La vidéo, réalisée avec JMP Pro 18, a été publiée en septembre 2025.
Avez-vous besoin de simuler les résultats de votre modèle pour déterminer comment mesurer et réduire les taux de défauts ? Souhaitez-vous comparer l’impact de la modification des valeurs des variables sur un ou plusieurs objectifs, tels que le coût et le rendement ? Votre équipe pourrait-elle tirer profit de la compréhension de l’impact des limites des facteurs sur le taux de défauts attendu des exécutions futures et sur la conformité aux spécifications (partie « dans les spécifications ») des réponses ?
Dans cette session, à l'aide d'un exemple simple de fabrication à 4 facteurs et 2 réponses, vous verrez comment :
- Déterminez de manière interactive comment votre modèle de prédiction évolue lorsque vous modifiez les paramètres des différents facteurs.
- Identifier et examiner les compromis pour obtenir des paramètres de facteurs optimaux (souhaitables).
- Définir et optimiser la désirabilité d'une ou plusieurs réponses.
- Effectuer une optimisation complexe des réponses pour gérer les critères de complétion et en spécifiant des pondérations inégales.
- Simuler la distribution des sorties du modèle en fonction de la variation aléatoire des entrées du modèle et du bruit.
- Enregistrez les valeurs simulées pour une évaluation ultérieure, y compris les valeurs indiquant si une réponse simulée se situe dans les limites de spécification.
- Explorez l'impact des limites des facteurs sur le taux attendu de futures exécutions conformes aux spécifications de réponse (partie conforme).
Réponses aux questions posées par @Laura_Higgins , @DonnyKopp et @PatrickGiuliano lors du webinaire en direct :
Q : Est-il possible de filtrer les valeurs simulées à l'aide d'une formule, afin de pouvoir définir des contraintes pour les X ?
R : Oui, si vous avez une formule dans votre table JMP ou vous pouvez ajouter la vôtre à la formule. Voir la vidéo sur les formules.
Q : Existe-t-il des recommandations concernant l'échantillonnage des données de processus continus pour la construction d'un modèle ? Par exemple, quelle est la fréquence d'échantillonnage optimale et comment prendre en compte au mieux le délai de processus dans le modèle ?
R : Cela dépend absolument. De plus, JMP propose d'excellents outils pour vous aider à échantillonner intelligemment votre processus. Par exemple, vous pouvez utiliser Tables > Sous-ensemble pour extraire des « intervalles » (sous-ensembles) pertinents de lignes, ce qui vous permet de ne pas perturber votre processus d'échantillonnage. Imaginez un échantillonnage totalement aléatoire d'un processus comportant de nombreux lots et une variation persistante d'un lot à l'autre (des décalages de moyenne considérés comme attendus). Si vous effectuez un échantillonnage totalement aléatoire de ce processus, votre échantillon ne se comportera pas de manière rationnelle (par exemple, il ne semblera pas raisonnablement cohérent et il pourrait ne correspondre à aucun modèle de distribution particulier, en particulier un modèle « physique » comme la loi normale ou la loi de Weibull).
Q : L'analyse de sensibilité (dans quelle mesure la variation des entrées affecte la variation des sorties) porte-t-elle un autre nom dans JMP ? Comment identifier au mieux les prédicteurs qui nécessitent moins de contrôle ?
UN : Commencez par rechercher « Optimisation stochastique » dans la documentation de support JMP.
Prérequis suggérés :
Ressources
