欢迎，
所有人。
我的
姓名
是
杰森
维金斯。
我是 a 系统 工程师 和 JMP。
为了 这 推介会， 患病的 是 玩耍 这 角色 的 a 质量 顾问。
我的 姓名 是 杰瑞 鱼。 我是 a 系统 工程师 和 JMP。
患病的 是 玩耍 这 角色 的 a 质量 经理 在 a 制造业 植物。
只是 a 夫妻 的 参考 为了 这 推介会 预先。
是， 杰瑞 和 我，
建筑 在 a 纸 那 我们 呈现 在 发现 欧洲 2023年。
那是 这 纸 数字。
你 能 去 到 社区.j mp.com
和 搜索 为了 那 纸。
杰瑞 将要 还 是 呈现 一个 一经请求 视频 为了 发现 在 要求。
那是 这 纸 数字 到 搜索 作为 出色地。
自始至终 这 推介会， 我们 将要 是 参考
唐纳德博士 惠勒的 书， 电磁脉冲 第三章
评估 这 测量 过程 和 使用 不完善 数据。
全部 正确的， 杰瑞， 准备好 到 踢 这 离开？
绝对地， 去 为了 它。
全部 正确的， 我是 呼叫 你 向上。 你好， 杰瑞。
谢谢 为了 开支 a 很少 分钟 和 我。
作为 a 质量 顾问，
I 帮助 质量 利益相关者 喜欢 你自己 理解 和 提升 过程。
你好， 杰森。 好的 到 见面 你。
I 需要 到 让 你 知道， I 不 有 很多 时间 到 花费 和 你 正确的 现在。
我们已经 得到 一个 紧急情况 情况 在 我们的
生产 线 那 I 不 真的 需要 到 去 地址。
I 知道 我们已经 得到 30 分钟 已安排
和 我是 感兴趣的 在 讨论 量规， 但 能 我们 尝试 到 制作 这 快的？
I 理解 完全地。
患病的 尝试 到 制作 这 最多 的 我们的 时间 今天。
到 踢 事物 离开，
能 你 告诉 我 a 小的 少量 关于 你的 公司 和 你的 质量 程序？
当然。
你 大概 知道 那 艾克米 有 建造 a 名声 和 我们的 顾客
为了 制造业 最高 质量 产品。
是 总是 担心的 和 质量。
我们 有 各种各样的 量规 那 我们 使用 到 确保 我们的 质量 停留 高的，
和 我们已经 到过 正在做 这 为了 许多 年， 所以 我们 思考 是 漂亮的 好的 在 它。
我是 熟悉的 和 Acme's 高的 质量 名声。
我的 咨询 团队 和 I 有 到过 在职的
和 制造业 公司 喜欢 你自己 那 有 a 高的 重点 在 质量
到 进步 这 使用 和 效力 的 伟大的 量规 研究。
一 的 这 事物 我们 寻找 到 理解 是 这 货币 成本
联系 和 这 量规 用过的 到 措施 过程 质量 特征。
有 你 量化 如何 很多 任何 的 你的 量规 是 成本 你的 商业？
我是 不是 当然 I 知道 什么 你 意思是。
出色地， 量规 不是 完美的。
他们 制作 错误。
有时 他们会 扔 离开 好的 部分 和 有时 他们会 经过 坏的 部分。
除非 你 有 a 完美的 量规 和 不 一 有 这些， 错误 是 不可避免的。
是的， I 得到 那， I 认为 所以。
我们已经 完毕 传统的 量规 研究 那 说 我们的 量规 是 好的。
出色地， 一些 的 他们 是 实际上 被归类为合格 为了
AIAG 汽车 行业 行动 团体， 哪个 我们 使用 为了 我们的 测试。
不 那 意思是 它们是 好的 到 使用？
有 a 很多 更多的 到 这 故事 比 只是
使用 这 好的， 足够的， 和 贫穷的 AIAG 评估。
在 事实， 我们 可以 有 a 长的 讨论
关于 这 差异 之间 AIAG 结果 和 a 较新的 方法 称为 电磁脉冲 3.
