私の 名前 は 花瓶用 から 4、 そして I 意思 一緒に と 私の 同僚 ルイ マイヤー
代表する どうやって あなた できる 使用 ジャンプ で 製薬 プロセス 検証、
そして 実は リードする の中へ それ あなた できる する
連続 プロセス 検証 その後。
私たちは 両方 来る から a 会社 と呼ばれる 4、 そして 私たちは する コンサルティング
のために その 医薬品 業界 そして 私たちは 仕事 と データ 科学。
それで 私たちは 実は 試して に 作成する 価値 から データ で 私たちの 顧客。
の コース、 私たちは は 非常に ハッピー それ 私たちは できる JMPを使用する のために それ
そして これ は 何 私たちは は 行く に 示す 今日。
それで その 背景 のために その プレゼンテーション は プロセス 検証。
これ は a とても 重要 問題 で その 医薬品 業界、
それ 前に あなた 打ち上げ a 新しい 製品、
あなた 持っている に 証明する それ あなた は 有能 の 生産 それ。
古典的には これ もっている された 終わり による ただ 作る 三つ バッチ。
もし これら 三つ バッチ だった わかった、 私たちは 持っている 証明された それ 私たちは できる 製造
一貫して そして それから あなたは 準備ができて に 打ち上げ 製品。
しかし の コース みんな、
含む その [聞き取れない 00:01:06] 持っている 見つかった 外、
それ あなた できた 作る 三つ バッチ は ない その 同じ、
として 全て 未来 バッチ は 行く に なれ 良い。
何 は 期待される 今日 から a 検証 は それ ない のみ 見せる それ あなた できる 作る
三つ または できた 作る 三つ バッチ、
あなたは に 作る a セット の バッチ。
ベース の上 これ セット の バッチ、 あなた すべき なれ できる に 証明する
と 自信 それ 全て 未来 バッチ 意思 なれ 良い。
それで その代わり の 予測する その 過去、 私たちは 今 持っている に 予測する その 未来。
これ 本当に 何か それ は a 挑戦的 もの で その 製薬 業界
なぜなら 彼らは 持っている された 使用済み のために 多くの 年 ただ に 作る これら 三つ バッチ。
それで どうやって に する それ 今？
私たちは は 本当に 助ける 多くの 顧客 と これ、
そして 何 私たちは 強く 推薦する は 単に 予測する その 未来。
どうやって できる あなた 予測する その 未来？
良い、 あなた できる する それ で ジャンプ と 予測 間隔。
それは 何 彼らは は のために。
それで あなた 集める いくつかの データ、 の上 その 日数 あなた 分析し、
あなた できる 予測する どうやって その 休む だろう 見て のように。
もし あなた できる ただ 建てる a モデル それ できる 説明する あなたの 検証 データ セット、
そして もし あなた 置く あなたの バッチェス で これ モデル として a ランダム 要素、
これら 予測 限界 実は カバー ない のみ その バッチ あなた 作る、
しかし また その バッチ あなた まだ 作った まだ、
そして それによって あなた できる 予測する その 未来。
何 あなたは 見る で その 底 の その グラフ あなた 持っている ステージ 1つ。
これ は どこ あなた 設計された その 新しい プロセス のために 作る その 新しい 製品。
ステージ2 は テスト それは その クラシック 古い 作られた 検証。
私たちが 以前 作った 三つ バッチ、 今 私たちは は 作る a セット の バッチ。
今 ベース の上 それ 私達はします 予測する その 未来 バッチ 意思 なれ 良い。
もし あなた 持っている a 多く の バッチ に バッチ 変化、
それ できる なれ 難しい に 予測する と ただ a 少し バッチ、
期限 に その 幅 の T 分布 どれの ビュー その 使用 の 自由、
それで それ かもしれない 取る もっと よりも 三つ。
しかし 私たちは 強く 推薦する まだ に 作る 木々 ステージ 2 なぜなら さもないと、
患者 持っている に 待って あまりにも 長さ のために その 新しい 製品 そして それから もし その ない 十分。
あなた できる 作る その 無駄 で 何 私たちは 電話 ステージ 3a.
