758526_ja-JP

liliconcom

流通プラットフォームの近代化（2020-US-30MP-536）

SAS 主席アナリティクスソフトウェアテスター、Tonya Mauldin 氏

分布はJMPで最も広く使用されているプラ​​ットフォームの一つです。JMPの初代バージョンから搭載されており、データ探索、工程能力分析、そしてもちろん、どの分布がデータに適合するかの検証など、あらゆる用途に役立ちます。バージョン15では、最新の分布プラットフォームが導入されています。この講演では、JMPバージョン15における分布プラットフォームの変更点について説明します。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
タバコ	配信プラットフォームの近代化。私はTonya Mauldinです。配信テスターを務めています。
	このプレゼンテーションでは、JMP バージョン 15.2 を使用します。
	分布は、JMPで最も広く使用されているプラ​​ットフォームの一つです。このプラットフォームは、データに適合する分布のテストだけでなく、データ探索、工程能力分析など、様々な用途に活用されています。JMP 15では、この広く使用されているプラ​​ットフォームが最新化されています。
	なぜこのプラットフォームをアップデートすることにしたのでしょうか？JMPの最初のバージョンから、配布機能は存在していました。このプラットフォームをより現代的なものにする時期が来たのです。そこで、フローの改善、より洗練された外観の提供、そして
	製品の一貫性が高まり、メンテナンスが容易になります。
	適合度分布は一般化回帰と同じコードを使用するようになりました。また、工程能力分析は工程能力分析と同じコードを使用するようになりました。
	ガンマポアソン分布に相当する負の二項分布、
	コーシー分布、ゼロ膨張ポアソン分布、ZI 負の二項分布。
	ジョンソン フィットは、ジョンソン分布システムから最も適合する分布を選択する単一のコマンドになりました。
	これは、プロセス能力プラットフォームで使用される方法 (分位点マッチング) と同じです。
	この方法は、最大尤度法よりも安定しており、高速です。
	ユーザーは、滑らかな曲線フィッティングのために、それぞれに特定の帯域幅パラメータを入力できるようになりました。
	SHASH ディストリビューションに標準エラーが追加されました。
	JMP を使用してこれらのいくつかを調査してみましょう。
	航空会社の遅延は、JMP に付属するサンプル データの一部です。
	列「到着遅延」に対して分布分析を実行し、ジョンソン分布を当てはめてみましょう。
	3つの異なるジョンソンフィッターではなく、「ジョンソンにフィット」というオプションが1つあることに注目してください。このオプションを選択すると、このデータに最も適合するジョンソン分布族はジョンソンSU分布であることがわかります。
	このレポートに滑らかな曲線フィットも追加しましょう。
	JMP 15 より前は、非パラメトリック密度の帯域幅パラメータを制御する唯一の方法は、スライダーを使用することでした。
	現在では、ユーザー インターフェイス内および JSL 経由で帯域幅パラメータの特定の値を指定するオプションがあります。
	比較に加えて…フィッター自体の変更に加え、JMPでは適合度の比較方法も変更されました。適合度を選択すると、分布の比較レポートに追加されます。
	以前のバージョンの JMP では、連続適合で [すべて] オプションを使用した場合にのみ、分布の比較レポートが表示されました。
	JMP の他のプラットフォームとの一貫性を高めるために、AICc 重みと BIC がこのレポートに追加されました。
	ヒストグラムの凡例はレポートから削除されました。この情報は、ヒストグラムのすぐ下に表示される分布比較レポートに含まれるようになりました。
	さらに、オーバーレイされた CDF プロットがレポートに追加されました。
	JMP でこれらのいくつかを見てみましょう。
	このデータ テーブル「Washers」は、JMP に付属するサンプル データで提供されています。
	#defective 列の分布分析を実行してみましょう。
	これはカウントデータなので、負の二項分布を当てはめてみましょう。これはJMP 15の新しいフィッターで、ガンマポアソン分布の当てはめに相当します。
	分布の比較レポートが自動的に追加されました。
	ZI 負の二項分布にも当てはめて、比較してみましょう。
	ゼロ膨張負の二項分布も、JMP 15 で利用できる新しいフィッターであったことを思い出してください。
	この適合に関する情報も、分布の比較レポートに追加されました。
	比較分布レポート自体にもいくつかの変更が見られます。