I 知道 你 说 你 有 30 分钟。
它 转弯 出去 那 AIAG， 我们 是 尝试 到 和 它 向上，
它是 只是 很多 更多的 批判的 的 量规 比 它 需求 到 是。
这 电磁脉冲 方法， 哪个 是 开创者 经过 a 盖伊 命名
惠勒博士 是 a 更多的 实际的 方式 到 评价 量规。
I 欣赏 你 跳过 超过 那 部分。
我们 认出 不 量规 是 完美的。
我们 还 认出 那 使用 a 贫穷的 量规
风险 接受 坏的 部分， 哪个 是 坏的 为了 我的 商业。
这 更糟 这 量规， 这 更高 这 风险。
我们已经 得到 a 方式 那 我们处理 这 问题。
哦， 是什么 那？
出色地， 我们 指示 我们的 制造业 团体
到 使用 检查 限制 那 是 里面 的 这 规格。
如果 我们 放 他们 远的 足够的 里面 这些 规格 限制，
我们 减少 和 本质上 我们 能 排除 船运 坏的 部分。
不 那 使固定 我们的 问题？
使用 检查 限制 那 是 里面 这 规格 限制
是 a 好的 方式 到 减少 这 风险 的 通过 坏的 部分
当 量规 措施 除 靠近 这 规格 限制。
这 是 a 常见的 战略， 某物 那 公司 称呼
警戒带 或者 指定 制造业 指示。
如何 做 你 选择 如何 很多 到 狭窄的 你的 检查 限制？
出色地， 坦率地说， 我是 不是 当然 我们 放 那 很多 严格 进入 它。
我们 只是 移动 我们的 检查 限制 在 木板 的 这 规格 一定数量
那 我们的 主题 事情 专家 已经发现 工作 出色地 超过 这 年。
出色地， 你是 在 好的 公司。
许多 其他的 喜欢 你 采用 这 相同的 方法。
那里 是 a 缺点 尽管。
哦， 是什么 那？
经过 任意地 选择 如何 很多 到 狭窄的
检查 限制， 你 可能 是 不必要的 投掷 出去 好的 部分。
那是 只是 假设 它们是 也 狭窄的。
或者 你 可以 仍然 有 坏的 部分
那 逃脱 检查 如果 这 限制 不是 狭窄的 足够的。
有 你 经过考虑的 采取 a 更多的 统计 方法？
我们 有 不是。
我已经 总是 想法 我们 应该 有 a 更好的 方式 到 证明合法 我们的
制造业 指示， 但 我们 不 知道 如何 到 做 那。
出色地， 惠勒博士 提议 a 方法 的 环境
制造业 指示 基于 在 这 统计数据 我们 得到 从 正在做
a 测量 系统 分析 在 他的 书， 电磁脉冲 3.
I 诚实地 还没有 听到 的 惠勒的 电磁脉冲 方法 前。
是 它 新的？
它是 到过 大约 为了 a 夫妻 的 几十年 现在。
更多的 重要 到 我的 知识，博士
惠勒 曾是 这 第一的 人 到 发布
a 解决方案 到 这 问题 的 客观地 环境 这些 检查 限制。
他的 方法 用途 输出 从 MSA， 喜欢 我们 是 提及。
一些 的 这些 是 可能 错误，
沿着 和 期望值 你的 期望 是 一致性 到 规格。
做 任何 的 这 现代的 统计 分析
包裹 那 是 在 这 市场 今天 支持 这 电磁脉冲 方法？
我是 高兴的 你 问。
跳跃， 哪个 是 我的 首选 数据 分析
工具， JMP 是 a 一般的 目的， 简单的 到 使用 数据 分析 包裹
那 有 许多 质量 和 过程 控制 特征。
跳跃 制作 快的 工作 的 这 分析 部分 的 过程 改进，
所以 更多的 时间 能 是 投入的 到 改善 这 过程 本身。
你 知道 那 那就是 不是 a 琐碎的 数量 的 工作， 通常。
Jmp的 电磁脉冲 性格 和 这 测量
系统 分析 平台 是 基于 在 惠勒的 书。
全部 那 东西 是 在 那里。
这 计算 为了 制造业 指示 是 不是 可用的 在 JMP 然而。
我们 建造 一个 插件 那 做 他们 为了 你
和 提供 一些 工具 为了 成本 权衡 分析。
好的， 好的。
I 曾是 害怕的 I 可能 有 到 来 向上 和 我的 自己的 方程式。
患病的 命令 a 复制 的 那 书 为了 我的 团队。
如果 你已经 已经 得到 一个 插件
那 做 那 为了 我们， 我是 确实 感兴趣的。
什么 做 它 成本 和 如何 做 它 工作？
出色地， 好的 消息， 它是 自由的。
你 能 寻找 它 在 这 文件 交换 在下面
community.Jmp.com 在线的 或者 JMP 用户 社区。
让 我 展示 你 如何 它 作品。 伟大的。
全部 正确的。 这里 在 这 左边 边，
