상호 작용은 항상 JMP 데이터 탐색과 보고서 생성을 통해 발견을 가능하게합니다. 열 변환 초기 탐사 중에 당신을 "흐름"에있게하십시오. 보고서의 대화 형 기능 (예 : 칫솔질 및 표 및 보고서 간의 선택 연결)을 통해 분석 전반에 걸쳐 계속 질문 할 수 있습니다. 그만큼 로컬 데이터 필터 과 열 교환기 이 프로세스를 간소화하여 보고서를 다시 만들지 않고도 대화식으로 분석 변수를 부분 집합 또는 변경할 수 있습니다. JMP 12는 선택 필터를 도입하여 다른 그래프 세트에서 수행 된 선택을 기반으로 한 세트의 그래프 또는 보고서를 필터링함으로써 대화식 보고서 생성 프로세스를 향상시킵니다.
데이터 필터
그림 1 : 로컬 데이터 필터는 단일 보고서의 하위 집합을 제어합니다.
데이터 필터는 일반적으로 지정된 기준에 따라 데이터 하위 집합을 탐색하는 데 사용됩니다. 그림 1에서와 같이 JMP의 로컬 데이터 필터는 하나 이상의 열 값을 기반으로 데이터를 필터링하기위한 인터페이스를 제공합니다. 로컬 데이터 필터를 사용하면 원본 데이터 테이블이나 같은 테이블에 종속 된 다른 보고서에 영향을주지 않고 해당 보고서 내의 데이터 하위 집합을 탐색 할 수 있습니다. 공통 워크 플로 시나리오에는 여러 분석이 함께 연결되는 경우가 종종 있습니다. 예를 들어 분석 할 하위 집합을 결정하기 전에 열의 값 분포를 볼 수 있습니다. 이전 버전의 JMP에서는이 작업을 부분 집합 테이블과 여러 보고서를 만들어 수동으로 수행 할 수있었습니다. 수동 방식을 사용하면 데이터 테이블 및 보고서에 대해 많은 수의 창을 만들 수 있으므로 분석을 이해하기 위해 더 많은 정신 부기가 필요합니다. JSL 스크립팅을 사용하면 프로세스를 간소화하고보다 일관된 워크 플로 프레젠테이션을 제공 할 수 있습니다. JMP 12에서 선택 필터를 사용하면 이러한 유형의 워크 플로를 JMP에서 대화 형으로 구성하고 나중에 사용하고 동료와 공유 할 수 있도록 저장할 수 있습니다.
선택 필터
그림 2 : 트리 맵의 선택은 일방 통행 보고서에서 분석 할 데이터를 결정합니다.
선택 필터는 로컬 데이터 필터와 비슷하지만 기존 필터 인터페이스 대신 하나 이상의 그래프를 사용합니다. 선택 연결을 사용하여 선택 상태를 데이터 테이블 및 다른 보고서와 공유하는 대신 선택 필터는 데이터 테이블 및 기타 보고서와 독립적 인 개인 선택 상태를 사용합니다. 이 개인 선택은 필터링 된 그래프에 포함 할 행을 결정하는 데 사용됩니다. 그림 2는 일원 분석을위한 필터로 트리 맵을 사용하는 방법을 보여줍니다. 트리 맵은 모든 데이터를 표시하고, 일회 보고서는 트리 맵에서 선택된 행만 표시하도록 필터링됩니다. 기존 데이터 필터의 경우와 마찬가지로 필터에서 아무 것도 선택하지 않으면 모든 데이터가 필터링 된 플랫폼에 표시됩니다.
그림 3 : 두 개의 필터 그래프는 관심있는 하위 집합을 선택하고 시각화하는 여러 가지 방법을 제공합니다.
