D'accord. Bonjour.
Merci pour le bon introduction.
Aujourd'hui I vouloir à présent ensemble avec Stéphane Vincent depuis LRE Médical
une œuvre nous avons fait dans le dernier année sur contrôle cartographie cinétique
et autre temps- dépendant mesures.
Alors pourquoi est que important à présent?
Donc dans cas toi avoir a temps- dépendant courbes
et le courbes eux-mêmes sont important pour le qualité de ton produit,
donc c'est souvent très dur à définir n'importe lequel gentil de spécification.
Et dans notre cas ici,
ces courbes étaient évalué par spécialistes.
Donc chaque mesures était envoyé à a spécialiste,
regardé à le courbe, dit, "Oui, d'accord, ou pas d'accord."
Ce est joli temps- consommant et compassion et donc sur.
Et sur haut de que, c'est même mauvais quand le personne est malade ou dans vacances.
Aussi c'est a personne- dépendant chose.
Donc souvent il ça arrive que le personne
a différent humeurs ou différent obligation
ou différent priorités et donc sur.
Donc allons dire le ajustement de le courbe peut varier a petit peu.
Donc c'est gentil de reproductibilité problème
Et nous recherché à arrêt que.
Donc que était le raison pourquoi nous commencé avec il.
Donc pour exemple, ici toi voir a sélection depuis des centaines de ces courbes nous mesuré.
Et toi voir ici c'est a pression holding mesures.
Donc nous avoir ici pression contre temps dans secondes.
Et ici toi voir a bouquet de courbes.
Et le vert ceux, toi voir ils sont appelé vrai.
Ce moyens vrai est accepté, ils sont bien.
Et FAUX moyens rejeté, ils sont pas bien.
Donc là est a mauvais produit.
Donc quoi toi voir ici que le vert ceux sont relativement lié ensemble.
Ici dans ce mise en évidence capture d'écran, toi voir mieux.
Donc ils sont joli fermer ensemble.
Et alors nous avoir a sélection de rouge ceux
lequel sont soit à part depuis le vert ceux,
mais là sont aussi deux ceux lequel sont plus ou moins dans le même régime.
Mais comme toi voir, ils avoir complètement différent formes.
Là sont quelques bords et autre en forme de S courbes et donc sur et à suivre.
Donc si il serait faire juste a simple t trois sigma limite ±
autour le bien ceux, pour exemple, comme dans le supérieur cas ici,
nous serait inclure aussi le non bon rouge ceux ici depuis le inférieur image.
Donc a simple ± trois Sigma limite
approche autour ce série de courbes serait pas être cible menant.
Donc nous besoin quelque chose lequel comprend le position
lequel est fait ici avec le basique monument.
Mais aussi nous vouloir à avoir quelque chose lequel prend soins à propos le forme
de ces fonctions, de ces groupes,
Comment à analyser le formes et postes?
Donc là sont en fait deux approches.
Un est joli long- connu déjà.
Ce est le principal composant analyse.
C'est le d'abord un.
Et dans plus récent fois JMP est venu en haut avec
a fonctionnel données explorateur lequel aussi donne nous le possibilité à faire le même.
Mais comme nous avoir vu, il était pas vraiment le même, donc il était différent.
Donc allons commencer avec le vieux approche, principal composant analyse
Pour faire donc, toi besoin à transformer le long tableau I juste montrer toi
dans le suivant image ici sur le gauche côté,
a long tableau où toi avoir colonnes
avec le partie nombre, pour exemple, avec le test date.
Mais aussi et ce est le important partie
de le durée d'exécution et le pression et ce pour chaque valeur.
Et toi voir ici, ce est dans secondes.
Donc nous mesuré chaque quelques millisecondes.
Et comme toi voir aussi, il est joli dur que pour le suivant partie
c'est exactement le même série de Nombres ici,
exactement le même temps quand nous avoir le suivant pression indiquer.
