Hallo
alle.
Heute Mein Thema Ist, Helden oder Nullen: A Produkt Verteilung Analyse Verwenden JMP.
Erste, a wenig bisschen Hintergrund.
Ein Organisation mit ein gegründet Verfahren
Mai entscheiden Zu implementieren Verfahren Kontrolle
Und Verfahren Disziplin In ihre Organisation.
Für Beispiel, Wenn Du haben a Produkt
Umzug aus Die Entwicklung Bühne Zu Die Masse Produktion Bühne,
bei Das Verbindung, eins von Die Probleme Das dürfen passieren
In Das Wir Mai haben Verfahren Variation Ausgabe.
Der Variation dürfen Sei zu groß oder Die Variation nicht treffen Die Erwartung.
Der Variation Hier dürfen Sei Die Variation von bedeuten,
Die Variation von Standard Abweichung, usw.
Wir Wille wollen Zu finden aus Was Die Wurzel Ursache Ist
für solch Variation Problem Und versuchen Zu Fix Das.
Aber vor Das, Wir Wille brauchen Zu Figur aus
Was Typ von Variation Wir Sind gegenüber
Weil Die Typ von Variation Wille diktieren Was Art der Aktion
Und Untersuchung Strategie Wir sollen nehmen.
Der Demonstration Hier Heute
Wille untersuchen diese durch ein erläuternd Analyse.
Wir verwenden Standard Abweichung als Statistiken von Interesse Hier.
Der Ausgabe Ist Wir haben a Verfahren
Das hat a hoch gesamt Standardabweichung,
Aber Wir dürfen Auch beobachten manche von Die Chargen Das hat untere Standard Abweichung.
Wir Anruf diese Chargen, Held Chargen.
Wir Wille wollen Zu finden aus Was verursacht solch hoch gesamt Standard Abweichung,
Aber vor Das, Wir brauchen Zu Figur aus Was Verfahren Variation Wir Sind gegenüber,
Was Art des Prozesses Variation dürfen geben uns Was Wir beobachtet.
In allgemein, Dort Wille Sei zwei Typen von Situation Hier.
Eins Ist Das Wir haben a vollständig zufällig Verfahren
Und Die Variation Ist systemisch, als Wir dürfen sehen Hier.
Obwohl Die Verfahren Ist zufällig,
Aber kommt darauf an Wie Wir Charge Es Und Wie Wir Probe Es.
Manche von Die Chargen Mai haben untere Probe Standard Abweichung als Die andere.
Ein anderer Situation Ist Das unser Verfahren Ist nicht zufällig.
Als Wir dürfen sehen Hier, Das Verfahren geht hoch Und runter.
Es hat manche bedeuten Schicht.
Es ist nicht a zufällig Verfahren, Aber kommt darauf an An Wie Wir Charge Es.
Manche von Die Chargen Das wohnen In Die stabil Zeitraum
Wille haben relativ untere Probe Standard Abweichung
verglichen Zu manche von Die Chargen Das wohnen In Die instabil Zeitraum
Das könnte haben größer Standard Abweichung.
Wir dürfen Auch definieren a Schwelle solch als Hier, Punkt A, Standard Abweichung.
Wir vergleichen Das Schwelle Zu Die Charge Standard Abweichung.
Es Wille erzählen uns Wie viele von Die Chargen erfüllen Die Kriterien.
Mit diese zwei Szenarien In Geist,
Wir dürfen formulieren a statistisch Hypothese prüfen
Zu prüfen Was Verfahren Variation Wir Sind Umgang mit.
Wir dürfen annehmen unser Verfahren Ist zufällig,
Dann Wie wahrscheinlich Wir Wille beobachten Was Wir beobachtet?
A mehr detailliert Stellungnahme Ist wie Das,
vorausgesetzt Chargen mit niedrig Standard Abweichung
Sind Nur fällig Zu Probenahme Mangel
Und Die historisch Daten Ist Vertreter von Die Bevölkerung,
Dann Die simuliert Chargen generiert aus Die Dasselbe Verteilung
sollen haben a vorbei Rate Das Ist statistisch nicht zu unterscheiden
als Die tatsächlich vorbei Rate von Die historisch Daten.
An Die rechtshändig Seite, Du dürfen sehen Das Rad.
Das Ist Die Verfahren Wir ging durch Zu machen Das Testen passieren.