ある 扱う当事者 うまくいけば どうやって あなたの 予測 限界
意思 なれ 内部 仕様 限界 そして それから あなた 持っている 証明された
それ 全て 未来 パス 意思 なれ 良い、 そして あなた できる 行く の中へ 何 私たちは 電話 ステージ 3b、
意味 それ 今 あなた しない 持っている に 測定 で 製品 テスト どれでも もっと長く。
あなた できた 多分 測定 の上 その プロセス その代わり の 測定 の上 その 製品
なぜなら あなた 持っている 証明された 全て 未来 薬 意思 なれ 良い。
あなた のみ 持っている に 証明する それ あなた できる 維持する その 検証済み 州。
それ できる 与える あなた a 重い 削減 で あなたの 未来 コスト。
いくつかの 顧客、 彼らは 得る あなた 上 に 70% 削減、 で その 未来 コスト、
後 彼らは 持っている 証明された それ 全て 未来 バッチ は 行く に なれ 良い。
今日 私たちは 意思 試す に 実証する、 どうやって これ できる 簡単に なれ 終わり で ジャンプ。
それで 何 は その 検証 全て について？
良い、 その その 予測 の 未来 バッチ。
今、 以前 私たちは ただ 作った 三つ バッチ、
しかし 今 私たちは 持っている に 予測する その 未来 バッチ。
どうやって できる あなた 予測する それ と 自信？
なぜなら いつ あなた する 検証 あなた 持っている に 証明する 自信、 もの は 大丈夫。
良い、 あなた できる ただ 使用 予測 間隔。
彼らは また と呼ばれる 個人 自信 間隔 そして ジャンプ のために その 同じ 理由。
または あなた できる また 行く のために 許容範囲、 もし あなた 欲しい。
どうやって 多くの バッチ で ステージ 2?
私たちは 実は 推薦する に 行く の上 と 何 彼らは 使用済み に、 どれの は 三つ。
しかし あなた できる のみ 合格 と その 三つ バッチ もし あなた コントロール 制限。
コントロール 限界 は 実は ただ 予測する 限界 それなし 自信。
I 意思 見せる あなた どうやって に 計算する 彼ら、 そしてもし 彼らは は 内部。
実は その 最高 推測 その 大丈夫。
もし あなたの 予測 は 外、 あなた かもしれない 必要 もっと バッチ。
しかし あなた できる 作る これら 後 持っている 消えた に その 市場 と あなたの 製品。
どうやって 多くの バッチ 彼らは 作る 3aでは?
とても 単純。
それまで あなたの 予測 限界 は 内部 仕様 間隔。
または もし あなた 欲しい、 その 対応する PPK は 高い 十分。
I 意思 見せる どうやって あなた できる 変換する これら 限界 に a PPK。
いつ その 合格した あなた できる 実は 行く に ステージ 3b なぜなら 今 私たちは 持っている 証明された
全て その 未来 バッチ 意思 なれ 良い。
あなた ただ 持っている に 証明する それ あなた できる 維持する その 検証済み 州。
通常 それ できる なれ 終わり による 測定 で その プロセス、
どれの は より簡単に で 本物- 時間、 比較すると に やっている で 製品 テスト。
それで それは 実は a 巨大な 利点。
A 多く の 人々 収穫 もし あなたは やっている それ これ 方法。
それは a 小さい 流れ チャート のために どうやって する それ 仕事。
それで あなた 始める 外 見ている で あなたの 検証 一度、
あなた 計算する あなたの 予測 限界、
ただ なれ わかっている それ それまで バージョン 15 彼らは だった ない 右。
彼らは 同意した に 自由 二 低い 予測 制限。
それ だった 落ち着いた で バージョン 16, それで お願いします ジャンプ 使用 バージョン 16 のために これ。
それから もし これら 予測 限界 は 内部 スペック 制限、
両方のステージを通過しました 2 そして 3a、
そして あなたは 待っている のために 連続プロセス 検証、
測定 の上 その プロセス その代わり の 測定 の上 その 製品。
もし それ ターン 外 それ その 予測 限界 は あまりにも 広い、
それから 見て で あなたの コントロール 制限。
もし 彼らは は 内で スペック 限界、 そして 予測された 限界 外、
その ほとんど 一般 典型的な コース は ただ 集める データ、
あなた ただ 集める もっと データ。
しかし あなた する それ その代わり 3a 後 行く の上 に その 市場。
それで ただ 再計算する これ 予測 制限、 毎 時間 あなた 持っている a 新しい バッチ、
そして それから うまくいけば 後 多分 三つ または 4つ 余分な バッチ、
彼らは は 内部 あなたの スペック 制限 そして それから あなたは 準備ができて に 行く。
もし それ 起こる それ また あなたの コントロール 限界 は 外 仕様、
それから 実は あなたは ない 準備ができて のために 検証 なぜなら それから 実は
最高 推測 は それ その プロセス は ない 有能、
そして の コース あなた 持っている 失敗した あなたの 検証 そして あなた 必要 に 改善する
その プロセス そして 私たちは する すべて また。
うまくいけば 私たちは しない 終わり そこには。
しかし の コース それ できる 起こる。
ただ 短い について これ 特定の 方法
私たちは 持っている 使用済み に 計算する これら コントロール 限界、
予測 限界 そして 許容範囲 制限。
のために コントロール 限界、
JMPが必要です の コース、 あなた できる 得る コントロール 制限。
しかし その 実は ただ のために 1つ 知られている 平均 そして 1つ 知られている 標準 理由。
頻繁 あなた 持っている もっと 複雑な システム それ あなた かもしれない 持っている 多くの 手段、
違う 虫歯 そして ちゃんとした 動く プロセス のために 例、
あなた かもしれない 持っている いくつかの バンド コンポーネント 間 サンプリング ポイント。
