مقالات

3.CS: دراسة حالة (التنبؤ بالمبيعات المستقبلية) - الرياضيات


الوضع

تحتاج Lightning Wholesale إلى توقع المبيعات بالدولار لكل شهر في عام 2014. بمجرد فهم التغيير ، سيتم استخدام المتوسطات لتوقع المبيعات لكل شهر في عام 2014.

البيانات

شهرمبيعات 2011مبيعات 2012مبيعات 2013
كانون الثاني$1,337$1,928$1,798
شهر فبراير$2,198$2,122$2,407
مارس$2,098$2,503$2,568
أبريل$2,540$2,843$2,985
مايو$2,751$2,765$3,114
يونيو$2,885$3,152$3,242
تموز$2,513$3,128$3,306
أغسطس$3,784$3,513$3,852
شهر سبتمبر$4,200$4,700$4,815
اكتوبر$6,079$6,888$7,222
شهر نوفمبر$10,878$11,120$12,839
ديسمبر$8,136$10,226$9,630

(كل الأرقام بآلاف الدولارات)

المهام الخاصة بك

  1. احسب متوسط ​​المبيعات الشهرية لكل عام.
  2. احسب النسبة المئوية للتغييرات السنوية في متوسط ​​المبيعات الشهرية.
    • حدد النسبة المئوية للتغييرات من سنة إلى أخرى باستخدام إجاباتك على السؤال 1.
    • باستخدام إجاباتك على السؤال 2 (أ) ، احسب المعدل السنوي للتغيير.
  3. ضع متوسط ​​النسب الشهرية لتحديد كيفية مقارنة كل شهر بالمتوسط ​​السنوي.
    • لكل شهر ، احسب متوسط ​​المبيعات عبر السنوات الثلاث كلها. متوسط ​​أيضًا المتوسطات السنوية المحسوبة في السؤال 1. قم بتقريب إجاباتك إلى أعداد صحيحة.
    • لكل شهر ، حدد نسبة بين متوسط ​​المبيعات في الشهر (من السؤال 3 (أ)) ومتوسط ​​المبيعات السنوية (أيضًا من السؤال 3 (أ)). عبر عن النسبة بحيث يكون متوسط ​​المبيعات السنوية مصطلحًا واحدًا. قرب إجابتك لأقرب رقمين عشريين.
  4. مبيعات المشروع في المستقبل للتنبؤ بالمبيعات الشهرية في عام 2014 إلى جانب إجمالي المبيعات السنوية.
    • توقع متوسط ​​حجم المبيعات بالدولار الشهري لعام 2014 باستخدام المعدل السنوي للتغيير من السؤال 2 (ب). قرب إجابتك إلى عدد صحيح.
    • تحويل الإسقاط من السؤال 4 (أ) إلى إسقاط شهري لعام 2014 باستخدام النسبة الشهرية المحددة في السؤال 3 (ب). إجمالي المبيعات المتوقعة لعام 2014. قم بتقريب جميع إجاباتك إلى أرقام صحيحة.

77 كلية الرياضيات والعلوم الحسابية

كليه الرياضيات والعلوم الحسابيه
شانون فيتزباتريك ، أستاذ ، عميد مشارك مؤقت
لويس دويرون ، أستاذ ، مدير العلوم الاكتوارية والرياضيات المالية
مكسيم بيرك ، أستاذ
سيزار كامبيانو ، أستاذ
شفيق الاسلام ، أستاذ
جوردون ماكدونالد ، أستاذ
ناصر سعد استاذ
ديفيد هوروكس ، أستاذ مشارك
سامي الخضيري ، أستاذ مشارك
ديفيد ليبلانك ، أستاذ مشارك
مايكل مكيساك ، أستاذ مشارك
كريستوفر باور ، أستاذ مشارك
ينجوي وانج ، أستاذ مشارك
الكسندر الفاريز ، أستاذ مساعد
أنطونيو بولوف روهلر ، أستاذ مساعد
أندرو جودبوت ، أستاذ مساعد
كاي ليو ، أستاذ مساعد
جاي ادامسون ، أستاذ مساعد
تشيانغ يي ، أستاذ مساعد

توفر كلية العلوم الرياضية والحاسوبية في UPEI للطلاب أساسًا قويًا في الرياضيات والإحصاء وعلوم الكمبيوتر ، وتقدم مجموعة شاملة من البرامج التطبيقية التي تلبي طلب السوق وتؤدي إلى تحقيق وظائف في مجالات مثل: الرياضيات المالية ، العلوم الاكتوارية وتحليلات البيانات وتحليلات الأعمال وبرمجة ألعاب الفيديو.

يركز أعضاء هيئة التدريس في كلية العلوم الحسابية والحاسوبية على توفير تعليم عالي الجودة في مجتمع تعليمي ودود. تعد أحجام الفصول الصغيرة وفرص التعلم النشط والأساتذة الذين يمكن الوصول إليهم من ميزات جميع البرامج في كلية العلوم الرياضية والحاسوبية.

تقدم كلية العلوم الحسابية والحاسوبية درجات علمية في:
تخصص الرياضيات مع مرتبة الشرف
تخصص الإحصاء مع مرتبة الشرف
تخصص علوم الحاسب مع مرتبة الشرف
تخصص علوم حاسب متخصص في برمجة ألعاب الفيديو
تخصص علوم اكتوارية
تخصص الرياضيات المالية
تخصص تحليلات ، متخصص في تحليلات البيانات
تخصص تحليلات ، متخصص في تحليلات الأعمال

الرياضيات
الرياضيات هي دراسة العدد والكمية والفضاء. يمكن دراسة الرياضيات لذاتها (تسمى عادة الرياضيات البحتة) أو كما يتم تطبيقها على تخصصات أخرى. يوفر بكالوريوس العلوم مع تخصص في الرياضيات للطلاب أساسًا متينًا في كل من الرياضيات البحتة والتطبيقية ، دون أي تخصص تطبيقي معين. يتمتع خريجو هذا البرنامج بمكانة جيدة لبرامج الدراسات العليا في الرياضيات أو البرامج المهنية لما بعد البكالوريوس (التعليم ، والقانون ، والطب ، والأعمال التجارية ، وما إلى ذلك) ، أو برامج العلوم الرياضية التطبيقية. يجب على الطلاب الراغبين في مواصلة العمل في أبحاث الرياضيات التفكير في بكالوريوس العلوم مع مرتبة الشرف في الرياضيات.

إحصائيات
الإحصاء هو ممارسة جمع وتحليل البيانات الرقمية ، واستنتاج خصائص الكل من عينة تمثيلية. يوفر بكالوريوس العلوم مع تخصص في الإحصاء للطلاب الأساس المتين في كل من النظرية الإحصائية والإحصاءات التطبيقية اللازمة لتصبح خبيرًا في الإحصاء أو للشروع في دراسة إحصائية أكثر تخصصًا على مستوى الدراسات العليا. يجب على الطلاب المهتمين بمواصلة العمل في البحوث الإحصائية النظر في بكالوريوس العلوم مع مرتبة الشرف في الإحصاء.

