
E Come Potere Noi stima Esso.
Andiamo prendere in considerazione due valutatori, R1 E R 2.
BENE assumere totalmente casuale scelte
per ogni valutatore per ogni campione, esempio, per ogni parte.
Noi ulteriore assumere Quello IL probabilità UN valutatore seleziona O scelta passaggio
O fallire Sopra IL altro È 50%. COSÌ suo 50/50.
Cento campioni O prove Sono diversamente categorizzato di passaggio/ fallire per ogni valutatore,
simile A capovolgere UN moneta per ogni scelta.
Noi Appena visualizzare due ispettori E Loro sono ogni capovolgere UN moneta,
E Loro sono provando A incontro Come molti Ottenere testa, teste
O coda, coda, O testa, coda o coda, testa.
Cosa c'è IL previsto frazione Di accordi di opportunità?
BENE, suo UN semplice problema In probabilità.
Simile A lancio due monete, Là Sono soltanto quattro possibile
E ugualmente probabile opportunità risultati fra IL due ispettori per ogni parte.
Valutatore 1 Potevo chiamata Esso UN fallire, E Classificato 2 Potevo chiamata Esso UN fallire.
Essi volevo Essere d'accordo. Valutatore 1 Potere chiamata Esso UN passaggio,
E valutatore 2 volevo chiamata Esso UN passaggio E il rosso Essere accordo Là.
IL disaccordo volevo Essere Quando Essi non Essere d'accordo SU se suo UN passaggio, fallire.
Ora, questi Sono quattro ugualmente probabile possibilità.
BENE, due Di loro Sono A Essere d'accordo E due Di loro sono in disaccordo.
Perciò, IL probabilità Di accordo di opportunità solo È due fuori Di 4 è il 50%.
È un semplice probabilità problema.
Ora, Come Fare Noi calcolare IL Kappa S statistico SU IL altro mano?
COME IO Dire, suo significava A corretto per Questo previsto probabilità
Di accordo di opportunità solo.
IL semplice formula Quello Voi Potere Mettere in JMP per IL Statistica Kappa
è il per cento accordo, In Questo caso, volevo Essere 86% meno IL previsto di opportunità
da IL dati, Quale Noi Sapere È andando A Essere in giro 50%.
Come Fare Noi In realtà utilizzo IL dati A stima IL previsto opportunità
da IL dati si, IL previsto accordo di opportunità da IL dati?
BENE, IL stima Di Statistica di Cohen Kappa
È mostrato sotto, E Questo È fondamentalmente Come suo Fatto.
Questo È IL tabulato valore. Questo È Che cosa Noi sega prima.
Accordo SU fallire/ fallire per Ispettore 1 E 42 istanze.
Accordo fra Ispettore 1 E Ispettore 2
SU IL passato criteri per 44 istanze.
Voi avevo quelli su E quello è 86%.
COSÌ IO spettacolo Voi Sopra Qui In IL Eccellere formato Quello Noi aggiunto, 42 più 44
Noi avuto diviso di 100.
Poi disaccordo È uno meno [impercettibile 00:08:58]
o semplicemente IL cinque più nove diviso di 100.
Ora, A calcolare IL accordo di opportunità, IL Coen Statistica Kappa È IL somma
Di IL prodotti Di IL marginale frazioni per ogni passaggio/ fallire tipo.
BENE, Qui Sono IL marginale frazioni.
F O fallire, IL marginale frazioni Sono 51 diviso di 100 e 47 diviso di 100.
COSÌ Noi modulo UN Prodotto Di quelli due. Cinquantuno diviso di 100
volte 47 diviso di 100.
Più, Ora Noi accedere IL fallire. L'altro criterio è il fallimento.
Questo è 49...IO Dovrebbe Avere disse Quello era IL Primo disaccordo.
Cinquantuno e 47 per IL fallire criteri. Per IL passaggio criteri Ora,
Noi andare 49 fuori Di 100 e 53 fuori Di 100,
E Noi moltiplicare quelli due insieme E aggiungere loro.
Quello dà noi UN numero Quando Noi calcolare Esso fuori A 49. 94,
Quale È molto vicino ovviamente, A 0,5.
Poi IL Statistica Kappa È IL percentuale accordo
meno IL previsto di opportunità, diviso di uno meno IL previsto di opportunità.
Quello arriva fuori A essere 0,7023 In Questo caso.
