Bueno. Hola.
Gracias para el lindo introducción.
Hoy I desear a presente juntos con Stefan Vicente de LRE Médico
una obra nosotros tenemos hecho en el último año en control gráficos cinético
y otro tiempo- dependiente mediciones.
Entonces, ¿por qué? es eso importante a ¿presente?
Entonces en caso tú tener a tiempo- dependiente curvas
y el curvas ellos mismos son importante para el calidad de su producto,
entonces es a menudo muy duro a definir cualquier amable de especificación.
Y en nuestro caso aquí,
estos curvas eran evaluado por especialistas.
Entonces cada medición era enviado a a especialista,
miró en el curva, dicho, "Sí, bueno, o no bueno."
Este es bonito tiempo- consumidor y compasión y entonces en.
Y en arriba de eso, es incluso malo cuando el persona es enfermo o en vacaciones.
También es a persona- dependiente cosa.
Entonces a menudo él sucede eso el persona
tiene diferente estados de ánimo o diferente obligación
o diferente prioridades y entonces en.
Entonces Vamos decir el ajuste de el curva puede variar a pequeño poco.
Entonces es amable de reproducibilidad problema
Y nosotros buscado a detener eso.
Entonces eso era el razón por qué nosotros comenzó con él.
Entonces para ejemplo, aquí tú ver a selección de cientos de estos curvas nosotros mesurado.
Y tú ver aquí es a presión tenencia medición.
Entonces nosotros tener aquí presión versus tiempo en artículos de segunda clase.
Y aquí tú ver a racimo de curvas.
Y el verde unos, tú ver ellos son llamado verdadero.
Este medio verdadero es aceptado, ellos son bien.
Y FALSO medio rechazado, ellos son no bien.
Entonces allá es a malo producto.
Entonces qué tú ver aquí eso el verde unos son relativamente atado juntos.
Aquí en este destacando captura de pantalla, tú ver mejor.
Entonces ellos son bonito cerca juntos.
Y entonces nosotros tener a selección de rojo unos
cual son cualquiera aparte de el verde unos,
pero allá son también dos unos cual son más o menos en el mismo régimen.
Pero como tú ver, ellos tener completamente diferente formas.
Allá son alguno bordes y otro en forma de S curvas y entonces en y Adelante.
Entonces si él quería hacer justo a simple t tres sigma límite ±
alrededor el bien unos, para ejemplo, como en el superior caso aquí,
nosotros quería incluir también el malo rojo unos aquí de el más bajo imagen.
Entonces a simple ± tres Sigma límite
acercarse alrededor este serie de curvas quería no ser objetivo principal.
Entonces nosotros necesidad algo cual incluye el posición
cual es hecho aquí con el básico monumento.
Pero también nosotros desear a tener algo cual acepta cuidado acerca de el forma
de estos funciones, de estos grupos,
Cómo a analizar el formas y ¿posiciones?
Entonces allá son de hecho dos aproches.
Uno es bonito largo- conocido ya.
Este es el principal componente análisis.
Eso es el primero uno.
Y en más reciente veces JMP vino arriba con
a funcional datos explorador cual también da a nosotros el posibilidad a hacer el mismo.
Pero como nosotros tener visto, él era no en realidad el mismo, entonces él era diferente.
Entonces Vamos comenzar con el viejo acercarse, principal componente análisis
Para haciendo entonces, tú necesidad a transformar el largo Tabla I justo espectáculo tú
en el próximo imagen aquí en el izquierda lado,
a largo mesa dónde tú tener columnas
con el parte número, para ejemplo, con la prueba fecha.
Pero también y este es el importante parte
de el tiempo de ejecución y el presión y este para cada valor.
Y tú ver aquí, este es en artículos de segunda clase.
Entonces nosotros mesurado cada alguno milisegundos.
Y como tú ver también, él es bonito duro eso para el próximo parte
es exactamente el mismo serie de números aquí,
exactamente el mismo tiempo cuando nosotros tener el próximo presión punto.
