| Conférencier |
Transcription |
| Olivia Lippincott |
Encore une fois, l'enregistreur est allumé, souvent en sourdine et je reviendrai. |
| Jason Wiggins, JMP |
Bien. Bonjour à tous. Avec plaisir. |
| |
cette satanée balance de salle de bain. |
| |
Il m'est donc difficile d'imaginer la vie sans outils de mesure, et mesurer est une caractéristique humaine. C'est ce que nous faisons, tout simplement. |
| |
Je trouve beaucoup de bonheur dans les systèmes de mesure qui se comportent bien et très certainement, je suis frustré quand ils ne le sont pas. |
| |
Développer, affiner et même utiliser correctement un système de mesure a un coût, qu'il soit simple ou compliqué, et il y a un coût associé à cela. |
| |
D’après mon expérience, cette dépense est minime comparée aux coûts consécutifs à l’utilisation des données d’une jauge défectueuse ou même à une mauvaise utilisation des données d’une bonne jauge. |
| |
Le télescope spatial Hubble en est un excellent exemple. |
| |
Une aberration dans le miroir primaire a été découverte peu de temps après le lancement en 1990. |
| |
L'aberration a eu un impact sur la clarté des images du télescope ; en fait, c'est un avant et un après. |
| |
La source du problème a été attribuée à un équipement mal calibré utilisé pour meuler le miroir. |
| |
Plus de 620 millions de dollars. C'est en dollars de 1993 ; c'est une somme considérable. |
| |
Et je crois que ce coût aurait pu être complètement évité si une analyse des systèmes de mesure avait été effectuée avant le meulage du miroir. |
| |
Si la réparation du télescope spatial Hubble est un excellent exemple d'incident de mesure coûteux, les problèmes liés aux systèmes de mesure, même à moindre enjeu, peuvent être tout aussi frustrants. Prenons par exemple mon redoutable pèse-personne. |
| |
L’année dernière… en décembre de l’année dernière, j’ai commencé un voyage de perte de poids. |
| |
Et je vais juste vous donner une idée de ce que j’ai vu au fil du temps et au jour le jour. |
| |
Je prenais régulièrement du poids, mais si j'étais près de mon poids cible… autour de mon poids cible, peut-être avec une fluctuation de plus ou moins deux kilos. |
| |
Il n'est pas irréaliste de s'attendre à quelque chose. Sur le plan émotionnel, quelque chose de différent se produit dès le début de ce processus et |
| |
Nous allons aborder ce sujet plus en détail et en discuter un peu. Me voici, je travaille avec assiduité pour perdre du poids, en faisant tout ce qu'il faut. |
| |
Et puis un matin, je me réveille et je pèse deux kilos de plus. C'est frustrant, non ? J'espère que d'autres pourront aussi comprendre, mais ma question… |
| |
tout au long de cela (j'aurais probablement dû faire une analyse des systèmes de mesure avant de commencer ce voyage), mais ma question est de savoir quand je verrais des choses comme ça |
| |
Quelle part de ces deux kilos représente ma part et quelle part est due au bruit du système de mesure ? J'ai donc effectué une analyse des systèmes de mesure pour répondre à cette question. Attention, spoiler. |
| |
La première étude que j'ai faite n'était pas très bonne. La jauge est épouvantable. Je l'aurais jetée, mais j'aime recycler mes appareils électroniques. |
| |
En fin de compte, ce n’était pas une bonne jauge utilisable. |
| |
Une partie de mon objectif aujourd'hui est, je veux dire, c'est une exploration amusante d'un système de mesure réel auquel, vous savez, nous pouvons peut-être tous nous identifier, mais l'un de mes autres objectifs est de mettre en évidence certains des avantages |
| |
de l'utilisation de la méthode EMP pour l'analyse des systèmes de mesure. Pour ce faire, je vais aborder quelques définitions de base, puis démontrer la méthode à l'aide de |
| |
Résultats d'un MSA provenant d'un appareil plus performant. Rassurez-vous, nous reviendrons dans un instant sur mon horrible exemple de pèse-personne. |
| |