我们 有 到 进入 a 小的 少量 的 信息 关于 我们的 产品。
第一的 是 这 规格 限制。
你 知道， 这 是 什么 我们的 顾客 想要。
这 是 嗓音 的 这 顾客。
一个 上 和 降低 规格 限制。
我们 需要 到 进入 什么 我们 知道 关于 我们的 测量 错误。
是 去 到 使用 这 标准 偏差 的 我们的 测量 错误。
这 是 某物 那 我们 能 得到 从 a 测量 系统 分析。
我们 还 需要 到 供应 一些 信息
关于 什么 我们 预计 这 真的 部分 分配 到 看 喜欢。
这 参数 意思是 和 标准 偏差， 给 我们 a 描述 的 什么
这 真的 部分 分配 是 为了 我们的 过程。
等待 a 分钟。
I 不 知道 我的 真的 部分 分配。
那是 这 问题 这里。
全部 我已经 得到 是 我的 测量 部分 分配。
好的， 我们来吧 为了 这 片刻，
认为 那 这 真的 部分 分配 是 通常情况下 分布式，
和 这 量规 是 还 通常情况下 分布式。
我们 能 使用 a 简单的 关系 到 得到 这 真的 部分 方差。
如果 I 做过 a 测量 系统 分析，
I 有 这 方差 联系 和 我的 量规。
如果 I 做过 a 束 的 测量
的 我的 过程， I 有 a 测量 部分 分配 的 我的 过程。
I 只是 有 到 减去 那些， 和 然后 I 能 得到 这 真的 部分 方差。
从 那， I 能 得到 这 标准 偏差 为了 我的 真的 部分 分配。
方法 简单的 还。
是 只是 去 到 认为 那 那 意思是
是 这 测量 部分 分配 较少的 任何 偏见 那 我们 有 和 这 量规。
好的。 I 思考 我是 和 你 所以 远的。
我们 是 仍然 移动 向 如何 很多 我的 量规 是 成本 我的 商业， 正确的？
我的 线 仍然 有 那 问题 那 I 需要 到 地址。
得到 你。 我们 是。
如果 你会 放纵 我 只是 a 小的 少量 更长。
我们 有 更多的 工作 到 做。
第一的， 我们来吧 看 在 这 统计数据 概括。
大概 层， 跨班级 相关性和
精确 到 宽容 是 方式 的 描述 量规 变化
那 我们 得到 经过 进行 惠勒的 测量 系统 分析。
这些 值 是 计算 使用
规格 限制 和 量规 西格玛 输入。
患病的 让 你 读 关于 这些 计算 什么时候 你 得到 惠勒的 书。
好的。
这 能力 指数 是 用过的 到 描述 如何 很多 的 这 规格
限制 范围 是 消耗 经过 过程 变化。
这 是 这 变化 的 这 真部分 价值观。
能力 是 计算 使用 规格 限制 和 我们的 真部分 意思是 在 西格玛。
是的， 在 粉刺， 我们 经常 使用 CP 和 CPC。
好的。
总的来说， 你是 大概 获得 一个 主意 那 这些 值 提供 我们
a 好的 快照 的 量规 和 过程 变化。
它是 去 到 帮助 我们。
为了 这 例子， 一个 国际商会 的 0.86 是 讲述 我们 那 14 %
的 我们的 测量 变化 是 a 结果 的 量规 错误。
但 我们的 过程 是 不是 表演 所以 出色地 在 a 能力 的 仅有的 关于 67%。
这 最后的 事物 那 我们 需要 是 预期的 一致性 在 制造业 指示。
那是 a 一口气说完。
什么 做 你 意思是 经过 那？
它 是。 让 我 看 如果 I 能 绎 那。
这 是 这 可能性 那 a 测量 部分 将要 真的 符合 到
规格 如果 这 量规 措施 确切地
在 规格 限制 那 我们 讨论 更早。
确切地 在 55 或者 75.
为了 例子， 我们来吧 说 那 我们 想 99% 符合性。
到 达到 这，
我们 需要 到 放 我们的 制造业 指示。
让 我 制作 这 a 小的 少量 大 为了 我们 这里。
我们 需要 到 制作 我们的 制造业
指示 57.3 和 72.7。
那是 实际上 较窄 比 这 55 和 75 是 我们的 规格 限制。
然后 如果 我们 做 那，
我们 能 预计 a 99% 机会 那 将要 拒绝 或者 准确 接受
a 部分 那就是 靠近 那些 规格 限制。
好的， 让 我 回声 那 后退 到 你 到 看 如果 我已经 得到 那 正确的。
如果 I 放 我的 检查 限制 为了 这 例子 到 57.3 和 72.7，
和 然后 如果 I 措施 a 部分 和 我的 量规 那 措施 确切地 57.3，
有 a 99% 机会 那 它 满足 我的 产品 规格 的 55 和 75.
