652817_it-IT

liliconcom

Heroes or Zeros: un'analisi della distribuzione dei prodotti utilizzando JMP - (2023-US-PO-1478)

Mingyuan Wang, ingegnere statistico, Corning Incorporated

La qualità è una delle principali preoccupazioni per la maggior parte dei produttori. Nell'ambito di un meccanismo di campionamento stabilito, è fondamentale essere in grado di stabilire con quanta probabilità un insieme di buoni campioni (eroe) rappresenti effettivamente che l'intero lotto/cassa sia buono. In questa presentazione, forniamo una strategia di analisi della distribuzione per aiutare a rispondere a questa domanda attraverso metodi quali la modellazione, la simulazione, l'analisi delle probabilità e la visualizzazione dei dati. Dimostreremo inoltre come eseguire questa analisi e sviluppare un'applicazione end-to-end utilizzando lo script e l'interfaccia utente JMP. La strategia viene valutata su un set di dati indotti dal mondo reale di campioni di prodotto. Fornisce una strategia e uno strumento preziosi per valutare la qualità attuale dei prodotti e il processo decisionale in modo che il processo possa essere migliorato.

Ciao tutti.

Oggi Mio argomento È, Eroi O Zeri: A Prodotto Distribuzione Analisi Utilizzando JMP.

Primo, a poco morso sfondo.

UN organizzazione con UN stabilito processi

Maggio decidere A strumento processi controllo

E processi disciplina In loro organizzazione.

Per esempio, Se Voi Avere a Prodotto

in movimento da IL sviluppo palcoscenico A IL massa produzione palcoscenico,

A Questo congiunzione, uno Di IL i problemi Quello Potere accadere

In Quello Noi Maggio Avere processi variazione problema.

IL variazione Potere Essere pure grande O IL variazione no Incontrare IL aspettativa.

IL variazione Qui Potere Essere IL variazione Di Significare,

IL variazione Di standard deviazione, eccetera.

Noi Volere Volere A Trovare fuori Che cosa IL radice causa È

per come variazione problema E Tentativo A aggiustare Quello.

Ma Prima Quello, Noi Volere Bisogno A figura fuori

Che cosa tipo Di variazione Noi Sono affrontare

Perché IL tipo Di variazione Volere dettare Che cosa tipo di azione

E indagine strategia Noi Dovrebbe Prendere.

IL dimostrazione Qui Oggi

Volere indagare questi Attraverso UN esplicativo analisi.

Noi utilizzo standard deviazione COME statistiche Di interesse Qui.

IL problema È Noi Avere a processi

Quello ha a alto complessivamente deviazione standard,

Ma Noi Potere Anche osservare Alcuni Di IL lotti Quello ha inferiore standard deviazione.

Noi chiamata questi lotti, eroe lotti.

Noi Volere Volere A Trovare fuori Che cosa causato come alto complessivamente standard deviazione,

Ma Prima Quello, Noi Bisogno A figura fuori Che cosa processi variazione Noi Sono di fronte,

Che cosa tipo di processo variazione Potere Dare noi Che cosa Noi osservato.

In generale, Là Volere Essere due tipi Di situazione Qui.

Uno È Quello Noi Avere a completamente casuale processi

E IL variazione È sistemico, COME Noi Potere Vedere Qui.

Sebbene IL processi È casuale,

Ma dipende Come Noi lotto Esso E Come Noi campione Esso.

Alcuni Di IL lotti Maggio Avere inferiore campione standard deviazione di IL altri.

Un altro situazione È Quello Nostro processi È non casuale.

COME Noi Potere Vedere Qui, Questo processi va su E giù.

Esso ha Alcuni Significare spostare.

Suo non a casuale processi, Ma dipende SU Come Noi lotto Esso.

Alcuni Di IL lotti Quello risiedere In IL stabile periodo

Volere Avere relativamente inferiore campione standard deviazione

rispetto A Alcuni Di IL lotti Quello risiedere In IL instabile periodo

Quello Potrebbe Avere più grandi standard deviazione.

Noi Potere Anche definire a soglia come COME Qui, punto UN, standard deviazione.

Noi confrontare Questo soglia A IL lotto standard deviazione.

Esso Volere raccontare noi Come molti Di IL lotti soddisfare IL criteri.

Con questi due scenari In mente,

Noi Potere formulare a statistico ipotesi test

A test Che cosa processi variazione Noi Sono condotta con.

Noi Potere assumere Nostro processi È casuale,

Poi Come probabile Noi Volere osservare Che cosa Noi osservato?