	このレポートには、AICc 重み補正および重み付け、赤池情報量基準、および BIC ベイズ情報量基準が追加されました。
	これらの統計情報は、モデル比較など、JMPの他の機能で既に利用可能でした。JMPの一貫性を高めるため、配布プラットフォームにも追加されました。
	分布の比較レポートは常にヒストグラムのすぐ下に表示されることに注意してください。
	これにより、以前はヒストグラムの下に表示されていた凡例を削除できるようになりました。
	この情報は、分布の比較レポートに含まれるようになりました。
	緑の線は負の二項近似、青の線は ZI 負の二項近似であることがわかります。
	CDFプロットも変更されました。フィッティングが追加されると、フィッティングされた分布のCDFが経験的CDFに重ね合わせて表示されます。
	この例では、緑と青の両方の線が経験的 CDF に密接に従っていることがわかります。
	ヒストグラムでは、緑と青の線がデータに沿っていることがわかります。分布比較レポートでは、
	負の二項分布はAICc値が小さいため、最初に表示されます。これは、より適合度が高いことを示しています。適合度の基準としてAICc値ではなくIc値を使用したい場合は、その列ヘッダーをクリックするだけで、その列でソートできます。
	便利ではあるものの、あまり知られていない機能として、分布比較セクションのフィット名をダブルクリックすることで、レポートウィンドウからフィットを完全に削除できることが挙げられます。ここでは、ZI負の二項分布をダブルクリックしてレポートから削除しました。
	QQプロットとPPプロット。分位点-分位点プロットは、観測値と推定パラメータを用いて得られた分位点との関係を示します。
	パーセンタイル-パーセンタイル プロットは、経験累積分布関数と推定パラメータを使用して取得された近似 CDF との関係を示します。
	2つのプロファイラーが追加されました。分布プロファイラーは累積分布関数の予測プロファイラーです。
	変位値プロファイラーは、変位値関数の予測プロファイラーです。
	配布式を保存し、シミュレーション式を保存します。
	適合度検定は、アンダーソン・ダーリング検定とピアソンのカイ二乗検定を使用するように標準化されました。ピアソンのカイ二乗検定により、???の作成が改善されました。JMPバージョン15以降では、各???に少なくとも5つの期待観測​​値が存在するという経験則を満たすようになりました。
	JMPでいくつか見てみましょう。先ほど作成した洗濯機のレポートから、QQプロットとPPプロットを選択します。
	これらのプロットそれぞれにおいて、点が基準線にどれだけ近いかを確認します。点が基準線に近いほど、適合度が高くなります。
	分布プロファイラーと分位プロファイラーをレポートに追加します。
	データが負の二項分布に従う場合、不良品が 4 個以下になる確率は 84% です。
	JMP の他のプロファイラーと同様に、入力設定を変更して、それが確率にどのような影響を与えるかを確認できます。
	分位プロファイラーも同様に動作し、確率と負の二項分位数の関係を表示します。
	もう 1 つの新しいオプションは、シミュレーション式の保存です。
	このオプションは、推定されたパラメータを使用してシミュレートされた値を生成する数式を含む新しい列をデータ テーブルに保存します。
	この列は、シミュレート ユーティリティだけでなく、JMP の他の部分でも使用できます。
	離散データを扱っていますが、適合度レポートを表示できるように指数分布をレポートに追加しましょう。
	ヒストグラムから、指数分布はこのデータにはあまり適合しない可能性があることがわかります。この仮説を検証するには、「適合度」を選択してください。
	アンダーソン・ダーリング検定は連続分布に対して???です。ここではp値が0.05未満とシミュレートされており、このデータが指数分布から得られたという帰無仮説を棄却すべきであることを示しています。
	工程能力は JMP バージョン 12 で導入されました。この新しいプラットフォームの一部は、同時に管理図ビルダーに追加されました。
	JMP 15では、このプラットフォームの一部が配布プラットフォームに追加されました。これにより、プラットフォームのメンテナンスが容易になるだけでなく、プラットフォーム間の整合性も向上します。
	配布レポートの公開にあたり、いくつかの違いが生じます。
	仕様限界列のプロパティで「グラフ参照線として表示」がチェックされている場合、ヒストグラムには仕様限界のみが表示されます。
	仕様限界列プロパティが存在する場合でも、ユーザーは能力分析を無効にすることができます。
	プロセス能力分布列プロパティがある場合、その分布が能力分析に使用されます。
	適合分布の分位数オプションのワークフローは 1 回の起動に簡素化されましたが、以前のバージョンでは 2 回のプラットフォーム呼び出しが必要でした。