通常 あなた 持っている もっと よりも 1つ 平均 そして 1つ 標準 理由。
しかし それから あなた できる ただ 建てる a モデル、 そして 説明する あなたの データ セット と その モデル。
それから あなた できる ただ 取る その 予測 式、
あなた できる 送信 その 標準 エラー または予測 式
そして あなた できる 取る あなたの基準 エラー の上 残差、
そして それから その代わり の 乗算 と その G 分位数、
ただ 使用 その 普通 分位数。
それから それ 対応する に 背中を持つ 自信。
これ は どうやって 私たちは 計算する コントロール 限界 ベース の上 a モデル。
単に ベース の上 その 予測 式 そして その 標準 の その 予測、
その 残差の基準 どれの 私たちは できる 全て 得る から JMP、
それから その かわいい 簡単 に 計算する どうやって する コントロール 限界 仕事。
その 平 より簡単に に 予測する その 限界、 なぜなら 彼らは は 準備ができて に 行く そして ジャンプ。
彼らは すでに そこには、
そして の コース 彼らは だろう ただ 使用 その 限界 計算された による ジャンプ。
I 言った 前に なれ 注意深い と ジャンプ。
前に バージョン 16, 限界 単に 取得する あまりにも 広い。
それで お願いします 使用 バージョン 16 そして 新しい のために これ。
のために 許容範囲 限界、
私たちは 持っている a 少し 少し の その 同じ 問題 として と その コントロール 制限。
あなた 持っている 許容範囲 限界 で JMP、 しかし のみ のために 1つ 平均、
そして 1標準偏差。
私たちは しない 持っている それ のために a モデル。
しかし その 実は かわいい 簡単 に 変換する その クラシック 式、
のために a 許容範囲 間隔 の中へ 服用 a モデル。
ただ 交換する その 平均 と その 予測 式。
ただ 交換する N マイナス 1つ と その 度 の 地域 のために その 合計 変化、
どれの 私たちは 実は 計算する から その 幅 の その 予測 間隔。
それから あなた できる ただ 入力 これ で その クラシック 式 そして 突然、
私たちは 実は また 持っている a 許容範囲 間隔 そして JMP、
それ できる 起こる 内で そして 間 バッチ 変化。
それから 私たちは 準備ができて に 行く と その 数学 ここ。
いくつかの 顧客 好む ない ただ に 見て で もし 限界 は 内部 仕様、
彼らは 必要 に なれ 深い 内部 仕様、
実は 対応する に それ PPK は 大きい よりも 1つ。
しかし その とても 簡単 に 取る その 限界 そして その 予測 式、
そして 変換する 彼ら の中へ a PPK による これ クラシック 式 のために PPK。
もし あなた 予測する その 限界、 あなた 得る それ と 自信、
なぜなら その 平均 自信 その 同じ 退職 制限、
そして もし あなた 置く それ で その コントロール 制限、 あなた ただ 得る PPK それなし 自信。
やります それなし 自信 そして と 自信。
それなし 自信 は その 1つ 私たちは 想定 に 推薦する に 使用 で ステージ 2、
そして その 他の もの は 明らかに のために ステージ 3a、
どこ 私たちは 持っている に 証明する それを 自信。
それで 人生 は 簡単 いつ あなた 持っている JMP、
そして もし あなた 持っている a モデル それ できる 説明する あなたの 検証 データセット。
しかし 私たちは 持っている に なれ わかっている それ 後ろに 全て モデル、
そこには は いくつかの 仮定 それ 必要 に なれ 満たされた、
で 少しでも に なれ 正当化された 前に あなた できる 頼る の上 あなたの モデル。
あなた 必要 に する a 標準 チェック の あなたの データ、
前に あなた できる 使用 その モデル に 計算する 制限。
A s あなた 知る、 ジャンプ もっている とても 良い 可能性 のために これ、
そして I 意思 ただ 今 行く の中へ JMP、 そして 見る どうやって これ 動作します。
ここ は a とても よく知られている データ セット で その 製薬 業界、
出版された による 産業 社会 の 医薬品 エンジニアリング、
どこ 彼らは 置く 外 a データ セット から その 本物 世界 そして 言う、
"これ は a 典型的な 検証 セット、 お願いします 試す に 計算する の上 これ そして 見る
どうやって だろう あなた 評価する これ として a プロセス 検証 データ セット。"
もし あなた 始める 見ている で その データ チャート、 あなた できる 見る ここ 私たちは 持っている 三つ バッチ。
その クラシック 三つ バッチ、 古風な 方法、
そして 私たちは は 作る 錠剤 ここ そして 私たちは は ブレンド その 粉。
いつ 私たちは は ブレンド その 粉、 私たちは 取る 外 サンプル で 15 違う
系統的 ポジション で その ブレンダー で 全て 三つ バッチ。
いつ 私たちは 取る サンプル、 私たちは 取る もっと よりも 1つ。
私たちは 実は 取る 4つ。
それで 私たちは 持っている 三つ バッチ、 15 適応症、 そして 毎 時間 私たちは 取る 4つ。
これ は a データ セット から 本物 人生 それ だった 使用済み のために 検証。
もし あなた 見て で データ、
その 実は かなり 簡単 に 見る それ のために バッチ B 内で a 位置、
その インターバッチの 位置 評価 は 多くの 大きい よりも のために バッチ A そして C、
そして もし あなた 置く a コントロール 制限 の上 あなたの 標準 偏差、
それは 明らかに C は より高い。
あなた できる また 異質性を行う 分散 テスト。
それ 意思 また なれ かなり 明らか それ B もっている 重要な 大きい 分散 よりも A そして C.
