758526_de-DE

liliconcom

Modernisierung der Vertriebsplattform (2020-US-30MP-536)

Tonya Mauldin, Principal Analytics Software Tester, SAS

Die Verteilung ist eine der am häufigsten verwendeten Plattformen in JMP. Sie existiert seit der ersten Version von JMP. Sie ist für alle möglichen Zwecke nützlich, darunter Datenexploration, Fähigkeitsanalysen – und natürlich zum Testen, welche Verteilung zu Ihren Daten passt. Version 15 führt eine modernisierte Verteilungsplattform ein. Dieser Vortrag bespricht die Änderungen an der Verteilungsplattform in Version 15 von JMP.

Automatisch generiertes Transkript ...

Lautsprecher	Transkript
Tabak	Die Modernisierung der Vertriebsplattform. Mein Name ist Tonya Mauldin und ich bin die Testerin für den Vertrieb.
	Für diese Präsentation verwende ich Version 15.2 von JMP.
	Die Verteilung ist eine der am häufigsten verwendeten Plattformen in JMP. Diese Plattform dient nicht nur zum Testen der passenden Verteilung für Ihre Daten, sondern auch zur Datenexploration, Fähigkeitsanalyse und vielem mehr. JMP 15 modernisiert diese häufig verwendete Plattform.
	Warum haben wir uns für die Aktualisierung dieser Plattform entschieden? Die Distribution gibt es bereits seit der ersten Version von JMP. Es war an der Zeit, diese Plattform moderner zu gestalten. Wir haben dies erreicht, indem wir den Ablauf verbessert und für ein klareres Erscheinungsbild gesorgt haben.
	Dadurch wird das Produkt konsistenter und leichter zu warten.
	Die Verteilung der Monteure verwendet jetzt denselben Code wie die verallgemeinerte Regression. Die Fähigkeitsanalyse verwendet jetzt denselben Code wie die Prozessfähigkeit.
	die negative Binomialverteilung, die der Gamma-Poisson-Verteilung entspricht,
	die Cauchy-Verteilung, die Null-aufgeblähte Poisson-Verteilung und die ZI-negative Binomialverteilung.
	Johnson-Anpassungen bestehen jetzt aus einem einzigen Befehl, der die am besten passende Verteilung aus dem Johnson-Verteilungssystem auswählt.
	Dabei handelt es sich um dieselbe Methode, das Quantil-Matching, das auch in der Prozessfähigkeitsplattform verwendet wird.
	Diese Methode ist stabiler und schneller als die Maximum-Likelihood-Methode.
	Benutzer haben jetzt die Möglichkeit, für die glatte Kurvenanpassung jeweils den spezifischen Bandbreitenparameter einzugeben.
	Für die SHASH-Verteilung wurden Standardfehler hinzugefügt.
	Lassen Sie uns einige davon mithilfe von JMP untersuchen.
	„Airlines Delays“ ist Teil der Beispieldaten, die mit JMP geliefert werden.
	Führen wir eine Verteilungsanalyse für die Spalte „Ankunftsverzögerung“ durch und passen eine Johnson-Verteilung an.
	Beachten Sie, dass anstelle der drei verschiedenen Johnson-Anpasser die Option „Fit Johnson“ angezeigt wird. Nach Auswahl dieser Option sehen wir, dass die beste Anpassung aus der Johnson-Verteilungsfamilie für diese Daten die Johnson-SU-Verteilung ist.
	Fügen wir diesem Bericht auch eine glatte Kurvenanpassung hinzu.
	Vor JMP 15 war die einzige Möglichkeit, den Bandbreitenparameter für die nichtparametrische Dichte zu steuern, ein Schieberegler.
	Jetzt gibt es eine Option, einen bestimmten Wert für den Bandbreitenparameter innerhalb der Benutzeroberfläche sowie über JSL anzugeben.
	Zusätzlich zum Vergleichen... zusätzlich zur Änderung der Fitter selbst hat JMP die Art und Weise geändert, wie Fit-Vergleiche durchgeführt werden. Bei der Auswahl jedes Fits wird dieser einem Bericht zum Vergleich der Verteilungen hinzugefügt.
	In früheren Versionen von JMP erhielten Sie nur dann einen Bericht zum Vergleichen von Verteilungen, wenn Sie unter kontinuierlichen Anpassungen die Option „Alle“ verwendeten.
	AICc-Gewicht und BIC wurden diesem Bericht hinzugefügt, um ihn mit anderen Plattformen in JMP konsistenter zu machen.
	Die Histogrammlegende wurde aus dem Bericht entfernt. Diese Informationen sind jetzt im Bericht zum Vergleich von Verteilungen enthalten, der immer direkt unter dem Histogramm angezeigt wird.