	正規および非正規の能力分析では、同様のダイアログが使用されるようになりました。
	JMPを見てみましょう。実行しているスクリプトは、プロセス測定サンプルデータテーブルを開き、いくつかの列プロパティを変更します。
	プロセス 1 には、グラフ参照線として表示する仕様制限列プロパティがありますが、チェックされていません。
	プロセス2では、仕様限界列プロパティの「グラフ参照線として表示」がチェックされています。プロセス3では、工程能力分布列プロパティにワイブル分布が定義されており、仕様限界列プロパティの「グラフ参照線として表示」がチェックされていません。
	配布ダイアログで、これらの 3 つのプロセスを Y として割り当てます。
	左下隅に新しいチェックボックス「工程能力を作成」が追加されました。このチェックボックスは、少なくとも1つのY列に仕様限界列プロパティが設定されている場合にのみ表示されます。
	このボックスのチェックを外して、「OK」をクリックします。
	以前のバージョンのJMPでは、これら3つの工程それぞれについて工程能力分析が行われ、さらに3つのヒストグラムそれぞれに仕様限界が描画されていました。
	このレポートでは、該当のチェックボックスをオフにしたため、工程能力分析は全く表示されません。工程2の仕様限界は、工程2のYのみに表示されます。これは、工程2のYだけが「グラフ参照線として表示」のチェックボックスをオンにしていたためです。
	配布ダイアログに戻り、ボックスをチェックして、プロセス能力を作成して比較してみましょう。
	能力分析は現在、3 つのプロセス変数すべてに対して行われています。
	上部のメインのヒストグラムでは、プロセス 2 の仕様限界のみが表示されます。
	プロセス 3 の能力分析は、ワイブル分布に基づいています。
	能力レポートの見た目は変わりません。JMP 12で導入された工程能力プラットフォームの個別詳細レポートと同じオプションが用意されています。
	Ppk ラベル付けが全体のシグマのデフォルトになったことに注意してください。
	このレポートには、正規分布を仮定した場合の内部シグマ指数と全体シグマ指数の両方が表示されます。
	データテーブルに仕様限界の列プロパティがない場合を調べてみましょう。Thickness.JMPは、列プロパティのないサンプルデータテーブルです。
	分布ダイアログで、創造的工程能力のチェックボックスがないことに注意してください。これは、仕様限界列のプロパティがないためです。
	厚さ 3 と厚さ 4 の分布レポートを調べてみましょう。
	赤い三角形のメニューからこのオプションを選択すると、厚さ 3 のプロセス能力レポートを追加できます。
	これらのオプションは、JMP 12 で導入されたプロセス能力プラットフォームのオプションと同じように機能します。
	簡単な工程能力分析を実行し、LSLを.03、目標値を.045、USLを.05と定義します。また、限界値の表示もオンにします。
	規格限界については、正規分布に基づく工程能力分析が示されています。ダイアログでそのオプションにチェックを入れたため、グラフに限界が表示されています。
	シグマ機能内および全体の両方の統計が提供されます。
	厚さ 4 の場合は、ベータ分布を当てはめてみましょう。
	適合分布のプロセス能力では、次のダイアログ オプションが生成されます。
	このダイアログの「分位点仕様限界の計算オプション」セクションには、従来のフィッターで使用可能だった分位点オプションと k シグマの k の設定オプションが含まれています。
	この例では、LSL確率を.05、ターゲット確率を.5に指定します。
	USL 確率は .95 です。
	仕様限界の計算ボタンをクリックすると、適合されたベータ分布を使用して、指定された確率の仕様限界が計算されます。
	以前のバージョンのJMPでは、分布を当てはめ、分位点を取得し、それをプラットフォームに返す必要があり、分布関数の呼び出しを2回行う必要がありました。今回のバージョンでは、これを1回の呼び出しで実行できます。
	提供されている工程能力分析はベータ分布に基づいています。全体的なシグマ工程能力統計が提供されています。ダイアログで限界値の表示オプションをチェックしなかったため、上部のヒストグラムには仕様限界値が表示されていません。
	結論として、バージョン 15 の配布プラットフォームは、フローの改善、よりクリーンな外観の提供、一貫性の提供、メンテナンスの必要性の低減を目的として近代化されました。
	配信プラットフォームの近代化に関する私のプレゼンテーションにご参加いただきありがとうございます。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査データのブレンドとクリーンアップデータの探索と可視化予測モデリングと機械学習品質およびプロセスエンジニアリング