それで 私たちは できない ただ 引く これ なぜなら あなたは のみ 想定 に 引く 差異、
それ できる なれ 想定 その 同じ。
それで 何 に する ここ？
良い、 その 素晴らしい もの について JMP、
あなた できる ただ する a バランス モデル、 それで あなた できる 行く で そして 置く で その バッチ
として a バランス 要素 の上 トップ の 持つ 要因 に 予測する その 平均。
A 得 あなた できる 明らかに 見る それ パッチ B、
もっている 大きい 分散 よりも A そして B そして 私たちは 必要 に 正しい のために それ。
それで どうやって する あなた 正しい のために それ で a モデル？
なぜなら I だろう のように 今 に 置く で ランダム 要因
しかし ない どこ モデル化された で ジャンプ する ない サポート ランダム 要因。
何 I する その代わり、 I ただ 行く 上 ここ そして I 保存 私の 分散 式。
それで 実は I 得る a カラム ここ、 どこ I 持っている 私の データ 差異。
それから I できる ただ する 加重 質問 と 逆 分散。
クラシック 方法 の 計量 いつ あなたは やっている リニア 回帰。
それで その とても 簡単 に 正しい のために それ パッチ B もっている より高い 分散
よりも A そして C、 ただ による やっている 加重 回帰
いる わかっている の それ、 それから I できる 始める 見ている する I 必要 に 変身 a データ？
あなた 知る あなた 持っている 戻る 滴 そして 情報 そして ジャンプ。
それで その とても 簡単、
ただ 作る 一つの ID それ 説明する その 組み合わせ の バッチ そして 位置。
それから あなた できる 見て で その 手順 変化 内で それぞれ グループ、
そして 引く これ 横切って、 そして あなた 意思 得る a モデル のように これ。
あなた できる 見る I 加重 それ なぜなら I 持っていた に 重さ それ。
に 正しい バッチ用 B として I 持っている で A そして C.
あなた できる それから 見る あなた 持っている いいえ 外れ値 そしてまた 箱 -コックス。
そこには いいえ 必要 のために 変換。
それで それは また 簡単に 正当化された 働く これ 方法。
それから 私は 準備ができて に 作る 私の モデル。
しかし いつ I 作る 私の モデル、 I 意思 置く で 私の バッチ として a ランダム 要素。
I かもしれない また 置く で 位置 回 バッチ として a ランダム 要素、
なぜなら それ すべき なれ ランダム なぜなら I だろう のように に 予測する 未来 バッチ。
それから そこには 実は 別の 予測、
なぜなら いつ あなた 置く で ランダム 要因 あなた は 仮定 その 影響
で 少しでも の上 平均 ゼロ そして その 通常 配布されます。
どうやって に 確認する これ または 正当化する これ？
良い ただ 行く そして 見て で BLUPs、 それは ただ a ランダム 要素。
あなた できる ただ 作る 彼ら の中へ a データ テーブル、 そして あなた できる する a ブルップ テスト の上 彼ら。
それは 何 I 持っている ここ。
ここ あなた できる 見る I 持っている 保存された 私のバッチ BLUPs そして 私の 交流 BLUPs、
そして I ただ 再 -モデル化 彼ら これらに。
I できる 見る これら バッチ 効果 できる 簡単に なれ 想定 通常 分散型
そして 実は その 同じ と その 交流 効果。
今 で a とても 短い 時間、 全て その センシティブ チェック あなた 必要、
に なれ できる に 正当化する それ あなた は 準備ができて のために 分析。
それで 今 I 持っている 私の モデル、 どれの 私は 準備ができて に 行く のために、
どこ I 持っている 置く で 私の 場所 で その ランダム要因、
そして 私の 合格 私の その他の要因。
今 I 意思 与える 私の 仕事 に ルイ、
誰が 表示されるようになりました どうやって に 行く の上 と その スクリプト の上 これ データ ファイル。
として パーの すでに 示されている、
ジャンプ すでに オファー a 多く の 機会 に 取引 と 多くの の その 問題
あなたは 直面している そして 検証、 のために 例、 TPQ バッチ。
いくつかの の その もの 彼 もっている 表示されている ここ は それ、
で 事実 ほとんど プロセス できない なれ 説明された による ただ 1つ
平均 そして 1つ 標準 偏差。
のために これ 私たちは 本当に のように その 州 モデル プラットフォーム、
