Salut , je je suis Annie Dudley ,
et je suis un Contrôle Graphique Développeur pour JMP .
je suis ici aujourd'hui à parler avec toi à propos le nouveau dans JMP version 17
Laney P. ' et U ' contrôle graphiques .
Laisser c'est revoir.
Le contrôle graphiques sont destiné à montrer le la stabilité de ton processus .
Si ton processus est pas écurie , alors toi peut 't de manière fiable faire le même taille
ou le même les pièces , et clients volonté obtenir bouleversé
et pas vouloir à achat depuis toi encore .
Dans ce cas , nous 'concernant parler spécifiquement à propos attribut graphiques ,
lequel sont basé soit sur le Binôme ou le Poisson distribution ,
et ils supposer un constante variance,
un constante variance parce que les deux le Binôme et le Poisson
sont un un paramètre distribution .
Toi a obtenu un paramètre pour le signifier et alors manipulations sur que
pour le variance .
Mais quoi arrive si ton variance est pas constante sur temps ?
Quand toi avoir un non -constante variance ,
dans autre mots ,
si toi avoir plus variance dans ton modèle ou dans quelques cas , moins ,
plus variance dans ton modèle que toi 'concernant actuellement décrivant ,
que c'est référé à comme surdispersion .
Un paramètre modèle ne peut pas modèle surdispersion .
David Laney proposé que nous normaliser le données
et nous compte pour variable sous-groupe tailles , nous calculer un en mouvement gamme ,
et moyenne que , et alors nous insérer que dans notre modèle ,
dans notre limites pour le contrôle graphiques .
Laisser c'est prendre un regarder à ce dans JMP .
Laisser c'est garder dans esprit ce hypothèse est que pour le régulier P. et U graphiques ,
nous avoir ce hypothèse de le probabilité de non-conformité
est le même pour chaque échantillon .
Dans autre mots , nous avoir hypothèse que notre variance est constante .
Laisser c'est regarder brièvement à notre limites formules .
Pour le P. graphique , il c'est le moyenne plus ou moins 3
fois notre standard erreur et le même avec le U graphique .
Encore , souviens-toi , nous avoir ce un paramètre .
Là c'est pas beaucoup que nous peut faire si notre limites sont pas constante ici
ou si notre variance est pas constante .
Quoi faire nous faire si nous avoir surdispersion ?
Ce est le grand question .
Quoi Laney proposé était essentiellement nous standardiser notre données ,
nous prendre le en mouvement gamme , nous calculer un moyenne en mouvement gamme ,
et alors nous ajuster que et formulaire un sigma sous Z .
Ces limites que Laney est proposer regarder très similaire à le autre limites .
Nous étaient juste insertion le sigma sous Z dans le formule
droite avant le standard erreur pour les deux le P. graphiques et le U graphiques .
Laisser c'est prendre un regarder à un exemple .
je je suis en allant à commencer avec un données ensemble depuis le JMP échantillon données dossier .
Nous avoir parcelle tailles que sont pas terriblement grand .
F ou notre d'abord exemple , laisser c'est regarder à ce un .
je je suis en allant à aller à travers le interface pour ce d'abord un .
Nous 'll utiliser dialogues pour avenir ceux .
Nous avoir le nombre de défectueux rondelles que nous 'concernant en allant à modèle .
je je suis en allant à changement le graphique taper à attribut .
Avant nous aller à Poisson , je avoir mon parcelle comme mon je dentificateur pour notre X -axe ,
et nous 'concernant juste en allant à utiliser le constante parcelle taille de 400 .
Baisse que dans le n Essais baisse zone .
Maintenant , Laney c'est graphiques sont seulement disponible quand notre statistique est proportionné ,
donc je avoir à changement que dos à proportion .
Quand le statistique est proportion , alors nous avoir quatre les choix
pour notre sigma valeur .
je je suis en allant à choisir Laney P. '. Mais d'abord , laisser c'est prendre un regarder ici .
Nous voir nous avoir deux points dehors de contrôle sur ce P. graphique,
lequel est indiquant à nous que ce est pas un écurie processus .
Nous peut certainement tourner sur le limites , et que juste affirme quoi nous repéré .
Si nous changement le Laney P. ' graphique , que sigma sous Z
était clairement plus grand que 1 , parce que maintenant notre limites
avoir sauté en haut considérablement .
Alors que le points être tracé sont le même comme ils étaient sur le P. graphique ,
le supérieur limite dans particulier
a obtenu plus grand .
Là c'est un assez simple exemple .
Laisser c'est se déplacer sur à un autre exemple .