	Zusätzlich wurden dem Bericht überlagerte CDF-Diagramme hinzugefügt.
	Sehen wir uns einige davon in JMP an.
	Diese Datentabelle „Unterlegscheiben“ ist in den Beispieldaten enthalten, die mit JMP geliefert werden.
	Lassen Sie uns eine Verteilungsanalyse für die Spalte #defekt durchführen.
	Da es sich um Zähldaten handelt, passen wir die negative Binomialverteilung an. Dies ist ein neuer Fitter für JMP 15. Er entspricht der Gamma-Poisson-Anpassung.
	Der Bericht zum Vergleichen von Verteilungen wurde automatisch hinzugefügt.
	Passen wir auch die negative Binomialverteilung ZI an, um zu sehen, wie sie im Vergleich abschneidet.
	Denken Sie daran, dass das Null-aufgeblähte negative Binomial auch ein neuer Fitter war, der in JMP 15 verfügbar war.
	Informationen zu dieser Anpassung wurden auch dem Bericht zum Vergleich der Verteilungen hinzugefügt.
	Sie werden auch einige Änderungen im Vergleichsverteilungsbericht selbst bemerken.
	Diesem Bericht wurden das gewichtskorrigierte und gewichtete AICc-Informationskriterium, das Akaike-Informationskriterium und das bayessche BIC-Informationskriterium hinzugefügt.
	Diese Statistiken waren bereits in anderen Teilen von JMP verfügbar, beispielsweise im Modellvergleich. Sie wurden nun der Distributionsplattform hinzugefügt, um JMP konsistenter zu machen.
	Beachten Sie, dass der Bericht zum Vergleichen von Verteilungen immer direkt unter dem Histogramm angezeigt wird.
	Dadurch konnten wir die Legende entfernen, die zuvor unter den Histogrammen angezeigt wurde.
	Diese Informationen sind jetzt in den Berichten zum Vergleichen von Verteilungen enthalten.
	Wir stellen fest, dass die grüne Linie für die negative Binomialanpassung steht und die blaue Linie für die negative Binomialanpassung von ZI.
	Auch die CDF-Diagramme haben sich geändert. Beim Hinzufügen von Anpassungen werden die CDFs der angepassten Verteilungen den empirischen CDFs überlagert.
	Wir sehen, dass sowohl die grüne als auch die blaue Linie den empirischen CDFs für dieses Beispiel genau folgten.
	Das Histogramm zeigt, dass die grünen und blauen Linien den Daten genau folgen. In einem Bericht zum Vergleich der Verteilungen
	Die negative Binomialverteilung wird zuerst angezeigt, da sie einen kleineren AICc-Wert aufweist, was auf eine bessere Anpassung hinweist. Wenn wir den Ic-Wert anstelle des AICc-Werts als Kriterium für die beste Anpassung verwenden möchten, können wir einfach auf die Spaltenüberschrift klicken, um die Sortierung für diese Spalte durchzuführen.
	Hilfreich, aber möglicherweise nicht offensichtlich, ist die Möglichkeit, eine Anpassung vollständig aus dem Berichtsfenster zu entfernen, indem Sie im Abschnitt „Verteilung vergleichen“ auf den Anpassungsnamen doppelklicken. Hier habe ich auf „ZI negativ binomial“ doppelgeklickt, um es aus dem Bericht zu entfernen.
	QQ- und PP-Diagramme. Das Quantil-Quantil-Diagramm zeigt die Beziehung zwischen den Beobachtungen und den mithilfe der geschätzten Parameter ermittelten Quantilen.
	Das Perzentil-Perzentil-Diagramm zeigt die Beziehung zwischen der empirischen kumulativen Verteilungsfunktion und den angepassten CDFs, die unter Verwendung der geschätzten Parameter erhalten wurden.
	Es wurden zwei Profiler hinzugefügt. Der Verteilungsprofiler ist der Vorhersageprofiler der kumulativen Verteilungsfunktion.
	Der Quantilprofiler ist der Vorhersageprofiler der Quantilfunktion.
	Verteilungsformel speichern und Simulationsformel speichern.
	Die Anpassungstests wurden auf Anderson-Darling und Pearson Chi-Quadrat standardisiert. Der Pearson Chi-Quadrat-Test hat die Erstellung von ??? verbessert. Ab Version 15 in JMP erfüllen wir nun die Faustregel, dass in jedem ??? mindestens fünf Beobachtungen erwartet werden.
	Sehen wir uns einige davon in JMP an. Wählen Sie im vorherigen Washers-Bericht das QQ-Diagramm und das PP-Diagramm aus.