IL Kappa. Qui Sono Alcuni linee guida
per interpretariato Kappa.
Andare Indietro su Ancora.
IO Volere A spettacolo Voi Quello IL Kappa era 72.03.
IL linee guida per interpretariato Kappa Sono Se Kappa È maggiore
di 0 .75, suo eccellente.
Se suo fra 0,4 e 0. 75, suo Bene.
E Se suo meno di 0 .40 suo chiamato marginale o povero.
C'è Alcuni finito dividere linee SU Questo.
Un eccellente, totalmente 100% accordo,
volevo Fare UN Kappa Di uno, E Noi Potevo In realtà Ottenere UN kappa negativo
Quale volevo Essere accordo quello è meno di di opportunità solo.
IL libri poiché questi sono dati In IL riferimento.
Tutto Giusto, permettere Me Appena fermare Qui E andare in JMP A Che cosa noi abbiamo Fatto COSÌ lontano.
Noi Potere Vedere Quello.
IL dati file Quello noi abbiamo avuto Sopra Qui È IL ispettori
Quello IO parlato Di, E IO disse Noi Potevo Prendere UN Aspetto A IL distribuzione.
Ovviamente, Se sei familiare con JMP, Voi Appena andare analizzare distribuzione
E Mettere In IL ispettori Sopra Qui.
Poi Noi Potere Mettere Questo Prossimo A IL righe,
E Se Noi clic fallire, Noi Vedere IL confronto fra IL non riesce
per Ispettore 1 contro IL fallire per Ispettore 2 E Alcuni disaccordi.
Poi Voi Potere Vedere Quale le zone IL righe che non sono d'accordo è esempio quattro.
Allo stesso modo, Se Noi calcolare Sopra Là, Noi Potere confrontare Ispettore 2 A Ispettore 1.
Ottenere UN diverso impostato Di numeri Sopra Qui.
IL altro opzione Quello IO menzionato per visualizzazione È A Fare UN costruttore di grafici
E In costruttore di grafici, Noi Potere Mettere Ispettore 1 SU IL orizzontale asse
E Ispettore 2 SU IL verticale asse.
Ora Noi Avere UN confronto, E Ora Noi Potere In realtà Vedere IL numeri
Di volte, per esempio, Come molti volte fatto Ispettore 1
valutare qualcosa COME UN passaggio Dove Ispettore 2 valutato COME UN fallire.
Se Noi andare Indietro A IL dati tavolo,
Noi Vedere Quello Là Sono nove istanze Di Quello, E Loro sono evidenziato In UN riga.
Gi È È UN molto presto modo Di vedendo Che cosa IL numeri Sono
per IL diverso categorie Quello erano lavorando con.
Andiamo Dire, clic Fatto Sopra Qui.
IL altro cosa Noi Potere utilizzo COME IO citato, È IL tabulare caratteristica.
Noi Potere andare A tabulare, E Noi Potere Mettere Ispettore 1 SU IL superiore
E Ispettore 2 SU IL metter il fondo a Sopra Qui Questo modo.
Poi Noi Potere aggiungere In un altro riga per IL marginale totali giù Qui E COSÌ via.
Ora Noi Avere IL riepilogo Quello Noi Potere Mettere Prossimo A IL costruttore di grafici
E Vedere Che cosa IL effettivo tabulazioni Sono Quello noi abbiamo avuto per Quello.
Quello è qualcosa Quello Noi volevo Fare
Forse Se Noi erano non familiare con JMP programma.
Ma andiamo utilizzo JMP Ora A Fare IL analisi.
Erano andando A Venire Sopra Qui, erano andando A andare A Qualità E Processi.
Erano andando A andare A variabilità attributo misura grafico.
Erano andando A Mettere In IL ispettori Sopra Qui.
Erano andando A Mettere In IL parte.
Sopra Qui Voi avviso suo necessario, attributo.
Va bene, clic Va bene, E Ora Noi Avere Nostro produzione.
Questo produzione Spettacoli Ancora per ogni parte IL accordo.
Zero significa IO disaccordo. 100% significa IO disaccordo.
Questo Spettacoli IL valutazione fra IL due ispettori, 86%.
Questo È IL riepilogo, 86%.
Ecco Nostro Kappa indice Sopra Qui, E Noi Avere IL accordo entro aliquote.
