Salut, Je suis Jerry Poisson.
je travail pour JMP.
je soutien notre clients dans le Central Région de le Uni États.
Aujourd'hui, Identifiant comme à parler à toi à propos un ajouter à que j'ai développé.
Le titre de le papier est
Récupération d'un arbitraire Vraie partie Distribution
de M rassuré Partie Distribution et le Jauge Caractéristiques
que aller le long de avec le la mesure.
Aujourd'hui ordre du jour.
D'abord étaient en allant à parler à propos de, de cours, quoi est ce que ca parler adresse?
Pourquoi est ce donc important?
Pourquoi ne peut pas nous juste soustraire écarts à obtenir notre Répartition réelle des pièces ?
UN petit peu à propos qu'est-ce que c'est derrière notre estimation calculs.
Je vais démo le ajouter à,
y compris quelques test résultats et ajouter quelques dépannage conseils.
Je vais dire toi où toi peut trouver le ajouter à,
et alors Bien partager avec toi comment toi peut donner moi retour
sur qu'est-ce que c'est bien et quoi toi ne le faites pas comme à propos le ajouter à,
domaines pour améliorations, et donc en avant.
Quoi sont nous adressage ici?
Bien, étaient parler à propos un ajouter à que détermine un Répartition réelle des pièces
si toi donner il un mesuré partie distribution
et si toi décrire ton jauge performance caractéristiques.
C'est joli facile à conceptualiser si nous commencer avec un Répartition réelle des pièces.
Voici notre vrai partie valeur contre notre pourcentage de les pièces.
Alors nous courir que à travers un jauge,
un imparfait jauge que a quelques variance et biais caractéristiques.
Nous volonté obtenir un mesuré partie distribution dehors de que.
Nous ne le faites pas savoir, cependant, quoi notre Répartition réelle des pièces est.
Quoi étaient parler à propos est échange ceux postes
où nous commencer avec un P mesuré art Distribution,
nous soustraire dehors notre jauge performance caractéristiques,
et nous fin en haut avec un Répartition réelle des pièces.
C'est joli simple à comprendre, mais il obtient plus compliqué
si nous avoir un Mesuré Partie Distribution que est pas normalement distribué
et/ou nous avoir un jauge que effectue dans non standard façons, toi pourrait dire.
Peut-être notre standard déviation montre courbure avec le mesuré partie valeur,
ou peut être il a biais que linéairement changements,
ou peut être il a courbure comme Bien.
Comment peut nous prendre ces quantités, le Mesuré Partie Distribution
Et un arbitraire jauge performance courbe,
et viens en haut avec quoi le Vrai Partie Valeur était
que doit avoir causé ce Mesuré Partie Valeur?
Pourquoi est il important?
Bien, nous tous savoir que tous jauges sont imparfait.
Épouser comme à obtenir un idée de ce Répartition réelle des pièces.
Vous allez voir il référé à comme, nous aller le long de comme DPT.
Nous peut comprendre notre taper 1 et taper 2 les erreurs.
UN taper 1 erreur moyens notre jauge est lancement loin bien les pièces.
UN taper 2 erreur moyens notre jauge est acceptant mauvais les pièces.
Les deux de ces, particulièrement dans un fabrication environnement,
sont mauvais des choses à arriver.
Si étaient lancement loin bien les pièces, alors c'est déchets.
Nous ne le faites pas vouloir à avoir déchets dans notre processus.
C'est juste un droit bas doubler déduction depuis notre profit déclaration.
Nous aussi ne le faites pas vouloir à accepter mauvais les pièces.
Si nous faire que, nous bateau le mauvais les pièces dehors à un client.
Étaient probable en allant à obtenir plaintes, étaient en allant à obtenir Retour, des retouches,
c'est en allant à dommage notre la société réputation.
Nous ne le faites pas vouloir à avoir soit un de ceux les types de les erreurs.
Ils les deux blesser notre entreprise.
Si nous savait le Distribution réelle des pièces,
nous pourrait estimation le frais associé avec ces les erreurs.