どれの 許可する 私たち に する その通り これ による 含む システム メーカー のために 多くの
手段 そして または ランダム 要因 のために 多くの 差異。
それから 頻繁 私たちは 見る その データ 必要 変換。
ここ 私たちは すでに その フィット モデル プラットフォーム もっている その 箱- コックス 変換 許可する これ。
さらに、 データ セット ほとんど いつも 含む いくつかの 親切 の 外れ値。
のために これ 私たちは は すでに で その ミッドマーケット プラットフォーム、
また 持っている その 学生 タイプ 残留 プラス、
どれの は a 素晴らしい 方法 の 取引 外れ値あり。
それから で 症例 どこ 私たちは 見る a 足らない の 分散 から 初心者、
ジャンプ もっている また その ログ 分散 モデリング、 どれの 私たちは 使用 に 探す その 分散、
そして 変換する それ の中へ a 重さ で a 再帰 モデル。
それから 外- の- その- 箱 ジャンプ の コース また 持っている その 予測 間隔、
個人 自信 間隔 直接 から その フィット モデル。
そこには は また いくつかの の その 問題 私たちは 直面した どこ ジャンプ しなかった 取る 私たち 全て
その 方法 しかし した その 下地 ここ。
I 考える これ は 何 だった 実は 試して
に 住所 と 私たちの スクリプト として 良い、 作る それ 多くの より簡単に、
そして I 考える 1つ の その 主要な 理由 私たちは
持っている 発展した これ スクリプト は それ いつもの その 顧客 私たちは 見る それ これら
計算 そして 視覚化 だった やっている 頻繁 は 終わり による 人間 従業員。
それで いつでも 人間 は 関与した、
そこには は a 高い リスク の 人間 エラー として 良い。
これ は 何 私たちは は 試して に 戦い による 自動化 全て の これら 手順 後で
の上 来る から その 分析 そして また その 視覚化。
それから の コース、 ここ は その コントロール 間隔 で JMP、
どこ ジャンプ できる のみ ハンドル 1つ 平均 そして 1つ 分散 成分。
これ 意思 また 解決する で その スクリプト
から その フィット そして モデル プラットフォーム 使用して その 予測 フォルダ その代わり の その 平均。
それから 私たちは 使用 その 合計 分散
から その モデル 計算された から その 標準 エラー そして その 予測
式 そして その 標準 エラー の上 その 残差。
それから 私たちは また 頻繁 顔 顧客 誰が 好む 許容範囲 間隔 問題、
そして これ は 期限 に 彼らの 別 設定 の 両方 自信 そして 勇気。
しかし 簡単に 説明された、
ジャンプ できる のみ ハンドル 1つ 平均 そして 1つ 分散 成分 許容範囲 間隔。
それで で その スクリプト 私たちは また 計算する
許容範囲 間隔 から その フィット モデル プラットフォーム 使用して その 同じ 番号
の 効果的 度 の 自由 として 使用済み で 私たちの 予測 自体。
そして それから 最後に、
その スクリプト もっている また 含まれる その 計算 の 能力 価値観、
もっと 具体的には その KDP 価値観、 として 多くの 顧客 また 必要とする これら。
ここ 私たちは 計算する 彼ら 両方
と 自信 使用して その 予測 限界 として 一つの 入力 に その 計算。
それから 私たちは また 計算された 私たちの 自信 使用して その コントローラ 入力 計算。
それで ただ に 行く に その スクリプト。
私たちの スクリプト ここ、
として 私たちは 持っている 発展した パッケージ ほとんど の これら その後 手順、 後 やっている その 文
チェック の中へ a シングル パッケージ、 その スクリプト 自体 かかる 三つ 入力。
私たちは 持っている その オリジナル データ ファイル、
そして それから 私たちは 持っている その モデル ウィンドウ そして それから 私たちは 持っている a テンプレート 書類。
それで 何 私たちの スクリプト する は それ それ 実は フィード 情報 から その データ
ファイル そして その モダンな ウィンドウ、 の中へ その テンプレート 文書。
から その データ ファイル 私たちは 取る その メタデータ そして データ 自体、 そして から その モデル ウィンドウ
私たちは 取る モデル パラメータ そして モデル 結果 そして フィールド として 良い。
これ は また なぜ その 重要 に ストレス ここ それ その モデル
それ は 使用済み ここ として 一つの 入力 すべき なれ a 完了 終わり モデル。