Erste, Wir Wille brauchen Zu definieren a Schwelle.
Durch Das Schwelle, Wir dürfen berechnen Die vorbei Rate.
Wir vergleichen Die Chargen
In Die historisch Daten durch Das Schwelle
Zu erhalten Die Prozentsatz von Die historisch Chargen Das Sind Gut Chargen.
Weil Wir Auch annehmen Das unser Verfahren Ist zufällig,
Wir dürfen fit Die historisch Daten Zu mehrere Verteilung
Und dann wählen Sie Die am besten tailliert eins.
Verwenden Das tailliert Verteilung, Wir dürfen erzeugen a Satz von K Proben.
K Hier Ist Die Dasselbe als Die Nummer von Proben
In jede Chargen In Die historisch Daten.
Wir wiederholen Das Verfahren N mal.
N hier Ist Die Dasselbe als Die Nummer von Chargen In Die historisch Daten.
Für jede simuliert Chargen,
Wir dürfen Dann berechnen ihre Probe Standard Abweichung.
Vergleichen Das Probe Standard Abweichung
Zu Die Schwelle Wir definiert vor, Es Wille geben uns a Satz von Binomial- Daten.
Mit Das Binomial- Daten Und Die vorbei Rate Wir bereits haben,
Wir dürfen durchführen a eine Probe Anteil prüfen Zu prüfen unser Hypothese.
Verwenden JMP, Wir Sind fähig Zu integrieren Das gesamte Verfahren hinein ein Anwendung.
Hier, I Wille Tun a schnell Demonstration Zu zeigen Du Wie Das Anwendung funktioniert.
Das Anwendung dürfen Import beliebig von Die Daten Datei
mit a Wert Spalte Und Auch Index Spalte Das zeigt an Die Charge Index.
Mit a klicken von Taste, Es Wille automatisch fit unser Daten
Zu mehrere Verteilung Und wählen Die am besten eins.
Rechts Jetzt, Die am besten tailliert eins Ist a Normal Verteilung.
Wir dürfen Dann Satz hoch Die Nummer von simuliert Daten Sätze Wir wollen
Und Auch Die Größe von Die Satz Und Auch Die Schwelle.
Wann Wir klicken,
Es Wille durchführen Die Hypothese Testen I erwähnt vor.
Es Auch zeigt Die Prozentsatz von historisch Chargen Das Sind Gut
Und Auch Die Prozentsatz von Die simuliert Chargen Das Sind Gut.
Bei Die zuletzt, Es Wille zeigen Du a Visualisierung von a Histogramm
welche zeigt an Die Anteil der simuliert Chargen Das Sind Gut.
Jetzt, Wir gehen zurück Zu Die Testen, Die Hypothese Testen.
Der Daten Wir haben Hier zeigt Wir ablehnen Die null Hypothese.
Wir überprüfen Die P Wert,
Wir ablehnen Die null Hypothese mit 95 % Vertrauen.
Der 95 % Vertrauen Ist Die Standard Einstellung Hier.
Das Abschluss schlägt vor Die Verfahren Ist nicht zufällig
Und Die Gut Chargen Tun existieren In Die stabil Zeitraum von Die Verfahren.
Das Abschluss dürfen führen Zu mehrere Aktion Artikel.
Für Beispiel, Wir dürfen untersuchen
Die Verfahren Variable, Die Verfahren Parameter
zwischen Die stabil Zeitraum Und Die instabil Zeitraum
Und sehen Was geändert.
Von Kurs, Wir dürfen Auch erhalten a anders Testen Ergebnis
Wo Wir kann nicht ablehnen Die Nullhypothese.
Diese vorschlagen unser Verfahren könnte Sei zufällig.
Wir könnte haben systemisch Variation
Und diese Wille führen Zu vollständig anders Untersuchung Und Aktion Verfahren.
Für Beispiel, Die Worst-Case Szenario, In Befehl Zu reduzieren Die systemisch Variation,
Wir könnte brauchen Zu vollständig ändern Die Herstellung Umfeld.
Mit Das, I abschließen Mein heutigen Präsentation.
I Auch wollen Zu Dank John Seidelbast, WHO Ist a Kollege von meins.
Er gebracht hoch Das interessant Frage Zu Mein Aufmerksamkeit während a Projekt treffen.
I Auch wollen Zu Dank Du Heute für Anhörung Mein Präsentation.
Ich bin sehr dankbar von Es.
