Bonjour, bien matin. Bien Bonsoir à tous.
Mon nom De la part de Raisa.
Je suis a fabrication qualité ingénieur de Appliqué Matériels, Taïwan.
I commencé à apprendre JMP à début de ce année.
Récemment, I passer ed ceci certification examen
avec score, 925 dans ce Juillet.
Aujourd'hui, Identifiant comme à faire a court présentation
à propos Solution immédiate QN Analyse temporelle par JMP.
Comme nous savoir, une fois a qualité notification guérir est créé,
il doit prendre supplémentaire, plus ou moins temps à réparer problème,
et peut impact sur production planification et planification.
Donc, épouser comme à trouver a pire- cas par analyse.
D'accord.
Pour analyse, ici sont cinq s sujets ub sur ordre du jour.
D'abord, le Racine Cause Analyse de QN Cycle de réparation Temps,
Graphique Résumé de l'analyse des causes profondes,
Comparer le modèle d'ajustement, la partition, Modèle neuronal,
et puis H hybride Texte M froid
et le Données Exploitation minière Analyse.
Enfin, Prendre Loin Leçons apprises.
D'accord, allons-y obtenir commencé.
L'histogramme.
1er couche de Analyse des causes profondes de QN Réparer Faire du vélo Temps.
Avant enquête, pense à propos que.
Quels scénarios impact sur QN Fix Cycle T faire
et comment long est Est-ce supportable ?
Tout d'abord,
définir cinq jours comme a critères
et aussi a clé condition à suivre C-wide propagé i formulation n
et dans cinq jours,
nous en spécifications et succès critères.
Sur le autre main, sur cinq jours dehors de spécifications échec analyse,
plus tard, I faire directement a panne à sur et la FA.
Avis ce ombre de distribution entre sur et le MAIS.
Entre-temps, regarder à le Mosaïque Parcelle
pour le proportion de chaque catégorie
à déduire a potentiel r cause hors-sujet
pour le succès analyse.
Nous peut voir le qualité du travail et Retravail de fabrication,
sembler à avoir rapide réponse et mieux réparer faire du vélo temps.
Pour MAIS dimension problème, prendre plus réparer faire du vélo temps.
Il est évident variation dans Temps FA.
Distribution entre sur et le MAIS,
supposer si FA temps est un de le clé facteur,
S1 à impact le f et c cycle temps.
Le Boîte P parcelle.
Le diagramme en boîte est a graphique de le distribution de continu variable.
Donc, parcelle continue fixé faire du vélo temps par rapport à imbriqué structure,
catégorique pays sous endiguement
à recherche autre facteurs impact réparer faire du vélo temps ou pas.
Il affichages le cinq- nombre résumé de installation données.
Il est non- paramétrique outil à utiliser Médian comme central tendance.
En plus, là sont quelques observations sur diagramme en boîte graphique.
Tout d'abord, à moins Sept indiquer à détecter le première valeur aberrante.
Sinon, il devient moustache (skew) groupe problème
où échantillon taille est moins que Sept .
Deuxièmement, observé foutu distribution
par Largeur de la boîte ou Longueur des moustaches.
Comment à poignée marginal valeurs aberrantes,
lequel sont nous pense bruit GRR à deux sigmas depuis moustache
et dos à le Analyse des causes profondes,
il est pas difficile à trouver a recycler temps
de le endiguement remplacement
est beaucoup plus long que autre endiguement.
Et avec que,
confinement X₂ et X₃ pays ici.
Carte thermique.
carte thermique est un autre graphique outil
à défaut données valeur par couleur.
A gain, jusqu'à présent, nous rassembler trois saisir facteurs,
type de défaut de histogramme, endiguement et pays depuis diagramme en boîte
et dans commande à suivre trimestre d'études impact
contribution trimestrielle impact sur fixé faire du vélo temps.