那是 正确的。 你 说 它 甚至 更好的 比 I 可以。
它是 真的吗， 在 我的 头脑， 它是 有用 到 思考 关于 测量 风险 在 这 方式。
作为 测量 那 我们 制作 靠近 规格 限制 是 这 风险最高 那 我们 遇到。
它 还 揭露 权衡取舍 之间 量规 效力 和 过程 能力。
思考 关于 这， 杰瑞。
如果 这 过程 是 高度 有能力的，
你 能 得到 离开 和 这 边缘 量规 甚至 什么时候 测量 靠近 这 规格 限制。
然而， 如果 你 有 a 贫穷的 CPC， 它 可能 是 聪明的 到 调整
这 制造业 指示 到 缓解 风险， 甚至 如果 这 量规 是 有效的。
那 声音 喜欢 什么 我的 主题 事情
专家 有 到过 尝试 到 做， 但 你是 说 那 我们 能 放 a 很多
更多的 统计 严格 在后面 环境 那些 制造业 指示。
你的 例子 套 制造业 指示 到 给 99% 符合性。
I 认为 如果 I 想 99.9%
符合性， 那些 制造业 指示 将要 狭窄的 更远？
他们 将要。
在 事实， 我们来吧 只是 拿 a 看 在 如何 很多。
哇， 那就是 相当 a 少量。
是的。
58， 8、 和 71.1. 好的， I 思考 我是 获得 它。
缩小范围 那些 制造业 指示 是 伟大的 为了 保证 那 我是
船运 好的 部分， 但 I 不 一定 喜欢 那。
为什么 不是？ 在 事实， 患病的 转变 它 后退。
为什么 不 你 喜欢 那， 杰瑞？
出色地， 这 较窄 我们 放 那些 制造业 指示，
这 更多的 好的 产品 我是 去 到 扔 离开， 不是 我？
是的， 那就是 正确的。
I 思考 你是 开始 到 看
这 权衡取舍 联系 和 环境 制造业 指示。
它是 漂亮的 凉爽的。 是的。
能 你 告诉 我 如何 很多 它是 去 到 成本 我 什么时候
I 扔 那款好产品
离开 给定 这 选定 制造业 指示？
是的。
那是 给定 在 这 利润 损失 探险家 大纲 的 这 插件。
前 I 能 回答 那， 尽管， 我们 有 到 进入 一些 价值观。
假设一下， 什么时候 是 说 关于 一 的 你的
部分， 如何 很多 收入 能 你 预计 每 部分？
好的， 出色地， 那 数字 看起来 好的。
为了 这 清酒 的 这 演示 或者 这 例子， 我们来吧 只是 说 100美元 每 部分。
好的。
如何 许多 部分 做 你 预计 到 制作？
100,000 声音 好的。
那是 典型的， 在 至少 为了 或许 a 年 生产。
好的。 好的 部分 跑步。
如何 很多 做 它 成本 你 到 制作 a 部分？
漂亮的 简单的 到 数字 那 出去。
出去 的 这 100美元 那 我们 卖 a 部分 为了，
它 成本 我们 关于 70美元 到 制作 它， 所以 我们 制作 a 30美元 利润。
最后的 但 不是 至少， 什么 是 这 成本 的 船运 a 坏的 部分？
是什么 这 惩罚 如果 a 部分 逃脱 你的 检查 过程？
I 看 什么 你是 说道。
那是 a 小的 更难。
有， 的 课程，
这 潜在的 成本 的 返回 和 这 联系 成本 的 维修。
那些 是 相当 简单的 到 计算。
有 还 损害 到 Acme's 名声。
我们的 顾客 要求 质量，
和 如果 我们 开始 推杆 坏的 产品 出去 这 门，
它 能 迅速地 得到 出去 的 手 在 a 匆忙 和 结果 在 丢失的 未来 销售量。
那是 a 很多 更多的 难的 到 计算。
真的吗， 它 会 拿 我们 a 尽管 到 划痕 我们的 头部 和 数字 那 出去。
为了 这 清酒 的 争论， 我们来吧 说 那 金额 到 关于 200美元 每
坏的 部分 那 我们 让 出去 的 这 植物 和 卖。
全部 正确的， 伟大的。
现在， I 看 一 更多的 入口 盒子。
其他 单词， 沙拉。
数字 的 私募股权公司 制造业 指示 说谎 从 WSL。
什么 在 这 世界 做 那 意思是？
全部 正确的， 你 确实 有 裸露
其他 值得 的 解释 放 的 术语， 杰瑞。
让 我 拿 a 刺 在 这。
什么 是 指 到 是 整数 倍数 的 可能 错误。
记住， 我们 谈话 关于 那 作为 存在 一 的 这 输出 从 一个 电磁脉冲 测量
系统 分析， 说 关于 这 整数 倍数
的 可能 错误 离开 从 分水岭 限制。
这 是 如何 我们 将要 描述 这 地点 的 制造业 指示 相对的
到 分水岭 限制 为了 这 模拟 那 是 跑步。
转弯 出去 惠勒 用途 这 相同的 方法 在 电磁脉冲 3.
