ありがとうのために与える私たちこれ機会に話すについてどうやって私たちは使用JMPで製薬プロセス検証そして継続的なプロセス検証。 私の同僚、ルイそして私意思与えるあなたあるガイドにの背景のそれ、どうやって私たちはするそれ、そして何はの結果。
の議題はそれ初め私たちは意思説明するの背景そしての概念。 以来その検証、私たちはしなければならない正当化するの仮定私たちは持っている後ろに私たちのモデル、それで正気チェックは重要。 それから私意思行くの上に話すについての特定のメソッド私たちははを使用してそしてどれの数式私たちは持っているに作るのためにものそれはないそこにはでJMP前もって。
それからルイ意思取る以上そして見せるどうやってのJMP脚本はやってるそれに自動化するの計算そして埋め込む何はないでJMP。 ついに、私たちは意思作るいくつかの結論そしてうまくいけばそこには意思またなれ時間のために質問。
今にの背景そしてのコンセプト私たちはは働くと。 ルイそして私来るからある会社呼ばれたNNE、そして私たちはするコンサルティング内での製薬業界、そして私たちははJMPパートナー、それで私たちはヘルプ私たちのクライアント取得価値外ののデータ、のコース、を使用してJMP。
大きい問題内での製薬業界はプロセス検証いつ彼らは行くに打ち上げある新しい製品。T放射状にのために多くの、多くの年、それもっているされた終わりによる作る三つバッチ。 私f彼らはだった良い、の検証だった合格した。
しかしこれはない本当に予測するの未来、これは予測するの過去。 それで、ああfコース、あなたできる作る三つバッチそれだった良い、そしてそれからの問題できる現れる後での上。 に補償するのためにそれ、それ、の業界もっている伝統的に持っていたの広範囲にわたるそしてそれによって高価な品質管理検査の上毎バッチに確保するそれだったわかった。
しかし、もし私たちはできた証明するそれ全て未来バッチするだろうなれ良い、それから私たちはできた減らすの品質管理料金重く。 しかしどうやってする私たちは予測するそれの未来バッチ意思なれ良いと自信？ うん、私たちはできた使用予測間隔または個人自信レベル、として私電話でJMP、で少しでもでいくつかのメニュー。
もし私たちは置くバッチとしてあるランダム要素、それからの検証バッチ私たちはは探しているで意思なれ見たとしてあるランダムサンプリングの全て未来バッチ。 Tこれにより、私たちはできる予測するどうやって未来バッチは行くになれ。 もしこれ予測は内部仕様、私たちは持っている実は証明されたそれ全て未来バッチ意思なれ良い与えられたそれ私たちはできる維持するのバリデーター州力。
しかし、これかもしれない取るもっとよりも三つバッチ、しかしする彼らは全て持っているになれで州二、として私たちは見せるでこれグラフ？ 多分ない。 私たちは実はすべきただまだ作る三つバッチであなたの初めプロセスの検証。 もしそのない十分、それから作るの休むでどれの私たちは電話真っ直ぐ三つあ、どれのは後商品化、なぜならそれからあなたできるただ売る彼ら1つによる1つ。 そのないある大きい問題それあなた持っているに作るもっと。
しかし、これ必要二ものになれ満たされました。 の初めはそれ私たちはまだ持っているこれ広範囲にわたる品質管理テストそれ私たちはできる探す外もしあなたのバッチは悪いなぜなら私たちははないまだ道具を使った、それ意思ない起こる。 あまた、のコース、それ必要それの推定パフォーマンスはわかった。どうやってできる私たちは見るもしの推定パフォーマンスはわかった？ 私たちはできるするそれによる見るもしコントロール限界は内部の仕様。
それから私たちはできる行くの上の市場そして後での上、いつまた予測限界はでそのような仕様、それから私たちはできる実は取り除くまたはで少しでも減らすの品質管理検査。 私たちはかもしれないなれ行くから監視の製品それまで監視のプロセス。
何はそれ全てについて？ 検証はについて予測するのフォームの未来バッチと自信、ないただ予測するの過去。 どうやってできる私たちはするそれ？ 私たちはできるするそれによるを使用して予測または12 インターバルでJMP。どうやって多くのバッチ意思私たちは提案するに作るでステージ二？ 私たちはまだ提案する三つ、しかしあなたかもしれないないなれ終わり。
どうやってできるあなたそれから合格ステージ二と少しバッチそれで私たちはできる行くの上にの市場？ つまり、として私言った前に、見てでコントロール間隔なぜなら彼らははそれなし自信。 あなたはない罰せられたによるのみ持っている三つバッチ。 T鶏後での上、見てで予測または12間隔。
もしコントロール間隔は内部仕様、予測間隔はない。 の一番の問題のの理由のためにそれは足らないのデータ。 これすべきではありませんなれ制限するあなたに行くにの市場。
それからどうやって多くのバッチに作るでステージ3A? それはかなり単純。 単にそれまであなたの予測限界は内部仕様、それからあなた持っている合格したあなたのステージ3 A. これら限界あなたできるまた使用として予測限界後ステージ3あいつあなた行くの中へステージ3B.