	Für jedes dieser Diagramme prüfen wir, wie nahe die Punkte an der Referenzlinie liegen. Je näher die Punkte an der Referenzlinie liegen, desto besser ist die Anpassung.
	Fügen Sie dem Bericht die Verteilungs- und Quantilprofiler hinzu.
	Wenn die Daten der negativen Binomialverteilung folgen, beträgt die Wahrscheinlichkeit, dass vier oder weniger fehlerhafte Daten vorliegen, 84 %.
	Wie bei anderen Profilern in JMP können Sie die Eingabeeinstellungen ändern, um zu sehen, welche Auswirkungen dies auf die Wahrscheinlichkeit hat.
	Auf ähnliche Weise funktioniert der Quantilprofiler, der die Beziehung zwischen der Wahrscheinlichkeit und dem negativen Binomialquantil zeigt.
	Eine weitere neue Option ist die Formel zur Speicherung der Simulation.
	Diese Option speichert eine neue Spalte in der Datentabelle, die eine Formel enthält, die mithilfe der geschätzten Parameter simulierte Werte generiert.
	Diese Spalte kann im Simulationsprogramm sowie in anderen Teilen von JMP verwendet werden.
	Obwohl wir es mit diskreten Daten zu tun haben, fügen wir dem Bericht die Exponentialverteilung hinzu, damit wir den Bericht zur Anpassungsgüte anzeigen können.
	Sie können dem Histogramm entnehmen, dass die Exponentialverteilung möglicherweise nicht gut zu diesen Daten passt. Um diese Hypothese zu testen, wählen Sie „Anpassungsgüte“.
	Der Anderson-Darling-Test ist ??? für eine kontinuierliche Verteilung. Hier liegt ein simulierter p-Wert von weniger als 0,05 vor, was bedeutet, dass wir die Nullhypothese, dass diese Daten aus der Exponentialverteilung stammen, ablehnen sollten.
	Die Prozessfähigkeit wurde in JMP Version 12 eingeführt. Teile dieser neuen Plattform wurden gleichzeitig zum Kontrollkarten-Generator hinzugefügt.
	Mit JMP 15 wurden nun Teile dieser Plattform zur Distributionsplattform hinzugefügt. Dadurch sind die Plattformen nicht nur einfacher zu warten, sondern auch konsistenter untereinander.
	Beim Start eines Verteilungsberichts treten mehrere Unterschiede auf.
	Das Histogramm zeigt nur Spezifikationsgrenzen an, wenn in den Eigenschaften der Spalte „Spezifikationsgrenzen“ die Option „Als Referenzlinien des Diagramms anzeigen“ aktiviert ist.
	Der Benutzer hat die Möglichkeit, die Fähigkeitsanalyse zu deaktivieren, auch wenn es Eigenschaften für die Spalte „Spezifikationsgrenze“ gibt.
	Wenn eine Spalteneigenschaft für die Prozessfähigkeitsverteilung vorhanden ist, wird diese Verteilung für die Fähigkeitsanalyse verwendet.
	Der Arbeitsablauf für die Quantiloption für angepasste Verteilungen wurde auf einen Start vereinfacht, während frühere Versionen zwei Plattformaufrufe erforderten.
	Normale und nicht normale Fähigkeitsanalysen verwenden jetzt ähnliche Dialoge.
	Schauen wir uns JMP an. Das von mir ausgeführte Skript öffnet die Beispieldatentabelle mit den Prozessmessungen und ändert einige Spalteneigenschaften.
	Für Prozess 1 gibt es eine Spalteneigenschaft für Spezifikationsgrenzen, die als Referenzlinien des Diagramms angezeigt wird und nicht aktiviert ist.
	Für Prozess 2 ist die Spalteneigenschaft „Spezifikationsgrenzen“ aktiviert, die als Referenzlinien im Diagramm angezeigt wird. Für Prozess 3 ist die Spalteneigenschaft „Prozessfähigkeitsverteilung“ mit definiertem Weibull sowie die Spalteneigenschaft „Spezifikationsgrenzen“ deaktiviert, wobei die Option „Als Referenzlinien im Diagramm anzeigen“ deaktiviert ist.
	Im Verteilungsdialog werde ich diese drei Prozesse als Y zuordnen.
	Beachten Sie das neue Kontrollkästchen in der unteren linken Ecke „Prozessfähigkeit erstellen“. Dieses Kontrollkästchen wird nur angezeigt, wenn mindestens eine Y-Spalte über die Eigenschaft „Spalten mit Spezifikationsgrenzen“ verfügt.
	Deaktivieren Sie dieses Kontrollkästchen und klicken Sie auf „OK“.
	In früheren Versionen von JMP erhielten Sie für jeden dieser drei Prozesse eine Fähigkeitsanalyse. Darüber hinaus wurden in jedem der drei Histogramme Spezifikationsgrenzen eingezeichnet.