A Di più dettagliato dichiarazione È Piace Questo,

assumendo lotti con Basso standard deviazione

Sono Appena dovuto A campionamento mancanza

E IL storico dati È rappresentante Di IL popolazione,

Poi IL simulato lotti generato da IL Stesso distribuzione

Dovrebbe Avere a passando valutare Quello È statisticamente indistinguibili

di IL effettivo passando valutare Di IL storico dati.

SU IL mano destra lato, Voi Potere Vedere Questo ruota.

Questo È IL procedura Noi andato Attraverso A Fare Questo test accadere.

Primo, Noi Volere Bisogno A definire a soglia.

Attraverso Questo soglia, Noi Potere calcolare IL passando valutare.

Noi confrontare IL lotti

In IL storico dati Attraverso Questo soglia

A Ottenere IL percentuale Di IL storico lotti Quello Sono Bene lotti.

Perché Noi Anche assumere Quello Nostro processi È casuale,

Noi Potere adatto IL storico dati A parecchi distribuzione

E quindi scegli IL migliore montato uno.

Utilizzando Questo montato distribuzione, Noi Potere creare a impostato Di K campioni.

K Qui È IL Stesso COME IL numero Di campioni

In ogni lotti In IL storico dati.

Noi ripetere Questo procedura N volte.

N qui È IL Stesso COME IL numero Di lotti In IL storico dati.

Per ogni simulato lotti,

Noi Potere Poi calcolare loro campione standard deviazione.

Confrontare Questo campione standard deviazione

A IL soglia Noi definito Prima, Esso Volere Dare noi a impostato Di binomiale dati.

Con Questo binomiale dati E IL passando valutare Noi Già Avere,

Noi Potere eseguire a un campione proporzione test A test Nostro ipotesi.

Utilizzando JMP, Noi Sono capace A integrare Questo intero procedura in UN applicazione.

Qui, I Volere Fare a presto dimostrazione A spettacolo Voi Come Questo applicazione lavori.

Questo applicazione Potere importare Qualunque Di IL dati file

con a valore colonna E Anche indice colonna Quello indica IL lotto indice.

Con a clic Di pulsante, Esso Volere automaticamente adatto Nostro dati

A parecchi distribuzione E scegliere IL migliore uno.

Giusto Ora, IL migliore montato uno È a normale distribuzione.

Noi Potere Poi impostato su IL numero Di simulato dati imposta Noi Volere

E Anche IL misurare Di IL impostato E Anche IL soglia.

Quando Noi clic,

Esso Volere eseguire IL ipotesi test I menzionato Prima.

Esso Anche Spettacoli IL percentuale Di storico lotti Quello Sono Bene

E Anche IL percentuale Di IL simulato lotti Quello Sono Bene.

A IL scorso, Esso Volere spettacolo Voi a visualizzazione Di a istogramma

Quale indica IL proporzione del simulato lotti Quello Sono Bene.

Ora, Noi andare Indietro A IL test, IL ipotesi test.

IL dati Noi Avere Qui Spettacoli Noi rifiutare IL nullo ipotesi.

Noi controllo IL P valore,

Noi rifiutare IL nullo ipotesi con 95% fiducia.

IL 95% fiducia È IL predefinito collocamento Qui.

Questo conclusione suggerisce IL processi È non casuale

E IL Bene lotti Fare esistere In IL stabile periodo Di IL processi.

Questo conclusione Potere Guida A parecchi azione elementi.

Per esempio, Noi Potere indagare

IL processi variabile, IL processi parametro

fra IL stabile periodo E IL instabile periodo

E Vedere Che cosa cambiato.

Di corso, Noi Potere Anche Ottenere a diverso test risultato

Dove Noi non può rifiutare IL ipotesi nulla.

Questi suggerire Nostro processi Potrebbe Essere casuale.

Noi Potrebbe Avere sistemico variazione

E questi Volere Guida A completamente diverso indagine E azione metodo.

Per esempio, IL nel caso peggiore scenario, In ordine A ridurre IL sistemico variazione,

Noi Potrebbe Bisogno A completamente modifica IL produzione ambiente.

Con Questo, I concludere Mio di oggi presentazione.

I Anche Volere A Grazie John Daffin, Chi È a collega Di mio.

Lui portato su Questo interessante domanda A Mio Attenzione durante a progetto incontro.

I Anche Volere A Grazie Voi Oggi per udito Mio presentazione.

Io sono molto riconoscente Di Esso.

Esplorazione e visualizzazione dei datiIngegneria della qualità e dei processi