영상은 2024년 9월에 업데이트되었습니다. 청중 Q&A는 ~시간 28:39에 시작됩니다.
방법을 확인하세요:
라이브 웨비나에서 Clark Ledbetter @Clark_Ledbetter , Christian Stopp @jmpstopper 및 Jason Wiggins @Jason_Wiggins 가 답한 질문:
질문: EMP를 파괴 테스트에 사용할 수 있나요?
A: EMP에서는 직접 안 됩니다. 파괴적 테스트가 필요한 상황에서 MSA를 사용하는 방법에 대한 비디오가 있습니다. 파괴적 테스트에 대해 생각해보면 반복 측정을 얻기 위해 몇 가지 요령을 써야 하고, 무언가를 부수면 어떻게 두 번째 측정을 얻을 수 있을까요? 게다가 반복성을 얻으려면 반복 측정이 필요하고 무언가가 부서지면 그런 것을 얻을 수 없습니다.
측정 시스템을 수행하는 시간 동안 변화하는 파괴적인 측정 시스템은 시간적 변화와 같습니다. JMP 기능 데이터 탐색기를 사용하여 처리할 수 있습니다. 기능적 원리 구성 요소를 탐색하고 사용하여 반복 측정을 얻을 수 있습니다. 내년에 JMP 마스터링에서 이 문제를 해결할 수 있습니다.
질문: 처음부터 시작하는 경우 EMP를 사용해야 하나요, 아니면 Gauge R과 R을 사용해야 하나요?
A: 선택할 수 있는 자유가 있다면 저는 EMP를 선택할 것입니다. 그러나 자동차의 경우 AIAG 1 가이드라인에 따르면 측정 시스템의 변동이 프로세스 변동의 10% 미만이면 허용됩니다. AIAG 표준 문서는 매우 유용하며 측정 연구에 대한 많은 지혜를 포함하고 있으며 게이지 R&R과 관련이 있습니다.
질문: 제가 기억하는 것이 맞다면 %RR은 사양 한계(USL-LSL)에 따라 허용되는 최대값과 측정 시스템의 차이량을 기준으로 합니다.
A: 네. 측정 프로세스를 개선하거나 사양 한계를 개방하는 것이 개선이 필요한 경우 갈림길입니다.
질문: ICC를 편견 없이 살펴보는 것이 적절한 때는 언제인가요? 혹은 어떤 경우에 ICC를 편견 없이 살펴보고 싶으신가요?
대답: 편향(운영자가 운영자의 키에 따라 유발하는 편향)을 이해하고, 주관적으로 편향을 줄이는 데 드는 비용이 그만한 가치가 있다고 생각한다면요.
이 주제에 대한 이전 웨비나에서 답변한 질문:
질문: '덩어리형 데이터'란 무슨 뜻인가요?
A: 정규 분포를 설명하는 히스토그램을 생각해 보세요. "덩어리가 큰" 히스토그램은 분포를 설명하는 5~6개의 빈만 있을 수 있습니다. "덩어리가 작은" 데이터는 분포를 설명하는 15~20개의 막대(빈)를 가질 수 있으므로 훨씬 더 매끄럽습니다.
질문: 평균 차트에서 한 지점이 ULC/LCL 내에 있는 것이 중요합니까?
A: 아니요, 그것은 단지 그 특정 부분이 부분의 전체 평균에 가깝다는 것을 의미합니다. 당신은 단지 대부분의 부분이 UCL/LCL 범위 밖에 있기를 원할 뿐입니다.
질문: EMP 방법은 변동성 차트와 다릅니까?
A: 게이지 변동성 차트를 사용하면 본질적으로 동일한 설정을 보는 것입니다. 따라서 해당 플랫폼을 사용하면 게이지 변동성 출력을 생성할 수 있습니다. 이는 데이터를 표시하고 선이 중앙을 통과하는 방식으로 연결된 평균이 있는 변동성 차트와 매우 유사합니다. 그래픽도 비슷합니다. 이 경우 관리 한계와 n>관리 한계 밖에 있는 부분을 추론하는 기능을 얻습니다.
질문: 요소가 더 많으면 어떨까요?
A: 더 많은 요인(예: 여러 게이지, 여러 플랜트 등)을 추가할 수 있으며, 이를 교차 또는 중첩 요인으로 선언할 수 있습니다. 이는 설정에서 처리되며( JMP의 측정 시스템에 대한 DOE 참조 ) Jason이 방금 한 것과 유사하게 분석됩니다.
질문: 의료 기기 산업에서 FDA는 반올림이 허용되지 않으며 데이터 위조로 간주된다고 경고했습니다. 이제 질문은 반올림하지 않으면 문제가 될까요?
A: 통제된 산업에서 분석을 수행하는 방법은 해당 산업에 따라 다르므로 해당 지침을 따르는 것이 중요합니다. 무엇을 할 수 있는지와 무엇을 해야 하는지를 분별해야 합니다.
자원