علوم الكمبيوتر
علم الحاسوب هو ممارسة لفهم وتصميم وأتمتة العمليات الحسابية. يوفر بكالوريوس العلوم مع تخصص في علوم الكمبيوتر للطلاب أساسًا متينًا في كل من مبادئ وممارسات الحوسبة. يتمتع خريجو هذا البرنامج بمكانة جيدة لبرامج الدراسات العليا في علوم الكمبيوتر أو الالتحاق بسوق العمل. يجب على الطلاب المهتمين بمواصلة العمل في أبحاث علوم الكمبيوتر النظر في بكالوريوس العلوم مع مرتبة الشرف في علوم الكمبيوتر.

علم التخمين
علم الاكتواري هو دراسة المخاطر ، وعادة ما تكون المخاطر المرتبطة بالتأمين والمعاشات التقاعدية وخطط الاستثمار. تستخدم العلوم الاكتوارية تقنيات من الرياضيات والإحصاء والتمويل. يوفر بكالوريوس العلوم مع تخصص في العلوم الاكتوارية للطلاب التعليم المطلوب ليصبحوا خبراء اكتواريين.

الرياضيات المالية
الرياضيات المالية هي تطبيق النماذج الرياضية للتمويل ، عادةً لتحليل الأسواق والتسعير. تستخدم الرياضيات المالية تقنيات من الرياضيات والإحصاء والأعمال والاقتصاد. يوفر بكالوريوس العلوم في الرياضيات المالية أساسًا متينًا في الرياضيات المالية ، مما يؤدي إما إلى الحصول على وظيفة في القطاع المالي أو إلى مزيد من التدريب في الرياضيات المالية المتقدمة.

تحليلات
التحليلات هي تطبيق تقنيات من العلوم الحسابية والحاسوبية لاكتشاف أنماط ذات مغزى في البيانات. يحتوي بكالوريوس العلوم في التحليلات على تخصصين: تحليلات الأعمال ، والتي تركز بشكل خاص على بيانات الأعمال ، واستخدام التحليلات لتحسين أداء الأعمال ، وتحليلات البيانات ، التي تركز على فحص كميات كبيرة من المواد الخام بغرض استخلاص استنتاجات حول تلك المعلومات .

علوم حاسب متخصص في برمجة ألعاب الفيديو
تتضمن برمجة ألعاب الفيديو مهارات رياضية وحل المشكلات بالإضافة إلى برمجة وتصميم ألعاب الفيديو على منصات تقليدية وغير تقليدية. يوفر بكالوريوس العلوم في علوم الكمبيوتر مع تخصص في برمجة ألعاب الفيديو للطلاب المهارات المتخصصة لدخول هذا المجال المتنامي.

بادئات رمز الدورة التدريبية
يوجد في كلية العلوم الحسابية والحاسوبية خمس بادئات للدورة التدريبية:
MATH - لدورات الرياضيات
STAT - لدورات الإحصاء
CS - لدورات علوم الحاسب
AMS - لدورات العلوم الرياضية التطبيقية (بشكل أساسي العلوم الاكتوارية والرياضيات المالية)
MCS - للدورات المشتركة أو متعددة التخصصات في العلوم الحسابية والحاسوبية

المتطلبات الشائعة في جميع برامج الدرجات العلمية في مدرسة الرياضيات والعلوم الحاسوبية


ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

إلى Wuth:
تم اقتباس الجهد التالي من قسم & # 8220Ask Dr. Harry & # 8221 من هذا الموقع:
قدرة العملية لها بعدان متميزان ولكن مترابطان. أولاً ، هناك "قدرة قصيرة المدى" ، أو ببساطة Z.st. ثانيًا ، لدينا البعد "قدرة طويلة المدى" أو Z.lt. أخيرًا ، نلاحظ التباين Z.shift = Z.st - Z.lt. من خلال إعادة الترتيب ، ندرك بالتأكيد أن Z.st = Z.lt + Z.shift و Z.lt = Z.st - Z.shift. من أجل فهم الكمية Z.shift بشكل أفضل ، يجب أن نأخذ في الاعتبار بعض الرياضيات الأساسية. يُعطى الشكل قصير المدى (اللحظي) لـ Z كـ Z.st = | SL - T | / S.st ، حيث SL هو حد المواصفات ، T هو المواصفات الاسمية و S.st هو الانحراف المعياري قصير المدى. سيتم حساب الانحراف المعياري قصير المدى على النحو S.st = sqrt [SS.w / g (n - 1)] ، حيث SS.w هي مجموع المربعات بسبب الاختلاف الذي يحدث داخل المجموعات الفرعية ، g هو الرقم من المجموعات الفرعية ، و n هو عدد المشاهدات داخل مجموعة فرعية.
يجب أن يكون واضحًا إلى حد ما أن Z.st يقيم قدرة عملية على تكرار (أو تكرار) أي شرط أداء معين ، في أي لحظة عشوائية من الوقت. نظرًا لمزايا استراتيجية أخذ العينات المنطقية ، وبالنظر إلى أن SS.w لا يلتقط سوى التأثيرات اللحظية ذات الطبيعة العابرة والعشوائية ، فنحن مضطرون إلى إدراك أن Z.st هو مقياس "التكاثر الفوري". بعبارة أخرى ، يجب تصميم استراتيجية أخذ العينات بحيث لا يلتقط Z.st أو تعكس التأثيرات الزمنية (مصادر الخطأ المتعلقة بالوقت). يجب أن يردد المقياس Z.st خطأ نقيًا فقط (تأثيرات عشوائية).
الآن بالنظر إلى Z.lt ، نحن نفهم أن هذا المقياس يهدف إلى الكشف عن مدى قدرة العملية على تكرار حالة أداء معينة على مدار العديد من دورات العملية. في أنقى صوره ، يهدف Z.lt إلى التقاط و "تجميع" جميع التأثيرات اللحظية المرصودة بالإضافة إلى التأثيرات الطولية. وهكذا نحسب Z.lt = | SL - M | / S.lt ، حيث SL هو حد المواصفات ، M هو المتوسط ​​(المتوسط) و S.lt هو الانحراف المعياري طويل المدى. يُعطى الانحراف المعياري طويل المدى بالشكل S.lt = sqrt [SS.t / (ng - 1)] ، حيث SS.t هو إجمالي مجموع المربعات. في هذا السياق ، يلتقط SS.t مصدرين للتباين - الأخطاء التي تحدث داخل المجموعات الفرعية (SS.w) وكذلك تلك التي يتم إنشاؤها بين المجموعات الفرعية (SS.b). نظرًا لغياب التغاير ، يمكننا حساب الكمية SS.t = SS.b + SS.w.
في هذا السياق ، نرى أن Z.lt يوفر إحساسًا عالميًا بالقدرة ، وليس مجرد لقطة "شريحة من الوقت". وبالتالي ، فإننا ندرك أن Z.lt حساس للوقت ، بينما Z.st مستقل نسبيًا عن الوقت. بناءً على هذه المناقشة ، يمكننا الآن تقدير التباين Z.st & # 8211 Z.lt. يؤكد هذا النوع من التباين بشكل مؤثر إلى أي مدى تكون التأثيرات المرتبطة بالوقت قادرة على التحيز غير المواتي للتكاثر الفوري للعملية. وبالتالي ، نحسب Z.shift = Z.st - Z.lt ككمية متغيرة تصحح أو تعدل أو تعوض بطريقة أخرى قدرة العملية عن تأثير التأثيرات الطولية.
إذا كان التباين مرتبطًا فقط بمقارنة التأثيرات العشوائية قصيرة وطويلة المدى ، فيمكن تحديد قيمة Z.shift نظريًا. بالنسبة للحالة الشائعة ng = 30 واحتمال الخطأ في القرار من النوع الأول البالغ .005 ، سيكون متوسط ​​التحول المكافئ 1.5S.st. إذا كان التباين يفسر أيضًا حدوث التأثيرات غير العشوائية ، فلا يمكن تحديد متوسط ​​التحول المكافئ نظريًا - لا يمكن تقديره إلا بشكل تجريبي أو تأكيده بشكل حكمي.
آمل أن يكون هذا يساعدك.
يعتبر،
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