Que particulier sujet est adressé dans un autre papier
être présenté ici à Découverte 2023.
Avec ce titre et ce papier nombre, je encourager toi à regarder il en haut.
je co-écrit ce papier avec deux
de mon collègues, Brady Brady, et Jason Wiggins.
Nous besoin que Répartition réelle des pièces à faire ce évaluation.
Pourquoi ne peut pas nous juste soustraire le des écarts ?
Bien, toi peut.
Si ton La distribution des pièces mesurées est normalement
et ton jauge a constante variance et biais à travers le la mesure gamme,
alors toi peut obtenir à ton Répartition réelle des pièces.
Toi ne le faites pas savoir le Vraie partie valeurs de individuel les pièces.
Tu es jamais en allant à savoir que, mais toi peut obtenir à le distribution.
C'est simplement, sous ces contraintes, sous ces hypothèses,
le variance de le Répartition réelle des pièces est juste le différence dans le écarts
de ton Distribution des pièces mesurées et ton jauge variance.
Toi soustraire ceux deux,
toi prendre le carré racine, et toi obtenir le standard déviation de ton jauge.
T il moyenne, Je suis Désolé, standard déviation de ton Répartition réelle des pièces.
Le moyenne où ton Vrai Partie Distribution est centré
est simplement partout où ton Mesuré Partie Distribution
est centré moins le biais de le jauge.
Ô F cours, le question est, quoi faire toi faire
si ton Distribution des pièces mesurées est pas normale
ou si ton jauge a inhabituel caractéristiques?
Ce est comment nous peut conceptualiser saisie ces valeurs,
et Je vais montrer toi le ajouter à dans juste un deuxième.
Nous peut avoir n'importe lequel arbitraire saisir.
Ici nous avons a obtenu pour notre Distribution des pièces mesurées,
ce est notre Valeur de la pièce mesurée.
T il compte pour cependant les pièces que nous avoir mesuré.
Peut être ce regards comme un combinaison de deux normale distributions.
Peut être c'est quelque chose un petit différent que que.
Le indiquer est, toi peut mettre dans n'importe lequel saisir que tu aurais comme,
n'importe lequel saisir forme pour le Mesuré Partie Distribution.
Alors nous décrit le jauge en utilisant quadratique les fonctions
pour le sigma et pour le biais de le jauge.
Normalement, tous tu es en allant à avoir est un standard jauge
serait être juste ces constantes dehors ici dans devant,
C0 et J0, et D0 peut être zéro si tu ne le faites pas avoir n'importe lequel jauge biais.
je F ton sigma changements linéairement avec partie valeur,
nous permettre toi à mettre dans C1 et D1 si ton biais changements linéairement.
Si il y a n'importe lequel courbure, nous permettre toi à mettre dans un C2 et un D2.
Quand toi ensemble en haut ton jauge équation, si toi mettre dans tous de ces valeurs,
c'est possible à générer négatif standard écarts
dans le la mesure gamme.
Ne le faites pas faire que.
Si toi peut éviter il, ne le faites pas faire que.
Là peut être inattendu résultats avec le ajouter à
si toi avoir négatif standard déviations.
Juste méfiez-vous de que.
Qu'est-ce que c'est derrière le estimation des calculs ?
Bien, nous commencer avec, de cours,
le réel mesure partie distribution et le jauge caractéristiques.
Nous choisir un estimé Distribution réelle des pièces,
lequel semble comme un bien idée.
Bien commencer avec l'actuel Mesuré Partie D distribution.
Alors nous mettre que estimé Vraie partie D distribution
à travers un transformation que représente le jauge caractéristiques,
et que rendements un estimé Mesuré Partie Distribution.
Nous peut alors comparer le estimé Pa mesuré rt Distribution
avec le réel P mesuré art Distribution sur un bac par bac base
et obtenir un Résiduel Somme de Carrés erreur pour que comparaison.
