Va bene. Ciao.
Grazie per IL Carino introduzione.
Oggi I Volere A presente insieme con Stefano Vincenzo da LRE Medico
un lavoro noi abbiamo Fatto In IL scorso anno SU controllare creazione di grafici cinetico
E altro tempo- dipendente misurazioni.
Allora perché? È Quello importante A presente?
COSÌ In caso Voi Avere a tempo- dipendente curve
E IL curve loro stessi Sono importante per IL qualità Di tuo prodotto,
COSÌ suo Spesso molto difficile A definire Qualunque Tipo Di specifica.
E dentro Nostro caso Qui,
questi curve erano valutato di specialisti.
COSÌ ogni misurazione era inviato A a specialista,
guardato A IL curva, disse, "SÌ, Va bene, O non Va bene."
Questo È bello tempo- consumando E compassione E COSÌ SU.
E SU superiore Di Quello, suo Anche Cattivo Quando IL persona È malato O In vacanza.
Anche suo a persona- dipendente cosa.
COSÌ Spesso Esso succede Quello IL persona
ha diverso stati d'animo O diverso obbligo
O diverso priorità E COSÌ SU.
COSÌ andiamo Dire IL aggiustamento Di IL curva Maggio variare a poco morso.
COSÌ suo Tipo Di riproducibilità problema
E Noi ricercato A fermare Quello.
COSÌ Quello era IL motivo Perché Noi iniziato con Esso.
COSÌ per esempio, Qui Voi Vedere a selezione da centinaia Di questi curve Noi misurato.
E Voi Vedere Qui suo a pressione presa misurazione.
COSÌ Noi Avere Qui pressione contro tempo In secondi.
E Qui Voi Vedere a grappolo Di curve.
E IL verde quelli, Voi Vedere Essi Sono chiamato VERO.
Questo significa VERO È accettato, Essi Sono Bene.
E falso significa respinto, Essi Sono non Bene.
COSÌ Là È a Cattivo prodotto.
COSÌ Che cosa Voi Vedere Qui Quello IL verde quelli Sono relativamente legato insieme.
Qui In Questo evidenziando schermata, Voi Vedere Meglio.
COSÌ loro sono bello vicino insieme.
E Poi Noi Avere a selezione Di rosso quelli
Quale Sono O a parte da IL verde quelli,
Ma Là Sono Anche due quelli Quale Sono Di più O meno In IL Stesso regime.
Ma COME Voi Vedere, Essi Avere completamente diverso forme.
Là Sono Alcuni bordi E altro a forma di S curve E COSÌ SU E avanti.
COSÌ Se Esso volevo Fare Appena a semplice t tre-sigma limite ±
in giro IL Bene quelli, per esempio, COME In IL superiore caso Qui,
Noi volevo includere Anche IL non buono rosso quelli Qui da IL inferiore immagine.
COSÌ a semplice ± tre Sigma limite
approccio in giro Questo serie Di curve volevo non Essere bersaglio primo.
COSÌ Noi Bisogno qualcosa Quale include IL posizione
Quale È Fatto Qui con IL di base monumento.
Ma Anche Noi Volere A Avere qualcosa Quale prende cura Di IL forma
Di questi funzioni, Di questi gruppi,
Come A analizzare IL forme E posizioni?
COSÌ Là Sono In realtà due approcci.
Uno È bello lungo- conosciuto Già.
Questo È IL principale componente analisi.
Questo è IL Primo uno.
E In Di più recente volte JMP venni su con
a funzionale dati esploratore Quale Anche dà noi IL possibilità A Fare IL Stesso.
Ma COME Noi Avere visto, Esso era non Veramente IL Stesso, COSÌ Esso era diverso.
COSÌ andiamo inizio con IL vecchio approccio, principale componente analisi
Per facendo COSÌ, Voi Bisogno A trasformare IL lungo tabella I Appena spettacolo Voi
In IL Prossimo immagine Qui SU IL Sinistra lato,
a lungo tavolo Dove Voi Avere colonne
con IL parte numero, per esempio, con il test data.
Ma Anche E Questo È IL importante parte
Di IL tempo di esecuzione E IL pressione E Questo per ogni valore.
E Voi Vedere Qui, Questo È In secondi.
COSÌ Noi misurato ogni Alcuni millisecondi.
E COME Voi Vedere Anche, Esso È bello difficile Quello per IL Prossimo parte
suo esattamente IL Stesso serie Di numeri Qui,
esattamente IL Stesso tempo Quando Noi Avere IL Prossimo pressione punto.