これ 手段 それ あなた 持っている 終わり すでに
全て その 正気 チェック SPI ただ 紹介された 私たち に。
また あなた 持っている 終わり あなたの モデル 控除 そして その 正気 チェック 含まれるもの 何か
のように 外れ値 除外 そして データ 変換 として 良い。
1つ できた 主張する それ 私たちは できた する これ で その スクリプト として 良い、
従う いくつかの ハードコア 統計的 ルール。
しかし 私たちは また 考える それ これ は a とても 役に立つ 経験。
働く と その モデル ここ。
あなた 得る a 多くの より良い 洞察力 の中へ その データ、
そして あなた また 持っている に 適用する いくつかの プロセス 知識 ここ に 得る a より良い モデル。
それで その テンプレート 書類 で 自体、
私たちは 実は 使用 これ インスパイヤされた による その アプリ 機能性 そして ジャンプ。
私たちは 本当に のように いくつかの スクリプト どこ その ユーザー
または 各ユーザー できる 実は 交流する と その スクリプト 自体。
それで その テンプレート 書類 は 本質的に
a データ テーブル で ジャンプ どこ 私たちは 持っている いいえ データ で それ。
しかし、 私たちは 持っている 定義された a 多く の 列
と 定義済み 数式 参照 それぞれ 他の。
これ 許可する その ユーザー に 実は 行く で、
そして バックトラック 全て 私たちの 計算 を通して その 列 で これ テンプレート ファイル、
活用する その のために 例、 式 エディタ そして JMP、
そして 潜在的に 追加 新しい 列 もし 彼らは 欲しい に 見る 新しい 計算。
または 彼らは できる 編集 いくつかの の その 計算 私たちは は やっている で そこには として 良い。
さらに、 全て 視覚化 記述子 提供 その ユーザー
は また 実は 保存された として a テーブル スクリプト で その テンプレート 書類。
それで ユーザー できる ただ 行く で ここ そして 編集、 のために 例、 その レイアウト の 特定の グラフ
もし 彼らは 欲しい 新しい 色 または 何か のように これ。
I 考える 私たちは すべき 取る a 見て で どうやって それ 実は 見た目 で 現実。
私たちは 意思 ジャンプ の中へ ジャンプ ここ そして I 意思 ただ 探す その 同じ モデル
として あたり ただ 終了した のために 私たち。
私たちは は また 見ている で その ISPE 場合 として ピエール 示した、
そして I 意思 ただ 探す その 同じ モデル 彼 終了 上 と ここ。
今 それ 私たちは 持っている 私たちの モデル、 私たちは 持っている 終わり その 正気 チェック そして すべて、
私たちは 持っている 私たちの オリジナル データ ファイル 後ろに、 私たちは 単に 走る その スクリプト。
そして 私たちは 意思 必要 に 送信 それ に 三つ もの ここ。
初め の 全て、 私たちは 持っている テンプレート ファイル 今 満たされた と 全て その データ 私たちは 必要。
私たちは 見る その 二 グラフ だった 表示中 右 ここ。
それから 私たちは 持っている その PPK バッチ 与える 私たち a PPK のために それぞれ 位置 で その ブレンダー。
私たちは 持っている a 合計 の 15 上 ここ、
そして 私たちは 持っている その 普通 PPK ベース の上 コントロール 限界 で 青、
ベース の上 予測 限界 で 赤 そして ベース の上 許容範囲 限界 で 緑。
最後に 私たちは 持っていた その グラフ ここ。
これ グラフ ショー 私たち 部分的に 私たちの データ、
平行 と 全て その 限界 私たちは 持っている 計算された で その スクリプト。
はい、 そして 何 私たちは 見る ここ は で 事実 それ バッチ A そして バッチ C
は パフォーマンス 良い のために 全て 場所。
意味 それ もっている その 予測 限界、 そして 許容範囲 限界、 そして コントロール 限界
のために それ 案件 内部 その 仕様 のために 全て 場所。
しかし、
もし 私たちは 見て で バッチ B、
どこ 彼らは また 見つかった その 分散 に なれ 多くの 大きい よりも
その 二 他の バッチ、 私たちは 見る それ これ は で 事実 行く 外
仕様 の上 全て 場所 いつ 私たちは 見て で その 予測 限界、
ない 必然的に 両方 仕様、 しかし どちらか 下 より低い そして アッパー。
それで 私たちは 見る 多くの 顧客 ここ 実は ただ コンピューティング いくつかの 平均 限界、
横切って あ、 B そして C.