Alors si nous aller dos et ajuster le amplitudes
de le Vrai Partie D distribution estimation,
nous pouvons ajuster ceux jusqu'à nous obtenir le estimé Mesure Partie Distribution
à accepter comme étroitement comme possible avec le réel mesure partie distribution.
Nous faire que en utilisant un JSL Réduire fonction
à essayer à minimiser le Résiduel Somme de Des carrés.
Tous droite, allons prendre un regarder à le ajouter à.
Une fois toi installer le ajouter à,
il volonté viens dans sous Jauge Étude outils et DPT estimation.
Ce est quoi le ajouter à actuellement regards comme, version 1.0.
Nous commencer désactivé avec le capacité à choisir
quoi taper de saisir Distribution des pièces mesurées toi avoir?
Maintenant que varie, Je vais viens dos à le arbitraire forme dans un minute.
Nous aussi avoir normale,
toi saisir le moyenne et standard déviation, LogNormal, Weibull,
Exponentiel, Gamma, et bi-mélange normale distribution.
Nous peut ensemble ces en haut à être paramétrique si nous vouloir.
Si toi savoir que toi avoir un Weibull distribution, pour exemple,
toi peut utiliser que comme ton saisir distribution.
Allons commencer avec normale. Allons juste faire il simple.
Ici nous avoir un normale distribution qui a un signifier de zéro
et un standard déviation de trois.
T Chapeaux montré dans ce panneau ici dans ce petit graphique.
Allons utiliser un jauge, c'est un très simple jauge,
a un standard déviation de un et un biais de zéro.
Cliquez sur Suivant.
Ici, beaucoup comme au-dessus de, nous obtenir à choisir le Répartition réelle des pièces forme.
Nous pourrait dire c'est en allant à être arbitraire, ou il pourrait avoir un normale distribution,
ou il pourrait avoir un lognormal, tous le même distributions ici.
Ou vers le bas ici à le bas,
nous donner toi le option à ajuster tous de le distributions au-dessus de.
Allons encore commencer avec un simple exemple de un normale distribution,
et Bien calculer ceux résultats.
Nous présent deux sortir des parcelles.
Ce parcelle montre le Répartition réelle des pièces dans bleu,
le estimé Répartition réelle des pièces contre le Mesuré Partie Distribution,
le réel Mesuré Partie Distribution dans rouge.
Comme toi serait attendre dans ce cas,
nous avons a obtenu un normale distribution pour le mesuré, et nous avons a obtenu un simple jauge.
Ce est un de ceux que nous pourrait résoudre par main si nous recherché à.
Nous fin en haut avec un légèrement plus étroit Répartition réelle des pièces que le Mesuré.
Si nous alors aller à faire un vérifier sur que,
nous peut prendre que Distribution réelle des pièces, mettre il à travers le jauge,
et nous fin en haut avec un estimé Mesuré Distribution contre le réel.
C'est quoi nous obtenir vers le bas ici.
Il regards comme nous avons a obtenu très bien accord dans ce particulier cas.
Allons aller dos en haut à notre jauge définition.
Bien garder le même mesuré partie distribution.
Ce temps Bien mettre dans un biais de deux.
Bien résoudre encore, en supposant que
notre véritable distribution de pièces est normalement distribué.
Nous obtenir ce dehors.
Joli facile à conceptualiser.
Tout est juste décalé sur par deux unités.
Voici notre Répartition réelle des pièces et notre Mesuré Partie Distribution.
Si nous mettre que à travers que jauge avec le biais,
nous obtenir dos à très bien accord entre
le réel Distribution des pièces mesurées et le estimé Mesure Partie Distribution.
Troisième exemple, allons dire que...
Allons viens dos en haut ici et Je vais tourner biais désactivé depuis nous avons démontré que.
Allons dire nous avons a obtenu le même saisir, nous avons a obtenu le même simple jauge,
mais maintenant allons dire peut être nous avons a obtenu un Gamma distribution ici.
Il y a Gamma, et nous vouloir à ajuster que.
Bien frapper calculer.
Ce est le meilleur- ajuster Gamma distribution pour que saisir normale distribution.
