注: デモでは JMP Pro 17 が使用されていますが、表示される機能はすべて JMP 17 のものです。ビデオには、プレゼンターの Caleb King @calkingによる Q&A とコメント、MSA の仕組み、および機能強化の計画が含まれています。
方法をご覧ください:
- MSA設計の基礎を理解する
MSAの主な焦点は、製品測定値の変動を個別の原因に分解し、1つ以上の原因を削減または排除することです。
関心のある指標は効果の大きさ（つまり、平均行動の差）ではなく、特定のソースからの分散寄与である。
基礎となるモデルは主にランダム効果モデルであり、バイアス項が含まれる場合は混合効果モデルである。
ネストされた因子はMSAでも一般的ですが、MSAに限ったことではありません。
-
JMP 17の改善点をご覧ください
-
MSA分析プラットフォームとより密接に連携した、より優れた診断
-
より優れたユーザーインタラクションにより、シナリオの検討が可能
-
柔軟な設計構造インターフェースにより、ユーザーは設計内のネスト/交差関係を指定できます。
- 診断は、標準的な分散分析アプローチに基づく分散推定のシミュレーションに基づいていることを理解する
- ネスト構造と交差構造を含める
- 2つの例の設計と診断の評価
MSA Design Factor ScreenMSA 設計係数スクリーンMSA 設計係数スクリーン
ビデオには、ウェビナーで Caleb @calking 、Don McCormack @DonMcCormack 、Jerry Fish @JerryFishが回答した質問が含まれています。
ある人が、異なる機器で同じ方法をテストする場合にネスティングが発生するかどうかをオンラインで質問しました。その回答は、おそらく発生しないが、最終的には、方法と機器についてどのような仮定が立てられたか、実験がどのように実行されたかによって決まるということです。機器/方法を、はるかに大きな集団からのランダムな観察と見なした場合、それらはネスティングされていると見なすことができます (何らかの方法で)。それらを固定された一連の値 (機器の種類など) から見なした場合、それらは交差しているとみなされる可能性が高くなります。
リソース