عيسى ، يمكن أن تكون العملية في حالة رقابة إحصائية
(التباين العشوائي فقط) ، ومع ذلك يكون عريضًا جدًا بالنسبة إلى
حدود مواصفات الأداء. على سبيل المثال ، ضع في اعتبارك أ
نظرًا لتكنولوجيا التصنيع التي تتمحور حول
القيمة المستهدفة مثل M = T ، حيث M هي العملية
يعني و T هو هدف التصميم. لتعزيز لدينا
المناقشة ، سيتم فهمها أيضًا على الفرد
& # 8220 الانحرافات & # 8221 التي تشتمل على التباين كاملة
لا يمكن التنبؤ به (أي عشوائي). في هذه الحالة ، لن يكون
عملي أو مجدي اقتصاديًا لتعقب و
القضاء على مصدر (مصادر) هذه الانحرافات. ومن ثم يمكن
يقال أن التكنولوجيا المعينة تتركز و
تعمل بأقصى قدرتها ، لنقل 2 سيجما. في هذا
مثال بسيط ، يمكننا أن نرى أن العملية هي & # 8220in
التحكم & # 8221 لكنها غير صالحة للاستخدام. ستكون هذه العملية & # 8220in
السيطرة ، & # 8221 ولكن تنتج نسبة عيب عالية. لحل هذا
المشكلة ، يجب على المرء أ) العيش مع الاختلاف ، ب) الزيادة
المواصفات ، ج) إيجاد حل قوي يقلل
التباين ، د) ترقية التكنولوجيا الأساسية ، هـ)
منع تأثير المتغيرات المسببة ، أو بعضها
مزيج مما ورد أعلاه.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

توم:
أحب جملتك الأخيرة: & # 8220 العشوائية هي مجرد كلمة أخرى للجهل بالأسباب. & # 8221 مثال رقمي رائع.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

توم:
ملصق ممتاز! مفهوم & # 8220significant many & # 8221 مثير للاهتمام. ولكن كيف يجب تحديد المصطلح & # 8220significant & # 8221؟ هذا رافد آخر من روافد الأمازون التحليلية التي يجب استكشافها في النهاية.
هل تعتقد أن الدكتور جوران & # 8217s يعني أن & # 8220 ذات دلالة إحصائية & # 8221؟ هل يمكن أن يعني & # 8220 مهمًا عمليًا؟ & # 8221 نعم ، قد يكون التأثير التراكمي لـ & # 8220 عددًا أساسيًا & # 8221 كبيرًا في بعض المواقف. ولكن ، هل ستثبت أي من التأثيرات المساهمة & # 8220s ذات أهمية & # 8221 بأي شكل من الأشكال؟ لا أعتقد ذلك.
لأي سيناريو معقد للسبب والنتيجة ، هل توافق على أن ميل أي X من المرجح أن يكون غير مهم إحصائيًا وعمليًا؟ وفقًا لذلك ، بالنسبة لأي تحويل معقد يتضمن نطاقًا كبيرًا من المتغيرات المستقلة ، فمن المشكوك فيه أن يكون التوزيع المرتبط بالمشتقات الجزئية منتظمًا. أميل إلى الاعتقاد بأن مثل هذا التوزيع سيكون منحرفًا ، لدرجة أنه لا يمكن الإعلان إلا عن عدد قليل من المتغيرات على أنها & # 8220 إحصائيًا وذات مغزى عملي. & # 8221
قدمت مع الاحترام،

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

أوافق على أن هذا الموضوع يستحق المزيد من المناقشة. أود أيضًا أن أوافق على أن هاتين الكلمتين ، بالإضافة إلى اتحادهما ، كثيرًا ما يُساء فهمهما ويتم تطبيقهما بشكل غير لائق (من قبل المبتدئين والممارسين المتمرسين على حد سواء).

قد يقول البعض أنه لا يوجد شيء في الطبيعة يحدث بالصدفة ، كل شيء يتحرك في نوع من الاتجاه أو التحول أو الدورة. إذا كان هذا صحيحًا ، فقد يميل المرء أيضًا إلى الاعتقاد بأن كل X تلعب دورًا (من نوع أو شكل ما) في التحديد التبعي لـ Y ، بالنظر إلى أن Y = f (X1، XN). ومع ذلك ، لا يتم إنشاء جميع المتغيرات بشكل متساوٍ. البعض له تأثير أكبر من البعض الآخر. وبالتالي ، فإننا ندرك أن بعض Xs أكثر تأثيرًا من البعض الآخر. ومن ثم ، فإن "القلة الحيوية" مقابل "العدد التافه".

هذا لا يعني أن Xs "العديدة التافهة" لها تأثير عشوائي على Y. ومع ذلك ، هذا يعني أن "عدد قليل جدًا" ليسوا مؤثرين من حيث وزنهم النسبي (فيما يتعلق بتقدير النقاط لـ Y أو بعض المعلمات منها). بعبارة أخرى ، فإن المشتقات الجزئية ذات الصلة لـ "العديدة التافهة" صغيرة الحجم لدرجة أن مجموعة المتغيرات ذات الصلة ليست لها قيمة عملية أثناء جهد التحسين.

إن قدرة وزارة الطاقة على تمييز "القلة الحيوية" راسخة ومع ذلك ، ألا توافق على أن حجم العينة يلعب دورًا تفاعليًا للغاية في هذه القدرة؟ قد تكون ممارسة وزارة الطاقة قادرة على فصل التأثيرات المستقلة ، ولكن إذا كان حجم العينة منخفضًا جدًا ، فلن تكون وزارة الطاقة قادرة على اكتشاف مقدار معين من التغيير (لمستوى مختار من مخاطر ألفا وبيتا). مع زيادة حجم العينة (لمخاطر ألفا وبيتا معينة) ، تزداد أيضًا احتمالية القدرة على اكتشاف مقدار ثابت من التغيير (في متوسط ​​الاستجابة أو التباين).