Toi peut voir il n'a pas ajuster assez comme Bien.
Notre Répartition réelle des pièces est un petit peu biaisé, lequel est caractéristique de Gammas.
Si toi mettre que à travers notre jauge, nous fin en haut avec ce accord
entre le Mesuré Partie Distribution, réel et le estimé.
C'est pas comme bien un ajuster.
UN résumé de ceux est donné ici dans ce tableau.
Ce montre nous que le d'abord temps nous couru ce, nous a fait un normale distribution saisir,
lequel avec deux paramètres, nous a fait un normale ajuster sur le sortir
avec deux paramètres, et nous a obtenu ce somme de carrés erreur.
Le deuxième temps était avec un biais,
et nous a obtenu le même somme de carrés erreur dans le fin, comme toi pourrait attendre.
Alors avec le Gamma, notre somme de carrés erreur était un petit peu plus haut.
Nous obtenir un rapide petit résumé dans ce tableau.
Là sont deux autre
JMP données les tables que sont construit que avoir tous de ce information,
le original distribution et le sortir distributions
et tous le jauge caractéristiques.
Tous de ceux sont résumé dans ces autre deux les tables
à permettre toi à aller à travers et faire ton propre parcelles si toi vouloir à.
Ils sont aussi là.
Allons faire un c'est un petit peu différent.
Allons viens dos en haut à le haut et allons choisir un défini par l'utilisateur forme.
Le données tableau est simplement un deux colonnes données tableau.
Le d'abord colonne est assumé à être le centres de ton partie valeurs,
ton poubelle centres, si toi volonté, dans que histogramme.
Le deuxième colonne représente le amplitudes comme toi aller à travers.
Ceux amplitudes peut être réel partie compte, ils peut être pourcentages.
Rien que chaque poubelle hauteur
ou chaque histogramme bar hauteur est relatif à le autre hauteurs.
je échelle tout à faire le somme de tous ceux ajouter en haut
à un dans le programme de toute façon.
Comme long comme le relatif hauteurs sont le même,
n'a pas matière quoi le réel amplitudes sont.
je donner le option à ouvrir un données tableau si c'est pas déjà ouvert,
ou si c'est déjà ouvert dans JMP,
alors nous peut juste dire, sélectionner le déjà ouvert données tableau.
Voici un exemple avec un carré vague
ou un uniforme distribution pour notre saisir, Mesuré Partie Distribution.
Maintenant, ce est un difficile distribution à avoir.
Si toi pense à propos ce, si vous avez a obtenu un jauge
c'est fabrication normalement distribué les erreurs à n'importe lequel indiquer,
c'est en allant à être vraiment dur à faire
quelque chose c'est bon et pointu et croustillant comme ce distribution sur le sortir.
Allons donner il un essayer.
Allons dire ici j'ai a obtenu un joli large variation.
Ce va depuis zéro à 30, je pense.
Allons dire nous avons a obtenu un jauge que a un standard déviation de cinq avec Non biais.
Allons dire nous vouloir à ajuster un normale distribution à que,
et maintenant Bien calculer ceux résultats.
Ici nous avons a obtenu le meilleur ajuster normale distribution
pour un Répartition réelle des pièces c'est en allant à courir à travers ce jauge
avec un standard déviation de cinq à essayer à donner nous ce carré vague
pour notre M rassuré Partie Distribution.
Comment Bien a fait nous faire?
Bien, c'est ici.
C'est pas un réel super forme, et toi probablement ne le ferais-je pas attendre il
à être un super ajuster donné que étaient en essayant à utiliser un normale distribution
à ajuster un carré, un Je suis pointu carré fonction.
Si nous recherché à faire un arbitraire fonction, allons dire ce un ici.
Ce un je juste fait en haut quelques données.
Je vais montrer toi un petit peu plus à propos quoi il est.
Peut être ce regards comme un normale
deux mélanges, deux normale distributions mixte ensemble.
Allons vérifier que dehors.