Tout d'abord, qu'est-ce que l'analyse des systèmes de mesure ? Pour moi, en termes simples, nous allons mener une expérience dont l'objectif est d'identifier ou de mesurer les limites du système de mesure. |
| |
Quels sont nos objectifs ? En analysant nos systèmes de mesure, nous pourrons certainement déterminer si le système utilisé est suffisamment performant. |
| |
à utiliser ou à améliorer. Mais je pense que c'est là que la méthode EMP excelle. |
| |
Nous souhaitons établir des normes d'utilisation des données de mesure. Il n'existe pas de système de mesure parfait. Quelles normes pouvons-nous donc mettre en place pour utiliser efficacement nos données ? |
| |
Comment ça marche ? Il s'agit d'une analyse des composantes de la variance. Nous recherchons donc les composantes de la variance associées au système de mesure. |
| |
et, espérons-le, elles sont faibles comparées aux variations de mesure associées à nos pièces. Nous avons donc une variation totale de toutes nos mesures, et il y a deux composantes de variation différentes que nous devons comprendre. |
| |
Alors, qu'est-ce que l'EMP ? Il s'agit de l'évaluation du processus de mesure. Le Dr Donald Wheeler en est le pionnier. Il existe un livre formidable que je recommande vivement. |
| |
Pour moi, la façon la plus simple d'envisager l'EMP est de considérer qu'il s'agit d'une approche statistique permettant d'utiliser efficacement les données de mesure. Il ne suffit donc pas de savoir si mon indicateur est bon ou mauvais. |
| |
donc première classe, deuxième classe, troisième classe, celles-ci sont basées sur la probabilité de détecter un changement dans le processus. |
| |
L'ancienne méthode, celle que j'ai apprise en premier, la méthode AIAG (pourcentage de R&R), utilise des seuils arbitraires pour la classification des jauges. Voici donc un problème que j'ai rencontré et qui m'a conduit à l'EMP. |
| |
Il y a de nombreuses années, je travaillais avec un test destructif, c'est donc un système de mesure. |
| |
Et nous avons fait une analyse des systèmes de mesure, et il s'est avéré qu'il s'agissait d'une jauge de quatrième classe selon les normes de pourcentage R&R. Eh bien... eh bien, |
| |
C'est vrai, mais qu'est-ce que ça nous apprend ? Et ce qui rendait cela difficile à accepter, c'était le fait que nous utilisions ce test destructeur. |
| |
Pour prendre des décisions en matière de développement de produits génératrices de revenus. C'était un indicateur utile, donc le pourcentage de R&R ne nous disait rien sur son utilité et ne nous apportait rien en termes de |
| |
Des recommandations sur la façon dont nous pourrions utiliser cette jauge. J'ai donc l'impression que l'approche du pourcentage de R&R manque cruellement d'informations pour exploiter efficacement les données de mesure. |
| |
Très bien, un exemple de jauge moins frustrant et plus efficace : la machine à mesurer les coordonnées. |
| |
Mesure la géométrie des objets. Il s'agit d'une expérience très simple où l'on mesure simplement une dimension de longueur. |
| |
La longueur des pièces est donc une variable de bruit, comme vous le remarquerez avec ce petit joystick. L'opérateur intervient dans le système de mesure. J'ai déjà vu des versions automatisées de ce système, et il n'est peut-être pas nécessaire d'inclure l'opérateur, mais dans ce cas précis, c'est le cas. |
| |
Il y a des variations associées aux pièces, et ensuite cette interaction opérateur/pièce. Voici… ce terme d'interaction, pour ceux qui aiment le DOE. |
| |
Nous savons tous que les interactions se produisent partout, mais je vais essayer de vous montrer un exemple d'interaction opérateur/pièce très courante. Voici donc un petit |
| |
cylindre en métal et j'ai un pied à coulisse à cadran. |
| |
Je vais |
| |
prenez une mesure du diamètre de cette pièce et je vois qu'il fait environ 19 millimètres. |
| |