私たちはできるまた見るそれの上これ流れチャートどこあなたでアッパー左コーナー、始めると分析するあなたの検証もの、通常木。それからあなた計算するあなたの予測限界でJMPとしてあるランダム要素。 もし彼らはは内部スペック限界、すべては大丈夫。 あなた持っている合格した両方ステージ2そして3あそしてすべては大丈夫。
もしそれターン外それ予測限界はあまりにも広い比較したにのスペック限界、私だろう、としてある次もの私わかりましたで私のコントロール限界どれのはそれなし自信。 もし彼らはは内部、それから私たちはただ必要もっとデータそして私たちは意思集めるもっとデータそして私たちは計算するそしてあるポイントの時間私たちは意思行く外ここそして持っている合格したまた厳しいTA.
のコース、もしそれ起こるそれ平コントロール限界は外仕様、それから実はの推定価値は悪いそしてあなたはない本当に準備ができてのために検証そしてあなた持っている失敗した。 うまくいけば、これはない行くに起こる。
しましょう行くの上にの正気チェック。 今私意思行くの中への中へJMP。 私意思試すに実演するどうやってそれ動作します。 ここあなた見るあるJMPテーブルどれの私たちは持っている作った、またはない私たちは持っている作った、それ実は来るからIPE、国際的社会の薬物疫学、誰が置く私たちこれデータセットとしてある良い例の上どうやってある検証セットすべき見てのように。多くの企業またはコンサルティングもっている試してみたに計算するの上それそして見るどうやってするだろう彼らは結論する。
その基本的にあるデータセットからタブレット製造、そして古典的にそれ含まれていますこれら三つバッチあ、 BそしてC. それから私たちはは取る外粉末で15場所でのブレンダー、そしてそれから私たちはは測定するのAPIコンテンツ、それはの強さのの実際の[聞き取れない 00:06:52]材料、どれのするだろうなれ間85そして115になれ内部仕様。
もしあなた見てでの変動性チャートののデータ、あなたできる見るここ私たちは持っているの三つバッチあ、 BそしてC、そして私たちはまた持っているの15場所でそれぞれバッチ。 それから内でそれぞれバッチ位置組み合わせ、私たちは持っている四測定。
の初めあなたできる見るはそれの内で位置変化の上バッチBは幾分より大きいよりもの上バッチあそしてC. 私たちはするない持っているば異質さ。 に作るそれもっと客観的、あなたできる置くSコントロール限界の上あなたの標準偏差チャートそしてあなたできる見るそれあなたは外のコントロールでバッチB.
別の方法の見るそれするだろうなれに作るある異質性の分散テストとしてあなたは見る下ここ。 それからそのまたとてもクリアそれあるよもっと内でまたはで位置変化の上バッチBよりもの上の他のもの。
厳密には、あなたできないプールこれら差異しかしあなたできる、しかし私たちは必要それからにする重み付けされた回帰どこ私たちは重さを量ると逆数分散。 それはの次ステップ私たちは意思する、行くの中へログ分散モデリング、どれのあなたできるするでJMP。
私たちは持っている単にここただ作ったあるログ分散モデルどこあなたできる見るそれの位置、のバッチ、の交流全て持っているある重要な影響の上のレベル、しかしのみのバッチもっているある重要な影響の上の分散。 としてあなたできる見るそれの分散のためにバッチBは幾分より大きいよりも内で分散の上バッチあそしてC.