E Questo È In realtà necessario Quando Voi Volere
A Fare un preside componente analisi Perché Voi Avere A trasformare
Questo lungo tavolo in a Largo tavolo Dove Voi Avere uno riga per parte
E Poi Voi Avere IL bianco tavolo
dove tu Avere per ogni tempo fessura E Poi IL dati punti.
E allora Noi Bisogno A Fare Ora È, Primo Di Tutto,
Noi Bisogno A Portare Tutto questi tempi di esecuzione SU IL Stesso scala.
Qui, Noi Avere Fatto Quello di Appena calcolo
IL più lungo tempo COME 100% E IL il più corto È zero.
E Poi Noi Avere ogni numeri da millisecondo secondi
trasferito in Questo per cento scala.
Poi Noi interpolato Perché Ancora Essi erano non SU IL Stesso tempo fessura In realtà.
COSÌ Noi avevo A Portare Tutto IL Y numeri SU IL Stesso tempo punto.
Questo significa Noi Bisogno A Fare a Tipo
Di interpolazione A Avere loro Tutto SU IL Stesso.
E Poi Quando Noi Avere Quello,
COSÌ Noi creato a nuovo colonna con IL standard relativo volte.
Io ho Appena visto loro In IL esempio In IL Prossimo diapositiva, COSÌ 00001 E COSÌ SU.
E Poi Noi trasporre loro in Questo bianco modulo.
E da Là SU, Poi Noi Potevo Fare IL principale componente analisi,
risparmio IL stampabile componenti E calcolare IL T piazze da loro
E costruire IL controllare grafici da questi T piazze valori.
COSÌ Qui Voi Vedere suo IL fessura 0%, 1%, 2% E COSÌ SU.
E Qui Sono IL pressione valori.
In a parallelo complotto, Esso sembra Tipo Di Piace Questo.
COSÌ Noi Avere Qui IL diverso slot Qui SU IL X- asse
E IL pressione È Ancora IL Stesso numeri COME Prima.
E Voi Vedere Quello IL curve Sono guardare bello tanto IL Stesso COME Prima.
Ma Ora Noi Avere Di 100 dati punti E Prima Noi avevo migliaia.
COSÌ suo IL densità Di IL punti Sono a poco meno, Ma Ancora IL curve
E IL forme E IL posizioni E qualunque cosa Sono IL Stesso COME Prima.
E noi Prendere Ora Questo bianco tavolo
E SU Tutto questi diverso tempo slot,
Noi Fare a principio componente analisi.
Poi Noi Trovare Qui Questo tabellone segnapunti per Esso.
Che cosa Voi Già Vedere Qui È Quello In IL mezzo parte, Noi Avere Qui
Tutto IL verde punti E IL verde quelli, COME Voi Vedere Qui Sono IL accettato quelli
o il Bene parti circondato di IL rosso punti,
IL respinto quelli, IL falso quelli.
E COME Voi Vedere Anche In Questo esempio Qui Noi Potere rimanere con due principale componenti
Perché IL Primo principale componenti coperture Già 98% Di IL variazione
In IL secondo uno, 2% E IL altro quelli Voi Potere trascurare.
COSÌ I pensare suo Bene Abbastanza A salva Appena IL Primo due principio componenti.
E Poi da questi due principale componenti, Noi calcolato IL T quadrati.
Questo significa T Square È principale componente,
uno quadrato più principale componenti.
Due piazze volevo Essere Poi IL T al quadrato Qui
per Questo dati punto.
Calcolo Questo uno .
COSÌ per ogni dati punto Noi calcolato,
Questo T piazza E Portare Esso SU a controllare grafico
Ecco, vedi IL controllare limiti calcolato soltanto da IL Bene,
da IL verde punti, da IL Bene corre, da IL Bene curva.
COSÌ Voi Vedere Esso giù Qui da IL in movimento allineare.
COSÌ Questo significa, Va bene. Questo controllandolo rappresenta IL normale naturale variazione,
Che cosa Noi aspettarsi da IL Bene quelli.
E Tutto IL non- Bene quelli, IL rosso quelli
dovrebbe essere fuori Di Questo regime Qui.
E Voi Vedere suo soprattutto Fatto,
Ma non per questi due punti Qui per parte numero 14 E parte numero 15.
COSÌ loro sono dentro IL controllare limite.
Ma Quello È non Che cosa Noi Volere A Vedere.
COSÌ Primo Di Tutto Noi Avere A capire Che cosa Sono questi due.
COSÌ Se Voi Avere a Aspetto su IL prossima immagine,
Poi E evidenziare Appena questi due, 14 E 15, Poi Noi Vedere,
"Ah, okay." T questi Sono IL quelli Qui
Quale Sono Veramente entro IL regime Di IL verde quelli.