Ici à dos catégorique appelé type de défaut sur Axe Y
et le couleur faire du vélo temps
et garder bus pronostic structure.
Catégorique pays sous endiguement dans X et X groupe.
Alors utiliser un 8 par 9 mise en page regarder équilibre
à rapidement attraper dehors le maximum
et le minimal temps de cycle scénarios.
Pour MAIS, il est facile à trouver a petit rouge zone, droite?
Le bibliothèque points forts le le plus long réparer faire du vélo temps.
Avec cela, Remplacement Taïwan Dommage parties,
dans le pire cas pour faire du vélo temps.
Le Remplacement Uni États
et le Dimension problème parties est le deuxième pire scénario.
Pour sur est ensemble pour dimension et défaut de dommage.
Autres sont facile à rapidement réparer.
Pour Pareto C cerf,
à plus loin analyser le MAIS et sur depuis carte thermique ,
La carte thermique doit utiliser deux- dimensionnel Pareto Graphique par à variable
type de défaut et le pays sous spécifique endiguement.
Ici sont X₁ type de défaut,
X₂ endiguement et X₃ pays nous mentionné avant.
Alors ajouter supplémentaire poste de travail X₄ ici
dans le cours de Pareto C cerf à visualiser fréquence événement.
Maintenant pour échec FA analyse,
nous obtenir remplacer haut fournisseur de travail dommage problème,
fréquemment arriver dans CVD service fraude
ou remplacer Uni États fournisseur dimension problème
souvent se produit dans CVD poste de travail.
Dans le même chemin pour X analyse,
au lieu de dimension problème ou défaut endommagé,
Uni avant, fonctionnel et a qualité de travail problème
peut rapidement réparer dans CVD majeur test.
Actuellement, nous avoir quatre saisir facteurs et sur et FA fréquence.
Pour interface, celle que nous sont plus intérêt pour
est passer ou échouer fréquence ou pur faire du vélo temps.
Alors Tabuler.
Ici mettre notre précédent mention de facteurs X₁ à X₄ pour sur Tabuler.
Entre-temps, Tabuler pur faire du vélo temps et fréquence dans a compte
à faire plus loin comparaison.
Pour FA, CVD service fraude, dommage problème,
Taïwan fournisseur exiger remplacement,
il a fallu un plus long temps de cycle
bien que le fréquence est maintenant le le plus haut,
comme Sept fois ici,
le moyens de le faire du vélo temps, 34 jours beaucoup plus long que autres.
Pour À, dans moteur CVD test,
nous peut mesure problème dans Uni États avant
et fixé par MFG re travail.
Même là est seulement un jour sur le tableau,
mais le fréquence et est loin aussi faible à être vrai.
Ici I résumer le Points principaux.
Suivre Analyse des causes profondes,
utiliser différent graphique JMP plateformes
dans ingénierie et grand caustiques
séquence à conducteur avant Analyse des causes profondes.
Dans précédent glisser, I montrer Histogramme, Diagramme en boîte,
Carte thermique, Pareto Graphique et le Tabuler.
Deuxième, identifier a potentiel entrée X
à protéger le QN fixé faire du vélo temps.
A selon à le Tabuler, le Résultats FA depuis a dommage problème,
remplacement, Taïwan fournisseurs et CVD service poste de travail.
Suivant, construire a modèle à prédire QN réparer faire du vélo temps
et validation de le racine cause.
Avant entrer chaque modèle détail,
ici, Identifiant comme à introduire modèle sélection et le Commençons par la comparaison.
Le ajuster modèle, considérer données structure et a distribution.
Ici sont quelques défi dans ajuster modèle.
Pour biaisé distribution, utiliser enregistrer transformation, mais Non aide.
Toutes les entrées variable, X₁ à X₄ sont catégorique taper.
Après I construire notre 60 % de poste de travail catégorie,
Le coefficient de détermination (R²) a augmenté. 6 % seulement.