いつあなた持っている建てられたこれモデル、あなたできるから上ここただ保存の列そしてあなたできる保存あなたの分散式。 私はすでに終わりそれ。 そのすでにで私のデータセット。 もし私再表示ここ、ここあなたできる見る私の分散カラムから私のログ分散モデル。 あなた持っているある式ここと言って、何はそれでグループあそしてCのためにバッチあそしてC、そして何はそれのためにバッチＢ？ベースの上それ、私できる今作る重み付けされた回帰どこ私単にただ作るある重さカラムどこ私重さ私の回帰古典的にと逆数分散。
それから私は準備ができてのために作るある正気チェックの上私のデータなぜなら今私できるプールの差異後重み付けされた回帰、それで私できる始めるやってる正気チェックの上私のデータ。 の初めもの私するだろうするはに見てである系統的モデルどこ私持っている私の位置、バッチ、そしての交流。T鶏私できる見るの上私の[聞き取れない 00:09:28]タイプ残留物プロット、私持っているいいえ外れ値そして無法者、しかしそれは内部。
私できるまた見るの上私の箱プロット変換、あるよいいえ必要に変身私のデータ。 ここその合理的に仮定するそれ私持っているこれら普通配布された残留物、どれのはの予測後ろにある修理済み少しでも正方形モデル。
それから次ステップはに置くバッチとしてあるランダム要素、ないただある系統的要素、なぜなら私するだろうのようにに予測する未来バッチ。 これは何私持っている終わりここ。 T鶏突然あなた得るこれら分散コンポーネント。 何はの間バッチ変化？ 何はのバッチ位置変化？ W帽子はの残留物平均内でバッチ内で位置変化？
以来、のコース、私持っている重み付けされたそれと逆数分散、これ番号、のコース、取得近いに1つ。 しかし、でこれモデル、そこにははまたいくつかの追加仮定、つまりそれのバッチ効果そしてのバッチ位置効果は無作為に配布された、意味それこれらランダム効果予測上ここすべきフォローするある普通分布。
にテストそれ、あなたできるただ置く彼らの中へあるテーブル、どれの私は終わりここ、そして私たちはできるテストのループただ作るの空のモデルどこあなた置く彼らとしてある応答。 あなたできる見る両方のバッチ信号またはのバッチ差異そしての交流差異全ては内部の残留物限界。またここ私たちはできる正当化するの予測それこれらはただランダム要因。これはの正気チェックののモデル。
今に作るモデルのためにバッチあそしてバッチC、私たちは必要に規模彼ら違う。 それは何私持っている終わりでこれら列以上ここ。 もし私再表示私の列ここ、あなたできる見る私作ったの交流規模重さどこ私単にただ乗算された私の重さ要素とのスケーリング。 それで私得るの変化私持っている見たのためにバッチあそしてC、そしての同じもののために私のバッチB.私できる規模の重さとの分散私するだろうのようにに持っているとしてある残留物分散、どれのはただ到来から私のブロック分散モデリング。 それはまたかわいい率直なにする。
Nああ私できる実は持っている私の二モデルからどこ私できる予測する。1つどこ私規模と私の交流規模重さそして1つどこ私規模と私のB規模重さ。 それによって私できる見る、もし私ただ走る1つの彼ら、 1つ規模との交流規模重さ、それからあなたできる見るそれあなた持っているこれモデル、あなた持っているこれら残留物、あなた持っているこれらバランスコンポーネント。
何はとても簡単でJMPはただに行く上ここそしてあなたできる行くそしてあなたできる保存あなたの列。 Fロム上ここ、あなたできる実は保存の予測式それするだろうなれあなたの中心ライン。 しかしあなたできるまた保存あなたの予測間隔それここは呼ばれた個人自信間隔。
私持っている終わりそれ両方のためにこれモデルそしてまたのためにの他のモデル。 私また欲しいの他のモデルとの違うスケーリングのためにバッチB. T鶏私保存これら列として個人自信間隔。 それから彼らははただ保存されました下こことしてこれら予測数式。それから私できる作るある組み合わせた1つによるただ組み合わせるこれら依存しての上どれのバッチグループものは到来から。 今私持っている限界のために両方バッチあ、 BそしてC、どれの私できるプロットの上の同じグラフ。
これは真っ直ぐ以上にする。 それまで今、私ただ使用済み私は何ですか内側JMP。 しかしに得るのコントロール限界そしてに得るの許容範囲限界、私必要に計算する彼ら自分自身、なぜならJMP、あなたしないでください持っている許容範囲限界、あなたしないでください持っているコントロール限界でフィットモデル。
のコース、あなた持っているコントロール限界いつあなたするコントロールチャート、しかしそれはまたのみのために1つ平均そして1つ標準偏差。 のコース、あなたまた持っている許容範囲限界で分析された分布。 しかしまた、それはのみのために1つ平均そして1つ標準偏差。
ここ私たちは持っているに計算する彼ら私たち自身。 の初めもの私たちはそれからするはただ得るの分散コンポーネント。 これは何私たちは持っているここ。 W eただ保存されましたの分散コンポーネントからの二モデル、 1つどこ私たちはスケーリングされたにバッチあそしてC、そして1つどこ私たちは規模にバッチB.