IL altro quelli Quale Sono ulteriore a parte da Esso, Essi Sono facilmente escluso
o non escluso, Ma andiamo Dire distinto
Qui con Questo controllare sparo.
Ma questi parti erano non.
COSÌ Che cosa Noi imparato da Qui, Quello È IL principale componente approccio
COME Noi Avere Fatto Esso Qui O Avere Fatto Esso In ex volte,
Là È NO informazioni Di IL forma Di IL curva.
Suo Di più informazioni Di IL posizione Dove Esso È SU Questo Y scala Qui.
COSÌ Noi Bisogno qualcosa altro Quale prende cura Di IL forma Di Questo curva.
COSÌ Quando Noi testato IL FDE, IL Funzione Dati Esploratore,
E IL Primo Bene notizia È Voi Potere Appena Prendere IL lungo tavolo COME È.
COSÌ c'è NO Bisogno per dati trasformazione
O portando IL diverso tempo punti SU IL Stesso fessura numero O Qualunque cosa.
COSÌ Voi Appena Prendere IL crudo dati COME Essi Sono.
Forse Voi Volere escludere Alcuni vero valori anomali Dove c'è IL macchina
ha dato sbagliato numeri O Qualunque cosa.
Ma Tutto IL altro cose Voi Potere Appena Prendere COME È
E A volte Forse Voi non Volere A Fare Esso SU IL trasformazione o giù di lì.
Suo non Veramente necessario.
E In Questo caso, Noi Avere Appena preso IL crudo dati COME Essi Sono.
COSÌ di partenza facendo UN FDE SU Questo,
Noi Vedere Qui Ancora Nostro pressione tempo curva COME noi abbiamo visto loro Prima.
Ma Ora Voi Vedere questi blu verticali Qui
E questi blu verticali rappresentare IL numero Di nodi.
COSÌ Che cosa È a nodo?
COSÌ Qui Noi Sono montaggio a scanalatura curva.
E IL scanalatura curva È, andiamo Dire Se Voi Prendere a governate
E Poi Voi Volere A Fare Esso un po' più flessibile
A curva Esso su Tutto questi diverso curve
o, diciamo, a regolare Esso IL migliore modo A IL dati.
E IL Di più, non Questo governate ha IL Di più flessibile Esso È.
E COSÌ IL Meglio Voi Potere regolare Tutto questi diverso punti.
Qui, Noi usato questi 20 nodi cosa.
COSÌ questi Sono 20 verticali Qui E Qui con IL di base informazioni criterio,
Voi Vedere Quello Noi Ottenere SU Tutto diverso funzioni.
Noi Ottenere IL il più piccolo BIC.
E Appena Avere UN ottico controllare SU Questo,
Voi Vedere SU IL inferiore Sinistra, Tutto IL dati punti separato
per Tutto IL diverso curve Qui E con a rosso linea SU superiore Di Esso
rappresentare IL scanalatura curva Quale Noi montato.
Esso non lo fa questione Se IL curva È bello semplice
Piace Qui O ha Di più bordi O Qualunque cosa,
suo perfettamente allineati.
COSÌ Appena otticamente, Esso sembra molto Bene.
E Voi Potere Anche controllo Quello con IL diagnostic trame.
Per esempio, Qui Questo cieco curva,
IL previsto valori Sono visualizzato contro IL attuale quelli.
E Voi Vedere Essi Sono perfettamente allineato in giro questi 45 grado linea Qui.
E Anche IL residui, IL quelli Sono Sinistra E Giusto Qui
da Questo previsione linea, Essi Sono bello piccolo,
COSÌ c'è non a quantità Di errore Sinistra, Quale È non rappresentato di Questo spoglio.
Quindi il adatto sembra davvero, davvero eccellente.
COSÌ Noi Avere non prendendo IL parametri per Questo diviso,
Scusa per IL scanalatura E fatto a funzionale FDE.
Bene, io sono completamente confuso Oggi.
E Noi fatto a principale componente analisi SU questi.
COSÌ Noi separati IL autovalori,
Quale È IL pesatura fattori, E IL Proprio funzioni
per ogni Di questi curve.
Poi noi Potere display loro SU a tabellone segnapunti.
Qui IL autovalori per ogni Di questi curve.
E Voi Vedere Qui,
Ancora con IL BIC credito criterio,
Voi Vedere Come molti numeri Di funzionale principio
componenti Voi Dovrebbe in modo ottimale utilizzo.
E Voi Vedere È IL minimo con due.
COSÌ Noi rimasto con due Ancora COME IL uno Prima.
