| Oratore |
Trascrizione |
| tabacco |
La modernizzazione della piattaforma di distribuzione. Mi chiamo Tonya Mauldin e sono la collaudatrice della distribuzione. |
| |
Per questa presentazione utilizzerò la versione 15.2 di JMP. |
| |
La distribuzione è una delle piattaforme più utilizzate in JMP. Questa piattaforma non viene utilizzata solo per testare la distribuzione più adatta ai dati, ma anche per l'esplorazione dei dati, l'analisi delle capacità e molto altro ancora. JMP 15 apporta una modernizzazione a questa piattaforma ampiamente utilizzata. |
| |
Perché abbiamo deciso di aggiornare questa piattaforma? La distribuzione esiste fin dalla prima versione di JMP. Era giunto il momento di rendere questa piattaforma più moderna. Lo abbiamo fatto migliorando il flusso, fornendo un aspetto più pulito, |
| |
rendendo il prodotto più coerente e più facile da manutenere. |
| |
La distribuzione dei fitter ora utilizza lo stesso codice della regressione generalizzata. L'analisi della capacità ora utilizza lo stesso codice della capacità di processo. |
| |
la distribuzione binomiale negativa che è equivalente alla gamma di Poisson, |
| |
la distribuzione di Cauchy, la distribuzione di Poisson gonfiata a zero e la distribuzione binomiale negativa ZI. |
| |
Gli adattamenti Johnson sono ora costituiti da un singolo comando che seleziona la distribuzione più adatta dal sistema di distribuzione Johnson. |
| |
Si tratta dello stesso metodo, il quantile matching, utilizzato nella piattaforma di capacità di processo. |
| |
Questo metodo è più stabile e veloce della massima verosimiglianza. |
| |
Ora gli utenti hanno la possibilità di digitare il parametro di larghezza di banda specifico per ciascuna curva di adattamento uniforme. |
| |
Sono stati aggiunti errori standard per la distribuzione SHASH. |
| |
Usiamo JMP per analizzarne alcuni. |
| |
I ritardi delle compagnie aeree fanno parte dei dati campione forniti con JMP. |
| |
Eseguiamo un'analisi della distribuzione sulla colonna Arrival Delay e adattiamo una distribuzione di Johnson. |
| |
Si noti che, anziché visualizzare i tre diversi fitter di Johnson, è disponibile un'opzione chiamata fit Johnson. Dopo aver scelto questa opzione, vediamo che la distribuzione Johnson SU che meglio si adatta a questi dati è la distribuzione Johnson SU. |
| |
Aggiungiamo anche una curva di adattamento uniforme a questo report. |
| |
Prima di JMP 15, l'unico modo per controllare il parametro di larghezza di banda per la densità non parametrica era tramite un cursore. |
| |
Ora è disponibile un'opzione per specificare un valore specifico per il parametro della larghezza di banda all'interno dell'interfaccia utente e tramite JSL. |
| |
Oltre a confrontare... oltre a modificare i fitter stessi, JMP ha modificato il modo in cui vengono effettuati i confronti di adattamento. Ogni volta che viene selezionato un fit, questo viene aggiunto a un report di confronto delle distribuzioni. |
| |
Nelle versioni precedenti di JMP si otteneva un report di confronto delle distribuzioni solo quando si utilizzava l'opzione Tutto in caso di adattamenti continui. |
| |
Il peso AICc e BIC sono stati aggiunti a questo report per renderlo più coerente con altre piattaforme in JMP. |
| |
La legenda dell'istogramma è stata rimossa dal report. Queste informazioni sono ora contenute nel report di confronto delle distribuzioni, che appare sempre direttamente sotto l'istogramma. |
| |
Sono stati aggiunti al report anche grafici CDF sovrapposti. |
| |
Diamo un'occhiata ad alcuni di questi in JMP. |
| |
Questa tabella dati Rondelle è fornita nei dati di esempio forniti con JMP. |
| |
Eseguiamo un'analisi della distribuzione sulla colonna #defective. |
| |
Poiché si tratta di dati di conteggio, adattiamo il binomiale negativo. Questo è un nuovo fitter per JMP 15. È equivalente al fit di Poisson gamma. |