Et ce est en fait nécessaire quand toi vouloir
à faire un directeur composant analyse parce que toi avoir à transformer
ce long tableau dans a large tableau où toi avoir un rangée par partie
et alors toi avoir le blanc tableau
où tu avoir pour chaque temps fente et alors le données points.
Et alors nous besoin à faire maintenant est, d'abord de tous,
nous besoin à apporter tous ces durées d'exécution sur le même échelle.
Ici, nous avoir fait que par juste calculateur
le le plus long temps comme 100% et le le plus court est zéro.
Et alors nous avoir chaque Nombres depuis millisecond secondes
transféré dans ce pour cent échelle.
Alors nous interpolé parce que toujours ils étaient pas sur le même temps fente en fait.
Donc nous avait à apporter tous le Y Nombres sur le même temps indiquer.
Ce moyens nous besoin à faire a gentil
de interpolation à avoir eux tous sur le même.
Et alors quand nous avoir que,
donc nous créé a nouveau colonne avec le standard relatif fois.
J'ai juste vu eux dans le exemple dans le suivant glisser, donc 00001 et donc sur.
Et alors nous transposer eux dans ce blanc formulaire.
Et depuis là sur, alors nous pourrait faire le principal composant analyse,
économie le imprimable composants et calculer le T carrés depuis eux
et construire le contrôle graphiques depuis ces T carrés valeurs.
Donc ici toi voir c'est le fente 0%, 1%, 2% et donc sur.
Et ici sont le pression valeurs.
Dans a parallèle parcelle, il apparence gentil de comme ce.
Donc nous avoir ici le différent machines à sous ici sur le X- axe
et le pression est toujours le même Nombres comme avant.
Et toi voir que le courbes sont regarder joli beaucoup le même comme avant.
Mais maintenant nous avoir à propos 100 données points et avant nous avait des milliers.
Donc c'est le densité de le points sont a petit moins, mais toujours le courbes
et le formes et le postes et tout sont le même comme avant.
Et nous prendre maintenant ce blanc tableau
et sur tous ces différent temps machines à sous,
nous faire a principe composant analyse.
Alors nous trouver ici ce tableau d'affichage pour il.
Quoi toi déjà voir ici est que dans le milieu partie, nous avoir ici
tous le vert points et le vert ceux, comme toi voir ici sont le accepté ceux
ou le bien parties entouré par le rouge points,
le rejeté ceux, le FAUX ceux.
Et comme toi voir aussi dans ce exemple ici nous peut rester avec deux principal composants
parce que le d'abord principal composants couvertures déjà 98% de le variation
dans le deuxième un, 2% et le autre ceux toi peut négligence.
Donc I pense c'est bien assez à sauvegarder juste le d'abord deux principe composants.
Et alors depuis ces deux principal composants, nous calculé le T carrés.
Ce moyens Équerre en T est principal composant,
un quadrillé plus principal composants.
Deux carrés serait être alors le T au carré ici
pour ce données indiquer.
Calculateur ce un .
Donc pour chaque données indiquer nous calculé,
ce T carré et apporter il sur a contrôle graphique
Ici, vous voyez le contrôle limites calculé seulement depuis le bien,
depuis le vert points, depuis le bien court, depuis le bien courbe.
Donc toi voir il vers le bas ici depuis le mobile gamme.
Donc ce moyens, d'accord. Ce contrôlant, il représente le normale naturel variation,
quoi nous attendre depuis le bien ceux.
Et tous le non- bien ceux, le rouge ceux
devrait être à l'extérieur de ce régime ici.
Et toi voir c'est surtout fait,
mais pas pour ces deux points ici pour partie nombre 14 et partie nombre 15.
Donc ils sont à l'intérieur le contrôle limite.
Mais que est pas quoi nous vouloir à voir.
Donc d'abord de tous nous avoir à comprendre quoi sont ces deux.
Donc si toi avoir a regarder sur le photo suivante,
alors et souligner juste ces deux, 14 et 15, alors nous voir,
"Ah, d'accord." T ces sont le ceux ici
lequel sont vraiment dans le régime de le vert ceux.