Questo È Tipo Di ridondante In IL senso
Perché erano soltanto guardare A uno binario confronto.
Poi ulteriore SU giù Qui, Noi Potere Fare IL accordo di categorie.
Noi Potere In realtà calcolare Come tanto È IL accordo di IL fallire,
individualmente, O di IL passaggio individualmente.
Va bene, COSÌ quello è Come Noi volevo Fare Esso per UN semplice confronto.
Ma Che cosa Se Noi Ora prendere in considerazione Quello IL effettivo diagnosi
Di IL parte era conosciuto O confermato?
Andiamo andare Indietro in Nostro PowerPoint presentazione.
presento un standard.
Va bene, Questo È UN misurare Di Che cosa Noi chiamata efficacia.
Erano andando A assumere IL corretto parte, classificazione era O conosciuto
O successivamente confermato.
COSÌ Questo È IL VERO corretto diagnosi Quello Dovrebbe Avere stato Fatto SU Quello parte.
Come accurato Sono IL ispettori scelte?
In altro parole, Come Potere Noi confrontare Come accurato ogni ispettore era
A determinare corrispondenza su con IL VERO standard?
Noi impostato su Quello colonna In JMP, E Ora Noi Potere andare Attraverso IL processi
Quello Noi disse prima Di guardare A UN distribuzione.
Per esempio, Se Noi aggiungere In IL distribuzione,
Questo tempo Noi includere UN standard, Ora Noi Potere clic SU passaggio,
E Noi Potere Vedere IL accordi fra Ispettore 1 E Ispettore 2
SU passaggio classificazioni.
Voi Potere Vedere Entrambi Di loro avevo Alcuni classificazioni errate, Alcuni sbagliato diagnosi.
Noi Potere clic SU fallire E Fare IL Stesso cosa per IL altro categoria.
Poi JMP Volere evidenziare quelli In IL dati tavolo.
A Fare IL attributo misura analisi In JMP utilizzando IL standard,
Tutto Noi Avere A fare ora È accedere standard in IL dialogo scatola COME Noi fatto Prima.
Questo È IL aggiuntivo colonna.
IL grande differenza Ora, E Questo È non evidenziato In IL Manuale,
È Quello Sotto attributo misura, Noi Potere Ora Ottenere UN grafico
Quello si applica specificamente A IL efficacia.
Che cosa erano andando A Fare È deselezionare questi accordo punti SU IL grafico,
E clic Invece IL efficacia punti Sotto attributo misura.
Quando Noi Fare Quello, Noi Ottenere un altro grafico Quello le misure IL efficacia.
E Questo efficacia ha tre giudizi per Esso.
Questo misura attributo grafico Ora Spettacoli IL per cento accordo,
0, 50 %, O 100% Di IL due ispettori A IL standard per ogni parte.
UN 0% implica Entrambi ispettori mal diagnosticato loro problema.
Sette eventi Di Quello si è verificato.
UN 50% significa uno Di IL ispettori avuto loro corretto classificazione,
E ovviamente, 100% significa Essi Entrambi avuto Esso Giusto.
Poi IL Sinistra grafico Spettacoli IL complessivamente per cento accordo
A IL standard per ogni ispettore.
Noi si accorse Quello Là era Alcuni lieve differenza fra IL due ispettori.
Noi Ora creare IL efficacia rapporto
Quello incorpora IL passaggio/ fallire confronti
A IL standard per ogni ispettore.
Voi Potere Vedere Ispettore 1 avuto 42 Di IL non riesce corretto.
Lui avuto 43 Di IL passa corretto, Ma Lui avuto 10 errato Di IL non riesce,
chiamata loro passa.
E Lui avuto cinque Di IL passa errato.
IO Trovare Questo notazione UN poco morso confusione.
IO Mettere Esso giù A IL metter il fondo a.
Quando Noi Dire errato fallire,
Quello significa UN fallire era in modo errato classificato COME UN passaggio.
Quando Noi Dire errato passaggio, Esso significa UN passaggio era in modo errato
classificato COME UN fallire.
Voi Potere Ottenere tuo mente andando In pazzo modi
Appena provando A Sempre interpretare cosa c'è In Là.
Che cosa Io ho Fatto È IO creato Mio Proprio grafico A semplificare cose.
IL classificazioni errate Spettacoli Sopra Qui Quello 17 effettivo fallire parti erano classificato
COME passaggio, E undici passaggio parti classificato COME fallire.