なぜならいつ私たちは持っているの分散コンポーネント、そのかわいい率直なに計算するのコントロール限界なぜならその基本的にただの予測式マイナスある普通分位数、そしてそれからの四角根のの合計分散、そしてそれからどちらか分散あそしてCまたはB、依存しての上私たちは何ですか探しているで。 私tさんの実はかわいい率直なに計算するのコントロール限界それ方法。
の同じ私たちはできるするのためにの許容範囲限界。 もしあなた好む許容範囲限界その代わりの予測限界、多くの企業する。 また、残念ながら、彼らははないでJMPモデル、しかし私たちはできる計算する彼ら。 そこには私たちは単にただ置くでの古典的な式のためにある許容範囲限界。どこ1つ側面、私たちは置くでのT分位数、私たちは置くでの度の自由、私たちは置くでの普通分位数、そしてとして前に、のの割合、そしてそれから私たちはかけるによるの合計バランスからの分散成分。
ののみ少し少しトリッキーものここはそれ私たちは必要の度の自由下合計分散。 JMPはない本当に与えるあなたそれ。 そののみ与えるあなた度の自由で系統的モデル。 しかし私たちはできる見るベースのの上の幅のの予測間隔、それは何私たちは持っているここ。 それから私たちはできる実は計算するベースのの上の幅のの予測間隔、どうやって多くの度の自由する私たちは持っているそこには、そしてそれから私たちはただ適用するの同じ度の自由の上の許容範囲限界そしてそれから私たちはは準備ができてに行くそして私たちはできる保存全てのこれら限界下ここ。 もし私たちは欲しい、私たちはできるプロット彼ら。これは何私たちは持っている終わりここ。
ここあなたできる見る実はの予測限界そしての許容範囲限界そしてのコントロール限界。 のコントロール限界はの点在ライン、の予測限界はの満杯ライン、そしての粗い点在ラインはの許容範囲限界。 あなた見るそれのためにの15違う場所そしてのためにの三つバッチあ、 BそしてCとのコース、限界はもっと広いのためにバッチBなぜならそれもっているもっと内で位置差異。
あなたできる実は見るそれ平のコントロール限界での点在ラインは外のために位置1そして2そして実はまた四。 平けれどこれプロセス、これはある良い例のある検証、私するだろう言う、良い、もしバッチBは代表、あなた持っている実は失敗したの検証。
もしあなた見てであそしてC、それから全ての点在行は内部、意味それ私たちは持っている合格したステージ二なぜならの見積もり価値は大丈夫。 しかしの上ある少しの彼ら、あなたできる見るそれの予測限界はただ外。 しかしいつあなた持っているこれ大きいギャップ間コントロール限界そして予測限界、ただ1つバッチもっとするだろうおそらく作る彼ら内部。これはどうやってそれ動作します。
いくつかの企業彼らはするない考えるその十分に見てでもしの限界は内部仕様。 彼らはするだろう実はのようにに得るあるPPK能力索引の上彼ら。 私たちはまた置くそれ1つの中へ私たちの方法ここ。 もしあなた見てでの数式ここ、あなたできる見るどこ私たちは持っているの予測限界、それはまた置くであるPPK式。
基本的に何私たちはする、私たちはただ取るの予測数式、これの中へのスペック限界、そしてそして分割されたによるの半分幅のの予測限界。 これはこれPPKそれ対応するにの予測限界。 なぜなら彼らははと自信、これは実はPPKと自信。
あなたできるするその通りの同じとあなたのコントロール限界。 ただ取るの古典的なPPK式そしてただ置くでコントロール限界その代わりの予測限界。 B原因コントロール限界はただ推定価値観、これはPPKそれなし自信。のコース、あなたできるするその通りの同じものまたのためにの許容範囲限界、どれの私たちは持っている下ここ、あるPPKベースのの上の許容範囲限界。あなたできるまた計算する全てのこれら。 もしあなた欲しい、のコース、あなたできるプロット彼らの上あるグラフとしてあなた見るここ。
上ここ、私たちは持っている推定PPKそれなし自信、それはの赤1つ。 T鶏私たちは持っているの青1つそれはベースのの上許容範囲限界そしての緑1つそれはベースのの上予測限界。 上ここ、そののためにの良いグループあそしてCと表示変化。 下ここどうやってそれはバッチ付きBは、あるより大きい1つ。
