El vídeo, realizado con JMP Pro 18, se publicó en septiembre de 2025.
¿Necesita simular los resultados de su modelo para determinar cómo medir y reducir las tasas de defectos? ¿Su objetivo es comparar el impacto de la variación de los valores de las variables en uno o más objetivos de respuesta, como el coste y el rendimiento? ¿Podría su equipo beneficiarse al comprender el impacto de los límites de los factores en la tasa de defectos esperada de las ejecuciones futuras y en el cumplimiento de las especificaciones (parte dentro de especificación) de las respuestas?
En esta sesión, utilizando un ejemplo sencillo de fabricación con 4 factores y 2 respuestas, verá cómo:
- Determina de forma interactiva cómo cambia tu modelo de predicción a medida que modificas la configuración de los factores individuales.
- Identificar y examinar las compensaciones para lograr configuraciones de factores óptimas (deseables).
- Definir y optimizar la deseabilidad para una o más respuestas.
- Realizar una optimización de respuesta compleja para cumplir con los criterios y especificando ponderaciones desiguales.
- Simular la distribución de las salidas del modelo en función de la variación aleatoria en las entradas del modelo y el ruido.
- Guarde los valores simulados para su posterior evaluación, incluidos los valores que indiquen si una respuesta simulada se encuentra dentro de los límites de especificación.
- Explorar el impacto de los límites de los factores en la tasa esperada de ejecuciones futuras que cumplan con las especificaciones de respuesta (parte dentro de la especificación).
Preguntas respondidas por @Laura_Higgins , @DonnyKopp y @PatrickGiuliano en el seminario web en directo:
P: ¿ Se pueden filtrar los valores simulados mediante una fórmula, de manera que se puedan introducir restricciones para las X?
A: Sí, si tiene una fórmula en su tabla JMP o puede agregar la suya propia a la fórmula. Vea el video sobre fórmulas.
P: ¿Existen recomendaciones para el muestreo de datos de procesos continuos para construir su modelo? ¿Con qué frecuencia es recomendable muestrear datos de procesos continuos y cuáles son las mejores maneras de capturar el retardo del proceso en su modelo?
R: Depende. Además, JMP cuenta con excelentes herramientas para ayudarte a muestrear tu proceso de forma inteligente. Por ejemplo, puedes usar Tablas > Subconjunto para extraer "intervalos" (subconjuntos) significativos de filas, evitando así que el proceso de muestreo se vea afectado. Imagina muestrear de forma completamente aleatoria un proceso con muchos lotes y una variación persistente entre ellos (cambios en la media que se consideran esperados). Si muestreas de forma totalmente aleatoria, la muestra no se comportará de forma racional (por ejemplo, no parecerá razonablemente consistente y puede que no se ajuste a ningún modelo de distribución en particular, especialmente a uno basado en principios físicos como la distribución normal o la de Weibull).
P: ¿El análisis de sensibilidad (cuánto afecta la variación de la entrada a la variación de la salida) recibe otro nombre en JMP? ¿Cuál es la mejor manera de ver qué predictores no necesitan tanto control?
A: Comience buscando "Optimización estocástica" en la documentación de soporte de JMP.
Requisitos previos sugeridos:
Recursos