Le autre ceux lequel sont plus loin à part depuis il, ils sont facilement exclu
ou non exclus, mais allons dire distingué
ici avec ce contrôle tir.
Mais ces parties étaient pas.
Donc quoi nous savant depuis ici, que est le principal composant approche
comme nous avoir fait il ici ou avoir fait il dans ancien fois,
là est Non information à propos le forme de le courbe.
C'est plus information à propos le position où il est sur ce Y échelle ici.
Donc nous besoin quelque chose autre lequel prend soins à propos le forme de ce courbe.
Donc quand nous testé le FDE, le Fonction Données Explorateur,
et le d'abord bien nouvelles est toi peut juste prendre le long tableau comme est.
Donc il y a Non besoin pour données transformation
ou apportant le différent temps points sur le même fente nombre ou peu importe.
Donc toi juste prendre le brut données comme ils sont.
Peut-être toi volonté exclure quelques réel valeurs aberrantes où il y a le machine
a donné faux Nombres ou peu importe.
Mais tous le autre truc toi peut juste prendre comme est
et parfois peut-être toi ne le faites pas vouloir à faire il sur le transformation ou quelque chose comme ça.
C'est pas vraiment nécessaire.
Et dans ce cas, nous avoir juste pris le brut données comme ils sont.
Donc départ faire un FDE sur ce,
nous voir ici encore notre pression temps courbe comme nous avons vu eux avant.
Mais maintenant toi voir ces bleu verticales ici
et ces bleu verticales représenter le nombre de nœuds.
Donc quoi est a noeud?
Donc ici nous sont convenable a spline courbe.
Et le spline courbe est, allons dire si toi prendre a règle
et alors toi vouloir à faire il un peu plus flexible
à plier il sur tous ces différent courbes
ou, disons, à ajuster il le meilleur chemin à le données.
Et le plus, pas ce règle a le plus flexible il est.
Et donc le mieux toi peut ajuster tous ces différent points.
Ici, nous utilisé ces 20 nœuds chose.
Donc ces sont 20 verticales ici et ici avec le basique information critère,
toi voir que nous obtenir sur tous différent fonctions.
Nous obtenir le le plus petit BIC.
Et juste avoir un optique contrôle sur ce,
toi voir sur le inférieur gauche, tous le données points séparés
pour tous le différent courbes ici et avec a rouge doubler sur haut de il
représentant le spline courbe lequel nous équipé.
Il n'a pas matière si le courbe est joli direct
comme ici ou a plus bords ou peu importe,
c'est parfaitement aligné.
Donc juste optiquement, il apparence très bien.
Et toi peut aussi vérifier que avec le diagnostique parcelles.
Pour exemple, ici ce aveugle courbe,
le prédit valeurs sont affiché contre le réel ceux.
Et toi voir ils sont parfaitement aligné autour ces 45 degré doubler ici.
Et aussi le résidus, le ceux sont gauche et droite ici
depuis ce prédiction doubler, ils sont joli petit,
donc il y a pas a parcelle de erreur gauche, lequel est pas représenté par ce nu.
Donc le ajuster apparence vraiment, vraiment excellent.
Donc nous avoir pas prise le paramètres pour ce diviser,
Désolé pour le spline et a fait a fonctionnel FDE.
Eh bien, je suis complètement confus aujourd'hui.
Et nous a fait a principal composant analyse sur ces.
Donc nous séparé le valeurs propres,
lequel est le pesée facteurs, et le propre fonctions
pour chaque de ces courbes.
Ensuite, nous peut afficher eux sur a tableau d'affichage.
Ici le valeurs propres pour chaque de ces courbes.
Et toi voir ici,
encore avec le BIC crédit critère,
toi voir comment beaucoup Nombres de fonctionnel principe
composants toi devrait de manière optimale utiliser.
Et toi voir est le minimum avec deux.
Donc nous est resté avec deux encore comme le un avant.
Et maintenant nous avoir ce score conseil,
et il apparence joli beaucoup le même comme le un avant.
