请所有制造工程师注意！
这是“掌握 JMP”课程“掌握日常流程制造操作的优化”的配套帖子。该活动计划于 2025 年 1 月 31 日美国东部时间下午 2 点举行，我希望您能参加。如果不能，我将发布该活动的点播回放链接。
在演示过程中，介绍了一种使用数据挖掘来寻找流程偏差根本原因的解决方案的方法。从个人经验来看，我可以告诉你，这种方法非常有效，可以帮助节省调查可能根本原因的时间和资源，帮助团队专注于最有可能的前景。作为讨论的后续和 DIY 练习，这里是另一个你可以尝试的例子。
情况是这样的。在例行流程审查期间，在流程监控器 2 和流程控制 5 之间发现了一种不寻常的模式。有一个对角线点群看起来非常不寻常，团队希望找到这种模式的根本原因。监控器 2 和控制 5 的分布看起来完全正常，因此根本原因仍然是个谜。您的工作是使用数据挖掘来找到此问题的根本原因。执行此操作的步骤类似于掌握 JMP 的讨论，但需要完成一些工作。
请随意回复这篇文章，我会接受第一个正确的解决方案。但是，作为剧透警告，请在尝试解决问题之前不要阅读评论。此外，如果您使用这种技术来解决现实世界的问题，那将非常高兴。请记住，该技术可能不会发现明确的答案，而是将列表缩小到最有希望的前景，这在我看来仍然是一种胜利。
祝你好运，玩得开心，侦探工作顺利！
海德
可视化问题
个体分布看起来正常