あなたできる実は見る、として私たちは見たとの限界のためにバッチB変化、平の推定価値もっているあるPPK下に1つのために1つ、二、そして四ポジション。 その間全ての推定価値はうまくについて1つのためにあそしてC.あまたのPPKベースのの上予測、の緑1つ、ほとんどの彼らはについて1つ、そして彼らはとても近いに1つの上位置1つそして二。これするだろうただ必要とする1つ追加バッチおそらく、そしてそれから彼らはするだろうなれ内部。
しかし、としてあなたはそうしますおそらく見るそのある少し退屈なにする全てこれら計算による手。 これはなぜ私たちは持っている作ったある脚本のためにそれ、どれのルイは今行くに実演する。 私すべきただルイ取る以上今そしてショーどうやっての脚本動作します。 私はもちろん彼意思また作るある少しもっと例。
はい、ピエール、感謝あなたとても多くの。 私意思ただ試すに共有私の画面ここそれから。 はい。 初めもの初め、としてピエールもっている示されている私たち、私たちは顔ある多くの問題その間の特別検証。 幸いなことにのために私たち、 JMPもっているある多くの真っ直ぐ上箱機能にヘルプ私たち取引とこれら問題。私たちは本当にのようにに使用の機能到来外のの箱とJMPなぜならこれ本当に減少する私たちの検証重荷いつ行くフォワード。
いくつかのののものJMPもっている解決しましたのために私たちは、のために例、の問題それ私たちはは働くと複雑なプロセスそしてこれらできないなれ説明されたによるただ1つ平均そして1つ標準偏差。 ここに取引とこれ、だった活用するのフィットモデルプラットホームでJMPどこ私たちはできる持っている複数系統的要因にハンドルの多くの手段、そして私たちはできるまた持っている複数ランダム要因に取引と多くの分散コンポーネント。
それからあるよの問題とデータ頻繁必要としているいくつかのデータ変換。 また、 JMPもっているのボックスコックス変換窓私たちは使用に取引とこれ直接でのフィットモデルプラットホーム。 それから私たちはいつもの見るある多くの外れ値私たちは持っているにハンドルでより大きいデータセット。 Hえっ私たちはまたてこの作用のフィットモデルプラットホーム、もっと具体的にはの学生サイズのある残差プロットどこ私たちは除外する外れ値ベースのの上のボンフェローニ限界。
ここそのただ重要に注記それで少しでも私たちのコンセプトはそれ私たちはのようにに除外するの実際のモデル、しかし私たちはいつも報告彼ら別々に。 それもっているになれビジュアルそれこれらはない含まれていますでの分析。
それからそこにははの足らないの均一性の分散、どれのピエールまた示したどうやってに取引とを使用してのログ分散モデリングに得る外の変化そしてそれから使用これ分散に計算するある重さ式。
それからまた、そこにははの予測間隔どれの私たちは使用とてもある多くここ。 こことして良いJMPは準備ができてに行くと個人自信間隔直接でのフィットモデルプラットホーム。
しかしそれからとしてピエールまた言及された、私たちは感じたのようにそこにはだったいくつかの部品どこJMPできたない持ってくる私たち全ての方法家。 これ含まれるもの、のために例、制御された間隔でJMP、どれのできるのみハンドルの1つ平均そして1つ分散成分。
どうやって私たちは克服するこれはそれ私たちは計算する制御された間隔からのフィットモデルを使用しての予測式そして標準エラーの上予測式そして残差に計算するの合計分散、そしてからここ、のコントロール間隔。
それからそこにははの事実それ許容範囲間隔は好ましいによる多くのの私たちの顧客なぜならこれ許可しますあなたに別々にセットの自信そしてカバレッジ。しかし、私たちはのみ見つかったそれJMPできるする許容範囲間隔での分布プラットホーム、そしてそれできるのみハンドル1つ平均そして1つ分散成分また。
のコース、での脚本建てられた-インスそれそれできる計算するの許容範囲間隔似ているにのコントロール間隔。 W鶏私たちはするの計算のの許容範囲間隔、私たちは使用の同じ度の自由として使用済みいつJMP計算しますその予測間隔。