Allons voir si nous peut ajuster ce à un bi-mélange normale,
et que option est vers le bas ici, et Bien calculer ceux résultats.
Ici nous aller.
Laisser moi courir que un plus temps.
je ne le faites pas vouloir mon standard déviation à être que grand.
Allons prendre un plus petit standard déviation.
Bien parler à propos que chose dans un minute.
Tout autre le même, calculer résultats.
Parfois il prend un peu secondes à viens dos.
Il juste dépend sur le chemin le routine est raccord des choses.
Ici est notre équipé Répartition réelle des pièces
par rapport à le Mesuré Partie Distribution.
En supposant que notre Répartition réelle des pièces
est deux normale distributions mixte ensemble.
Si toi courir que à travers le jauge, il prend fin en haut regarder comme ce.
Ce est le tentative à correspondre que
et quoi notre Mesuré Partie D distribution serait avoir a été.
C'est pas aussi mauvais.
C'est le chemin que le ajouter à travaux.
Maintenant, là est un autre option ici,
et que est quand toi ajuster, toi peut choisir peu importe contributions toi vouloir
pour ton Mesuré Partie Distribution, ton jauge caractéristiques.
Alors quand toi ajuster vers le bas ici, toi peut aussi ajuster un arbitraire forme.
Maintenant, que prend sur mon PC peut être un minute à courir.
Je suis en allant à de rechange toi que et juste montrer toi le les sorties dans un Power Point glisser.
Ici nous sont dos dans Power Point.
Ce est un autre exemple que j'ai a obtenu avant je obtenir à le arbitraire contributions.
Ce un a un biais que j'ai exprimé comme un plus 0,03 fois le partie valeur.
j'ai a obtenu un linéairement en changeant biais à travers le la mesure gamme.
je avoir un normale distribution pour mon saisir,
et je vouloir à ajuster un normale distribution à le sortir.
Comme il se tourne dehors, ce est mon Distribution réelle des pièces,
et ce est mon Mesuré Partie Distribution.
Si je courir ceux à travers ce jauge,
même cependant c'est a obtenu ce linéairement en changeant biais
à travers le la mesure gamme, je obtenir très bien accord entre le deux.
Ce est quoi arrive si je prendre que carré vague
et dire, "Hé JMP, aller ajuster peu importe Répartition réelle des pièces tu veux
et courir il à travers un jauge que a un sigma de deux et un biais de zéro,
et dire moi quoi que distribution pourrait regarder comme.
Quoi toi obtenir dehors, le rouge courbe encore
est le mesuré partie distribution, que carré vague.
Toi obtenir ce fou chose avec
tous différent pics et vallées dans il comme le Répartition réelle des pièces.
Bien, que n'a pas regarder comme n'importe lequel Vraie partie Distribution que je serait avoir,
mais si toi regarder vers le bas ici, quand toi courir que à travers le jauge,
il fait un joli bien emploi de simulation ce carré vague distribution.
C'est uniforme distribution.
je croire c'est fonctionnement.
Maintenant, là sont les raisons que il pourrait montez avec quelque chose comme ce,
probablement associé avec le résolution de le jauge que toi avoir.
Le jauge juste peut pas résoudre assez éléments à travers le la mesure gamme
Comme quoi toi besoin à obtenir un bon lisse distribution sur ici.
C'est le idée que toi peut faire ce avec ce jauge.
UN petit à propos dépannage.
Là sont problèmes si ton jauge standard déviation
est aussi grand dans comparaison à le Mesuré Partie résolution.
Si toi avoir un Mesuré Partie Distribution,
allons dire c'est normalement distribué avec un standard déviation de trois,
et toi dire ce ajouter à que mon jauge a un standard déviation de cinq.
Bien, il y a Non chemin à obtenir, même si toi avoir le même vrai partie
que toi mesure sur et sur et sur encore, tu es en allant à obtenir un propagé
que a un standard déviation de cinq, il ne peut pas ajuster.
Vous allez obtenir quelques un erreur quand ce se produit.