| |
Il report di confronto delle distribuzioni è stato aggiunto automaticamente. |
| |
Proviamo anche ad adattare la distribuzione binomiale negativa ZI per vedere come si confronta. |
| |
Ricordate che il binomiale negativo gonfiato a zero era anche un nuovo adattamento disponibile in JMP 15. |
| |
Informazioni su questa corrispondenza sono state aggiunte anche al report di confronto delle distribuzioni. |
| |
Noterete anche alcune modifiche all'interno del report di confronto della distribuzione. |
| |
A questo rapporto sono stati aggiunti il criterio di informazione AICc corretto e ponderato, il criterio di informazione Akaike e il criterio di informazione bayesiano BIC. |
| |
Queste statistiche erano già disponibili in altre parti di JMP, come il confronto tra modelli. Ora sono state aggiunte alla piattaforma di distribuzione per rendere JMP più coerente. |
| |
Si noti che il report di confronto delle distribuzioni appare sempre direttamente sotto l'istogramma. |
| |
Ciò ci ha consentito di rimuovere la legenda che in precedenza appariva sotto gli istogrammi. |
| |
Queste informazioni sono ora contenute nei report di confronto delle distribuzioni. |
| |
Abbiamo scoperto che la linea verde è per l'adattamento binomiale negativo, la linea blu è per l'adattamento binomiale negativo ZI. |
| |
Anche i grafici CDF sono cambiati. Man mano che si aggiungono dati di adattamento, i grafici CDF per le distribuzioni adattate vengono sovrapposti ai grafici CDF empirici. |
| |
Osserviamo che sia la linea verde che quella blu seguono da vicino le CDF empiriche per questo esempio. |
| |
L'istogramma mostra che le linee verde e blu seguono da vicino i dati. In un report di confronto delle distribuzioni, |
| |
La distribuzione binomiale negativa appare per prima perché ha un valore di a AICc più piccolo, indicando un adattamento migliore. Se volessimo usare Ic, anziché AICc, come criterio di adattamento ottimale, possiamo semplicemente cliccare sull'intestazione di quella colonna per eseguire l'ordinamento su quella colonna. |
| |
Una cosa utile, ma che potrebbe non essere ovvia, è che è possibile rimuovere completamente un fit dalla finestra del report facendo doppio clic sul nome del fit nella sezione "Confronta distribuzione". In questo caso, ho fatto doppio clic sulla zi binomiale negativa per rimuoverla dal report. |
| |
Grafici QQ e PP. Il grafico quantile-quantile mostra la relazione tra le osservazioni e i quantili ottenuti utilizzando i parametri stimati. |
| |
Il grafico percentile-percentile mostra la relazione tra la funzione di distribuzione cumulativa empirica e le CDF adattate ottenute utilizzando i parametri stimati. |
| |
Sono stati aggiunti due profiler. Il profiler di distribuzione è il profiler di previsione della funzione di distribuzione cumulativa. |
| |
Il profiler quantile è il profiler di previsione della funzione quantile. |
| |
salva la formula di distribuzione e salva la formula di simulazione. |
| |
I test di bontà di adattamento sono stati standardizzati per utilizzare i test Anderson-Darling e Pearson chi-quadrato. Il test chi-quadrato di Pearson ha migliorato le creazioni di ???. A partire dalla versione 15 di JMP, ora soddisfiamo la regola empirica secondo cui ci sono almeno cinque osservazioni attese in ogni ???. |
| |
Diamo un'occhiata ad alcuni di questi in JMP. Dal report Washers precedente, selezioniamo il grafico QQ e il grafico PP. |
| |
Per ciascuno di questi grafici, vogliamo vedere quanto i punti siano vicini alla linea di riferimento. Più i punti sono vicini alla linea di riferimento, migliore è l'adattamento. |
| |
Aggiungere i profiler di distribuzione e quantile al report. |
| |
Se i dati seguono la distribuzione binomiale negativa, la probabilità di avere quattro o meno difetti è dell'84%. |