Vérifier dépendance parmi a catégorique variable
par correspondance partie analyse.
Il est faible risque parce que le plus près des choses sont à a région,
le moins distinct que ils probablement sont.
Dans autre mot, le plus loin loin le plus distinct.
Deuxième, proximité entre étiquettes probablement indiquer a similarité.
Pour partition arbre modèle,
le plus points sont distribution gratuit modèle,
diviser basé sur données disponible,
petit préoccupation liée au surentraînement,
mais moins points récursif diviser.
Donc, utiliser JMP projecteur écran par aléatoire forêt
à moyenne a récursif produit
et trouver dehors a cinq saisir facteur avec leur classement.
Il est pratique et a rapidement chemin à trouver important saisir
à optimiser ou améliorer modèle.
Concernant a neural réseau,
le plus points sont fort transformation modèle,
deux mesures entraînement et a validation modèle.
Cependant, le moins est significatif préoccupation de surentraînement .
Lequel modèle est plus approprié à être on croyait
que va à travers chaque modèle résultats?
Viens dos pour s'adapter modèle, principal événement seulement.
Si notre score n'est-ce pas haut,
seulement 30 % ont tort,
parce que données est grave asymétrie à droite.
Observations significatives niveau de risque,
donc Max R- carré autour juste 47 % est pas cela en vaut la peine
et utiliser enregistrer transformation de le faire du vélo temps variable
à éviter a négatif nombre de 95 % confiance intervalle,
mais Non aider un parcelle donc journal choix est dehors.
Le suivant est Partition Arbre Modèle.
Ici sont trois partition modèles,
sont ligne de base modèle,
augmentation du modèle
et a modèle simplification.
Expérience a série de amélioration par ingénierie et le logique pensée
ce R carré amélioré à 62 % depuis 38% ligne de base modèle.
Tous les détail volonté montrer toi étape par étape dans suivant glisser.
Modèle augmenter.
Pendant ce étape, nous améliorer modèle 20 %.
Où sont ils depuis?
D'abord, ils volonté présent améliorer.
Ici, changement QN âge à solution immédiate faire du vélo temps
par bienséance expérience, mais Non aide.
Deuxième, 6% et ajouter un X facteur poste de travail.
Souviens-toi il est exporter, nous découvrir depuis Pareto C cerf.
Code UD devient moins critique depuis 26 % à 8 % seulement.
Le troisième et ano l'autre 4 % par changement à endiguement depuis DEHORS code.
Maintenant, vérifier a contribution classement ici.
Le nombre deux devenir poste de travail plutôt de pays plus.
Dans le modèle simplification,
ici, améliorer supplémentaire 6 % R carré par modèle simplification.
Avant simplification modèle,
le plus est tous scénario sous considération,
mais comme moins deux, beaucoup catégories pourrait diluer prédire pouvoir.
Dans simplification modèle,
filtration dehors mineure catégories avec moins comptes,
comme retirer 60 % catégories de poste de travail,
le total montant diminué à 270 depuis 426.
Vérifier encore, le contribution classement,
le défaut taper et notre poste de travail sont toujours le nombre un et le nombre deux.
Maintenant, nous avoir plus confiance à utiliser le modèle
à prédire le MAIS et l'AS.
Pour Partition Arbre Optimisation du modèle
comme I mentionné avant,
le majeur contributeurs sont Type de défaut & Poste de travail
autour 80 % pour Pareto C concept.
Comparer type de défaut dans SA et FA prédiction.
Pour sur ici, c'est étiquetage problème.
Fabrique sens, nous ne le faites pas dépenser plus temps à réparer chaque problème.
Pour MAIS, c'est dommage.
Oui, il serait prendre beaucoup plus faire du vélo temps.
À propos a poste de travail comparaison entre sur et MAIS
PVD mécanique et CVD module testeur.
Actuellement, il toujours besoins plus loin analyse et compréhension.