COSÌ quello è In IL JMP produzione.
Ma Che cosa IO disse Sopra Qui, E Id Amore A Vedere JMP includere
qualcosa simile A Questo COME UN chiaro spiegazione Di cosa c'è andando SU.
Ispettore 1, Ispettore 2, IL standard È passaggio,
E Poi IL corretto classificazione come passaggio È 43 E 42.
IL classificato erroneamente COME non riesce sono cinque E sei.
Poi Sopra Qui, Quando IL standard È IL fallire,
IL corretto scelte di Ispettore 1 e l'ispettore 2 lo è 42 E 45.
E IL classificato erroneamente, COSÌ Quando Esso era fallire,
10 Di loro erano classificato come pass e sette Sopra Qui.
Ora, capire, UN fallire parte classificato COME passaggio
È UN parte quello è UN difettoso parte andando su.
Quello è chiamato UN mancare.
SU IL altro mano, UN fallire parte Quello è t Lui effettivo passaggio parte,
Noi chiamata Quello fondamentalmente produce rischio, quello è UN falso allarme.
E JMP utilizza quelli termini, falso allarme E mancare,
Dopo SU Malato spiegare Quello.
IO Piace Questo grafico Perché Esso sembra A Fare UN chiaro spiegazione
Di cosa c'è andando SU.
Usando costruttore di grafici, Ancora Noi Potere visualizzazione IL classificazioni
di ogni ispettore COME mostrato Sopra Qui.
UN guadagno, Voi Potere evidenziare specifica problemi Là.
JMP Anche consente Voi A definire UN conformità.
In altro parole, Noi disse non- conforme È UN fallire E conforme È UN passaggio.
Quello modo Noi Potere Prendere UN Aspetto A IL valutare Di falso allarmi E manca
In IL dati si COME determinato di IL ispettori.
Noi Potere Vedere Quello IL probabilità Di falso allarmi per Ispettore 1 era 0.1
E Ispettore 2 è 0,125. IL probabilità Di manca,
ok, questo significa Quello Noi permettere Esso difetto IL parco, andare fuori,
era più alto per Ispettore 1 E Ispettore 2.
Malato spettacolo Come questi calcoli Sono Fatto.
A enfatizzare Questo, UN falso allarme
si verifica Quando IL parte È in modo errato classificato COME UN fallire,
Quando Esso È UN passaggio. Quello è chiamato UN falso positivo.
IL falso allarme, IL numero Di parti
Quello Avere stato in modo errato giudicato A Essere non riesce,
diviso di IL totale numero Di parti Quello Sono giudicato A Essere passa.
Ora, quello è Dove Questo calcolo È Fatto Sopra Qui.
Se IO andare su Qui, ecco IL passare è classificato erroneamente COME fallire,
COSÌ Se IO Prendere cinque fuori Di 48, IO FINE su con Quello numero 0.1042.
Ora IL Prossimo cosa È UN mancare.
Quello parte È in modo errato classificato COME UN passaggio.
Quando Esso In realtà È UN fallire. Quello è UN falso negativo.
In Questo caso, erano invio fuori UN difettoso parte.
IL numero Di parti Quello Avere stato in modo errato giudicato A Essere passa
diviso di IL totale Di parti Quello Sono giudicato A Essere non riesce
È 10 fuori Di 42 più 10 è 0,193.
UN guadagno, andando Indietro A Questo tavolo,
questi Sono IL parti Quello Sono fallire, Ma 10 Di loro erano classificato erroneamente COME UN passaggio.
COSÌ IL parti Quello Dovrebbe Avere stato classificato COME Essi fallire È 52.
Dieci diviso di 52 dà Voi Quello numero di 0,1923.
COSÌ IO Piace Quello tavolo È Più facile A interpretare Sopra Qui.
IL finale cosa Di IL conformità rapporto
È Voi Potere modifica tuo conformità categoria,
o tu Potere interruttore conformarsi A non conforme.
Voi Potere calcolare Anche UN fuga valutare. E Quello È IL valutare Quello IL probabilità
Quello UN non conforme parte È In realtà prodotto E non rilevato.
A Fare Quello, Noi Avere A fornire Alcuni stima O probabilità
Di non conformità A IL JMP programma.