Y este es de hecho necesario cuando tú desear
a hacer un director componente análisis porque tú tener a transformar
este largo mesa en a ancho mesa dónde tú tener uno fila por parte
y entonces tú tener el blanco mesa
donde tu tener para cada tiempo ranura y entonces el datos agujas.
Así que lo que nosotros necesidad a hacer ahora es, primero de todo,
nosotros necesidad a traer todo estos tiempos de ejecución en el mismo escala.
Aquí, nosotros tener hecho eso por justo calculador
el más largo tiempo como 100% y el más corto es cero.
Y entonces nosotros tener cada números de milisegundo artículos de segunda clase
transferido en este por ciento escala.
Entonces nosotros interpolado porque aún ellos eran no en el mismo tiempo ranura de hecho.
Entonces nosotros tenía a traer todo el Y números en el mismo tiempo punto.
Este medio nosotros necesidad a hacer a amable
de interpolación a tener a ellos todo en el mismo.
Y entonces cuando nosotros tener eso,
entonces nosotros creado a nuevo columna con el estándar relativo veces.
Yo tengo justo visto a ellos en el ejemplo en el próximo deslizar, entonces 00001 y entonces en.
Y entonces nosotros transponer a ellos en este blanco forma.
Y de allá en, entonces nosotros podría hacer el principal componente análisis,
ahorro el imprimible componentes y calcular el T cuadrícula de a ellos
y construir el control gráficos de estas T cuadrícula valores.
Entonces aquí tú ver es el ranura 0%, 1%, 2% y entonces en.
Y aquí son el presión valores.
En a paralelo trama, él aspecto amable de como este.
Entonces nosotros tener aquí el diferente ranuras aquí en el INCÓGNITA- eje
y el presión es aún el mismo números como antes.
Y tú ver eso el curvas son mirando bonito mucho el mismo como antes.
Pero ahora nosotros tener acerca de 100 datos agujas y antes nosotros tenía miles.
Entonces es el densidad de el agujas son a pequeño menos, pero aún el curvas
y el formas y el posiciones y todo son el mismo como antes.
Y nosotros llevar ahora este blanco mesa
y en todo estos diferente tiempo ranuras,
nosotros hacer a principio componente análisis.
Entonces nosotros encontrar aquí este marcador para él.
Qué tú ya ver aquí es eso en el medio parte, nosotros tener aquí
todo el verde puntos y el verde unos, como tú ver aquí son el aceptado unos
o el bien regiones rodeado por el rojo puntos,
el rechazado unos, el FALSO unos.
Y como tú ver también en este ejemplo aquí nosotros poder permanecer con dos principal componentes
porque el primero principal componentes cubiertas ya 98% de el variación
en el segundo uno, 2% y el otro unos tú poder descuido.
Entonces I pensar es bien suficiente a ahorrar justo el primero dos principio componentes.
Y entonces de estos dos principal componentes, nosotros calculado el T cuadrícula.
Este medio Cuadrado en T es principal componente,
uno al cuadrado más principal componentes.
Dos cuadrícula quería ser entonces el T al cuadrado aquí
para este datos punto.
Calculador este uno .
Entonces para cada datos punto nosotros calculado,
este T cuadrado y traer él en a control cuadro
Aquí lo ves el control límites calculado solo de el bien,
de el verde puntos, de el bien corre, de el bien curva.
Entonces tú ver él abajo aquí de el emocionante rango.
Entonces este medio, bueno. Este controlándolo representa el normal natural variación,
qué nosotros esperar de el bien unos.
Y todo el no- bien unos, el rojo unos
Debería estar afuera de este régimen aquí.
Y tú ver es principalmente hecho,
pero no para estos dos agujas aquí para parte número 14 y parte número 15.
Entonces ellos son adentro el control límite.
Pero eso es no qué nosotros desear a ver.
Entonces primero de todo nosotros tener a entender qué son estos dos.
Entonces si tú tener a mirar sobre el siguiente foto,
entonces y destacar justo estos dos, 14 y 15, entonces nosotros ver,
"Ah, está bien." T Estos son el unos aquí
cual son en realidad dentro el régimen de el verde unos.