من زاوية أخرى ، يمكننا النظر في السلوك الزمني لـ Y (أو أي X معين). إذا فشلت نتيجة دراسة الارتباط الذاتي في الكشف عن ارتباط (عبر جميع فترات التأخير المحتملة) ، فهل من الآمن القول إن السلوك المرصود ليس منقوشًا (أي عشوائي)؟

هل فكرة العشوائية من فضول المخيلة البشرية أم أن لها أساسًا ما في العالم الحقيقي؟ إذا كان الأمر كذلك ، فكيف نثبت ذلك بشكل قاطع؟ إذا لم يكن كذلك ، فما هي الآثار المترتبة على ذلك؟

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

توم ، وجهة نظرك هي الأكثر إثارة للاهتمام ولها جاذبية عالية. RS.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

ستة سيجما توم:
يجب أن أوافق. إن فكرة السبب العشوائي & # 8220 & # 8221 هي مجرد تسمية نعلقها على سبب صغير قابل للتخصيص لا تستطيع مجموعة أدواتنا التحليلية الحالية تمييزه بشكل فعال أو فعال. بهذا المعنى ، لا يمكن فصل الأسباب العشوائية إحصائيًا للتحليل المستقل (بطريقة عملية).
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

تيري:
أنت محق تمامًا. لم يفعل الدكتور هاري أي شيء بمفرده ، ولم يفعل كل شيء أكثر من الرئيس التنفيذي لشركة ما. على مر السنين ، ساهم العديد من الأشخاص في تعزيز Six Sigma. يتضح هذا من خلال العديد من الكتب والمقالات حول هذا الموضوع.
ومع ذلك ، لا يمكن إنكار أنه كان رائدًا في مجال Six Sigma. على سبيل المثال ، أول عمل منشور على Six Sigma قام بتأليفه الدكتور هاري في منتصف الثمانينيات والثمانينيات # 8217. لكنه لم يخلق مفهوم Six Sigma (كما تمت مناقشته في هذا المنشور). ابتكر السيد بيل سميث المفهوم. في تلك الفترة الزمنية ، كان Six Sigma مجرد هدف إحصائي بدون اتجاه تقريبًا ، مجرد رؤية غامضة. تعاون السيد سميث والدكتور هاري على مدى عدة سنوات لمراجعة وتوسيع فكرة Six Sigma (بما في ذلك السنوات التي أمضيتها أنا وأنا في SSRI). خلال العديد من المقابلات التي أجراها الدكتور هاري في المجلات ، اعترف بعمل الآخرين.
كمسألة يمكن التحقق منها ، لاحظ الدكتور هاري مساهمات العديد من هؤلاء الأفراد سواء في المقدمة لكتبه ، كمؤلف مشارك ، أو ضمن محتوى تلك المنشورات. هذه مسألة حقيقة يمكن التحقق منها. على سبيل المثال ، تم تخصيص مواده التعليمية الأصلية للسيد بيل سميث.وكمثال آخر ، يوضح كتابه الأكثر مبيعًا مساهمة العديد من الأفراد الرئيسيين.
أنت تسأل عن عدد الأشخاص الذين ساهموا في تطوير Six Sigma في Motorola. حسنًا ، لماذا لا تقوم بمراجعة وثائق الشركة من حقبة التطوير تلك؟ لماذا ، في ذلك الوقت ، لم يقم هؤلاء الأفراد الغامضون الذين أشرت إليهم بنشر أفكارهم حول الموضوع (داخليًا أو خارجيًا)؟ لماذا لا توجد منشورات أخرى حول هذا الموضوع من تلك الفترة الزمنية؟
تتوفر العديد من الإجابات على مثل هذه الأسئلة في موقع الويب الخاص بالسيرة الذاتية للدكتور هاري & # 8217s (المستندات الرئيسية التي يجب مراجعتها للجميع). تحدد هذه المستندات العديد من الأشخاص المختلفين ، غالبًا بالاسم والمسمى الوظيفي والموقع. ولكن مرة أخرى ، هذا مجرد منظور فردي واحد ، ولكن هذا المنظور مستمد من المستندات وغيرها من القطع الأثرية ، وليس من الذاكرة والرأي.
للإجابة على سؤالك الآخر ، يجب أن يكون واضحًا سبب اختفائي من وقت لآخر. مثلك لدي وظيفة ومسؤوليات أخرى. ومع ذلك ، عندما يكون ذلك ممكنًا ، آتي إلى هذا المنتدى ، وأساهم بسنتين ، وأذكر معتقداتي ، وأقدم بعض الحقائق ، وأتجاوز تصريحات كاذبة ، وأتحمل ذكريات سيئة. على الجانب الآخر ، أنا أيضًا أتناول بعض المعلومات الجيدة حقًا التي أجدها قيّمة في ممارسة Six Sigma.
مع أطيب التحيات
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي ، وجهة نظرك مأخوذة جيدًا ومقدّرة.
أنت تسأل ماذا يحدث إذا كان على المرء أن يدرك شيئًا جديدًا
نقطة ضبط العملية & # 8212 بسبب إعادة تصميم وإدخال
التكنولوجيا الجديدة ، إلخ. حسنًا ، إنها بسيطة جدًا & # 8230 لديك ملف
مستوى جديد من الاستحقاق. مفهوم الاستحقاق و
المعادلات الداعمة لا تزال سارية. يتم تطبيقها فقط
في سياق نقطة تعيين جديدة! بغض النظر عن نقطة التحديد ،
الأفكار والرياضيات التي تقوم عليها & # 8220actual & # 8221 و & # 8220potential & # 8221
القدرة لا تزال في متناول اليد. من الرائع دائمًا أن تدرك
الفوائد المرتبطة بالتصميم القوي & # 8212 متى و
حيثما أمكن ذلك. أتمنى لك التوفيق في قضيتك
دراسات وقد تسود الأوقات الجيدة.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي ، أجد بيانك الأخير أكثر غرابة. في الخاص بك
المنشور الأخير ، أنت تقول & # 8220 وبناءً عليه ، & # 8216 شحنتي ، & # 8217 مثلك
بعبارة أخرى ، هو أن الدكتور هاري وثق فقط ما كان يؤمن به
يجب أن تكون عملية Six Sigma من Motorola & # 8217s وليس ماذا
كان يمارس بالفعل. لذلك ، ليس من المستغرب
أن العديد من الشركات في الغرب لا تزال تكافح
مع إنتاجية منخفضة لأول مرة تدحرجت ، وإنتاجية منخفضة ، و
قد يفسر سبب وجود العديد من شركات التصنيع
الانتقال إلى الشرق الأقصى! & # 8221 حتى الآن علل ويلات
التصنيع الغربي هو خطأ الدكتور هاري & # 8217s؟ انت حقا
التسكع هناك على هذا واحد. إلى جانب ذلك ، ما زلت أنتظر
الاستشهادات والمراجع الخاصة بك. حتى الآن ، لديك
لم تقدم سوى الذكريات والآراء.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