什么时候 你 得到 这 书， 拿 a 看 在 那。
它 应该 是 漂亮的 持续的。
他 用途 分水岭 限制 作为 反对
到 规格 限制 到 帐户 为了 粒度 的 测量。
如果 我们 执行 a 测量 系统 分析 使用 这 电磁脉冲
方法 在 这 量规， 我们会 是 给定 a 测量 增加。
分水岭 限制 是 本质上 一半 a 测量 增量 外部 这 规格。
从 a 实际的 观点 的 看法， 底部 线， 制造业 指示
应该 是 放 从 分水岭 限制 作为 反对 到 规格 限制。
那 只是 帮助 我们 得到 大约 那 粒度 问题。
现在， 它是 还 值得 注意到 那 制造业
指示 能 是 放 里面 或者 外部 这 分水岭 限制。
现在， 等待 a 分钟。
那 声音 疯狂的。
是 你 说 那 那里 是 时代 什么时候 I
可能 想 到 放 我的 制造业 指示 外部 的 我的 产品 规格？
为什么 会 I 曾经 想 到 做 那？
是的， 它 似乎 柜台 到 它， 和 ID 争论 那 它是 相对地 稀有的。
那里 是 一些 状况 在哪里
为了 严格 经济的 原因 你 可能 是 更好的 离开 选择 一个 甚至
更广泛 放 的 制造业 指示 比 你的 产品 规格。
我们 能 讲话 通过 一个 例子 在 只是 a 第二。
记住 什么时候 我们 是
探索 什么 这 统计数据 意思是， 和 我们 谈话 关于 这 主意 那 如果 I
有 a 过程 那 是 非常 有能力的， 但 我们 有 一个 不完善 量规。
它 可能 是 聪明的 为了 我们 经济上 到 实际上 推 我们的 规格 限制 宽的
和 调整 这 检查 过程 因此。
那里 是 情况 在哪里 那 可能
发生， 但 是的， ID 争论 那 它们是 漂亮的 稀有的。
I 看。 I 不 知道。
为了 现在， 为了 这 清酒 的 这 模拟，
我们来吧 放 这 数字 的 可能 错误 到 减 一。
什么 这 方法 是 那 是 收窄 我们的 制造业 指示。
让 我 制作 这 a 小的 少量 更广泛 这里。
是 说 关于 收窄
这 制造业 指示 里面 这 规格 限制。
什么时候 我们 做 那， 我们 能
重点 你的 注意力 向下 到 这 预期的 网 利润 在 制造业 指示。
这里 我们 能 看 那 这 选定
预期的 网 是 这 网 利润， 和 我们 能 站立 到 制作 关于 1.9美元
百万 为了 100,000 部分 为了 这 参数 那 我们已经 已进入。
好的， 出色地， 在 至少 那是一个 利润。
I 看 a 最大限度 预期的 网 那 演出 一个 甚至 更高 利润。
是 那 某物 I 应该 考虑 或者 能 I 达到 它？
是的， 确实。
这 最大限度 利润 那 你 能 达到 为了 这 测量 过程 和
这 经济的 放 的 情况 是 关于 2.1美元 百万。
现在， 什么 这 是 讲述 我们 是 那 我们 能 达到 它 经过 制作 我们的 制造业
指示 平等的 到 这 分水岭 限制。
如果 I 改变 这 到 零，
我们可以 看 那 我们已经 打 那 最大限度 预期的 网。
我们已经 只是 完毕 那 经过
移动 这 制造业 指示 到 这 分水岭 限制。
这 是 最佳的 为了 这 状况 那 我们已经 已进入。
那是 真的 有趣的。
和 任何 组合 喜欢 这， 可能， I 可以 寻找 一个 最佳的
在哪里 I 需要 到 放 这些 制造业 指示。
到 得到 我 这 最大限度 利润。
是的， 你是 钉钉子 它。
在 事实， 为了 这 插件， 有 一个 星号 在 这 图形
那 识别 什么 这 最佳的 利润 你 能 达到 是。
凉爽的。
什么时候 你是 正在做 这 最佳， 在哪里 是 你 获得 这些 数字？
I 不 理解 在哪里 他们 可能 来 从。
当然。 他们 结果 从 贸易 离开 之间
收入 每 部分， 成本 每 部分， 和 损害 到 你的 名声。
那些 是 这 事物 那 我们 进入。
什么时候 我们 卖 a 坏的 部分， 那就是 这 名声 成分。
鉴于 这 过程 和 量规 参数。
那是 这 真的 部分 和 测量 错误 成分 那 我们 进入 更早。