선택 필터는 필터 내에서 단일 그래프를 사용하거나 필터링중인 단일 보고서를 사용하는 것만 제한되지 않습니다. 그림 3은 동일한 선택 필터 내에서 두 개의 플랫폼을 사용하는 것을 보여줍니다. 지도는 개별 상태를 선택하는 방법을 제공하는 반면 지역 히스토그램은 그룹별로 상태를 선택하는 방법을 제공합니다. 이 예에서는 두 개의 보고서가 동일한 선택 항목에 연결되어 두 그래프의 선택 사항이 다른 그래프에 반영되고 필터링 된 그래프 작성기는 선택한 데이터 만 표시됩니다. 선택 필터를 계층 적으로 연결하여 여러 그래프의 선택을 기반으로 관심있는 하위 집합을 연속적으로 좁히는 필터를 만들 수도 있습니다.
선택 필터를 사용하여 여러 플랫폼을 하나로 연결하면 유망한 데이터를 선택하는 방법과 하위 집합을 보거나 분석하는 방법을 모두 선택할 수있는 효율적인 분석 흐름이 제공됩니다. 이 조합은 각 플랫폼의 성능을 향상시킵니다. 계층 적 클러스터링 플랫폼을 선택 필터로 사용할 가능성을 고려하십시오. 클러스터 계층의 선택 항목에 다른 플랫폼을 연결하면 의미있는 클러스터 진단을 표시하는 사용자 정의 된 응용 프로그램을 대화식으로 만들 수 있습니다.
앞으로의 블로그 글에서는 JMP 12에서 선택 필터를 만드는 과정을 설명 할 것입니다. 자주 함께 사용하거나 탐구하고 싶은 그래프 또는 분석의 조합에 대해 의견을 말하십시오. 조합과 응용 프로그램은 광대합니다. 나는 당신의 아이디어를 듣기를 고대합니다!
편집자 주 : 이 게시물은 JMP 12의 미리보기 시리즈 소프트웨어를 개발 한 사람들이 쓴 것입니다.
마이클 클레이튼 쓴 :
Variability Plot (Minitab 및 다른 시스템에서 Multi-Vari plot이라고 함)이 가장 좋아하는 그래프입니다. 분산 구성 요소를 얻기 위해 계층화를 사용하면 시각적으로 중첩되거나 교차 된 다중 수준 요인 연구에 대해서만이 플롯에서 수행 할 수 있습니다. 그러나 복잡한 모델링 이전에 모든 DOE를 빠르게 볼 때 게이지 스터디 툴로 분류됩니다. SPC 스터디는 동일한 플롯에 일부 제품 매개 변수에 대해 여러 개의 툴과 게이지 및 레시피가 포함되는 경우가 많습니다 결과.
우리가 파레토 (Pareto)의 여러 가지 가능한 원인을 도울 수있는 어떤 것이라도 그래프 플랫폼에서 도움이 될 것입니다.
또한 복합 테스트 데이터 (ESI)의 경우 수백 개의 로트에 걸쳐 배치 당 25 개의 웨이퍼 내의 전기적 테스트 매개 변수가 500 개가 넘고 시간이 지남에 따라 오래된 가설 테스트 이외의 개선 노력에 할당 할 중요한 매개 변수를 찾는 아이디어는 매우 도움이됩니다. 알파 및 베타 위험은 정밀 제조 작업에서 "큰 데이터"에 대한 까다로운 문제로 종종 DOE에서 낭비되는 노력을 초래합니다.
저는 지금 계층적 선택 필터 문제를 다루고 있으며 JMP의 고급 기능에 대해 비교적 생소한 사람이므로 이 포럼을 사용하여 최대한 많이 배우고 있습니다. 이 기사는 훌륭했습니다. 이 기사 말미에 당신은 다음과 같은 성명을 발표했습니다.
" 선택 필터를 계층적으로 연결하여 여러 그래프의 선택을 기반으로 관심 하위 집합을 연속적으로 좁히는 필터를 만드는 것도 가능합니다."
나는 정말로 이것의 예를 보고 싶습니다.