Ce est encore , un autre données ensemble dehors de ce JMP échantillon données .
Dans ce cas , nous 'concernant regarder au nombre de défauts dehors de ...
Nous avoir plusieurs unités que sont être testé ,
plusieurs croisillons que sont être testé dans chaque unité .
Chaque unité est-ce que 't le même taille .
Ce est un autre scénario où
ce problème avec le non -constante variance pops en haut.
Nous peut compter le nombre de défauts .
Nous 'concernant pas compte le nombre de défectueux.
Nous 'concernant compte le nombre de défauts par unité .
Dans ce cas , notre unité taille est variable .
Laisser c'est choisir un U graphique sous le Contrôle Graphique menu.
Nous avoir notre nombre de défauts , et nous avoir notre date
comme notre sous-groupe identifiant , et nous avoir notre unité taille
comme notre n Essais .
Nous a parlé à propos ayant que non -constante unité taille ,
donc nous avoir variable limites.
Nous faire voir quelques de le points sont dehors de contrôle ici .
Encore , ce apparaît à être un non -écurie processus,
lequel est cause pour panique ou ayant à réadapter tout .
Maintenant , si nous montrer le contrôle panneau , depuis nous avoir proportion comme un statistique ,
nous peut changement ce depuis un Poisson ou CNU à un Laney .
Encore , le limites avoir maintenant augmenté .
Nous maintenant réaliser nous avoir un écurie processus . Nous enfiler 't avoir n'importe lequel points dehors de contrôle .
Ce est mieux caractérisant notre scénario , notre données ici .
Maintenant , laisser moi montrer toi un troisième exemple , lequel est un petit peu plus complexe .
Le image dans mon arrière-plan ici est en fait un image je a pris
depuis Acadie National Parc .
UN couple de étés il y a , je était fonctionnement à le Schoodique Indiquer
et faire du bénévolat à étude microplastiques dans le eau en haut là .
Nous étaient prise échantillons de un litre de eau par semaine à différent Emplacements .
Nous serait prendre que eau , et nous serait verser il à travers un filtre ,
et alors nous prendre le filtre et regarder sous un microscope
et physiquement compter le nombre de micro perles et microfibres
que étaient apparaissant sur le filtre que nous versé le eau à travers .
Laisser c'est analyser ce comme un contrôle graphique .
Le principal enquêteur pour ce particulier étude
est en essayant à formulaire un bon , complexe modèle sur temps
à trouver dehors si ou pas le eau plastiques étaient en augmentant .
Mais dans commande à faire que , toi vraiment vouloir à savoir
que toi 'concernant la modélisation ton données correctement
et si ou pas nous avoir réel écurie données .
Ce est un exemple où nous pourrait courir un P. graphique ,
donc laisser c'est essayer que .
Être le contrôle graphique développeur , je je suis toujours regarder pour plus opportunités
à modèle contrôle graphiques .
Nous vouloir à regarder à le total plastiques.
Pour notre sous-groupe , nous avoir semaine ,
et pour notre n Essais , nous avoir total volume ,
et alors nous avoir différent site identifiants comme un phase .
Ici nous voir nous avoir trois différent points que nous étaient prise le des mesures depuis .
Quelques étaient mieux que autres ,
mais ils tous semblait à être vraiment dehors de contrôle .
Il c'est en allant dos à le dessin conseil et comme , "Quoi devrait je faire ?
Devrait je prendre plus données ? Comment faire je ..."
je pensée , "Hmm , laisser c'est voir si ce vraiment est caractérisant le situation ,
le processus ici très Bien. "
Laisser c'est courir ce encore à travers un dialogue ,
et toi voir là sont deux nouveau entrées sur le menu ,
un pour Laney P. ' et un pour Laney U contrôle graphique .
Encore , laisser c'est regarder à notre total Plastique comme le Oui ,
et le total volume est notre n Essais .
Notre semaine est notre sous-groupe , et le site IDENTIFIANT est le phase .
Nous ai a obtenu le même points encore , mais soudainement, notre limites sont beaucoup plus large .
Nous peut conclure depuis ce que , Bien , nous en fait avoir un joli écurie processus .
Ce est bien données .
Il peut aller devant et commencer à formulaire son plus grand modèle sur ce données .
Alors que il c'est un calmant chose , aussi, il fait du un parcelle plus sens .
Dans fermeture , je serait comme à recommander que tout le monde utiliser le Laney P. ' et U '
contrôle graphiques quand surveillance ton proportion
de non -conforme ou défauts ,
en particulier quand toi voir un différence entre le P. et le P. ' graphique .
Remercier toi très beaucoup .
