你好，我的姓名是科琳麦肯德里,
和我是A高级的统计作家在杰普,
但我还喜欢到玩大约和功能性的数据。
这项目是在测量系统分析为了曲线数据。
第一的，我是只是去到给A非常简短的背景在MSA学习在一般的。
MSA学习决定如何出色地A过程
能是测量的事先的到学习这过程本身。
它答案这问题，如何很多测量变化是
贡献到这全面的过程变化。
具体来说，这盖奇休息与康复方法，哪个是什么患病的是使用在我的分析，
决定如何很多变化是到期的到手术变化
相对测量变化。
你能使用A盖奇休息与恢复交叉的MSA模型什么时候你有两个都A部分和一个操作员。
这模型你能看这里为了你的测量是子我J克，
那是去到是这第K次测量制成经过这Jth操作员在这伊思部分。
在这模型，你有A意思是学期，
A随机的影响那对应到这部分，
A随机的影响那对应到这操作员，
和A随机的影响那对应到这相互作用或者叉学期。
你还有一个错误学期。
这是简单地A随机的效果模型，
和全部的这些随机的效果是通常情况下分散式随机的变量
和意思是零和一些相应的方差成分。
什么时候你合身这模型，
你能使用那到估计这方差成分
和然后使用那些方差成分估计
到计算这百分比量规休息与康复使用这公式显示那里。
在A标准MSA学习，
全部的你的测量是去到是单身的点。
但什么发生如果那是不是这案件？
什么如果反而你是测量某物喜欢A曲线？
那问题曾是这动机在后面这项目。
那里曾是A客户的联合管理计划那曾是A供应商的汽车部分，
和他们有A顾客那指定的
那A部分需要的到有A具体的力量经过距离曲线。
明显地，这客户通缉到设计
他们的产品到匹配这顾客指定的曲线。
在命令到做那，
他们通缉到跑步A功能性的回复美国能源部分析
和联合管理计划到设计他们的产品在命令到做所以。
然而，前开支钱在那实验，
他们通缉到履行一个MSA在他们的能力到措施这部分力量。
那里是A很多更多的细节关于这实际的数据和这问题具体来说
在一个早些时候2020年白色的纸
标题为测量系统分析为了弯曲数据。
如果你想任何更多的细节，看那向上。
它应该是在这社区。
这在这图形，那是什么这数据看起来喜欢。
在这Y 轴，我们有力量，和在这X 轴，我们有距离。
它看起来喜欢那里是仅有的10曲线在这图形，
但那里是实际上250全部的曲线。
有只是一些聚类去在。
那里是10不同的部分，五不同的运营商，
和五重复每部分操作员组合。
A小的少量关于这数据，明显地，
这些测量是曲线和不是点。
这数据曾是集均匀地间隔的在时间，但不是均匀地间隔的在距离。
那里是一些早些时候项目
那尝试过A很少不同的方法到履行一些类型的MSA学习在这数据。
他们用过的一些功能性的成分，但留下来漂亮的真的到A标准MSA。
什么时候我看起来在这数据，我通缉到拿A真的功能性的方法
因为我有A背景在功能性的数据。
功能性数据分析
是有用为了数据那是在这形式的功能或者曲线。
那里是许多技巧到处理不平等地间隔的数据，
A很多的哪个是可用的在这功能性数据探险家平台在JMP。
我的目标曾是到结合功能性的数据方法和传统的MSA方法
到履行一些类型的功能性的测量系统分析。
我的解决方案曾是到创造A功能性的随机的效果模型
经过扩大这功能性的模型使用本征功能扩张，
重写那作为A随机的效果或者A混合的模型
如果你有任何固定的效果还，
和然后估计这方差
成分联系和这部分和操作员条款。
到去A小的少量进入这模型符号。
为了你的功能性的模型，你有是子我J克，
但这时间在A特别的距离， D、
到帐户为了这功能性的自然的这数据。
你是去到有A功能性的意思是学期，
A功能性的随机的影响那对应到这部分，
A功能性的随机的影响那对应到这操作员，
和A功能性的随机的影响那对应到这叉学期
和还你的错误学期。
这里，什么时候你做这模型扩张，
它是A小的马西,但本质上，
反而的拥有一方差成分联系和这部分
和一方差成分联系和这操作员，
你现在有多种的方差成分联系和每个的那些事物。
那是去到帐户为了这功能性的自然。
什么时候你是配件这模型和估计这方差成分，
喜欢我说，现在你是去到有这
放的方差成分那你能和一起
到估计这功能性的方差成分为了部分
和这相同的事物为了操作员和这叉学期。
一次你有全部那些个人方差成分，
你能使用那些到估计这%量具休息与康复只是喜欢在A标准MSA。
如何做我做这在JMP？
它是A多步过程那是概述这里，
和那里是一些更多的细节在其他幻灯片。
但本质上，我估计这意思是曲线在频域DE和获得这剩余的曲线。
我然后模型这剩余的曲线在频域DE到获得这本征功能需要的
为了这本征功能扩张的这功能性的模型
和节省那些本征功能到这原来的数据桌子。
我是去到使用那些已保存本征功能在适合混合
到创造A随机的效果模型
或者A混合的模型如果你还有固定的效果在你的数据。
我是去到使用筑巢的这本征功能公式列
和还这标杆和操作员变量
到定义这合适的模型规格。
这是什么你的合身模型窗户会看喜欢。
一次我做过全部那为了这数据，
我曾是有能力的到估计这方差成分和计算这%量具休息与恢复，
哪个在这案件曾是3.3030。
这表明的一个可以接受测量系统
根据到一些范围那是定义的在这纸经过巴伦团队。
那曾是它为了这数据分析为了我的部分。
这结果曾是实际上非常相似的到A最坏的情况下设想
那曾是获得在A推介会在2019.
它会是有趣的到知道如果那曾是A巧合
或者如果这结果会是相似的为了不同的数据作为出色地。
一些想法那这项目激怒了。
应该我们添加A功能性的随机的影响为了ID
到捕获这之内功能相关性穿过距离？
这类型的功能性的随机的影响
是实际上真的重要的在功能性的数据
和是A大的益处的会计为了这功能性的自然的这数据。
很遗憾，在这数据在特别的。
任何时候我已创建A模型和这学期，
这相应的方差成分是零，
所以它没有真的捕获任何事物额外的，但它会是有趣的
到看如果它可以是有用在不同的类型的数据。
我还思考它会是有趣的如果我们
可以计算A信心间隔为了这%量规休息与恢复。
那里是还一些次要的，不是问题，
但带来向上问题的这残差在这随机的效果模型。
我观察到的A周期性的自然在那些。
那是不是总是伟大的。
我不思考它曾是A巨大的交易，
但我会喜欢到有A好的原因为了为什么那曾是这案件。
那是它。 谢谢为了听。
如果你想更多的细节在这项目，
它是非常相似的到A满的30分钟讲话那我呈现在发现欧洲，
和所以那视频是在这社区作为出色地。
感谢你。