| |
Come con altri profiler in JMP, è possibile modificare le impostazioni di input per vedere quale effetto avranno sulla probabilità. |
| |
Il profiler dei quantili funziona in modo simile, mostrando la relazione tra la probabilità e il quantile binomiale negativo. |
| |
Un'altra nuova opzione è la formula di simulazione del salvataggio. |
| |
Questa opzione salva una nuova colonna nella tabella dati contenente una formula che genera valori simulati utilizzando i parametri stimati. |
| |
Questa colonna può essere utilizzata nell'utilità di simulazione e in altre parti di JMP. |
| |
Sebbene stiamo trattando dati discreti, aggiungiamo la distribuzione esponenziale al report in modo da poter visualizzare il report sulla bontà di adattamento. |
| |
Dall'istogramma si può notare che la distribuzione esponenziale potrebbe non adattarsi bene a questi dati. Per verificare questa ipotesi, selezionare la bontà di adattamento. |
| |
Il test di Anderson-Darling è ??? per distribuzione continua. Qui abbiamo un p-value simulato inferiore a 0,05, il che indica che dovremmo rifiutare l'ipotesi nulla che questi dati provengano dalla distribuzione esponenziale. |
| |
La funzionalità Process Capability è stata introdotta nella versione 12 di JMP. Contemporaneamente, parti di questa nuova piattaforma sono state aggiunte al generatore di grafici di controllo. |
| |
Ora, con JMP 15, parti di questa piattaforma sono state aggiunte alla piattaforma di distribuzione. Questo non solo semplifica la manutenzione delle piattaforme, ma le rende anche più coerenti tra loro. |
| |
Ci sono diverse differenze che si verificano quando si lancia un report di distribuzione. |
| |
L'istogramma mostra solo i limiti delle specifiche, se nelle proprietà della colonna dei limiti delle specifiche è selezionata l'opzione "Mostra come linee di riferimento del grafico". |
| |
All'utente viene data la possibilità di disattivare l'analisi delle capacità, anche se sono presenti proprietà della colonna dei limiti delle specifiche. |
| |
Se è presente una proprietà della colonna di distribuzione della capacità del processo, tale distribuzione verrà utilizzata per l'analisi della capacità. |
| |
Il flusso di lavoro per l'opzione quantili per le distribuzioni adattate è stato semplificato in un unico avvio, mentre le versioni precedenti richiedevano due chiamate alla piattaforma. |
| |
Le analisi delle capacità normali e non normali ora utilizzano dialoghi simili. |
| |
Diamo un'occhiata a JMP. Lo script che sto eseguendo apre la tabella dei dati campione delle misurazioni del processo e modifica alcune proprietà delle colonne. |
| |
Per il Processo 1, esiste una proprietà della colonna dei limiti delle specifiche, mostrata come linee di riferimento del grafico, che non è selezionata. |
| |
Per il Processo 2, la proprietà della colonna "limite di specifica", visualizzata come linee di riferimento del grafico, è selezionata. Per il Processo 3, è presente una proprietà della colonna "distribuzione della capacità di processo" con Weibull definito, così come la proprietà della colonna "limiti di specifica", visualizzata come linee di riferimento del grafico deselezionata. |
| |
Nel dialogo di distribuzione assegnerò questi tre processi come Y. |
| |
Notare la nuova casella di controllo nell'angolo in basso a sinistra, "Crea capacità di processo". Questa casella di controllo appare solo se almeno una colonna Y ha una proprietà "Colonne con limite di specifiche". |
| |
Deseleziona questa casella e fai clic su OK. |
| |
Nelle versioni precedenti di JMP, si otteneva un'analisi della capacità per ciascuno di questi tre processi. Inoltre, in ciascuno dei tre istogrammi venivano visualizzati i limiti di specifica. |
| |
