이 글은 사실 "답변"을 위한 글이라기보다는 그저 토론을 위한 글일 뿐입니다.
제가 제조 품질 관련 직책으로 일했을 때 비슷한 과정을 따랐습니다. 상황을 시각화한 다음 어떤 종류의 그룹을 식별하고 표시한 다음 예측/설명을 시도했습니다. 다행히도 그룹을 만든 후에는 JMP에서 클러스터링이나 파티션 분석과 같은 다양한 방법을 시도하는 것이 매우 쉽습니다.
또한 열이 너무 많지 않은 경우 이러한 상황을 시각화하기 위해 Sankey Plot을 좋아합니다. 또한 JMP에서는 기본적으로 열을 변경하기가 약간 어렵지만 Sankey를 시작하기도 전에 잠재적인 원인에 대해 잘 알고 있을 수 있습니다.
더 보기...저는 이와 같은 경우 EDA(탐색적 데이터 분석)를 위해 그래프 빌더에서 Sankey Plot을 사용하는 것을 보다 쉽게 하기 위해
강화된 Sankey 플롯 추가 기능을 만들었으며 또한 열을 자동으로 정렬하여 분석을 지원하기 위해 분할 또는 예측자 스크리닝/부트스트랩 포레스트를 사용하는 것을 "지원"합니다.
자동 주문 후에는 다음과 같은 결과가 나올 가능성이 큽니다. 
일반적으로 시간과 관련된 것이 아니라 이 경우 일괄 처리라는 것을 즉시 확인하기 위해 어떤 종류의 주문을 설정하는 것이 좋습니다.
이 실습 활동의 경우 올가미 도구만 사용해서는 점을 선택하는 것이 약간 어려울 수 있지만 다행히도 선으로 시각화할 수 있었습니다. 간단한 공식을 사용하여 Monitor2와 Control5 간의 비율인 새로운 열을 만들어 값을 더 쉽게 선택할 수 있습니다.
그리고 우리는 열 머리글 그래프에서 즉시 높은 스파이크를 볼 수 있습니다.
이 시점에서 우리는 또한 다른 열 머리글 그래프를 잠깐 살펴보고 놀라운 것이 있는지 확인할 수 있습니다.
아마도 공장에서 생산한 것일 수도 있지만 여전히 여러 범주에 값이 있으므로 모든 결과를 설명할 수는 없습니다.
더 정확한 선택을 원하면 예를 들어 Distribution + Graph Builder와 함께 JMP의 상호 작용을 사용할 수 있습니다.
우리는 그것들을 선택하고 열에서 이름 선택으로 새로운 열을 만들거나, 그 새로운 비율 열을 파티션 분석/예측 스크리닝에서 우리의 응답으로 사용할 수 있습니다(우리가 비율 열을 그냥 사용하면 그렇게 명확하지 않겠지만, 우리가 무언가를 가지고 있는지 확인하는 매우 빠른 방법입니다). 저는 Predictor Screening과 Partition이 좋은 시작점이라고 생각하지만, 열이 너무 많지 않다면 Graph Builder의 Column Switcher를 사용하여 시각적 옵션으로 갈 수도 있습니다.
더 보기...
저는 웨비나에서 배운 것 이상의 일은 하지 않았습니다. 라소 도구를 사용하여 그래프 빌더 차트에서 Control 5 Monitor 2의 "이상한 선" 데이터를 강조 표시한 다음, 해당 선택 항목에서 강조 표시된 행을 사용하여 새 열을 만들고, 강조 표시된 행을 OOC로, 다른 열을 양호로 명명했습니다. 그런 다음 나머지 모든 요인에 대한 파티션 분석을 수행하여 대부분의 OOC 데이터 포인트가 내부 팩토리에서 나왔다는 것을 알아냈습니다. 저는 그래프 빌더로 돌아가서 "팩토리"에 대한 로컬 데이터 필터를 수행하고 Control 1 측정값이 >57.3일 때 Control 5 Monitor 2의 "이상한 선"의 원인이 내부 팩토리 때문임을 확인했습니다.
@크리스마스 이걸 정말 빨리 시도해 주셔서 감사합니다!