IO Mettere In Piace 10%, andiamo Dire 10% Di IL tempo Noi produrre UN difettoso parte.
Dato Quello noi abbiamo prodotto UN difettoso parte, cosa c'è IL probabilità
Quello 'S andando A Essere UN mancare E Poi fuga?
E quello è IL fuga valutare. Quello è IL moltiplicazione Di IL due.
il nostro processo Volere produrre volte IL probabilità Di UN perse processi
produce fallire parte volte IL probabilità Di UN mancare.
Ora andiamo andare in JMP Ancora
E erano andando A utilizzo IL ispezione con IL standard.
Io sono velocemente andando A andare Attraverso Questo.
Noi Fare analizzare distribuzione, Ancora, Mettere in tre Sopra Qui,
E Ora Noi Potere clic SU UN standard giù Qui
E Poi Noi Potere evidenziare, confrontare IL Ispettori 01 e Ispettore 2.
Un altro modo A visualizzare Esso È A utilizzo grafico costruttore COME noi abbiamo Fatto Prima.
Poi Noi Potere Mettere Ispettore 1 Sopra Qui.
Permettere Me Fare Esso Questo modo.
E Ispettore 2 Potere Essere SU Questo lato Ora.
Poi Noi Potere accedere IL standard Sopra Qui SU Questo lato.
E Ora Noi Avere UN modo Di cliccando E vedendo Che cosa IL categorie
erano parente A IL standard.
Quello è UN molto Carino poco grafico, E Se Voi ricercato A Dire,
"Va bene, Come molti Ispettore 1
contro classificato COME UN passaggio Quando Esso era UN fallire.
Ora Noi Potere Portare Quello A uno stand, E IL le file sono evidenziato pure.
Andiamo andare in JMP. Ora erano andando A analizzare
qualità E processi, variabilità attributo misura grafico,
richiamare E Io sono andando A aggiungere In IL standard Sopra Qui.
Noi clic IL standard. Ora ecco IL problema.
JMP dà noi IL attributo misura grafico, Ma Questo era per IL accordo.
Che cosa lo faremmo Piace A misurare È contro IL standard.
Noi Venire su Qui SU IL attributo misura grafico
E quali sono state andando A Fare È deselezionare nulla Quello dice accordo.
E clic SU nulla Quello dice efficacia.
Là Potrebbe Essere UN più semplice modo A Fare Questo infine
nel [impercettibile 00:23:31] programmazione In JMP.
Ora Noi Avere IL effetto SU Questo grafico, Ancora, COME IO disse, 50% significa
Quello uno Di IL ispettori avuto Esso Giusto, 0% significa Essi Entrambi avuto Esso sbagliato.
E Noi avevo IL accordo rapporto mostrando 86 Quello noi abbiamo visto Prima.
Ma Che cosa Noi Volere A Ottenere giù A È IL efficacia valutazione,
IL efficacia rapporto.
E Ora Noi Vedere Quello Ispettore 1 era 85% efficace.
Ispettore 2 era 87% efficace.
Complessivamente Esso era 86% efficace.
Ecco IL riepilogo Di IL mancare classificazioni.
E questi Sono IL quelli Quello Sono elencati Sopra Qui.
COME Essi Dire Questo terminologia Voi Bisogno A capire Quello errato non riesce
erano corretto passa E errato passa erano corretto non riesce.
Poi IL conformità rapporto È giù Qui, Noi mostrato Voi Come A Fare IL calcolo
E Poi Noi Potere modifica IL conforme categoria di facendo Quello Sopra Qui.
O Noi Potere calcolare IL probabilità Di fuga, fuga valutare,
di mettendo In Alcuni numero dentro Quello stime,
Come Spesso lo faremmo aspettarsi A Vedere UN difettoso parte.
Io sono mettendo In Sopra Qui punto uno,
clic, Va bene.
E Poi JMP dà noi IL probabilità Di non conformità E IL fuga aliquote
COME mostrato Sopra Qui Ora per ogni ispettore.
Ero andando Indietro A Ora Mio Presa della corrente presentazione.
Ora Quello Noi Avere UN sensazione per questi concetti Di accordo,
efficacia E IL Kappa indice, permettere noi Vedere Come Noi Potere fare domanda a IL approccio
A UN Di più complesso problema ingaggiare analisi chiamato inventario monitoraggio.