それから多分の主要な理由のためにやってるこれ脚本、またはのイニシャル理由で少しでも、はそれ計算そして視覚化の全てこれら間隔はとても時間消費するそしてとても傾向のあるに人間エラー。 実は、私たちは決めたに作るこれ脚本に自動化する計算そして視覚化。
それから最後に、多くのの私たちの顧客必要とする能力そして透析そのようなとしてPPK。 私たちは持っている、のコース、また含まれていますこれで私たちの脚本そのようなそれそれ計算しますPPK対応するに両方予測限界、何私たちは電話PPKと自信、そしてまたコントロール限界、何私たちは電話PPKそれなし自信。
に話すについての脚本ある少し少し、の脚本私たちは持っている設計ここからなるの二部品。 私たちは主に持っているのJMP脚本あなた見るここでの真ん中、そしてそれから私たちはまた持っているあるテンプレート書類、としてあなた見る上ここでのアッパー左コーナー。
いつ作るこれ脚本、そこにはだったある少しもの私たちは本当に欲しかったに成し遂げる。 私たちは欲しかったに作るそれ本当に透明、意味それ私たちの顧客できた行くでそして見て下のフード、それでに言う、そしてフォローするの計算のこれら違う限界そして潜在的に平編集彼ら彼ら自身、どれのかかります私たちにの次もの。
私たちは欲しかったこれになれ、で少しでもにいくつかの範囲、カスタマイズ可能なによる私たちの顧客。もし彼らはしないでくださいのようにの方法私たちは計算するPPK、私たちはするだろうのようにに与える彼らのオプションに行くでそして編集の方程式。
のテンプレート書類で自体は実際、いわば、の空のデータテーブル。 それもっているある多くの定義済み列とカラム数式、しかしそれもっているいいえ行でそこにはまだ。 何私たちの脚本します、本質的に、はそれそれ作品からこれテンプレート書類としての入力。 それまたかかりますのオリジナルデータファイルの上どれのあなたベースあなたの分析としての入力、そしてそれからそれかかりますのモデル窓。
ここそれはになれ言ったそれのモデル窓は想定されるになれある完了モデル。 それであなた持っている終わり全ての全てあなたのデータ操作、確保されたそれこれはあるちゃんとした応答あなた得るからのモデル。あまたあなた持っている作ったこれら正気小切手そして正当化されたの仮定後ろにのモデル確保するその有効。
何の脚本する自体はそれそれかかりますのテンプレート書類、それかかりますのオリジナルデータファイル、そしてそれからそれコピーのデータからのオリジナルデータファイルにのテンプレート書類。 私たちは終わりこれそのようなそれ私たちはしないでください干渉すると私たちの顧客のオリジナルデータどちらか。
それそれからまたかかります全ての関連するパラメーターからのモデル窓そして入れるそれの中へこれテンプレート書類。 Fロムそこにはの上、もっとまたは少ない、これテンプレート書類意思埋める外自体を通してのすでに定義済み数式での列。
これテンプレート書類意思それからでの終わりなれ変換されたにの出力テーブルどこの初め多くの列するだろう見てとても多くののようにのオリジナルデータファイル、そしてそれからあなた意思持っているの残り計算そして入力価値観として追加列さらに遠くの上。
私考える私たちはすべき行くにの例そして見るどうやってこれ見た目で本物人生。 私意思ただ試すに停止共有これ画面そして共有これ1つ。何私たちは持っているここはで事実、の同じエスビック場合として[聞き取れない 00:25:20]ここ。 何あなたするだろうするはあなたするだろう持っているあなたのデータ、あなた意思走るあるモデル。でこれ場合、私走るのモデルどこピア規模それに対応するにの変化でバッチあそしてC、のバッチとのより低い変化。
何あなた単にするはそれあなた持っているあなたのモデル、確保するその終わりでセンスの正気小切手そしてそれで前方へ。 それから私たちは走るこれ脚本の上これモデル、どれのはここ。 私たちは持っているのモデルそして私たちは走るの脚本。