しかし 私たちは しない 見る それ として 一つの 機会 ここ なぜなら のために 私たち これ 伝える 私たち それ、
もし 未来 バッチ 振る舞う のように バッチ A または C、 私たちは は わかった。
私たちは できる 考慮する そして 言う それ 未来 または 観察 の 未来 バッチ、
意思 秋 内部 仕様。
しかし、 その 未来 バッチ 振る舞う のように バッチ B、
そして 私たちは できない 保証 それ 私たちは 意思 持っている
全て 観察 の 未来 バッチ 落ちる 内部 その 仕様 限界 ここ。
I 考える I だろう ただ また 使用 これ 時間 に 行く を通して 一つの 例 どこ 私たちは 実は
また 取る の中へ 考慮 その 全体 アプローチ そして それ 示した その フローチャート、
そして どうやって 私たちは だろう 実は する a PPQ 検証 使用して その スクリプト。
私たちは 持ってくる a お客様 例 ここ、 ただ 探す それ ここ、
そして これ は 影響を与える 顧客 誰が 持っている された を通して PPQ と その 検証
そして 彼らは 持っている 今 生産された 全て その バッチ。
それで 私たちは 意思 ただ 素早く 使用 a 地元 データ
フィルター に ただ 見て で その 三つ 初め バッチ 彼らは 生産された で ステージ 2.
ここ 私たちは 持っている 私たちの モデル、 そして 私たちは 走る その スクリプト。
何 私たちは 見る ここ は それ 私たちは 探す 私たち自身 で a 状況 どこ 私たちは 持っている
両方 予測 限界 そして 許容する 限界 外 大きい。
で 事実 彼らは は とても 遠い 外。
しかし その 最高 推測 決定した による その コントロール 制限 は で 事実、
それ 私たちは は 内部 仕様。
それで 何 これ 伝える 私たち は それ 私たちは 実は 感じる 安全 十分、
結論 それ 私たちは 持っている 合格した ステージ 2、 そして できる 今 行く の中へ ステージ 3a.
実は 有効にする 私たち による その お客様 に 置く 彼らの 製品 の上 その 市場。
その 重要 に ストレス ここ それ 平 けれど 私たちは 行く から ステージ2 に ステージ 3a、
私たちは する ない 減らす その [聞き取れない 00:23:22], そして生産 あなた 見る 私たちは 持っている。
私たちは は まだ かなり ある または 本当に ある 実は それ、
いいえ 悪い 製品 すべき 入力 その 市場。
それで 何 その お客様 だろう する 次 それから、 は 単に に 生産する その 次 バッチ、
どれの だろう なれ バッチ 4つ ここ 含まれる で その モデル、 そして それから 私たちは 走る それ また。
の コース あなた 意思 持っている に する その 正気 チェック の その モデル また、
含む その 新しい データ。
何 私たちは 見る ここ 今 含む その 4番目 バッジ、
は それ 私たちは は 実際には で その 同じ 状況 として 前に。
しかし、 両方 その 許容範囲 限界、 そして その 予測 限界、
は 動く 多くの より近い に その コントロール 制限、
そして 平 もっと 重要、 彼らは は 動く に向かって その スペック、
どれの は 何 私たちは 本当に 欲しい に 見る で これ 状況。
その 理由 これ は それ 私たちは 実は 注目 内で バッチ 変化 とても 良い。
しかし、 期限 に 持つ のみ 三つ または 4つ バッチ、
私たちは しない 知る その ツイン バッチ 変化 それ 意思...