El otro unos cual son más aparte de él, ellos son fácilmente excluidos
o no excluidos, pero Vamos decir distinguido
aquí con este control disparo.
Pero estos regiones eran no.
Entonces qué nosotros aprendió de aquí, eso es el principal componente acercarse
como nosotros tener hecho él aquí o tener hecho él en anterior veces,
allá es No información acerca de el forma de el curva.
Es más información acerca de el posición dónde él es en este Y escala aquí.
Entonces nosotros necesidad algo demás cual acepta cuidado acerca de el forma de este curva.
Entonces cuando nosotros probado el FDE, el Función Datos Explorador,
y el primero bien noticias es tú poder justo llevar el largo mesa como es.
Entonces Hay No necesidad para datos transformación
o trayendo el diferente tiempo agujas en el mismo ranura número o lo que sea.
Entonces tú justo llevar el crudo datos como ellos son.
Tal vez tú voluntad excluir alguno real valores atípicos dónde Hay el máquina
tiene dado equivocado números o lo que sea.
Pero todo el otro cosa tú poder justo llevar como es
y a veces tal vez tú no desear a hacer él en el transformación o algo así.
Es no en realidad necesario.
Y en este caso, nosotros tener justo tomado el crudo datos como ellos son.
Entonces a partir de haciendo un FDE en este,
nosotros ver aquí de nuevo nuestro presión tiempo curva como nosotros tenemos visto a ellos antes.
Pero ahora tú ver estos azul verticales aquí
y estos azul verticales representar el número de nudos.
Entonces qué es a ¿nudo?
Entonces aquí nosotros son adecuado a ranura curva.
Y el ranura curva es, Vamos decir si tú llevar a gobernante
y entonces tú desear a hacer él un poco más flexible
a doblar él sobre todo estos diferente curvas
o, digamos, a ajustar él el mejor forma a el datos.
Y el más, no este gobernante tiene el más flexible él es.
Y entonces el mejor tú poder ajustar todo estos diferente agujas.
Aquí, nosotros usado estos 20 nudos cosa.
Entonces estos son 20 verticales aquí y aquí con el básico información criterio,
tú ver eso nosotros conseguir en todo diferente funciones.
Nosotros conseguir el pequeñísimo BIC.
Y justo tener un óptico control en este,
tú ver en el más bajo izquierda, todo el datos agujas separados
para todo el diferente curvas aquí y con a rojo línea en arriba de él
representando el ranura curva cual nosotros equipado.
Él no asunto si el curva es bonito directo
como aquí o tiene más bordes o lo que sea,
es perfectamente alineado.
Entonces justo ópticamente, él aspecto muy bien.
Y tú poder también controlar eso con el diagnóstico parcelas.
Para ejemplo, aquí este ciego curva,
el previsto valores son desplegado versus el actual unos.
Y tú ver ellos son perfectamente alineado alrededor estos 45 grado línea aquí.
Y también el derechos residuales de autor, el unos son izquierda y bien aquí
de este predicción línea, ellos son bonito pequeño,
entonces Hay no a lote de error izquierda, cual es no representado por este desnudo.
Así que el adaptar aspecto De verdad, de verdad excelente.
Entonces nosotros tener no tomando el parámetros para este dividir,
Lo siento para el ranura y hizo a funcional FDE.
Bueno, yo soy completamente confundido hoy.
Y nosotros hizo a principal componente análisis en estos.
Entonces nosotros apartado el valores propios,
cual es el peso factores, y el propio funciones
para cada de estos curvas.
Entonces nosotros poder mostrar a ellos en a marcador.
Aquí el valores propios para cada de estos curvas.
Y tú ver aquí,
de nuevo con el BIC crédito criterio,
tú ver cómo muchos números de funcional principio
componentes tú debería óptimamente usar.
Y tú ver es el mínimo con dos.
Entonces nosotros permaneció con dos de nuevo como el uno antes.
