製造エンジニアの皆様へ！
これは、Mastering JMP セッション「日々のプロセス製造業務の最適化を理解する」の関連投稿です。イベントは 2025 年 1 月 31 日午後 2 時 (東部標準時) に予定されていますので、ぜひご参加ください。ご参加いただけない場合は、イベントのオンデマンド再生へのリンクを投稿します。
プレゼンテーションでは、データ マイニングを使用してプロセス逸脱の根本原因の解決策を見つける方法が紹介されています。個人的な経験から言うと、この方法は非常に効果的で、考えられる根本原因の調査にかかる時間とリソースを節約し、チームが最も可能性の高い見込み客に集中するのに役立ちます。ディスカッションと DIY 演習の続きとして、試すことができる別の例を次に示します。
シナリオは次のとおりです。定期的なプロセス レビュー中に、プロセス モニター 2 とプロセス コントロール 5 の間に異常なパターンが見つかりました。非常に異常に見える対角のポイント クラスターがあり、チームはこのパターンの根本原因を見つけたいと考えています。モニター 2 とコントロール 5 の分布は完全に正常に見えるため、根本原因は不明のままです。あなたの仕事は、データ マイニングを使用してこの問題の根本原因を見つけることです。これを行う手順は、「Mastering JMP」の説明と似ていますが、いくつかの工夫が必要です。
この投稿に自由に返信してください。最初の正解を承認します。ただし、ネタバレ注意として、解決するまでコメントは読まないでください。また、この手法を使用して現実世界の問題を解決したことがある場合は、そのことをお聞かせください。この手法では明確な答えが見つからないかもしれませんが、最も有望な候補にリストを絞り込むことはできます。それでも、私にとっては勝利です。
幸運を祈ります。楽しんで、幸せな探偵生活を！
ハイド
問題を視覚化する
個々の分布は正常に見える