これ は 何 実は 与える 私たち これら 4つ 制限。
これ だろう なれ 一つの 反復的な アプローチ、 生産 1つ バッチ、 分析する その 結果
そして 続く 行く の上 それまで あなた 実は 探す その 限界 内部。
今 ただ 含む その 二 最後 バッチ、 走る それ また。
何 私たちは 見る 今 実は は それ 私たちは 持っている 全て 私たちの 限界 内部 仕様。
これ 伝える 私たち それ 私たちは 今 持っている 合格した ステージ 3a、
そして 私たちは できる 今 仕事 に向かって 削減 私たちの 重い で 生産性、
による 実装 サンプリング その代わり の 100% 検査、
そして 連続 プロセス 検証 そして それで 前へ。
これ だった まだ 持つ 持っていた 私たちの 製品 の上 その 市場、
以来 その 初め 三つ バッチ 私たちは 生産されました。
で 一つの 画像 のように その グラフ 表示されている ここ、
あなた できた なれ 心配している それ あなたの 予測 限界 は これ 広い まだ。
その 憲章 限界 は とても 近い に スペック
それで もし あなた ただ 行く 戻る に その 状況 どこ 私たちは 持っている 三つ バッチ、
1つ 質問 ここ できた なれ、 "は 私たちは 実は 安全、
いつ 私たちは 持っている これ 広い 予測 限界は？
できた 私たちは 終わり 上 送信 悪い 製品 に その 市場？
ここ そこには は 二 とても 重要 ポイント。
初め の 全て、 で これ ステージ、 私たちは まだ 持っている a とても 重い ユニット で 製品 品質管理。
彼らは 意思 確保する 悪い 製品 する ない 行く に その 市場。
さらに、 私たちは 持っている に 覚えて ここ それ 私たちは は 実は ない 試して に 言う
何か について その 特定の バッチ 私たちは 生産されました。
私たちは は 試して に 言う 何か について 未来 バッチ。
もし 私たちは 欲しい に 評価 その パフォーマンス の これら 個人 バッチ あたり バッチ、
何 私たちは 実は 持っている に する は それ 私たちは 持っている に 行く 戻る に 私たちの モデル。
私たちは 行く に その モデル ダイアログ ここ、 そして 私たちは する ない 含む バッチ として a ランダム そして フィット。
私たちは 使用 これ として a 修理済み 空いている 環境 その代わり。
病気 ただ 適用する その 地元 データ フィルター、
そして それから もし 私たちは 走る その スクリプト のように これ、
私たちは 意思 実は 見る どうやって 良い 私たちは 知る その 個人 バッチ ここ。
ここ 私たちは 見る、 比較すると に その 他の グラフ、 どれの I 意思 ただ 試す に 置く 上 ここ、
私たちは 今 持っている 多くの、 多くの 狭い 限界 のために それぞれ 悪い バッチ、
伝える 私たち それ 私たちは しない 持っている に 恐れ それ どれでも 観察 内で どちらか
の これら バッチ は 実は 外 仕様。
それで その その 組み合わせ の これ、 そして その 重い で 製品 品質管理、
どれの 実は 作る 私たち 自信がある それ 私たちは できる 持っている その 三つ バッチ、
行く に その 市場 と その 製品、
として 長さ として 私たちの コントロール 限界 は まだ 内で 仕様。
はい。
それで ただ に 結論する の上 これ、 I 意思 行く ここ。
それで、 何 私たちは 持っている された 見ている で ここ は どうやって できる 私たちは 検証する、
どうやって できる その 内側 検証 使用 ジャンプ に 予測する その 未来 バッチ 意思 なれ わかった？
それで 私たちは 持っている 見た ここ それ、
もし あなた できる 説明する あなたの 検証 データ セット と a モデル、
あなた できる 実は 予測する その 未来 と 自信。
これ できる なれ 終わり どちらか による 使用して その 予測 間隔、
または その 許容範囲 間隔。
それで 何 私たちは 持っている 作った ここ そして 以上 ここ、 は a スクリプト、
それ 実は 自動化する 視覚化 の 予測 間隔
そして また その KDP 価値観。
それ 計算する そして 視覚化する 許容範囲 間隔 使用して その 同じ 番号
の 効果的 度 の 自由 として 見た いつ 計算する その 予測 間隔。
それから それ また 計算する そして 視覚化する その コントロール 制限。
しかし それ は 重要 に 覚えて 前に 使用して その スクリプト、
あなた 持っている に 行く を通して その 文 その チェック は 表現しました。
しかし ここ ジャンプ すでに オファー a 多く
の 個性的 可能性 に 正当化する 私たちの 仮定 後ろに その モデル。
これ 含まれるもの 分散 異質性。
それで もし 差異 は ない 等しい 間 その バッチ として 私たちは 見た ここ、
私たちは できる 使用 その ログ 分散 モデル に 探す a 重さ 要素、
そして これ 重さ 要因、私 作った a 加重 進行 モデル その代わり。
私たちは できる 確保する それ 私たちの 残差 は 通常 分散型、
そして もし 彼らは' 再 ない、 私たちは できる 使用 その ボックスコックス 変換 に 変身 私たちの データ。
私たちは できる、 を通して その フィット モデル プラットフォーム また 評価する 潜在的に 外れ値
を通して その 学生 プラグ。
もし そこには は どれでも 外れ値、
私たちは いつも 除外する これ から その モデル 自体。
それから で 最後 私たちは できる 実は 正当化する かどうか または ない 私たちの ランダム 要因
は 通常 分散型 を通して BLUP テスト。
A 得、 もし 私たちは 探す a レベル ここ どれの する ない マッチ、
私たちは 意思 聞く のために その 外れ値 そして その 学生化された 残留、
除外する これら から その モデル として 良い。
あなた。