COME parte Di UN consulenza progetto con IL robotica azienda,
E Suo Robotica Vimana,
E di IL modo, c'è Alcuni meraviglioso video
Se Voi clic Sopra Qui Quello Spettacoli IL droni volare
In IL magazzino E COSÌ via
facendo IL letture E Alcuni Di IL risultati da IL analisi.
COME parte Di UN consulenza progetto IO era introdotto A IL problema
Di droni volare In UN magazzino utilizzando ottico carattere riconoscimento
A Leggere inventario etichette E scatole E scaffali.
In misurazione sistema analisi MSA,
IL scopo È A determinare Se IL variabilità In IL misurazione sistema
È Basso Abbastanza A con precisione rilevare
differenze In Prodotto- A- Prodotto variabilità.
UN ulteriore obbiettivo È A verificare Quello IL misurazione sistema
È accurato, preciso E stabile.
In Questo studio, IL Prodotto A Essere misurato attraverso OCR
SU droni È IL etichetta SU IL contenitore immagazzinato In cremagliere SU UN magazzino.
IL misurazione sistema dovere Leggere IL etichette con precisione.
Inoltre, IL misurazione sistema Volere Anche convalidare IL capacità A rilevare,
per esempio, vuoto bidoni, danneggiato articolo, conta Di elementi In UN dato posizione,
dimensioni, E COSÌ via. Tutto essendo Fatto di IL droni.
Negli studi di Gauge R&R, uno preoccupazione indirizzi puro errore,
Quello È IL ripetibilità Di ripetuto misurazioni SU IL Stesso etichetta.
Ripetibilità È UN misurare Di precisione.
In aggiunta, In misurare gli studi R&R,
UN secondo preoccupazione È IL pregiudizio associati con differenze In IL utensili,
Quello È, differenze tra IL droni lettura IL Stesso etichette.
Questo aspetto È chiamato riproducibilità, quello è UN misurare Di precisione.
IL progetto Quello IO proposto
era UN attraverso studio In Quale IL Stesso luoghi In IL magazzini,
In IL bidoni Sono misurato multiplo volte, quello è per ripetibilità
attraverso diverso pregiudizio fattori, IL droni per riproducibilità.
IL proposta Volere definire parecchi standard per IL droni A misurare.
IL confronti Volere coinvolgere Entrambi entro- drone ripetibilità,
drone- A- drone accordo consistenza,
E drone- A- standard precisione.
IL piano era A misurare 50 luoghi 1-50,
e tre droni Volere Essere usato A misurare riproducibilità
quello è drone- A- drone confronti, E Là Volere Essere tre passa
per ogni posizione di ogni drone A misurare ripetibilità.
Ora, multiplo risposte Potere Essere misurato contro ogni specifica standard.
COSÌ Noi non Avere A Avere Appena uno articolo E UN standard.
Noi Potere Avere diverso caratteristiche.
IL lettura Potere Essere binario, Quello È, classificato COME O corretto O errato.
E Anche IL lettura Potere fornire stato
segnalazione per UN posizione, Piace IL numero Di unità, Qualunque danno unità, E COSÌ via.
Esempi Di diverso risposte
Sono Come con precisione Potere IL droni Leggere UN standard etichetta?
Sono Là Qualunque mancante O invertito etichette?
Sono IL inventario elementi In IL corretto posizione?
È IL quantità Di scatole In UN posizione corretto?
Sono Qualunque Di IL scatole danneggiato? Questo volevo Essere qualcosa
Quello UN umano persona volevo Essere controllo COME parte Di UN inventario controllo,
Ma Ora erano facendo Esso Tutto con droni.
Ecco IL proposta.
IO Avere 50 righe Sopra Qui,
150 righe In realtà, Perché ogni posizione È essendo Leggere tre volte di ogni drone.
COSÌ IO Avere drone UN, drone B, E drone C.
Poi questi Sono IL risultati Di UN confronto A IL standard.
Erano classificare cinque norme, A,B,C,D E E,
E Loro sono a caso organizzato In Qui COME lontano COME IL posizione va.
E suo uno caratteristica specificare ogni Di IL 50 posizioni.
S ince erano facendo tre letture, suo 150 righe.
T tre droni riproducibilità, tre passa per ogni posizione
E di ogni drone quello è ripetibilità
E IL standard sono specificati per ogni posizione.