良い見るある少しものポップ上ここ。 初め、私たちは持っているテンプレート書類、出力書類どれのもっている今された人口が多いとある多くの違う行、いくつかのテーブル変数、そしてそれで前方へ。 私たちは持っている私たちのPPKグラフここ視覚化するのPPKベースのの上違う限界。 の青いるベースのの上コントロール限界、の赤いるベースのの上予測限界、そしての緑1ついるベースのの上許容範囲限界。それから最後に、私たちは持っている私たちのグラフここプロット全てのデータ、仕様線、そしてとして良い私たちの予測限界、コントロール限界、そして許容範囲限界ここ。
私たちは得るの画像それピエールまた示した以前。 何私たちは見るここは、で事実、それもし私たちは見てで私たちのデータそして仮定する全てバッチ不定として多くのとしてバッチあそしてC、私たちはは実はでのわかった位置ここ。で少しでも私たちはするだろう持っている合格した私たちのステージ二なぜならコントロール限界はのために全てバッチ、全て場所内で仕様。
私たちはする、しかし、持っているある小さい問題外ここの上の位置1そして2、どこ私たちは見るで少しでもの予測の許容範囲限界延長するある少し以上のアッパー仕様限界。 しかし、私たちは信じるこれできたなれ修理済みによるただ追加するある少しもっとバッチに知るの変化より良い。
しかし何私たちはまた見るここは、のコース、私たちは持っているの観察外私たちの限界、そしてこれはなぜなら何だった探しているでここはで事実バッチB、どれのとして私たちは覚えて、持っていたあるより高い分散。 私するだろうただ試すに走るこれモデルここ、規模によるとにバッチB、それであなたできる見るの違い。
今何私たちは見るここはそれ全て私たちの限界もっている移動しました外からの平均。 今彼らは実は行く超えて仕様、ないのみの上の初め二場所、しかしの上複数場所ここ、どれのだろう、でエッセンス、のために私たち、特になぜならあなた持っているのコントロール彼らとして外仕様、平均それあなた持っている失敗したあなたの検証ここ。多分ないの最高例のためにこれデータセットにショーケースある良い検証。
今私考え私するだろうただ試すに行くを通してどうやって私たちは思い描いたの全体プロセス関連するもっとにのフローチャート、ピエール、示したあなたでの始まりのこれプレゼンテーション。 私持っている持ってくるあるお客様例からの実際のPPQ検証走る。 彼らは終了しました上生産するある合計の六バッチここ。
何私たちは持っている終わりここはそれ私たちは持っている作ったあるモデル。 私意思ただ展開する地元データフィルターにシミュレートするどこそれ始めました、持っているのみこれら三つバッチ。 それから何私たちは持っているここはただ、それでに言う、私たちの終了したモデル。 何私たちはする今、後持っている生産されたの初めバッチ、分析されたのデータ、私たちはただ走るの脚本。私たちは得るある結果探しているのようにこれ。
のシナリオ私たちは見るここはそれ両方私たちのコントロール限界そして予測限界、の予測限界上ここ、許容範囲限界ここ、は両方とても多くの外の仕様。 しかし、ラッキー十分のために私たち、私たちのコントロール限界は実は内部仕様。
これ手段でのセンスののフローチャートそれ私たちは今持っている合格したステージ2そして私たちはできる実は始めるから今の上にいつ私たちはする私たちの続き検証、取得私たちのコントロール予測限界そして許容範囲限界内部仕様、それ私たちは実はできる始める送信バッチに市場同時に。
しかしクマで心ここ、私たちはまだ持っているあるかわいい高い品質管理努力での終わり。 の理由私たちは信じるそれ、なぜなら多くの顧客また聞く、どうやってできる私たちはするこれもし私たちははそれで不確かなについてのバッチ私たちは生産する？ しかしもしあなた欲しいに知るの品質のあなたのすでに生産されたバッチ、私たちは実は持っているに見てでこれである違う方法。
ここでこれモデル、私たちは持っているバッチとしてあるランダム効果なぜならとして私たちは考慮するそれとしてある一部のあるより大きな人口。 しかしもし私たちは欲しいに見てでのバッチ個別に、私たちは実は持っているに置くそれとしてある系統的効果でここ。 もし私走るの脚本の上これ1つ、私たちは意思見るの限界狭くなる大幅でここ。 私忘れたに展開するデータフィルター、しかし私考えるこれ作るセンスともかく。