توني ، دارث محق تمامًا في الفهم العام
ما هي عملية الاستحقاق. ومع ذلك ، التعريف الخاص بك
أو التعريف الخاص بي أو أي تعريف شخصي لأي شخص & # 8217s ليس كذلك
مهم. المهم هو المعادلات الأساسية
وصف استحقاق العملية وكيفية جمع البيانات
تغذية تلك المعادلات ، وكيف النتائج الناتجة
مفسرة ، وكيف يتم اتخاذ القرارات على هذا الأساس ، و
الإجراءات اللاحقة التي تنبع من تلك القرارات.
قم بفحص ودراسة هذه المعادلات وخاصة المعادلات
مفهوم التجميع الفرعي العقلاني. هذا التمرين سوف
تزودك بالرؤى المطلوبة. لكن كنقطة انطلاق ،
اذهب مع ما وصفه دارث.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي ، أنا أقدر وأحترم ما تتذكره
أشياء. لدينا جميعًا ذكريات وذات مغزى
ذكريات (كما قد تكون معيبة). كلنا نرى الأشياء
بشكل مختلف في الماضي. ومع ذلك ، هناك شيء واحد لا
تتعثر مع مرور الوقت القطع الأثرية (الوثائق). أنا لا
رفض مساهمات الآخرين ، لأنهم فعلوا ذلك أيضًا
قدمت المعنى. لكن بيت القصيد بسيط و
يمكن التحقق منه ، فاز الدكتور هاري في Motorola وحصل على القمة
فريق الإدارة لدعم نسخته من Six Sigma.
ثم أخذ الدكتور هاري والسيد شرودر Six Sigma إلى ABB
ثم إلى Allied Signal ، ثم إلى GE ، ومن
هناك العالم. القطع الأثرية واضحة. كان الدكتور هاري
أبرزها جاك ويلش & # 8217s السيرة الذاتية و & # 8220GE
الطريق ، & # 8221 وليس أي من الآخرين الذين ذكرتهم. مراجعة بسيطة
من الأدب يشرح لماذا & # 8212 السيد بيل سميث ود.
كان هاري الرواد الأساسيين في Six Sigma في الثمانينيات و 8217.
أتى السيد سميث بالفكرة وقام الدكتور هاري بتوسيعها
واستغلوا الفكرة.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

بيجيد تود: يعمل معي إذا كان يعمل من أجلك. خطواتي صغيرة لأسباب بديهية. خطواتي عميقة بسبب الكم الهائل من المعرفة التي منحتها لي بامتنان. قم بقيادة صديقي العزيز وسأتبعه (ولكن ليس في هذا الموضوع).

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

بيجيد تود: يغمرنا إحساسك الشديد بالإحصاءات والرؤى الثاقبة حول شخصية الإنسان. ثابر على العمل الجيد.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي يو:
نعم ، لدي بالفعل مشكلات عاطفية & # 8212 من الحزن المزعج الناجم عن افتقاري الشديد للقدرة الفكرية لإطار شاحنتي الذي فاز & # 8217t بالاحتفاظ بالهواء. من الممكن جدا أن أخطأت وجهة نظرك. إذا كنت تعتقد ذلك ، فأنا أعتذر بكل تواضع.
الآن ، بالنسبة إلى وجهة نظري ، يرجى تقديم مراجع محددة لإثبات اتهاماتك (دون التعرّف على المشكلة). إلى وجهة نظرك الأخرى ، فازت Motorola بجائزة MB من خلال الجهود التطبيقية للكثيرين. لتحديث ذاكرتك المتضائلة ، فزنا بالجائزة عام 1988 ، وليس عام 1987 كما أشرت.
كان عمل الدكتور هاري & # 8217s في نظرية وتطبيق Six Sigma واحدًا من عدة مصادر. كما تعلم ، تم تعيينه لإطلاق ورئاسة معهد أبحاث Six Sigma في أواخر عام 1989 (بناءً على طلب السيد بوب جالفين). لذا ربما كنت على حق ، كان عمله غير مستخدم وغير مهم ، ولكن ليس حسب كلمات بوب جالفين أو أعضاء آخرين في المجلس التنفيذي. في الواقع ، هم أيضًا سيختلفون مع موقفك من هذه المسألة (على الأقل بما نشروه في وثائق الشركة الرسمية).
ومع ذلك ، قامت موتورولا في الواقع بتوزيع أكثر من 100،000 نسخة من منشور Dr.Hari & # 8217s بعنوان & # 8220 The Nature of Six Sigma Quality. & # 8221 لم تقم Motorola بطباعة وتوزيع هذا المستند داخليًا فحسب ، بل قاموا ببيعه لشركات أخرى (بشكل كبير الكميات التي قد أضيفها). كيف لى أن أعرف ذلك؟ بسيط ، كنت أنا في SSRI الذي كان عليه أن يتتبع ويتحقق من توزيع MU Press.
كفى من هذا المزاح السخيف. ببساطة وضح اتهاماتك وقدم المراجع. سيكون هذا موضع تقدير كبير.
قدمت مع الاحترام،
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

مساهمة لطيفة للغاية Bighead Todd! من المرجح أن تكون أفكارك ذات قيمة كبيرة.
RS

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

بول جيبونز:
وجهة نظرك مأخوذة جيدًا وتكون منطقية تمامًا. أعلم أنهم بدأوا مؤخرًا في العمل مع Six Sigma ، لكنني لست على دراية بخططهم المحددة وبيانات الأداء. يجب عليك التحدث مباشرة مع الناس في جامعة ولاية أريزونا. أعتقد أن جهة الاتصال الخاصة بك ستكون السيد جيف جوس ، مساعد العميد ، كلية إيرا إيه فولتون للهندسة ، جامعة ولاية أريزونا.
اشكرك،
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

إلى bbdavid:
لمساعدتك في ذلك ، ضع في اعتبارك ما يلي:
1) V1 هي قيمة السعة المحققة لكل دولار ، أي V1 = C1 / C3 ، حيث C1 هي السعة المحققة و C3 هي التكلفة الإجمالية للتحقيق.
2) V2 هي قيمة السعة المحتملة لكل دولار ، أي V2 = C2 / C3 ، حيث C2 هي السعة المحتملة (أو بعض الحالات المثالية الأخرى التي يختار المرء دراستها).
معادلة سرعة القيمة (VOV) هي:
VOV = (V2 & # 8211 V1) / T ، حيث V1 هي الحالة الحالية ، V2 هي الحالة المطلوبة (محتملة) و T هي مقدار الوقت المطلوب لتحقيق V2. نتيجة هذا الحساب تمثل المعدل النسبي للتحسين في القدرة المحققة لكل دولار لكل وحدة زمنية.
وبالتالي ، يمكن للمرء الآن أن يرى أن & # 8220potential & # 8221 State-of-Affairs & # 8221 محسوبة على النحو الواجب.
مع أطيب التحيات ،
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي يو:
أقدر ردودكم كثيرًا ، لكنني لست متأكدًا تمامًا من علاقة Motorola Fabs (خلال الثمانينيات) بأي شيء. إذا رأيت اتصالاً ، حسنًا ، سأعمل معه. أكثر من ذلك ، أقدم التعليق التالي على مشاركتك الأخيرة.