Io sono andando A Fare UN importante dichiarazione Sopra Qui Quello IL dati Quello Io sono utilizzando
per illustrazione È fatto- su dati E non effettivo sperimentale
risultati da IL azienda.
Noi Potere inizio spento con distribuzioni E dinamico collegamento.
Noi Potere Ora confrontare IL classificazione Di IL droni di standard.
Noi creare IL distribuzioni E Poi Noi clic SU Dire, standard UN,
E Noi Potere Vedere Come molti droni avuto Quello standard UN Giusto,
O se Qualunque droni avevo ulteriore diagnosi errata.
Stesso cosa Se Noi Potere clic SU standard E, Noi Potere Vedere drone UN avevo UN più alto propensione
per errata classificazione standard E E Stesso cosa con drone C.
Ora IL grafico sotto Spettacoli Come BENE
IL droni concordato con ogni altro per ogni posizione.
Qui Sono IL 50 posizioni E erano guardare A IL droni confrontando.
Ora Quando sei confrontando UN drone A altro droni, hai avuto UN quantità Di confronti.
Sei confrontando Forse drone uno A io te stesso tre volte.
Sei confrontando zona uno,
drone uno A zona due, volte per ogni uno Di IL misurazioni.
COSÌ Esso Potevo Avere come un 1, 2, 3 per zona,
drone uno E UN uno, due, tre per zona.
Due, E sei confrontando Tutto possibile combinazioni Ora Di quelli droni.
Quello è Perché IL calcoli Ottenere UN poco morso complesso
Quando Voi Ottenere multiplo droni In Là.
Ma sei facendo UN confronto.
Questo Spettacoli IL accordo tra Tutto IL confronti.
Ora Noi si accorse Quello fra zone IL cinque E 10,
Quello per questi posizioni IL precisione caduto abbastanza in modo significativo
E Quello richiesto ulteriore indagine COME A Perché?
Esso Potevo Avere stato IL illuminazione, Esso Potevo Avere stato IL posizione,
Esso Potevo Avere stato qualcosa altro Quello era interferendo con IL corretto diagnosi.
Voi Vedere maggior parte Di IL droni Sono lettura con precisione 100%.
Questo È UN accordo fra IL droni,
COSÌ Essi erano d'accordo all'incirca 90, 91% A IL tempo.
E questi Sono IL fiducia intervalli per ogni drone.
COSÌ Questo detto noi Come BENE IL droni erano confrontando A ogni altro.
Ora Noi avuto accordo confronto, IL tabelle Volere spettacolo IL accordo valori
confrontando coppie Di droni E droni A IL standard.
E IL Kappa indice È dato contro IL standard E ripetibilità
entro droni E riproducibilità Sono Tutto eccellente basato SU IL Kappa Statistiche
E accordo attraverso Anche IL categorie È Anche eccellente.
COSÌ erano confrontando Qui drone UN A drone B
drone UN A drone C, drone B A drone C, Tutto facendo eccellente accordo.
Erano confrontando Qui IL droni A IL norme, Tutto UN eccellente accordo.
E Poi Questo È IL accordo, Appena fondamentalmente UN riepilogo Di Esso.
Poi Questo È IL accordo di IL diverso categorie.
Ora Ancora, Noi Potere Aspetto A IL attributo grafico per efficacia.
Stesso modo Noi clic fuori Tutto IL accordo controllo scatole
E Poi clic SU IL efficacia scatole.
Noi Vedere Ancora Sopra Qui, Quello Sette E otto avevo IL più basso
accordo A IL standard.
Ancora, Quello Potevo Avere stato qualcosa associato con IL illuminazione.
Esso Potevo Avere stato qualcosa associati con Alcuni altro problema Là.
Poi IL complessivamente accordo A IL standard di drone,
Voi Potere Vedere Loro sono Di 95%.
IL drone È bello accurato E Essi erano bello riproducibile
E IL ripetibilità era eccellente.
Questo È IL efficacia rapporto. Ora Questo È UN poco morso Di più elaborare
Perché Ora erano confrontando Esso per ogni Di IL cinque caratteristica standard
E questi Sono IL errato scelte Quello erano fatto per ogni uno.
Fuori Di 150 possibile misurazioni,
drone UN misurato 142 correttamente, drone B 145 E drone C 140.
COSÌ efficacia È IL importante uno.
Come accurato erano IL droni?
Noi Potere Vedere Quello IL droni Sono Tutto corsa su in giro UN media Di 95%.