为了 现在， 喜欢 I 说， 我们来吧 保持 这
例子 到 在哪里 是 收窄 我们的
制造业 检查 限制。 它是 所以 有趣的。
我们 得到 全部 这些 不同的 限制。
是 说 关于 制造业
指示， 哪个 是 里面 这 分水岭 限制。
现在 那 我们已经 得到 这 和 是 同意
那 嘿， 这 是 这 方式 我们 想 到 跑步 这 模拟。
我们开始吧 拿 a 看 在 这 利润 模拟 控制板。
这 矩阵 向下 以下 是 在哪里 是 去
到 开始， 休息 这 利润 损失 进入 九 不同的 类别。
好的， 有 a 很多 的 信息 那里。
我是 去 到 需要 到 学习 这 为了 a 分钟。
我们开始吧 开始 在 这 中心， 这 中心 的 那 三 经过 三 网格。
S 开始 那里， 的 这 100,000 部分 那 出色地 制作，
关于 91,000 是 真的 好的 部分 那 我们的 量规 阅读 作为 好的 和 那 将要 船。
那 产 2.7 百万 在 利润， 和 I 认为 那 作品 出去 到 91,000
部分 时代 我们 说 这 收入 每 部分 曾是 100美元 减 70美元 到 制作 这 部分。
是 那 正确的？
那是 正确的。
好的。
移动 直的 到 这 左边，
你是 预测 出色地 有 370 部分 那 我们 将要 船 因为 这 量规 说道
它们是 好的 部分， 但 这些 部分 是 真的 以下 这 降低 规格。
那是 a 相对地 低的 数字， 但 它是 不是 真的 好的。
你 说 它是 成本 我 63,000 美元。
是 I 阅读 那 正确的？
是的， 的确， 你 是。
好的， 和 我是 当然 那 有 到 做
和 那 200美元 惩罚 我是 付费 为了 出租 坏的 部分 得到 出去。
在 这 案件， 它 看起来 喜欢 I 可能 失去
关于 作为 很多 经过 船运 部分 那 是 坏的 在 这 高的 边。
那是 正确的。
你 制成 2.7 百万 销售 好的 部分， 但 现在 这 不完善 量规 有 成本 你
a 全部的 的 140,000 因为 的 这 出租 坏的 部分 出去 进入 这 场地。
是的。
好的， 出色地， 那就是 不是 非常 好的。
现在 你已经 得到 一些 更多的 细胞
在 那 三 经过 三 网格 那 展示 损失。
什么 是 那些 关于？
这 上 左边 细胞 演出 部分 那 是 真的 坏的 因为 他们 是 以下 规格。
和 你的 量规 是 捕捉 他们。
那是 好的。
它是 捕捉 他们， 它是 投掷 他们 出去。
这 量规 是 正在做 什么 你 预期的 到 做。
缺点 这里 是 那 那里 是 几乎 1,900 部分 那 你是 投掷 出去，
和 每个 的 那些 是 成本 你 70美元 每个。
相同的 事物 为了 这 降低 权利， 相似的 数学 那里。
那是 其他， 什么， 260美元 27万美元 未来 出去 的 我的 口袋？
I 不能 责备 那 在 这 量规。
那些 能 仅有的 是 固定的 如果 I 提升 我的 生产 过程。
什么 关于 那些 其他 细胞？
我们开始吧 看 在 这 上 中心 细胞。
它是 显示 那 我们 制成 a 小的 超过
2,200 好的 部分 那 是 抛掷 出去 因为 这 量规
测量 以下 这 制造业 指示。
如何 做 你 感觉 关于 那？
哦， 不是 所以 伟大的。
我们 有 a 分离 团队 的 检查员
那 重新检查 拒绝 部分 在 希望 的 回收 一些 的 我们的 损失。
这 是 制作 我 思考 那 甚至
和 那 复检， 是 仍然 投掷 出去 好的 部分。
I 认为 这 底部 中心 细胞 是
这 相同的， 好的 部分 那 我的 贫穷的 量规 说道 是 更高 比 规格。
是的， 那就是 正确的。
然而 有 其他 150左右 千 美元 你是 输了。
全部 的 那些 利润 和 损失 是 总结 在 这 酒吧 图表。
我们 得到 a 形象的 图片 的 那些 作为 出色地。
I 看。
好的，
但 现在 那 假设 那 是 使用 制造业 指示 那 是 一
可能 错误 里面 这 分水岭 限制。
什么 如果 我们 改变 这 制造业
