1.statlet屬性能力分析
這statlet執(zhí)行使用屬性數據的能力分析。數據也可以由任何數量的不合格項或不合格的樣品中的總人數如果一個項目可以有多個不合格。分析是基于二項式和泊松分布,statlet將計算參數估計和置信區(qū)間和置信區(qū)間上,能力指數(在最好的估計值和上限),和DPM(每百萬缺陷)。
2.二元密度statlet
這個Bstatlet變量密度
顯示2列數據密度函數估計。它使用一個二維等高線圖或三維頻率直方圖。這2個變量的聯合分布可以被假定為是多元正;蚴褂梅菂倒烙嫹椒。
3.蝶形圖
這個蝶形圖比較2個屬性的數據樣本。它由2套桿顯示每個樣本的頻率分布在一組類。
4.能力控制圖
本程序構建監(jiān)測能力指標如C II期統(tǒng)計過程控制圖P
和CPK。鑒于這一過程能夠滿足規(guī)定的要求的基于可變數據的分析,這些圖表監(jiān)控持續(xù)符合這些要求。
5.控制圖的設計statlet能力
這個新的statlet協(xié)助分析確定大樣本應在構建能力控制圖。 能力控制圖 監(jiān)控已被證明是產生的結果,產生少量的不合格穩(wěn)定的和有效的方法。
6.分類和回歸樹
這個分類和回歸樹
程序實現了一個機器學習的過程來預測觀測數據。它創(chuàng)造了2種模式:分類模型和回歸模型。模型是通過創(chuàng)建一個樹,其中每個節(jié)點對應于一個二叉決策。給定一個特定的觀察,一個沿著樹的樹枝直到終止葉被發(fā)現。每片葉子的樹是一個預測的類或值相關聯的。
7.最終篩選設計
一個新的實驗設計類型已被添加到向導的設計實驗。打電話
最終篩選設計,這些設計都能夠估算模型包括線性和二次效應的小設計,雖然二階相互作用部分混淆自己和二次效應。此外,6個或更多的因素陷入設計能夠完全二階模型設計(包括任何3個因素的相互作用)。