Questo appare A Essere altamente efficace.
Poi Noi Avere UN dettaglio analisi
di livello, fornito In Classificazione errata rapporto.
COSÌ Noi Potere Vedere individualmente Come ogni uno Di questi droni rispetto A IL diverso,
Come ogni uno Di IL diverso caratterizzazioni
erano misurato correttamente O in modo errato di IL droni.
Questo È IL quelli Quello Sono classificazioni errate.
UN guadagno, permettere Me andare in JMP.
OH, uno ulteriore esempio IO significava A spettacolo su Sopra Qui.
Voi utilizzando costruttore di grafici,
Noi Potere visualizzazione IL classificazioni E mis classificazioni di ogni forte.
Questo È UN Veramente pulito modo Di mostrando Esso. IO desiderio JMP volevo includere Questo possibilmente
COME parte Di IL produzione, Ma Voi Potere Vedere Dove IL classificazioni errate verificarsi.
Per esempio, per drone UN, Quando Voi classificare erroneamente drone C,
maggior parte Di loro erano classificato correttamente, Ma Là Sono UN pochi Quello erano non.
Questi spettacolo IL classificazioni errate.
IO Piace Quello Tipo Di rappresentazione In costruttore di grafici.
Ora andiamo andare Indietro in JMP E erano andando A Fare
attributo misura analisi multiplo con IL effettivo sperimentare Quello era correre.
Va bene, COSÌ erano andando A analizzare distribuzioni così Noi Potere Fare Questo.
Noi Potere confrontare IL droni A IL standard.
Ancora, Noi Potere Appena clic SU UN standard E Vedere Come Esso confronta attraverso IL droni.
Noi Potere Anche Fare UN analizzato costruttore di grafici.
E Noi Potere Mettere IL zona drone UN
E Poi drone B, E Poi drone C Sopra Qui.
E Poi Noi Potere Mettere IL standard In Là
E Esso Spettacoli molto chiaramente cosa c'è accadendo con Quello.
B ut Noi Potere andare E Anche in JMP E utilizzo IL JMP qualità E processi
variabilità attributo misura.
COSÌ Noi aggiungere IL tre droni In Qui, Noi aggiungere IL standard,
E Noi Mettere In IL posizione E Noi Ottenere Nostro misura attributo rapporto grafico
mostrando Quello droni COME lontano COME IL accordo con ogni altro, erano A 90%.
Questo uno ha IL maggior parte difficile posizioni A caratterizzare.
Qui Sono IL accordo rapporti Quello Io ho mostrato Voi.
Drone UN, Drone B E Drone C accordo con IL altro droni E con si pure.
Drone UN A drone B, questi Sono IL Kappa valori.
Questo È IL misurazione A IL standard, Tutto molto alto.
E Poi questi Sono IL accordo attraverso categorie.
E Poi per IL efficacia,
A Ottenere Quello grafico Quello Noi Piace A Vedere per IL efficacia rapporto,
Noi Prendere fuori IL accordo Sopra Qui E clic SU Ora IL efficacia.
Noi Ora Avere IL efficacia complotto
SU IL rubinetto Quello Spettacoli noi Come IL droni concordato con IL standard.
Noi ora andare Indietro in IL Presa della corrente presentazione Sopra Qui.
Va bene, A riassumere w cappello noi abbiamo Fatto Sopra Qui,
IL utilizzo Di attributo misura analisi consentito IL azienda A fornire solido dati
SU IL accordo E efficacia Di droni per inventario gestione.
T Lui risultati Sono molto degno di nota. Successivo risultati segnalato
SU IL dell'azienda sito web spettacolo inventario conta A Essere 35%, Più veloce inventario costi
ridotto di 40% E ridotto perse- spedizioni
E danno affermazioni ridotto di 50% rispetto A IL precedente metodi.
In aggiunta, IL sistema genera Che cosa Noi chiamata perseguibile dati
per Di più accurato, efficace, più sicuro, Di più costo efficace,
E Più veloce inventario controllo.
Alcuni eccellente Riferimenti Sopra Qui È di Cohen originale carta,
E libro di Fleiss È eccellente,
ha UN quantità Di dettaglio, E Anche IL libro di Le È BENE Fatto.
IO Grazie Voi molto tanto per ascoltando. Avere UN Bene giorno.