E Ora Noi Avere Questo punto asse,
E Esso sembra bello tanto IL Stesso COME IL uno Prima.
Noi Avere Qui IL centro parte, il verde Di IL curve, Quale Sono Bene,
circondato di IL rosso quelli, Quale Sono respinto da IL specialista.
E Ora Noi salvato Tutto questi funzionale stampe
E componenti E costruito a T-quadrato complotto SU Esso.
E Qui Ancora, IL Stesso immagine, IL piazza.
Se Noi Prendere Tutto IL dati punti
A calcolare IL controllare limiti, Va bene, Poi Oltretutto questi due, qualunque cosa
È parte È In controllare.
Ma Questo È In realtà non Che cosa Noi Volere A Avere.
COSÌ Noi Volere A capire Che cosa È IL normale variazione Di IL Bene quelli
A differenziare loro da IL variazione Di IL non- Bene quelli.
E COSÌ giù Qui SU IL secondo complotto Qui, Noi calcolato IL controllare limiti
soltanto da IL Bene quelli.
E Poi Voi Vedere, Va bene, quasi Tutto rosso curve Sono al di fuori.
Erano fuori Di controllare. Ma Là Sono due.
COSÌ IL numero 14 E IL numero due Qui Sono Ancora direttamente SU IL al limite.
Ma Tutto IL altri Sono chiaramente separati.
COSÌ andiamo Avere a Aspetto SU IL due E 14 Quale curve questi Sono.
E Poi Noi Vedere Qui. Ah, ok.
COSÌ Essi Sono Veramente diverso da IL rosso quelli, è chiaro.
Ma Anche Tipo Di diverso da IL maggioranza Di IL verde quelli.
COSÌ IL numero due, Quale È definito COME essendo VERO È IL uno
con a più ripido pendenza Qui confrontato A Tutto IL altro verde quelli Qui.
E IL numero 14 È Questo tipo Qui,
Quale È Di più O meno SU IL superiore FINE Di IL regime Di IL verdure.
COSÌ ovviamente, Questo poco differenze Qui In IL forma È non
forte Abbastanza A Venire su Veramente In Questo statistico calcolo.
Ma Noi Potevo Veramente escludere Qui Questo ragazzo qui
da IL altri con a forte bordo Qui.
E Forse Questo uno Se IL esperto volevo Avere a Aspetto su questo
secondo tempo O Forse Esso volevo
Avere respinto Esso Perché suo pure ripido a pendenza O Qualunque cosa.
COSÌ questi Sono confine liner, I volevo Dire In Entrambi casi Qui
con IL statistico approccio Ma Anche, I Indovinare con IL manuale approccio.
Ma Noi Potevo chiaramente rilevare numero 15, Quale È IL uno Qui In IL mezzo,
COME essendo a non- normale comportamento con Questo attrezzo.
COSÌ Voi Vedere, IL FDE ha Anche Alcuni limitazioni.
Ma complessivamente, In aggiunta A IL standard PCA approccio,
Esso viene su con questi forma informazioni Di IL curve.
E Questo È Anche parte Di distinguendo In a controllare grafico
se un curva O a misurazione È normalmente variabile O È Esso non normale più.
A concludere questi cose, IL standard PCA approccio combinato
con IL T-quadrato analisi O controllare grafico
È Bene per rilevamento IL posizione Di IL curva
E distinguere loro da curve Quale Sono non In Questo regime.
Ma COME Noi Avere visto, suo carente Se IL forma Di IL curva È Di importanza.
E con IL FDE approccio, Ancora, combinato con IL T-quadrato analisi,
Primo Di Tutto, Esso esigenze molto, molto, molto un meno avvio preparazione.
Ma SU superiore Di Quello, suo Bene per controllo IL posizione COME IL Sopra,
Ma Anche Perché Esso ha forma informazioni Di IL curve.
Esso È Anche compreso Quello In IL Bene non buono comprensione.
In Nostro lavoro, Noi fermato A Questo punto,
Ma principalmente, Voi Potere costruire a Tipo Di automatico.
Se Voi utilizzo questi curve O questi principale componenti
E IL informazioni Di Bene E Cattivo, Voi Potere automatizzare IL Bene E Cattivo.
Ma se Voi Avere a modello dietro Quale predice Voi,
allora cosa? Voi Volere Vedere.
Ma Noi non ho Fatto Quello.
Noi fermato Qui SU IL T-quadrato grafico A capire
IL variazione E cosa c'è variabile Di più di normale variazione.
Grazie Voi molto tanto per tuo Attenzione.
E Se Voi Avere domande, Io sono aprire A risposta loro Ora.
Grazie Voi.