In questo report non viene fornita alcuna analisi di capacità perché abbiamo deselezionato quella casella. I limiti di specifica sono mostrati solo per il Processo 2 perché era l'unico Y la cui proprietà della colonna dei limiti di specifica era selezionata per mostrare le linee di riferimento del grafico. |
| |
Torniamo al dialogo di distribuzione e selezioniamo la casella Crea capacità di processo per effettuare un confronto. |
| |
L'analisi della capacità è ora disponibile per tutte e tre le variabili di processo. |
| |
Nell'istogramma principale in alto, i limiti delle specifiche sono mostrati solo per il Processo 2. |
| |
L'analisi della capacità per il Processo 3 si basa sulla distribuzione di Weibull. |
| |
Il report sulle capacità ha lo stesso aspetto. Offre le stesse opzioni dei report dettagliati individuali in una piattaforma di capacità di processo introdotta in JMP 12. |
| |
Si noti che l'etichettatura Ppk è ora quella predefinita per il sigma complessivo. |
| |
Il report mostra sia gli indici sigma interni che quelli complessivi quando si assume una distribuzione normale. |
| |
Esaminiamo il caso in cui la tabella dati non ha proprietà di colonna con limiti di specifica. Thickness.JMP è la tabella dati di esempio senza proprietà di colonna. |
| |
Nella finestra di dialogo di distribuzione, si noti che non è presente alcuna casella di controllo per la capacità del processo creativo. Questo perché non sono presenti proprietà di colonna per i limiti di specifica. |
| |
Esaminiamo il rapporto di distribuzione per Spessore 3 e Spessore 4. |
| |
Possiamo aggiungere un report sulla capacità del processo per Spessore 3 selezionando questa opzione dal menu del triangolo rosso. |
| |
Queste opzioni funzionano nello stesso modo delle opzioni che troveresti nella nostra piattaforma di capacità di processo introdotta in JMP 12. |
| |
Eseguiamo una semplice analisi di capacità e definiamo LSL come 0,03, target 0,045 e USL 0,05. Attiviamo anche la visualizzazione dei limiti. |
| |
Per i limiti di specifica viene fornita un'analisi di capacità basata sulla distribuzione normale. I limiti sono mostrati nel grafico perché abbiamo selezionato questa opzione nella finestra di dialogo. |
| |
Ti vengono fornite statistiche sulle capacità sigma sia interne che generali. |
| |
Per lo spessore 4, adattiamo una distribuzione beta. |
| |
La capacità di processo per la distribuzione adattata produce le seguenti opzioni di dialogo. |
| |
La sezione delle opzioni per calcolare i limiti delle specifiche dei quantili di questa finestra di dialogo contiene l'opzione quantili e le opzioni imposta k per k sigma che erano disponibili nei precedenti adattatori. |
| |
Per questo esempio, specificare la probabilità LSL come .05, la probabilità di destinazione come .5, |
| |
E la USL probabilmente è .95. |
| |
Quando clicchiamo sul pulsante Calcola limite di specifica, i limiti di specifica vengono calcolati per le probabilità fornite utilizzando la distribuzione beta adattata. |
| |
Nelle versioni precedenti di JMP, era necessario adattare una distribuzione, ottenere i quantili e ritrasmetterli alla piattaforma, il che richiedeva due chiamate alla distribuzione. Ora è possibile farlo con un'unica chiamata. |
| |
L'analisi delle capacità fornita si basa sulla distribuzione beta. Vengono fornite le statistiche generali sulle capacità sigma. I limiti delle specifiche non vengono mostrati nell'istogramma superiore perché non abbiamo selezionato l'opzione "Mostra limiti" nella finestra di dialogo. |
| |
In conclusione, la piattaforma di distribuzione nella versione 15 è stata modernizzata per migliorare il flusso, offrire un aspetto più pulito, garantire coerenza e richiedere meno manutenzione. |
| |
Grazie per aver partecipato alla mia presentazione sulla modernizzazione della piattaforma di distribuzione. |