指示 到 这 最佳 你 是 说 关于？
如何 做 那 改变 这 利润 图片？
我们开始吧 看 什么 事情发生了。
只是 手表 这 酒吧 改变 离开
到 这 正确的， 和 出色地 讲话 关于 那些 a 小的 少量。
出色地 撞 那 向上 到 这 最佳， 和 什么 做过 你 看 发生？
是的， 所以 它 看起来 喜欢 这 较短 酒吧
得到 较短 然而， 和 这 长的 酒吧 得到 a 小的 更长。
那是 好的， 和 我的 网 利润 去 向上。 好的。
是 制作 更多的 钱。
它是 大概 值得 思维 关于 那
中间 酒吧 因为 的 那 名声 成本 那 你 谈话 关于。
是的， 当然， 我们 可能 是 制作 更多的 作为
a 商业， 但 你 应该 到 在 至少 是 说 和 利益相关者 在 这 公司
和 问 如何 是 保存 a 小的 少量 的 钱 这里 到 是
更多的 有利可图， 但 是 那 这 正确的 事物 到 做？
是的， I 得到 它。
那是 有趣的。
是的， I 可能 选择 到 使用 这 较窄 制造业 指示 因为
那 成本 到 我们的 名声， 你 真的 得到 到 思考 关于 那 200美元 我们
放 在 早些时候， 那 可以 是 a 很多 更高 数字。
我们会 有 到 锐化 我们的 铅笔 在 那。
然后 再次， I 猜测 I 可以 实验 和 那， 和 这 插件， 正确的？
I 可以 尝试 不同的 价值观。
是的， 绝对地。
I 希望 你 将要。
I 感觉 喜欢 那 会 是 有价值的。
伟大的。
I 思考 我是 开始 到 看 现在 如何
变化 在 过程 能力 和 量规 效力 和 如何 I 放 这 检查
限制 可能 有 a 大的 影响 在 我的 盈利能力。
那是 什么 我们 希望 为了 什么时候 我们 发达 这 插件。
考虑 盈利能力 什么时候
回答 问题 关于 量规 和 过程 能力
可以 是 真的 有帮助 什么时候 你是 尝试 到 证明合法 改进 项目，
或者 它 可以 还 给 你 a 很多 的 信心 那 这 过程 和 量规
是 运送 这 结果 那 你 欲望。
I 必须 说， 杰森， I 是 印象深刻。
然而， I 感觉 喜欢 I 需要 到 浑 这 水 a 小的 少量。
这 是 全部 伟大的 为了 普通的
分布， 简单的 量规 错误， 和 等等。
那些 计算， 作为 你已经 所示 前， 是 简单的。
什么 如果 I 有 线性 或者 偏见 问题 和 我的 量规？
或者 如果 I 有 a 倾斜 部分 分配，
获得 a 真的 部分 分配 出去 的 这 测量 部分 分配 变成
a 很多 更多的 难的 比 只是 使用 那 简单的 公式 你 显示 早些时候， 正确的？
能 你 甚至 做 那？
今天， 不。
真的吗， 是 有限的 到 普通的 分布， 但 是 几乎 那里。
它是 在 这 计划。
在 事实， 它是 这 下一个 步 在 我们的 发展 计划 为了 这 插件。
我确实有一个 同事 谁是 呈现
在 JMP的 在线的 发现 会议 WHO 有 完毕 一个 一经请求 推介会
为了 估算 这 真的 部分 分配 基于 在 测量 部分 分布
那 可能 是 非正常 基于 在 量规 特征。
它 把手 甚至 随意的 分布，
有 一些 常见的 一个 和 随意的 分布。
我们 将要 是 合并 这些
能力 进入 这 插件， 喜欢 I 提及。
它是 去 到 是 有时 很快。
你 应该 确实 正确的 现在 去 查看 出去 这 讲话。
是的， 它 声音 喜欢 一个 有趣的 讲话 经过 一个 有趣的 主持人。
这 全部 声音 有趣的。 I 将要， 杰森。
现在， 我们已经 涵盖 a 很多 的 材料 今天。
会 你 头脑 迅速地 采取 我 后退
通过 这 插件 再次 到 制作 当然 我已经 得到 它？
绝对地。 在哪里 我们 开始 我们的 对话 曾是
供应 a 小的 少量 的 信息 关于 我们的 测量 过程。
我们 进入 规格 限制。
再次， 那些 是 这 嗓音 的 这 顾客 那 我们 谈话 关于。
我们 谈话 关于 获得 一个 主意 的 什么
我们的 测量 错误 是 从 a 测量 系统 分析，