Y ahora nosotros tener este puntaje junta,
y él aspecto bonito mucho el mismo como el uno antes.
Nosotros tener aquí el centro parte, el verde de el curvas, cual son bien,
rodeado por el rojo unos, cual son rechazado de el especialista.
Y ahora nosotros salvado todo estos funcional huellas dactilares
y componentes y construido a Cuadrado en T trama en él.
Y aquí de nuevo, el mismo imagen, el cuadrado.
Si nosotros llevar todo el datos agujas
a calcular el control límites, bueno, entonces además estos dos, todo
es parte es en control.
Pero este es de hecho no qué nosotros desear a tener.
Entonces nosotros desear a entender qué es el normal variación de el bien unos
a diferenciar a ellos de el variación de el no- bien unos.
Y entonces abajo aquí en el segundo trama aquí, nosotros calculado el control límites
solo de el bien unos.
Y entonces tú ver, bueno, cerca de todo rojo curvas son afuera.
Eran afuera de control. Pero allá son dos.
Entonces el número 14 y el número dos aquí son de nuevo directamente en el límite.
Pero todo el otros son claramente apartado.
Entonces Vamos tener a mirar en el dos y 14 cual curvas estos son.
Y entonces nosotros ver aquí. Ah, está bien.
Entonces ellos son en realidad diferente de el rojo unos, eso está claro.
Pero también amable de diferente de el mayoría de el verde unos.
Entonces el número dos, cual es definido como ser verdadero es el uno
con a más empinada pendiente aquí comparado a todo el otro verde unos aquí.
Y el número 14 es este chico aquí,
cual es más o menos en el superior fin de el régimen de el verduras.
Entonces obviamente, este pequeño diferencias aquí en el forma es no
fuerte suficiente a venir arriba en realidad en este estadístico cálculo.
Pero nosotros podría en realidad excluir aquí este chico aquí
de el otros con a fuerte borde aquí.
Y tal vez este uno si el experto quería tener a mirar En esto
segundo tiempo o tal vez él quería
tener rechazado él porque es también empinado a pendiente o lo que sea.
Entonces estos son borde recubrimiento, I quería decir en ambos casos aquí
con el estadístico acercarse pero también, I adivinar con el manual acercarse.
Pero nosotros podría claramente detectar número 15, cual es el uno aquí en el medio,
como ser a no- normal comportamiento con este herramienta.
Entonces tú ver, el FDE tiene también alguno limitaciones.
Pero en general, en suma a el estándar PCA acercarse,
él llega arriba con estos forma información de el curvas.
Y este es también parte de distintivo en a control cuadro
Si un curva o a medición es normalmente diverso o es él no normal ya no.
A concluir estos cosas, el estándar PCA acercarse conjunto
con el Cuadrado en T análisis o control cuadro
es bien para detector el posición de el curva
y distinguir a ellos de curvas cual son no en este régimen.
Pero como nosotros tener visto, es carente si el forma de el curva es de importancia.
Y con el FDE acercarse, de nuevo, conjunto con el Cuadrado en T análisis,
primero de todo, él necesidades mucho, mucho, mucho uno menos puesta en marcha preparación.
Pero en arriba de eso, es bien para de cheques el posición como el arriba,
pero también porque él tiene forma información de el curvas.
Él es también incluido eso en el bien malo comprensión.
En nuestro trabajar, nosotros interrumpido en este punto,
pero principalmente, tú poder construir a amable de automático.
Si tú usar estos curvas o estos principal componentes
y el información de bien y malo, tú poder automatizar el bien y malo.
Pero si tú tener a modelo detrás cual predice tú,
¿Entonces qué? tú voluntad ver.
Pero nosotros no lo han hecho hecho eso.
Nosotros interrumpido aquí en el Cuadrado en T cuadro a entender
el variación y qué diverso más que normal variación.
Agradecer tú muy mucho para su atención.
Y si tú tener preguntas, Soy abierto a respuesta a ellos ahora.
Agradecer tú.