أ) تصريحك: & # 8220 بالنسبة للغيرة & # 8211 ليس لدي مصلحة في & # 8216 المعرفة الميتة. & # 8221
أ) ردي:
1) إذا لم تكن الغيرة ، فماذا تسميها؟ من الواضح أن لديك مشكلة عاطفية قوية للغاية. ما هي العلاقة بين اتهاماتك وقهوة موتورولا ، أم أن هذا مجرد يد طفيفة أخرى لإلهائنا عن لسانك الذي يبدو متهورًا؟ والأفضل من ذلك ، ما هي بالضبط اتهاماتك؟ كن محددًا وقدم بعض الاقتباسات والمراجع التي يمكن التحقق منها.
2) ما أفهمه هو أن أشياء مثل الجبر والإحصاء ومبادئ فيزيائية معينة يمكن أن توجد بدون نصف عمر معرفي. فما هي المعرفة التي ماتت؟ مرة أخرى ، يرجى أن تكون محددًا واستشهد بالمراجع.

ب) البيان الخاص بك. & # 8220 مصطلح `` استحقاق العملية '' قيد الاستخدام على نطاق واسع في قوالب بسكويت الويفر من Motorola قبل 1987 & # 8230 في الواقع ، تم نشره في Semiconductor International في حوالي عام 1984 & # 8230 ، ومن المؤكد أنه لم يكن & # 8217t مقصورًا على ما وثقه الدكتور هاري في عام 1990. & # 8221
ب) ردي:
1) تحدث عن المعرفة الميتة! كل ما تشير إليه هو فقط 15 & # 8211 20 عامًا! على عكس الجبر ، فإن هذا الشيء من Motorola Wafer Fab له نصف عمر ، مثل كل دراسة حالة تمت كتابتها على الإطلاق. ربما تحتاج بعض الأمثلة الجديدة والحديثة!
2) ما هي وثيقة عام 1990 التي تشير إليها؟ كان أول عمل نشر للدكتور هاري & # 8217s على Six Sigma في عام 1984: & # 8220Achieving Quality Excellence: The Strategy، Tactics، and Tools & # 8221 المطبوعة لأول مرة بواسطة مجموعة الإلكترونيات الحكومية ، Motorola Inc. قسم كامل مخصص لوصف ستة سيجما. كان المنشور الرئيسي الثاني في عام 1987 ، بعنوان & # 8220 The Vision of Six Sigma ، & # 8221 تم نشره أيضًا بواسطة Motorola GEG ولاحقًا بواسطة Motorola Inc. هل فاتني شيء هنا ، أو كانت هناك منشورات أخرى حول موضوع Six Sigma من قبل هؤلاء؟ يرجى أن تكون محددًا وقدم الاستشهادات والمراجع الخاصة بك.

ج) تصريحك: & # 8220 كان دافعي الوحيد هو التشكيك في بعض الادعاءات الجامحة المتعلقة بستة سيجما. & # 8221
ج) ردي: حسنًا ، من فضلك أنورنا. إلى ماذا تشير & # 8220claims & # 8221؟ هنا مرة أخرى ، يرجى إعطاء مراجع محددة.
من أجل النزاهة المهنية ، يرجى تزويدنا بأمثلة محددة يمكن التحقق منها بخلاف الرأي و / أو الإشاعات و / أو التلويح باليد. أعتقد بالتأكيد أنه ، نظرًا للمكانة الضمنية لأوراق اعتمادك المهنية ، سترغب (من بين جميع الأشخاص) في إثبات "ادعاءاتك". في منشور حديث ، كان لأحد الموجهين البارزين في هذا المنتدى الشجاعة الأخلاقية للاعتراف بأنه كان مخطئًا وأن تصريحاته كانت خاطئة ولا أساس لها من الصحة. على الرغم من أنه كان مخطئًا ، ومن المسلم به ذلك ، إلا أن الأمر يتطلب من شخص قوي جدًا وأخلاقي التقدم والاعتراف بذلك.

مع أعمق الاحترام.
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

بول ، سنكون أكثر اهتمامًا بوصفك
العوامل التي ذكرتها. يرجى مشاركة وجهة نظرك
معنا.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

فيني ، هذا الرسم البياني كان مضحكًا جدًا. استمتعت بذلك.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

آندي ، أنت حر في قول ما تريد ، متى شئت
مثل. كما تقول ، هذه هي طبيعة المنتدى العام. أنت
قد لا يراه ، لكن الملصق الذي ذكرته لم يفعل
العلاقة بين الدكتور هاري ومسألة
عملية الاستحقاق. لقد تم صنعه من خلال مرضك-
جمعية نية. استخدم الدكتور هاري هذا المصطلح
& # 8220process استحقاق & # 8221 لسنوات عديدة حتى الآن ، في العديد
المنشورات. لا أذكر أنه كان يدعي ذلك
مصطلح. هل يمكنك إثبات اتهامك من فضلك؟ ل
بالطبع لا يمكنك لأنها زائفة ، وأنت تعلم
هو - هي. أنا أتفهم حسدك تمامًا. أنا أفهم كيف ذلك
الغيرة تجبر الناس على العودة إلى التقريع. مجرد إلقاء نظرة على
العديد من المواضيع على هذا الموقع. لا بأس إذا كنت تريد ذلك
باش ، ولكن من فضلك ، فقط تعرف على مدى حماقتك
القيام بذلك. وبالمثل ، يجب أن تتوقع أيضًا القليل من النقد
من وقت لآخر (لكلماتك الخاصة). بالمناسبة ، هو كذلك
ليس من الضروري التلويح بلافتة & # 8220 أعتقد أن لدي
right & # 8230 & # 8221 نعلم جميعًا أنك تفعله ، جنبًا إلى جنب مع الآخرين.
لذا ربما يجب عليك إعادة النظر في عضوية في
نادي الأغنام سيجما.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

بول ، هذا سؤال رائع. سيكونون سعداء ل
يشاركونك وجهة نظرهم.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

ويندي ، كما تعلم ، جامعة ولاية أريزونا الآن
نجحت في تطبيق Six Sigma على العديد من مفاتيحها
العمليات. مسؤول تنفيذي متقاعد من موتورولا يرأس هذا
جهد لجامعة ولاية أريزونا.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

ستان ، واحدة أخرى من إجاباتك الرائعة!