Si je savais quelle était la taille de ceci ou si j'avais une attente quant à ce que devrait être ce diamètre, ce que je pourrais faire, c'est que j'appliquerais plus ou moins de pression sur le cadran de ma jauge. |
| |
pour atteindre la mesure attendue. Ça arrive partout. Je me surprends à le faire. Si ce genre de choses se produit à chaque fois que nous, humains, interagissons avec des systèmes de mesure, alors |
| |
si vous avez l'argent et le budget pour construire une expérience pour rechercher cela, je vous le recommande certainement. |
| |
OK, JMP 16. C'est plutôt sympa. J'adore ce nouvel outil. Il y a… |
| |
Je suis désolé... un outil de conception d'expériences spécifique à MSA dans le menu DOE pour JMP 16. |
| |
Je vais vous montrer, en quelque sorte une démonstration de cela, mais avant de le faire, je veux avoir une petite discussion sur la randomisation. |
| |
Pour tous ceux qui effectuent des analyses de données d'expérience et de systèmes de mesure, nous savons que nous randomisons pour réduire le risque que des variables cachées impactent nos résultats. C'est donc une évidence, non ? |
| |
Si nous ne randomisons pas complètement, nous allons potentiellement rencontrer des problèmes. |
| |
Je recommanderais également de rendre l'opérateur aveugle aux ordres d'exécution aléatoires. Imaginez-moi, avec mon pied à coulisse : je mesure dix pièces différentes et je ne sais jamais laquelle, ce qui réduit les possibilités. |
| |
Pour moi, biaiser l'expérience, l'expérience d'analyse des systèmes de mesure, simplement en connaissant ces informations, est une expérience randomisée, à réaliser en aveugle si possible. |
| |
Si vous rencontrez des problèmes de randomisation, vous pourriez éventuellement envisager une conception de parcelle divisée ou un autre moyen de traiter le problème de randomisation, mais nous voulons certainement le faire dans la mesure du possible. |
| |
Bon, regardons ça de plus près. DOE, à usage spécial, voilà notre conception MSA. |
| |
Tout comme tous les autres outils DOE dans JMP, je peux, vous savez, saisir le nom de mes facteurs et peut-être que je dois ajouter un autre facteur pour l'opérateur ici. |
| |
Une chose que j’aime vraiment ici, c’est que je peux donner à cela un rôle MSA, et cela est copié en tant que propriété de colonne dans la table de données que nous allons générer. |
| |
Supposons que l'opérateur ait un nom différent, mais je souhaite au moins avoir un ancrage précis quant au fait que je l'utilise comme rôle d'opérateur dans le MSA, et je peux le faire. C'est vraiment génial. |
| |
Dans cette expérience, nous avons quatre parties différentes, quatre opérateurs différents, et nous allons exécuter deux réplicats. Qu'est-ce que cela signifie ? |
| |
J'ai mon exemplaire original, ma première expérience, et je vais le répéter deux fois. J'obtiens donc trois mesures pour chaque essai. |
| |
expérience. |
| |
Nous allons procéder à une randomisation complète et examiner le plan d'expérience. Tout comme pour le plan d'expérience, nous obtenons un aperçu rapide de notre plan d'expérience. |
| |
En général, nous vérifions si cela nous semble logique, si c'est ce que nous voulions faire et si ce que nous voyons est correct. Ce que j'apprécie particulièrement dans cet outil, ce sont les diagnostics de conception, un peu différents de ce que nous voyons dans le concepteur personnalisé, par exemple. |
| |
ou dans l'outil de comparaison de plans. Une simulation est exécutée en arrière-plan, et nous pouvons ajuster les composantes de variance associées à mon test. |
| |
Posez-nous quelques questions. Notre expérience est-elle suffisamment bien conçue pour que nous puissions étiqueter une jauge de premier ordre si c'est ce que nous avons ? C'est vraiment génial. |
| |