C'est en haut à toi à chiffre que dehors que,
"Hé, mon standard déviation pour mon jauge est chemin aussi grand."
Si c'est simplement sur le bord de être aussi grand.
Allons dire ton standard déviation de ton mesuré distribution est 3,
et ton jauge est 2.8,
alors encore, c'est en allant à essayer à donner toi un très étroit
Répartition réelle des pièces à soutien que,
et que peut plomb à quelques étrange résultats.
Là sont quelques impair combinaisons que j'ai courir à travers
que peut cause ces des choses, je appel eux intrapable les erreurs.
Quand toi aller dans le JMP Minimiser fonction,
il fait c'est propre chose et alors vient dos avec un répondre.
Si il court dans un problème, il volonté lancer un erreur.
Peut être comme ce.
j'ai vu deux ou trois différent ceux, ce est un de eux.
je ne le faites pas avoir un chemin à piège pour ceux.
Si toi obtenir un erreur comme ce, le ajouter à volonté continuer à courir,
mais tu vas besoin à regarder dans quoi conditions avoir toi mettre dans ici
que JMP n'a pas comme que c'est ayant inquiéter résoudre pour.
Gros Mesuré Partie Distributions.
Si toi avoir un Mesuré Partie Distribution,
dans fait, ce un ici, ce pourrait être joli gros.
Par gros, je signifier là ne sont pas très beaucoup bacs à travers le la mesure gamme.
C'est en rapport à ton jauge dans le fin. C'est comment beaucoup peut ton gaumakege résoudre.
Toi vouloir à avoir un parcelle de bacs à travers ici.
Plus bacs est mieux.
Moins bacs fait du le vrai partie distribution très difficile à estimation.
Alors je mentionné ou fait allusion à plus tôt que toi peut avoir long convergence fois,
particulièrement quand tu es en essayant à résoudre pour ces
arbitraire Vraie partie Distributions.
Sur mon ordinateur, c'est pas rare à aller un minute ou un petit peu plus.
Juste accrocher dans là. Le ajouter à a toujours viens dos pour moi.
Il n'a pas accrocher. Il juste prend un alors que pour quelques solutions.
Ajouter à disponibilité devrait être ci-joint à ce particulier enregistrement,
et toi devrait aussi être capable à trouver il
dans le JMP Communauté Déposer Échange sous DPT estimation.
Si toi avoir commentaires ou des questions, toi peut poste eux soit ci-dessous ce vidéo
ou sur le Déposer Échange, et s'il te plaît mettre dans là n'importe lequel suggestions que toi avoir
pour amélioré graphique Utilisateur I interface, n'importe lequel changements dans le les sorties.
Nous n'a pas parler à propos le données les tables que je construit,
mais si toi voir ceux et toi décider, "Hé, je souhait il serait être dans ce format."
Laisser moi savoir.
Ceux sont des choses je peut changement assez facilement.
Suggestions pour plus Paramétrique, Mesuré, ou Distributions de pièces réelles.
Ces sont le normale, le lognormal,
le Weibull, le Gamma, tous de ceux les fonctions.
Si toi avoir plus que toi vouloir à ajouter à que,
laisser moi savoir et Je vais voir si je peut intégrer ceux.
Alors, de cours, problèmes rencontré.
Si toi peut inclure un description de le problème, comment il s'est produit,
que volonté aide moi dans débogage.
Si possible, inclure un Pas confidentiel échantillon fichier d'entrée
que je peut utiliser à aide reproduire le problème.
Et partout où toi poste ces commentaires,
s'il te plaît inclure @JerryFish dans ton commentaires, donc Je vais obtenir un notification.
Remercier toi très beaucoup pour écoute à ce enregistrement.
Ne le faites pas oublier à vérifier dehors le accompagnant Découverte papier,
Flash info, Jauges ne sont pas parfait, d'accord, toi savoir que.
Mais comment beaucoup est il coût ton entreprise?
Sous ce particulier papier nombre?
Remercier toi très beaucoup pour ton temps.