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

لا تستمع إلى هذا الملارك من آندي ، فهو مخطئ. له
الدافع الوحيد هنا هو سحق دكتور هاري ، وليس إجابتك
سؤال. القدرة على استحقاق العملية هو مستوى
أداء تستمتع به عندما يكون لجميع الأسباب القابلة للتخصيص
تمت إزالته من نظام السببية. كما تستطيع
تعرف ، التأثيرات المنهجية غير عشوائية بطبيعتها.
استحقاق العملية هو مستوى القدرة الموجود
عند وجود أسباب عشوائية فقط. مثل هذا المستوى
القدرة هي أفضل ما يمكن أن تكون عليه تقنية معينة. أنت
يمكن أن تجد الإجابة على هذا وأكثر بكثير من خلال النظر في
الجزء & # 8220ask Dr. Harry & # 8221 من هذا الموقع. إلق نظرة
وأنت أيضًا سترى بنفسك مدى خطأ Andy.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

السيد ستان:
إنه لأمر مؤسف للغاية أنني لم أنعم ببقعة عبقرية مبسطة أو تميزت بقوى الاتصال غير العادية. إنني أتوقع بكل تواضع لكوني كثير الكلام إلى حد ما في توضيحي للاختبار B مقابل C.
ربما يمكنك أن تمنحنا شرحًا نهائيًا مدته 10 ثوانٍ لكيفية حساب مخاطر بيتا عند استخدام طريقة الأعداد النهائية. يرجى توضيح هذه المعرفة لمجموعة مختارة من التحسينات المطلوبة.
من الجيد دائمًا الاستماع إلى مثل هذا الممارس البارع.
تلميذك المتواضع.
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

منذ عدة سنوات ، قدم السيد دوريان شنين اختبار B مقابل C كمنهجية لمقارنة مجموعتين إحصائيًا (في نفس العبث مثل اختبار t الكلاسيكي). كانت الميزة الأساسية هي القدرة على استخدام عدد أقل من العينات للحالة التجريبية. لتوضيح هذا الترميز ، يجب أن نفهم أولاً أن "C" تعني شرط "التحكم" وأن B تشير إلى الحالة "الأفضل" (أو على الأقل ما يُتوقع أن يكون أفضل).

في النهاية القصوى للأشياء ، يسمح لنا اختبار B مقابل C بفحص حالة تجريبية إحصائيًا باستخدام عينة واحدة فقط! ومع ذلك ، تتطلب حالة التحكم دائمًا أكثر من عينة واحدة. لاحظ أيضًا أن الكثيرين قد يجادلون بأن الحالة المتوازنة (عدد متساوٍ من B و C) هي عادةً متفوقة (لمجموعة متنوعة من الأسباب النظرية). ومع ذلك ، فإن بعض التطبيقات العملية لن تسمح بمثل هذا التوازن المثالي & # 8212 مثل عندما يكون الاختبار المدمر باهظ الثمن في متناول اليد. ومن ثم ، فإن القيمة الواقعية لاختبار B مقابل C مقارنة باختبار t القياسي أو anova أحادي الاتجاه (مجموعتان).

للتوضيح ، دعونا ننظر في حالة بسيطة. على سبيل المثال ، افترض أن مهندسًا أراد اختبار تأثير بعض الطلاء على قوة مادة معينة. لنفترض أن ثلاث عينات تم اختيارها عشوائيًا من عامة السكان للأجزاء الموجودة (الطلاء القياسي) واختبارها من أجل القوة. بهذه الطريقة ، تم تشكيل المجموعة "C" وتم تسجيل قياسات المتغير التابع الناتج بشكل صحيح.

بعد ذلك ، تم اختيار ثلاثة أجزاء أخرى بشكل عشوائي ، ومع ذلك ، تمت معالجتها بالطلاء الجديد. بعد تطبيق الطلاء التجريبي ، تم تقييم قوة المكونات الثلاثة بشكل فردي وتسجيلها حسب الأصول. وبهذه الطريقة تشكلت المجموعة "ب".

في هذه المرحلة من المنهجية ، تم ترتيب جميع الأجزاء N = 6 مرتبة من حيث المتغير التابع المسمى "القوة". في هذه الحالة ، لوحظ أن جميع الـ Bs تفوقت على جميع الـ Cs. وبالتالي ، وافق المهندس على الفرضية البديلة (Ha) وخلص إلى أن الطلاء الجديد يُحدث فرقًا مهمًا من الناحية الإحصائية في القوة. لماذا ا؟

أي لأن المهندس استخدم 3 أجزاء للحالة "C" و 3 أجزاء لـ "B. & # 8221 وهذا يعني وجود 20 نتيجة محتملة (من حيث التصنيفات المحتملة). ومن ثم ، فإن حدث الصدفة العشوائي لرؤية جميع "Bs" يفوق كل "Cs" سيكون 1/20 = 0.05 ، أو حوالي 5٪. وبالتالي ، باختيار C = 3 و B = 2 (لإجمالي N = 6) ، حصل المهندس على ثقة إحصائية بنسبة 100٪ & # 8211 5٪ = 95٪. لكن هذا ليس سوى جزء واحد من المشكلة الكلية! دعونا ننتقل الآن إلى الجزء الأقل وضوحًا من مناقشتنا.

سوف نقول الآن أن المهندس بدأ هذا التمرين بإعلان أنه يجب عليه ملاحظة تغيير 3 سيجما (أو أكبر) في الكون (من حيث القوة) إذا كان التحول إلى الطلاء الجديد سيتم تنفيذه بشكل مبرر.

للمساعدة في حل هذا الجزء من المشكلة ، حدد Dorian Shannin جدول قيم "KS" ، حيث يرمز K إلى عدد الانحرافات العادية المعيارية (Z) ويمثل S الانحراف المعياري المجمع. على سبيل المثال ، يوضح جدول قيم KS أنه في حالة B = 3 و C = 3 (على سبيل المثال ، N = 6) مع "قوة" 95٪ (أي خطر تجريبي بنسبة 5٪) ، ثم KS = 3.3 فكيف توصل إلى هذه القيم؟ من أين حصل على “K & # 8221؟

بدون تفسير نظري طويل ، ضع في اعتبارك معادلة التطبيق: = (NORMSINV (P ^ (1 / (N-1)))) * SQRT (VB + VC) ، حيث P هي "قوة الاختبار" ، N هي إجمالي حجم العينة ، و V هو التباين. لفهم كيفية تطبيق هذه المعادلة ، ضع في اعتبارك المدخلات التالية.

ب = 3
Cs = 3
ف = 0.95
VB = 1.0
VC = 1.0

وبالتالي ، نحسب KS = (NORMSINV (.95 ^ (1 / (6-1)))) * SQRT (2) = 3.28 ، أو 3.3. يشير هذا إلى أنه في حالة N = 6 وقوة كشف تبلغ 95٪ ، فإن عتبة القرار ستكون فرقًا متوسطًا قدره 3.3 سيغما ، ولكن فقط إذا تجاوزت B جميع Cs. بالطبع ، بالنسبة لقيمة معينة من N ، ستختلف مخاطر ألفا اعتمادًا على العدد المحدد من B و C. لاحظ أيضًا أن قيمة KS لا تعتمد على المجموعات الإجمالية ومع ذلك ، فهي تعتمد على الحجم الإجمالي للعينة ومخاطر بيتا المختارة.