À propos la FA pays ici, dans a profil ou prédiction profil est plat.
N'est-ce pas t pays impact QN fixe faire du vélo temps?
Est C'est bien ça ?
À répondre le question ici, I introduire le modèle limitation,
récursif partition.
Récursif cloisons, séquentiel dépendance risque.
Facteur pays est propagé six fois,
et seulement un temps arriver dans plus haut faire du vélo temps grappe.
Tel récursif dépendance limitation peut impacter l' prédictif modèle.
Le troisième modèle,
Neural Réseau (Intelligence artificielle).
Ici observe grave surentraînement préoccupation
entre entraînement et le variation R carré.
Si R² entre Entraînement Ensemble et V alidation Ensemble
est sur 20 %, il a surentraînement préoccupation.
En plus, nous trouver il dans neural modèle,
le nombre un classement est poste de travail,
et le nombre deux est faute par
lequel est différent depuis précédent partition modèle.
Pour À, le poste de travail est à mise en scène,
Stades CCT, où matériel sont apporté ensemble
avant entrer Défaut de fabrication ,
et il n'a pas avoir des concurrents opération processus.
Une fois le problème arriver, il peut être fixé rapidement.
Fabrique sens.
Pour MAIS à le fraude au service CVD,
il a une compétitivité opération processus.
Oui, il a fait à avoir plus long faire du vélo temps à traiter difficile problème.
Jusqu'à maintenant, nous déjà avoir trois modèle,
Arbre Modèle Partition et le Neural Modèle,
et lequel modèle est beaucoup plus approprié et rencontrer réalité.
Donc,
modèle comparaison et sélection,
Analyse des causes profondes, graphique outil
dommage problème remplacement,
Taïwan CVD fraude au service est le pire scénario avec plus long fixé faire du vélo temps.
Actuellement, Neural modèle a le identique scénario
comme le Graphique Analyse des causes profondes,
mais Le seul souci est le surentraînement. risque.
En plus, le trois modèle a très fermer prédiction
sur le pire faire du vélo temps dans 1.2 jours.
Le Je le ferai définitivement. introduire, Test Exploitation minière et le Données Exploitation minière Hybride.
Actuellement dans QN D minutes base, il toujours a test messager résultant Bien
à tel plus information à propos long faire du vélo temps dans QN testeur variable base de données.
Utiliser JMP Test Explorer à découvrir quelques fréquence mots-clés
tel comme ici, I cercle remplacer, retravailler, dimension et le F10246
un projet à faire plus loin analyse,
alors convertir eux à binaire détecteurs,
conduire a plus loin Données Exploitation minière et le Analyse des causes profondes
sur le boîtier F10246 via carte thermique graphique.
Ici, mettre dimension indicateur sous F10246
et endiguement remplacer et concernant travailler dans ET.
Selon à le chaleur carte résultats, F10246
c'était le cas souffrir beaucoup de réparer faire du vélo temps
que autre projet par couleur résultats
et vérifier dimension détecteur observé est
pas seulement dimension problème, mais aussi notre divers cause du défaut
long faire du vélo temps, même si juste sont fixé par retravailler.
Dans le fin, ici sont Ce que j'ai retenu de cet apprentissage.
JMP G graphique Plateformes sont très puissant à conduire
Plus profond r analyse des causes hors analyse à travers ingénierie
et le logique, données- conduit processus
et comparer et sélectionner a plus approprié JMP modèle
depuis Classique Taille M costume, P articulation et a Neural Réseau
par connaissance le modèle limitation
et le risque de de liaison à précédent Graphique Analyse des causes profondes.
Conduire a Hybride Texte M froid et l'exploration de données R out Cause Analyse
sur le Base de données QN complexe.
Final, Identifiant comme à remercier GCI M BB Charles Chen comme mon projet mentor
et c'est tous mon présentation.
Remercier toi pour ton temps et attention.
Remercier toi.