Je l'aime parce qu'il est très axé sur l'analyse des systèmes de mesure, et tout comme le DOE, hé, si nous devons ajouter des pièces supplémentaires ou des opérateurs supplémentaires, ajouter des répliques supplémentaires, vous savez, nous pouvons jouer avec cela au sein de la plate-forme sans tout jeter immédiatement sur une table. |
| |
Très bien, jetons un œil à notre MSA standard. |
| |
Je vais vous présenter quelques sorties graphiques de base. Nous allons procéder lentement, car nous allons répéter ce processus plusieurs fois. |
| |
Pour ce système de mesure, les résultats graphiques obtenus à partir du rapport EMP sont vraiment intéressants. Par exemple, ce graphique moyen : |
| |
si je devais montrer les données ici plutôt que les moyennes, ce serait exactement le même résultat que nous obtiendrions à partir de l'outil de graphique de jauge d'attribut de variabilité. |
| |
Donc, ce que cela nous dit, c'est que si mes mesures... la plupart de mes mesures sont en dehors de mes éléments de contrôle, alors nous serons très probablement en mesure de détecter des différences entre les pièces. |
| |
Écart type, et si j'avais choisi la plage pour la dispersion, nous en parlerons un peu plus dans une minute. |
| |
Cela visualise la répétabilité ; nous voulons donc que tout soit dans les limites, et c'est le cas avec cette jauge. Il y en a donc quelques-unes de plus. |
| |
Voici l'un de mes préférés. Encore une fois, l'interaction opérateur/pièce. Sur ce graphique, si des lignes se croisent, cela indique qu'une interaction est possible. |
| |
Ces lignes ne doivent pas nécessairement se superposer et peuvent être espacées, mais nous espérons vraiment ne pas observer de croisements de lignes dans ce rapport. J'apprécie l'analyse des moyennes, qui peut servir d'outil de procédure. |
| |
Cela nous indique simplement que l'opérateur un a tendance à mesurer bas en moyenne et que les opérateurs deux et trois ont tendance à mesurer haut. |
| |
Et ce n'est peut-être pas forcément mauvais, mais si c'est le cas, nous pourrions peut-être en extraire la source. Vous savez, pourquoi l'opérateur 1 obtient-il une valeur moyenne basse ? Donc, encore une fois, |
| |
Test, retest, comparaison d'erreurs. Nous démontrons simplement s'il existe une incohérence dans la mesure de chaque opérateur. |
| |
Voilà donc les graphiques. Parlons un peu de quelques termes supplémentaires de l'EMP. La base de la classification des jauges en EMP repose sur les corrélations intraclasses. Il s'agit de la proportion de variation par rapport à la pièce. |
| |
Et nous espérons que cela est associé à notre partie de mesures répétées et |
| |
et l'opérateur et une partie des termes de biais. Nous espérons vraiment que ces valeurs sont faibles par rapport au total ; plus la valeur est élevée, mieux c'est ; un seul est parfait. |
| |
Et si vous devez parcourir le livre de Wheeler et effectuer des calculs manuels sur des éléments tels que la corrélation intraclasse à partir des composants de variance, utilisez absolument le graphique d'écart type comme type de dispersion. |
| |
Wheeler explique très bien dans son livre quand utiliser la portée, et nous allons le voir avec le système de mesure du pèse-personne. Donc, si votre précision est assez fine, vous |
| |
On pourrait utiliser le type de dispersion par écart type. Si la dispersion est importante, la plage sera probablement la meilleure approche. |
| |
Erreur probable. Nous allons voir cela à plusieurs endroits. Cela présente de nombreuses utilités, et je l'ai tiré du livre. |
| |
Wheeler décrit cela ainsi : « Aucune mesure ne devrait être interprétée comme étant plus précise que plus ou moins une erreur probable, car les mesures se tromperont de cette valeur ou plus au moins la moitié du temps. » Cette statistique sera donc utilisée à plusieurs endroits. |
| |
Notamment, nous allons utiliser à la fois un incrément de mesure, |
| |
qui est une fonction de l'erreur probable, pour ajuster nos attentes de précision pour la mesure, combien de décimales voulons-nous signaler. |
