こんにちは、私の名前はコリーンマッケンドリー
そして私午前あるシニア統計的ライターでJMP、
しかし私またのようにに遊ぶその周りと機能的なデータ。
これプロジェクトはの上測定システム分析のために曲線データ。
初め、私はただ行くに与えるあるとても簡単な背景の上MSA研究で一般的な。
MSA研究決定するどうやって良いあるプロセス
できるなれ測定された前に勉強するのプロセス自体。
それ答えの質問、どうやって多くの測定変化は
貢献するにの全体プロセス変化。
具体的には、のゲージR&R方法、どれのは何病気なれを使用してで私の分析、
決定するどうやって多くの変化は期限に手術変化
対測定変化。
あなたできる使用あるゲージR&R交差したMSAモデルいつあなた持っている両方ある一部そしてのオペレーター。
のモデルあなたできる見るここのためにあなたの測定Yサブ私J Kさん
それは行くになれのK番目測定作ったによるのJ番目オペレーターの上のIth一部。
でこれモデル、あなた持っているある平均学期、
あるランダム効果それ対応するにの一部、
あるランダム効果それ対応するにのオペレーター、
そしてあるランダム効果それ対応するにの交流またはクロス学期。
あなたまた持っているのエラー学期。
これは単にあるランダム効果モデル、
そして全てのこれらランダム効果は通常は配布されたランダム変数
と平均ゼロそしていくつかの対応する分散成分。
いつあなたフィットこれモデル、
あなたできる使用それに見積もりの分散コンポーネント
そしてそれから使用それらの分散成分見積り
に計算するの割合ゲージR&Rを使用しての式示されているそこには。
である標準MSA勉強、
全てのあなたの測定値は行くになれシングルポイント。
しかし何起こるもしそれはないの場合？
何もしその代わりあなたは測定する何かのようにある曲線？
それ質問だったのモチベーション後ろにこれプロジェクト。
そこにはだったあるクライアントのJMPそれだったあるサプライヤーの自動車部品、
そして彼らは持っていたあるお客様それ指定された
それある一部必要なに持っているある特定の力による距離曲線。
明らかに、のクライアント欲しかったにデザイン
彼らの製品にマッチのお客様指定された曲線。
で注文にするそれ、
彼らは欲しかったに走るある機能的な応答エネルギー省分析
そしてJMPにデザイン彼らの製品で注文にするそれで。
しかし、前に支出お金の上それ実験、
彼らは欲しかったに実行するのMSAの上彼らの能力に測定の部品力。
そこにははある多くもっと詳細についての実際のデータそしてこれ問題具体的には
での以前2020年白紙
タイトルの測定システム分析のために湾曲したデータ。
もしあなた欲しいどれでももっと詳細、見てそれ上。
それすべきなれの上のコミュニティ。
これでこれグラフ、それは何のデータ見た目のように。
の上のY軸、私たちは持っている力、そしての上のX軸、私たちは持っている距離。
それ見た目のようにそこにははのみ10曲線でこれグラフ、
しかしそこにはは実は250合計曲線。
あるよただいくつかのクラスタリング行くの上。
そこにはは10違う部品、五違うオペレーター、
そして五レプリケーション当たり一部オペレーター組み合わせ。
あ少し少しについてこれデータ、明らかに、
これら測定値は曲線そしてないポイント。
のデータだった集めました均等に間隔をあけてで時間、しかしない均等に間隔をあけてで距離。
そこにはだったいくつかの以前プロジェクト
それ試してみたある少し違う方法に実行するいくつかのタイプのMSA勉強の上これデータ。
彼らは使用済みいくつかの機能的なコンポーネント、しかし泊まったかわいい真実にある標準MSA。
いつ私見たでこれデータ、私欲しかったに取るある真実機能的なアプローチ
なぜなら私持っているある背景で機能的なデータ。
機能的データ分析
は役に立つのためにデータそれはでの形状の機能または曲線。
そこにはは多くのテクニックにハンドル不平等に間隔をあけてデータ、
ある多くのどれのは利用可能での機能的データ冒険者プラットホームでJMP。
私のゴールだったに組み合わせる機能的なデータメソッドと伝統的MSAメソッド
に実行するいくつかのタイプの機能的な測定システム分析。
私の解決だったに作成するある機能的なランダム効果モデル
による拡大するの機能的なモデルを使用して固有関数拡大、
書き換えるそれとしてあるランダム効果またはある混合されたモデル
