Ce message n'est pas vraiment destiné à être une « réponse », mais plutôt un message de discussion.
Lorsque je travaillais dans le domaine de la qualité de fabrication, je suivais un processus similaire : visualiser la situation, puis identifier des groupes, les marquer et essayer de les prédire/expliquer. Heureusement, il est assez facile d'essayer différentes méthodes dans JMP, telles que le clustering ou l'analyse de partition, après avoir réussi à créer les groupes.
J'aime aussi le diagramme de Sankey à des fins de visualisation dans de telles situations s'il n'y a pas trop de colonnes. De plus, par défaut dans JMP, il est un peu difficile de changer de colonne, mais vous avez peut-être déjà une bonne idée de la cause potentielle avant même de commencer avec Sankey
Voir plus...J'ai fini par créer le module complémentaire
Graphique Sankey amélioré pour faciliter l'utilisation de Sankey Plot dans le générateur de graphiques pour l'EDA (analyse exploratoire des données) dans des cas comme celui-ci et il « prend également en charge » l'utilisation du partitionnement ou du filtrage de prédicteurs/forêt bootstrap pour aider à l'analyse en ordonnant automatiquement les colonnes
Après la commande automatique, vous vous retrouverez probablement avec quelque chose comme ceci 
C'est généralement une bonne idée de définir une sorte de commande pour voir immédiatement qu'il n'y a rien de lié au temps, juste au lot dans ce cas
Dans le cas de cette activité pratique, la sélection des points peut être un peu difficile en utilisant simplement l'outil lasso, mais heureusement, nous avons réussi à les visualiser sous forme de ligne -> nous pouvons créer une nouvelle colonne qui est le rapport entre Monitor2 et Control5 simplement en utilisant une formule rapide pour sélectionner les valeurs plus facilement.
Et nous pouvons immédiatement voir un pic élevé dans le graphique d'en-tête de colonne
À ce stade, nous pouvons également jeter un coup d’œil rapide sur nos autres graphiques d’en-tête de colonne pour voir si quelque chose semble alarmant.
Peut-être une usine, mais nous avons quand même des valeurs dans plusieurs catégories, donc cela n'expliquera pas tous nos résultats.
Si nous voulons avoir une sélection plus précise, nous pouvons utiliser l'interactivité de JMP avec Distribution + Graph Builder par exemple
Nous pouvons les sélectionner et créer une nouvelle colonne avec la sélection du nom dans la colonne, ou simplement utiliser cette nouvelle colonne de ratio comme réponse dans l'analyse de partition / le filtrage de prédiction (ce ne sera pas aussi évident si nous utilisons simplement notre colonne de ratio, mais c'est un moyen très rapide de vérifier si nous avons quelque chose). Je pense que le filtrage des prédicteurs et la partition sont de bons points de départ, mais s'il n'y a pas trop de colonnes, nous pouvons également simplement utiliser l'option visuelle à l'aide du sélecteur de colonnes dans Graph Builder
Voir plus...
Je n'ai rien fait de plus que ce qui a été enseigné dans le webinaire, car j'ai simplement mis en surbrillance les données de la « ligne étrange » du moniteur 2 de contrôle 5 à partir du graphique Graph Builder à l'aide de l'outil Lasso, puis j'ai utilisé les lignes en surbrillance dans cette sélection et j'ai créé une nouvelle colonne, en nommant ces lignes en surbrillance OOC et les autres colonnes comme bonnes. J'ai ensuite effectué l'analyse de partition de tous les autres facteurs restants et j'ai découvert que la plupart de mes points de données OOC provenaient de l'usine interne. Je suis retourné au Graph Builder et j'ai effectué un filtre de données local pour « Factory » et j'ai vérifié que la cause de la « ligne étrange » du moniteur 2 de contrôle 5 était due à l'usine interne lorsque la mesure du contrôle 1 était > 57,3.
@chrsmth Merci d'avoir essayé cela si vite !