| |
Et nous verrons un autre endroit où l'erreur probable est utilisée dans la bande de garde... l'interdiction statistique des limites de spécification. |
| |
Ok, nous allons donc parcourir le rapport, puis nous allons parcourir les étapes dans JMP. |
| |
Nous obtenons une classification réaliste des jauges, ce qui correspond à une classe de seconde. Wheeler recommande de cartographier le processus de mesure. Il est donc conseillé d'effectuer un contrôle avant de procéder à cette mesure. |
| |
C'est discutable. C'est encore une question de budget. Avons-nous le temps de le faire ? Oui… si oui, faisons-le. |
| |
Si non, quel est le coût d'une amélioration de la jauge ? Pouvons-nous la remplacer par une jauge de première classe ? Quel serait, selon nous, le coût d'un tel projet ? |
| |
Cette légende de classification des moniteurs. Prenez le temps de l'étudier ; vous pourrez en extraire quelques lignes directrices pour la création de graphiques de contrôle… ou de graphiques. |
| |
Le processus réel. Pour obtenir une résolution efficace pour cette jauge, nous devons supprimer des chiffres. Je vais vous expliquer comment procéder. |
| |
Composants de variance : c'est excellent. La partie contient la majeure partie de la variance, ce qui est une bonne chose, même si nous conservons un opérateur. |
| |
et une certaine interaction opérateur/pièce. Nous l'avons également constaté dans l'analyse graphique. Bon, allons-y… |
| |
J'ai créé un module complémentaire et je vais l'utiliser pour une démonstration. Il y a quelques bugs. Si je parviens à résoudre certains de ces problèmes, je le publierai. |
| |
Mais cela ne fait que lancer la plateforme EMP et cela va ensuite me donner d'autres choses, d'autres options associées à |
| |
Le rapport EMP. Très bien. On se souviendra donc de la pièce et de l'opérateur. J'utiliserai l'écart type dans ce cas. |
| |
Et voilà ! Cliquez sur OK. Voilà tout ce dont nous avons parlé dans les diapositives. |
| |
Je ne pense pas qu'il y ait de différence. Ceci est directement issu d'EMP, et ce que je fais, c'est me demander, compte tenu du bruit dans mon système de mesure, comment… quelle est la conformité du produit à laquelle je peux m'attendre. |
| |
Est-ce que je peux améliorer mes limites de spécification en les resserrant ? Je vais donc utiliser les statistiques pour protéger la bande. |
| |
Mes limites de spécifications. Ceux qui travaillent dans la fabrication de haute technologie ont probablement entendu parler des limites de spécifications de garde. Parfois, elles sont exprimées en pourcentage. |
| |
Mais j'aime EMP parce que je peux utiliser l'erreur probable pour faire un calcul |
| |
Cela prend en compte le bruit de mon système de mesure lorsque je resserre ces limites. Donc, pour une conformité de 96 %, |
| |
Je dois resserrer mes bracelets. J'ai oublié d'ajuster les décimales, mais ce serait de 56 à 74. |
| |
Je le serre simplement d'un millimètre. Voilà, de chaque côté, quelle que soit la spécification. Les lignes noires correspondent aux limites de spécification d'origine, celles que nous avons fixées pour notre client. |
| |
Si nous exécutons la jauge à ces limites de spécification, nous pouvons nous attendre à une conformité d'environ 64 %, il y a donc un compromis ici, n'est-ce pas ? |
| |
Si nous voulons resserrer les limites de spécifications, cela va nous coûter cher. Nous allons rejeter davantage de pièces, mais cela protégera-t-il un peu mieux le client ? Certainement. En fait, si nous supposons quatre erreurs probables à partir de la limite de spécifications, |
| |
nous pouvons obtenir une conformité de 99,9 %, mais nous allons rejeter beaucoup plus de produits et certains de ces produits pourraient en fait être utiles au client. |
| |
Le compromis ici est la voix de l'entreprise par rapport à la voix du client, et c'est une décision commerciale et cela mérite d'être discuté avant de prendre une décision. |