もしあなた持っていたどれでも修理済み効果また、
そしてそれから見積もるの分散
コンポーネント関連するとの一部そしてオペレーター条項。
に行くある少し少しの中へのモデル表記。
のためにあなたの機能的なモデル、あなた持っているYサブ私J Kさん
しかしこれ時間である特定の距離、 D、
にアカウントのためにの機能的な自然ののデータ。
あなたは行くに持っているある機能的な平均学期、
ある機能的なランダム効果それ対応するにの一部、
ある機能的なランダム効果それ対応するにのオペレーター、
そしてある機能的なランダム効果それ対応するにのクロス学期
そしてまたあなたのエラー学期。
ここ、いつあなたするのモデル拡大、
そのある少しマシー、しかし本質的に、
その代わりの持っている1つ分散成分関連するとの一部
そして1つ分散成分関連するとのオペレーター、
あなた今持っている複数分散コンポーネント関連するとそれぞれのそれらのもの。
それは行くにアカウントのためにの機能的な自然。
いつあなたはフィッティングのモデルそして見積もるの分散コンポーネント、
のように私言った、今あなたは行くに持っているこれ
セットの分散コンポーネントそれあなたできる和一緒に
に見積もりの機能的な分散成分のために一部
そしての同じもののためにオペレーターそしてのクロス学期。
一度あなた持っている全てそれらの個人分散コンポーネント、
あなたできる使用それらのに見積もりの%ゲージR&Rただのようにである標準MSA。
どうやってする私するこれでJMP?
そのあるマルチステッププロセスそれは概説したここ、
そしてそこにははいくつかのもっと詳細で他のスライド。
しかし本質的に、私見積もりの平均曲線でFDEそして得るの残留物曲線。
私それからモデルの残留物曲線でFDEに得るの固有機能必要な
のためにの固有関数拡大のの機能的なモデル
そして保存それらの固有機能にのオリジナルデータテーブル。
私は行くに使用それらの保存されました固有機能でフィットミックス
に作成するあるランダム効果モデル
またはある混合されたモデルもしあなたまた持っている修理済み効果であなたのデータ。
私は行くに使用ネスティングのの固有関数式列
そしてまたのパーそしてオペレーター変数
に定義するの適切なモデル仕様。
これは何あなたのフィットモデル窓するだろう見てのように。
一度私した全てそれのためにこれデータ、
私だったできるに見積もりの分散コンポーネントそして計算するの%ゲージR&R、
どれのでこれ場合だった3.3030。
これ示されたの許容できる測定システム
によるとにいくつかの範囲それだった定義済みでこれ紙によるバレンチーム。
それだったそれのためにのデータ分析のために私の一部。
これ結果だった実はとても似ているにある最悪の場合シナリオ
それだった得られたであるプレゼンテーションで2019年。
それするだろうなれ面白いに知るもしそれだったある偶然
またはもしの結果するだろうなれ似ているのために違うデータとして良い。
いくつかの考えそれこれプロジェクト挑発された。
すべき私たちは追加ある機能的なランダム効果のためにID
に捕獲の内で関数相関横切って距離？
これタイプの機能的なランダム効果
は実は本当に重要で機能的なデータ
そしてはある大きい利点の会計のためにの機能的な自然ののデータ。
残念ながら、でこれデータで特定の。
いつでも私作成したあるモデルとこれ学期、
の対応する分散コンポーネントだったゼロ、
それでそれしませんでした本当に捕獲何でも余分な、しかしそれするだろうなれ面白い
に見るもしそれできたなれ役に立つで違う種類のデータ。
私また考えるそれするだろうなれ面白いもし私たちは
できた計算するある自信間隔のためにの%ゲージR&R。
そこにはだったまたいくつかのマイナー、ない問題、
しかし持ってくる上質問のの残差でのランダム効果モデル。
私観察されたある周期的な自然でそれらの。
それはないいつも素晴らしい。
私しないでください考えるそれだったある巨大な取引、
しかし私するだろうのようにに持っているある良い理由のためになぜそれだったの場合。
それはそれ。 ありがとうのために聞いている。
もしあなた欲しいもっと詳細の上これプロジェクト、
そのとても似ているにある満杯30分話すそれ私提示されたで発見ヨーロッパ、
そしてそれでそれビデオはの上のコミュニティとして良い。
感謝あなた。