和 然后 使用 这 标准 偏差 从 那 学习 为了 a 量规 错误。
我们 还 谈话 关于 供应 一些
信息 关于 这 真的 部分 分配。
这 参数 意思是 和 西格玛，
我们 谈话 关于 方式 那 我们 能 推断 那 从 这 测量 部分 分配。
我们谈到了 这 统计数据 在 这 插件
存在 a 快照 进入 我们的 量规 能力 作为 出色地 作为 我们的 过程 能力。
I 思考 那就是 重要的 作为 我们 开始
到 有 这些 对话 关于 如何 很多 这 量规 是 去 到 成本 我们。
我们 步行 通过 想法 大约 移动 我们的 规格 限制 在 这些
制造业 限制， 收窄 他们 或者 甚至 扩展 他们
到 减少 风险 什么时候 是 测量 在 这 规格 限制。
那里 是 其他 铃铛 和 哨声 在 这 插件 那 我们 没有 有 时间
到 展示， 但 这些 是 只是 方式 的 真的 图示
这些 风险 经过 现在 叠加 真部分 分布， 假设 是 测量
这 真部分 靠近 这 制造业 指示。
利润 损失 探索者 曾是 我们的 方式
到 模拟 这 成本 联系 和 我们的 测量 错误。
它 给予 我们 这 机会 到 探索 什么 如果。
如果 我们 是 制作 a 肯定 产品 和
产品 有 肯定 成本 联系 和 它， 如何 很多 利润 能 我们 预计 如果
是 跑步 制造业 指示 在 不同的 倍数 的 可能 错误。
我们 包装 向上 我们的 对话
和 一个 深入 对话 关于 那些 利润 和 损失
和 如何 这 目标 的 我们的 商业 和 这 名声 的 我们的 商业 应该
是 经过考虑的 什么时候 是 制作 那些 权衡取舍 作为 出色地。
好的。
感谢 你。
I 思考 那 总结 它 真的 出色地。
现在， 除了 使用 估计的 真实部分
分布， 是 那里 任何事物 别的 那 将要 是 发达 为了 这 插件？
出色地， 我们 还 有 已经 发达 这 错误分类 探险家。
它是 只是 其他 方式 的 寻找 在 量规 错误 和 我们的 过程 变化。
我们 没有 有 足够的 时间 到 去 进入 这 成分 的 这 插件。
我们 计划 在 解释 这 a 小的 少量
更多的 在 这 靠近 未来， 非常 可能 作为 我们 开始 合并 一些
的 那些 非正常 分布 那 I 提及。
凉爽的。
那是 极好的。
什么 关于 其他 训练 机会？
什么 我们已经 所示 这里 今天 是 什么 我们的
插件 现在 做， 短的 的 这 错误分类 探索 那 我们 跳过。
我们会 喜欢 到 得到 更多的 进入 这 坚果 和 螺栓
的 这 方程式 在后面 这 插件 和 这 方法。
我们 计划 a 系列 的 在线的 会谈 未来 在 这 靠近 未来 在哪里 我们 能 探索
一些 的 那些 差异 之间 这 AIAG 分类 方法 和 电磁脉冲 和 如何 电磁脉冲
能 给 我们 更多的 实际的 和 有用 信息 关于 我们的 量规。
出色地 还 花费 一些 更多的 时间 说 关于 量规 表现 曲线。
我们 谈话 关于 这
分类 图表， 但 出色地 介绍 你 到 一些
传统的 量规 表现 曲线 作为 出色地 作为 一致性 曲线。
实际上， 它是 一致性 我们 谈话 关于 分类 出色地 得到 到。
看 为了 那些 在 这 靠近 未来。
伟大的。
WHO 别的 应该 我们 感谢 为了 这 努力 所以 远的？
出色地， 布雷迪， 布雷迪。
我们 应该 有 a 图片 的 布雷迪右 这里。
是的， 那 会 有 到过 好的。
布雷迪， 布雷迪 是 这 大脑 在后面 这 插件。
很遗憾， 他 不能 加入 我们， 但
确实 是 重度 涉及， 和 我们 有 这 插件 和 这 代码 到 感谢。
伟大的。
谢谢 到 布雷迪， 和 谢谢 到 全部 的 你 为了 参加 和 那些 WHO 将要 是
观看 这 视频 和 使用 这 插件 之后。
为了 这 居住 演示， 我们会 是 快乐的 到 回答 问题。
否则， 如果 你 放 你的 问题 在 这 聊天 区域 以下 这 推介会，
我们会 是 高兴的 到 得到 后退 和 你 作为 很快 作为 我们 能。
感谢 你。 感谢 你 非常 很多 为了 出席。