| |
à quel point vous souhaitez resserrer vos limites de spécifications. Bon, c'est la jauge bien élevée et nous avons vu… oh, j'oubliais, j'allais montrer |
| |
Comment résoudre le problème de précision des décimales ? Une machine de mesure tridimensionnelle génère beaucoup de décimales. |
| |
EMP me dit que je devrais vraiment supprimer les chiffres. Pour ce faire, je crée simplement une colonne de formules en utilisant la fonction « around », puis je l'ajuste pour obtenir zéro, mais j'ai en fait essayé deux et un. |
| |
et j'ai relancé l'analyse EMP. Et chaque fois que l'EMP m'indique que je n'ai plus besoin de baisser d'un chiffre, c'est la précision que je vais rapporter. |
| |
D'accord, et les instructions de fabrication. Là encore, l'erreur probable et l'incrément de mesure sont utilisés dans ce calcul. |
| |
C'est génial. C'est une approche statistique d'un phénomène courant dans la fabrication de haute technologie : les bandes de garde. Nous pouvons y parvenir en utilisant le bruit de notre système de mesure. |
| |
Faites le calcul. Bon, revenons à notre redoutable pèse-personne. Bon, c'est un peu amusant. |
| |
Laissez-moi vous expliquer la conception. |
| |
Ce que je trouve amusant dans tout cela, c'est que lorsque nous entreprenons une expérience, qu'il s'agisse d'un DOE ou d'une analyse de systèmes de mesure, |
| |
Il faut faire preuve d'un peu de créativité. Et j'ai dû le faire. Honnêtement, j'ai failli être déconcerté. Le bruit associé à ma pesée, ou à celle d'un membre de ma famille, c'est nous, vous savez. Je suis sur la balance. |
| |
Une partie... pensez à une partie comme à ma fluctuation de poids quotidienne, n'est-ce pas ? |
| |
Je peux avoir, disons, un poids de plus ou moins quatre. J'ai trop mangé pendant une semaine et j'ai pris un kilo. C'est ce que je veux pouvoir détecter. |
| |
En fait, c'est assez difficile à comprendre, car je dois en quelque sorte séparer cette fluctuation de poids quotidienne de la partie opérateur, de la partie moi. |
| |
J'ai procédé de différentes manières, mais j'ai fait appel à mes participants, ma famille, pour l'analyse des systèmes de mesure. Ils mesuraient leur masse corporelle. |
| |
Je descends de la balance, je leur tends un haltère, ils remontent sur la balance. Je soustrais ces poids et j'obtiens le poids, ce qui sera ma mesure partielle. |
| |
Maintenant, pour mettre cela sur l'échelle de mon poids cible, ce qui me permet de le comprendre un peu plus facilement, je le normalise simplement. |
| |
Et ça… ça change juste l'échelle pour quelque chose qui me semble plus logique. Bon, voyons voir à quoi ça ressemble. Bon, on va refaire l'ajout. Il y a quelque chose qui vaut la peine d'être ajouté. |
| |
Remarque : OK, je pense que si je me souviens bien de cela, l'opérateur et la partie seront à nouveau mémorisés. C'est une mesure complexe. Je vais utiliser le type de dispersion du graphique de plage et la conception est croisée. |
| |
D'accord, déjà, dès le départ, nous voyons que nous ne pouvons probablement pas détecter |
| |
Différences de poids journalier. Il se pourrait que ce soit lié à la façon dont j'ai mené l'expérience ; c'est tout à fait possible. |
| |
Mais ça ne se présente pas très bien. Voyons donc quelques autres exemples, comme le tableau des plages, qui semble plutôt bien. Ah… ouais, il y a un problème. Ma variation intra, donc associée à mes mesures répétées, est plus grande que ma part… ma variance associée à ma variation d'une partie à l'autre. |
| |
Ce n’est pas une bonne chose. |
| |
Alors, deuxième problème. Vous pouvez en passer en revue quelques-uns. Tester, retester, ça a l'air plutôt bien. Mon analyse de comparaison des biais des moyennes semble bonne. Bon, voici un autre problème. Regardez l'ampleur de cette erreur probable. N'oubliez pas, j'espère vraiment pouvoir voir au moins |