	In diesem Bericht wird überhaupt keine Fähigkeitsanalyse bereitgestellt, da wir dieses Kontrollkästchen deaktiviert haben. Spezifikationsgrenzen werden nur für Prozess 2 angezeigt, da dies der einzige Y-Prozess war, bei dem die Spalteneigenschaft „Als Diagrammreferenzlinien anzeigen“ aktiviert war.
	Kehren wir zum Verteilungsdialog zurück und aktivieren zum Vergleichen das Kontrollkästchen „Prozessfähigkeit erstellen“.
	Die Fähigkeitsanalyse wird nun für alle drei Prozessvariablen durchgeführt.
	Im Haupthistogramm oben werden Spezifikationsgrenzen nur für Prozess 2 angezeigt.
	Die Fähigkeitsanalyse für Prozess 3 basiert auf der Weibull-Verteilung.
	Der Fähigkeitsbericht sieht unverändert aus. Er bietet dieselben Optionen wie die einzelnen Detailberichte einer Prozessfähigkeitsplattform, die in JMP 12 eingeführt wurde.
	Beachten Sie, dass die Ppk-Beschriftung jetzt die Standardeinstellung für das Gesamt-Sigma ist.
	Der Bericht zeigt sowohl die internen als auch die gesamten Sigma-Indizes, wenn eine Normalverteilung angenommen wird.
	Untersuchen wir den Fall, in dem die Datentabelle keine Spalteneigenschaften mit Spezifikationsgrenzen aufweist. Thickness.JMP ist die Beispieldatentabelle ohne Spalteneigenschaften.
	Beachten Sie, dass im Verteilungsdialog kein Kontrollkästchen für die Fähigkeit zum kreativen Prozess vorhanden ist. Dies liegt daran, dass es keine Eigenschaften für die Spalte „Spezifikationslimit“ gibt.
	Lassen Sie uns den Verteilungsbericht für Dicke 3 und Dicke 4 untersuchen.
	Wir können einen Prozessfähigkeitsbericht für Dicke 3 hinzufügen, indem wir diese Option aus dem roten Dreieckmenü auswählen.
	Diese Optionen funktionieren auf die gleiche Weise wie die Optionen, die Sie in unserer in JMP 12 eingeführten Prozessfähigkeitsplattform finden.
	Führen wir eine einfache Fähigkeitsanalyse durch und definieren LSL als .03, Ziel ist .045 und USL ist .05. Aktivieren wir außerdem die Anzeige von Grenzwerten.
	Für die Spezifikationsgrenzen wird eine Fähigkeitsanalyse basierend auf der Normalverteilung bereitgestellt. Die Grenzen werden im Diagramm angezeigt, da wir diese Option im Dialog aktiviert haben.
	Sie erhalten Statistiken zu den Sigma-Fähigkeiten innerhalb und insgesamt.
	Passen wir für Dicke 4 eine Beta-Verteilung an.
	Die Prozessfähigkeit für die angepasste Verteilung ergibt die folgenden Dialogoptionen.
	Der Abschnitt „Optionen zum Berechnen von Quantilspezifikationsgrenzen“ dieses Dialogs enthält die Option „Quantile“ und die Optionen „k für k-Sigma festlegen“, die in den Legacy-Fittern verfügbar waren.
	Geben Sie für dieses Beispiel die LSL-Wahrscheinlichkeit als .05 und die Zielwahrscheinlichkeit als .5 an.
	Und die USL liegt wahrscheinlich bei 0,95.
	Wenn wir auf die Schaltfläche „Spezifikationsgrenze berechnen“ klicken, werden die Spezifikationsgrenzen für die gegebenen Wahrscheinlichkeiten mithilfe der angepassten Betaverteilung berechnet.
	In früheren Versionen von JMP mussten Sie eine Verteilung anpassen, die Quantile abrufen und diese an die Plattform zurückgeben, wofür zwei Verteilungsaufrufe erforderlich waren. Jetzt können Sie dies in einem einzigen Aufruf erledigen.
	Die angegebene Fähigkeitsanalyse basiert auf der Beta-Verteilung. Sie erhalten die Gesamtstatistik der Sigma-Fähigkeiten. Spezifikationsgrenzen werden im oberen Histogramm nicht angezeigt, da wir die Option „Grenzen anzeigen“ im Dialog nicht aktiviert haben.
	Zusammenfassend lässt sich sagen, dass die Vertriebsplattform in Version 15 modernisiert wurde, um den Ablauf zu verbessern, ein saubereres Erscheinungsbild zu bieten, Konsistenz zu gewährleisten und weniger Wartung zu erfordern.
	Vielen Dank für Ihren Besuch meiner Präsentation zur Modernisierung der Vertriebsplattform.

Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungKonsumenten- und MarktforschungDatenzusammenführung und -bereinigungDatenexploration und -visualisierungPrädiktive Modellierung und maschinelles LernenQualitäts- und Prozesstechnik