何私たちは見るここはそれの限界今は多くのクローザーにの中心行のそれぞれバッチここ、そして彼らはは方法内で私たちの仕様なぜなら私たちはは今探しているでのバッチ私たちは持っているすでに生産されたそしてない試していますに予測するのパフォーマンスの未来バッチ。 どれのはまたなぜ私たちは信じるそれこれはの許容できるポイントに行くに市場その間まだ持っているの高い品質管理努力での終わり。
もし私ただ続くと私たちの例、何私たちは見たでこれ例だった私たちは持っている合格したステージ二なぜならコントロール限界中にいます仕様、しかし予測限界外にいる。 の次ステップここするだろうなれに単に生産する別のバッチ、作成するあなたのモデル、その終わりここ、そしてそれから走るの脚本また。
何私たちは見る今ここ比較したにの初めビューはそれ私たちの予測そして許容範囲限界は移動中に向かってスペックそしてまた向かって私たちのコントロール限界、どれのはの行動私たちは意思仮定するとして私たちは始めるに得るの間バッチvアリアントまたは sタルトに知るの間バッチバリエーションより良いそしてより良い。
しかし、まだ、予測限界はない内部仕様、それでのルーティーンするだろう単になれにするすべてまた。 今なぜなら私知るどうやってこれ意思終わり、私意思単に含むの二最後のバッチそして私たちは意思の上のモデルまた。
ついに、後含むの6番目バッチ、の結果私たちは得るここはそれ全て私たちの限界は今内で私たちの仕様、どれの手段私たちは持っている合格した両方ステージ2後3バッチ、そして今私たちは持っているまた合格したステージ3 A. どれの手段私たちは今行くの中へステージ3B、どこ私たちは意思始めるに置く私たちの注意の上減らすの高い額の品質管理努力での終わりそして交換するこれと続きプロセス検証そしてCTV。
ただに和上、私意思行く戻るにのプレゼンテーション。 の目的のある検証は、で少しでもで私たちの意見、に予測するの未来のバッチ意思なれわかった。 私たちはしっかりと信じるそれもしあなたできる説明するあなたの検証セットとあるモデル、あなたできるまた予測するの未来と自信。これできるなれ終わりからどちらか予測間隔または許容範囲間隔。
私たちは信じるそれJMPもっている個性的可能性にモデルあなたのデータそしてまたに正当化する仮定後ろにあなたのモデル。私tオファーの機会に見てで分散異質性。 もし私たちはするない持っているこれ、私たちは持っているのオプションにするあるログ分散モデルに探すある重さ要素としてピエール示したあなた、そして含むそれで私たちの普通回帰モデル。
それから私たちはできる見てでかどうかまたはないの残差は通常は配布されました。 もし彼らははない、私たちはできるするあるボックスコックス変換、また直接からのフィットモデルプラットホーム。 それから私たちは持っているの問題の異常値、どれの私たちはできるハンドルを通しての学生タスク残留物プロット、除く観察外の95 %ボンフェローニの限界。また、ある窓直接アクセス可能なを通してのフィットモデルプラットホーム。
それから最後に、そこにははまたそれ私たちはリクエスト私たちのランダム要因になれ通常は配布された、で少しでも効果正面を向いた。 これ私たちはしたによるの青テスト、そしてここ私たちはできるまた除外する外れ値レベル。
それからに作るのプロセスより簡単にのために私たち、私たちのお客様、そしてまた追加するある少しの上上のこれに実は成し遂げるの機能私たちは欲望、私たちは持っている決めたに作るある脚本それできる自動化する視覚化の予測間隔。 それ計算しますそして視覚化する許容範囲間隔を使用しての同じ番号の度の自由としていつJMP計算します予測間隔。それまた計算しますコントロール限界のためにもっと複雑なプロセスどこあなた持っている多くの手段そして多くの分散コンポーネント。 最後に、それ計算しますまた能力価値観のためにどここれらかもしれないなれ必要です。