| |
Une différence de poids d'une livre, et que cela soit significatif. Or, l'erreur probable est trois fois plus grande, et c'est un problème. |
| |
On me demande de supprimer un chiffre. Si je répète cette opération, je dois passer en notation scientifique et indiquer deux chiffres pour m'en approcher. |
| |
Et même ainsi, l'erreur probable est tout simplement énorme, et nous allons voir, un peu plus loin, comment cela peut être problématique en termes d'utilisation de la jauge. |
| |
Calibre de troisième classe. Si nous devions utiliser ce calibre, nous serions certainement amenés à cartographier le processus de mesure, à effectuer des contrôles ou des normes. |
| |
Avant de peser le tout, l'interaction opérateur/pièce, voilà qui se répète. C'est amusant, car l'opérateur numéro trois est mon beau-frère. C'est un type plutôt intelligent, et même si j'ai essayé de l'empêcher de tricher, je pense qu'il a réussi le test. |
| |
Cela pourrait donc être lié à mon étude et pas nécessairement à la jauge ; juste à mon observation. Rejouons donc au jeu de la conformité à 96 %, en ramenant ça à zéro. Et oh non, je ne peux pas calculer les limites. En fait, ma limite inférieure est en fait… |
| |
supérieur à ma limite supérieure. Et pourquoi cela s'est-il produit ? Eh bien, dans le calcul |
| |
(voyons voir, si je reviens là où j'ai montré ça), |
| |
si cette erreur probable est trop importante, cela va créer un problème, il y a donc une petite limitation à cela |
| |
L'outil que Wheeler utilise dans son livre. Mais pour moi, ce que ça veut dire, c'est que ce pèse-personne est un tas de ferraille et qu'il faut absolument que j'en achète un nouveau. Donc, je suis plutôt radin. |
| |
mais j'ai décidé, vous savez, 50 dollars n'est probablement pas un prix déraisonnable, alors j'ai acheté une balance Fitbit et nous verrons à quoi... voyons à quoi cela ressemble. |
| |
Oh. |
| |
Reprenez l’étude. |
| |
Et la portée, on la gardera inchangée. Bon, on constate déjà une légère amélioration. Ce n'est pas aussi bon que ma machine de mesure de coordonnées, mais bon, certaines de mes mesures dépassent les limites de contrôle, donc je considérerais ça comme une amélioration. |
| |
Regardez aussi ça. Ma composante de variance intra est en fait inférieure à une partie. Enfin, elle est quand même assez importante. |
| |
Mais 50 dollars… peut-être que si je dépense 100 ou 1 000 dollars, je pourrais baisser un peu, mais je pense que je suis prêt à vivre avec ça. Bon, erreur probable, ouais. On est au moins à moins d'une livre. |
| |
Et bien sûr, il faut envisager de supprimer un chiffre, et je ferais donc cet exercice d'arrondi avec ceci également, et il s'avère que nous souhaitons obtenir une précision décimale nulle. Voyons cela : 96 % de conformité. |
| |
Encore une fois, hé, j'obtiens quelque chose de raisonnable. Donc pour moi, |
| |
ce que j'avais fixé comme objectif avant de me lancer dans cet exercice de perte de poids, c'était d'atteindre un poids cible de 180. |
| |
Mais je suis prête à accepter des fluctuations de poids de plus ou moins 2,5 kg. Et au fil de ce parcours, j'ai remarqué que mon alimentation peut changer, notamment en ce qui concerne la prise de poids en eau, ce qui est assez raisonnable. Maintenant, si je veux être sûre… |
| |
que je reste fidèle à mon objectif, peut-être que je dois réduire ces limites de spécifications d'une livre. |
| |
Ce qui a commencé comme un exercice frustrant, au cours d'un long parcours de perte de poids et d'utilisation d'une balance horrible, m'a permis d'arriver à quelque chose avec lequel je peux vivre et dont je suis plutôt content. |
| |
C'est tout ce que j'ai. Merci. J'espère que cette présentation de la méthode EMP d'analyse des systèmes de mesure a été divertissante. |
| Olivia Lippincott |
Ouais, arrête l'enregistrement. |
| Jason Wiggins, JMP |
Et je le fais à temps, oh bien. |
