5. - 그래픽 인터페이스 기반 데이터 분석 + Interaction
클릭기반 데이터 도식화 + 데이터필터 상호 연동 아이디어 발현
- 엔지니어링된 데이터분석 결과를 쉽게 Code화 할 수 있다.
반복 적용으로 검증 용이
- 원하는 데이터전처리 및 분석 프로세스를 쉽게 Customize 할수 있다.
*.jsl (Add-in, Application) low code tool 구현 가능
비 프로그래머로써 JMP 좋은점
6. Help Script index
Jump into JMP Scripting Scripts
Public Add-in hacking
분석진행
(JMP Application)
Save script / To Script Window
데이터 전처리
(JMP function and Calculator)
Log window
GUI 구성 / 연결 / 자동화
JMP Script Self-study Process
17. 필드데이터 분석 목적
- 품질문제 분석 / 개선
- 수명분포 (Weibull β) + 가속 수명 시험 (가혹도) 보증 수명 달성여부 파악
18. 필드데이터 변수
판매량 차종 / 타입 / 판매날짜 / ...
고장데이터 부품명 / 현상 / 수리내역 / 수리날짜 / 주행거리 / ...
충분치 않은 필드데이터
주어진 시간 관련 변수 : 날짜와 주행거리
날짜의 한계 : 차종별 / 사용처별 일별 주행거리 상이
무고장 차량의 주행거리 분포(예측) 필요
19. - 무고장 분포에 따라 β, η값이 변할 수 있음
출처:https://www.machinedesign.com/automation-iiot/article/21831580/unlocking-weibull-analysis
무고장 반영 Weibull 분석
20. 분석범위에 따른 무고장 대수와 분포
다양한 무고장분포 조건
분석범위내 기간별 분포 차이
22. Flow chart
기간 ~ 무고장대수
- 전체 데이터의 판매기간
- 고장 부품의 판매기간
- 임의구간
ex) 관측시작 ~ 고장부품 판매
고장 부품 판매시작 ~ 관측중단
무고장
기간/분포 3 x 3 = 9 case
분포
- 고장데이터 전체 마일리지 분포
- 고장데이터 전체 기간별 마일리지 분포
- 중복고장차량(일주행거리 x 주행일수) +
나머지차량(일주행거리분포 x 주행일수)
23. ex) 고장부품에 해당되는 판매기간 동안 해당되는 무고장 차량이
전체 고장차량 주행일 기준 6개월 간격의 주행거리 분포에 랜덤으로 분포할 경우
와이블 분석결과는 어떻게 될까?
고장부품 판매날짜 Min / Max 변수 A
판매량데이터에서 변수조건 해당 Row 수
(전체고장 주행일 // 180일) 값 변수 B
변수 기준 Weibull β, α 값 확인
A,B / β,α 기준 랜덤 Weibull 데이터 생성
고장데이터와 합친후 Weibull 분석
Col minimum / Col maximum
Select Where > N Row
Ceiling > for(distribution where B)
Report > numberColBox( )[ ]
Subset A> Date difference B
Join > for( Random Weibull( β, α ) )
log
window
Save
script
Help
Script
index
…
32. 강력한 데이터 분석툴
심층 데이터 분석결과
분석조건
아이디어
반복
[ GUI ]
JMP 하나로 low code 분석툴 구현 가능
JSL
JMP
Graph Builder
(Local) Data Filter
New formula column
Screening/Clustering
Fit Model
Etc…