Nous avoir ici le centre partie, le vert de le courbes, lequel sont bien,
entouré par le rouge ceux, lequel sont rejeté depuis le spécialiste.
Et maintenant nous enregistré tous ces fonctionnel impressions
et composants et construit a Équerre en T parcelle sur il.
Et ici encore, le même image, le carré.
Si nous prendre tous le données points
à calculer le contrôle limites, d'accord, alors en plus ces deux, tout
est partie est dans contrôle.
Mais ce est en fait pas quoi nous vouloir à avoir.
Donc nous vouloir à comprendre quoi est le normale variation de le bien ceux
à différencier eux depuis le variation de le non- bien ceux.
Et donc vers le bas ici sur le deuxième parcelle ici, nous calculé le contrôle limites
seulement depuis le bien ceux.
Et alors toi voir, d'accord, presque tous rouge courbes sont dehors.
Étaient dehors de contrôle. Mais là sont deux.
Donc le nombre 14 et le nombre deux ici sont encore directement sur le limite.
Mais tous le autres sont clairement séparé.
Donc allons avoir a regarder sur le deux et 14 lequel courbes ces sont.
Et alors nous voir ici. Ah, d'accord.
Donc ils sont vraiment différent depuis le rouge ceux-là, c'est clair.
Mais aussi gentil de différent depuis le majorité de le vert ceux.
Donc le nombre deux, lequel est défini comme être vrai est le un
avec a plus raide pente ici comparé à tous le autre vert ceux ici.
Et le nombre 14 est ce gars ici,
lequel est plus ou moins sur le supérieur fin de le régime de le légumes verts.
Donc évidemment, ce petit différences ici dans le forme est pas
fort assez à viens en haut vraiment dans ce statistique calcul.
Mais nous pourrait vraiment exclure ici ce mec ici
depuis le autres avec a fort bord ici.
Et peut-être ce un si le expert serait avoir a regarder sur ceci
deuxième temps ou peut-être il serait
avoir rejeté il parce que c'est aussi raide a pente ou peu importe.
Donc ces sont frontière garniture, I serait dire dans les deux cas ici
avec le statistique approche mais aussi, I deviner avec le manuel approche.
Mais nous pourrait clairement détecter nombre 15, lequel est le un ici dans le milieu,
comme être a non- normale comportement avec ce outil.
Donc toi voir, le FDE a aussi quelques limites.
Mais dans l'ensemble, dans ajout à le standard PCA approche,
il vient en haut avec ces forme information de le courbes.
Et ce est aussi partie de distinguer dans a contrôle graphique
si un courbe ou a mesures est normalement variable ou est il pas normale plus.
À conclure ces des choses, le standard PCA approche combiné
avec le Équerre en T analyse ou contrôle graphique
est bien pour détection le position de le courbe
et distinguer eux depuis courbes lequel sont pas dans ce régime.
Mais comme nous avoir vu, c'est manquant si le forme de le courbe est de importance.
Et avec le FDE approche, encore, combiné avec le Équerre en T analyse,
d'abord de tous, il besoins beaucoup, beaucoup, beaucoup un moins démarrer préparation.
Mais sur haut de que, c'est bien pour vérification le position comme le au-dessus de,
mais aussi parce que il a forme information de le courbes.
Il est aussi y compris que dans le bien non bon compréhension.
Dans notre travail, nous arrêté à ce indiquer,
mais principalement, toi peut construire a gentil de automatique.
Si toi utiliser ces courbes ou ces principal composants
et le information de bien et mauvais, toi peut automatiser le bien et mauvais.
Mais si toi avoir a modèle derrière lequel prédit toi,
alors quoi toi volonté voir.
Mais nous n'ont pas fait que.
Nous arrêté ici sur le Équerre en T graphique à comprendre
le variation et qu'est-ce que variable plus que normale variation.
Remercier toi très beaucoup pour ton attention.
Et si toi avoir questions, Je suis ouvrir à répondre eux maintenant.
Remercier toi.