بعبارة أخرى ، إذا كانت جميع الـ 3 B تفوق جميع الـ Cs الثلاثة ، فسيكون اختبار B مقابل C قادرًا على اكتشاف فرق متوسط ​​لا يقل عن 3.3 سيغما بقوة كشف تبلغ 95٪. لذلك ، إذا تم تحضير N = 6 عينات (B = 3 و C = 3) ولاحظ المهندس أن جميع Bs تفوق جميع Cs ، فسيكون هناك P = 95٪ يقين لاكتشاف تغير 3.3 سيجما إذا كان هذا الحجم من التغيير كان هناك بالفعل ليتم اكتشافه!

باستخدام المعادلة المذكورة أعلاه ، ستتمكن من إنشاء جدول خاص بك لقيم KS & # 8212 بخلاف تلك التي نشرها Dorian Shannin.

آمل أن يساعدك هذا في فهمك لاختبار B مقابل C ويحل بعض الغموض حول قيمة "KS" الشائنة.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

يرجى إدراك أن ستان (واثنين من رفاقه) هو أحد المساهمين القلائل على هذا الموقع الذين لديهم ثأر شخصي ضد الدكتور هاري. ما عليك سوى قراءة منشورات ستان (والآخرين) التاريخية وستكتشف بنفسك ما أتحدث عنه. سوف تدرك على الفور أن مثل هذا التحيز الشديد متجذر في الحقيقة أقل من الرأي ينبع بوضوح من الغيرة المهنية. يمكنك التحقق من هذه التأكيدات بنفسك.

لا تتردد في الاتصال بي [email & # 160protected] وسأقدم لك (أو لأي شخص آخر) عنوان موقع الويب الذي يعرض مستندات الشركة المشار إليها. قبل عدة أشهر ، وعدت مجتمع Six Sigma بالوصول إلى هذه المستندات ، وقد أوفت الآن بوعدي.

1) يدعي ستان أن الدكتور هاري لم يمنح بيل سميث الفضل أبدًا في Six Sigma ، ومع ذلك فإن جميع كتابات الدكتور هاري تقريبًا تعترف بدور بيل المحوري ومساهماته.
2) يدعي ستان أن الدكتور هاري لم يبتكر مصطلحات الحزام الأسود ، ومع ذلك هناك مستندات خاصة بالشركة تظهر خلاف ذلك بوضوح. يزعم ستان أن الدكتور هاري لم يخترع MAIC ، ومع ذلك هناك مستندات خاصة بالشركات تظهر بوضوح أنه المخترع. في الواقع ، نشر Quality Pro مؤخرًا موقعًا غير تجاري (معلومات السيرة الذاتية للدكتور هاري) حيث يمكن عرض هذه المستندات على ملفات PDF ، ومع ذلك قام مشرف iSixSigma على الفور بحذف المنشور بينما سُمح للمنشورات التجارية والترويجية الأخرى بالبقاء في المناقشة المنتدى.
3) يدعي ستان أن الدكتور هاري غير ذي صلة ، إلا أن مجلات Quality Digest وصفته مؤخرًا بأنه "الخبير الرائد في العالم في Six Sigma." تنشر مجلة CEO قريبًا مقالًا كبيرًا جدًا عن الدكتور هاري وتأثيره على أفضل الشركات في العالم. يشغل الدكتور هاري حاليًا منصب المستشار الرئيسي لرئيس مجلس إدارة شركة POSCO ، رابع أكبر مصنع للصلب في العالم ويعمل أيضًا مع Samsung.
4) تم اعتماد عمل الدكتور هاري من قبل جمعية مهندسي التصنيع وجمعية المعايير الكورية. في الواقع ، قامت الأمة الكورية بتسمية جائزة Six Sigma الجديدة تكريما للدكتور هاري.
5) في إحدى فقرات منشوراته الأخيرة ، يقول ستان "إذا لم يعد الدكتور هاري ، لأي سبب آخر ، غير ذي صلة بمجتمع Six Sigma" ، ولكن في فقرة أخرى ، قال "بصراحة ، هدفي هو تجاوز الأشخاص أن تكون في حالة من الرهبة من وجود مؤلف يحمل رقم ISBN. إذا كان شخص ما "غير ذي صلة" فلماذا يشعر ستان بالقلق الشديد من كون الآخرين "مرعوبين" منهم.
6) تم تكريم الدكتور هاري من قبل العديد من كبار المديرين التنفيذيين في العالم وحصل على العديد من الجوائز لمساهماته العديدة المبتكرة في Six Sigma.
7) كان الدكتور هاري المؤلف الأكثر مبيعًا في نيويورك تايمز ، وول ستريت جورنال ، وقوائم Amazon.com الأكثر مبيعًا (موثقة أيضًا على الموقع المذكور أعلاه).
8) الأهم من ذلك كله ، عرض الدكتور هاري "مناقشة" ستان في حرم جامعة ولاية أريزونا. بالطبع ، وافق ستان ، وقدم ادعاءات ، ثم لم يظهر أبدًا (حتى بعد القول مرارًا وتكرارًا أنه سيكون هناك). لم يقدم حتى ورقة. بالطبع ، يمكنك الاتصال بجامعة ولاية أريزونا بشأن حقيقة ذلك (كما فعل الآخرون).

ويمكن أن تستمر النقاط وتطول. الخلاصة بسيطة. هناك مستندات خاصة بالشركات تدعم كل ادعاء قدمه الدكتور هاري ، مدعومة بشهادات من كبار المديرين التنفيذيين للشركة والرئيس التنفيذي. ستان ليس لديه أي شيء سوى الرأي. اختار عدم الكشف عن هويته لأسباب واضحة.

لا تتردد في الاتصال بي [email & # 160protected] وسأقدم لك (أو لأي شخص آخر) عنوان موقع الويب الذي يحتوي على المستندات المشار إليها. قبل عدة أشهر ، وعدت مجتمع Six Sigma بالوصول إلى هذه المستندات ، وقد أوفت الآن بوعدي.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

ربما يمكن تحقيق بعض الأفكار القائمة على الحقائق من خلال
إجراء التجربة المقترحة. بهذه الطريقة أنت أيضًا
يمكن أن تقدم التطبيق الخاص بك والمعرفة النظرية
حول Six Sigma ولا تعتمد كثيرًا على
البحث وعمل الآخرين. قد تجد الحدث أو
اكتشف بعض المعرفة الجديدة. اذا حكمنا من خلال الخاص بك
الردود في هذا الموضوع ، يبدو أنك ما زلت لا تفعل ذلك
تعرف على إجابة سؤال H82BLATE & # 8217s. ربما انت
طريقة أفضل للتحقيق في السؤال تحليليًا
وعرض رؤى (بخلاف الآراء النوعية). إذا
تحتاج إلى مساعدة في إجراء التجربة ، يرجى النشر وأنا
سوف يرشدك خلالها. بكل احترام ، ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

H82BLATE: كما أفهم سؤالك ، يمكنك ذلك
& # 8220 اكتشف & # 8221 إجابة عن طريق تحديد كل من 3C & # 8217s أولاً في
مستويين (منخفض وعالي) ثم إجراء عاملي
تجربة على المجموعات الثمانية. الإجابة
سيكون المتغير TPDU. على سبيل المثال ، يمكن أن تكون القدرة
تم تعيينه عند Z.st = 3 و Z.shift = 1.0 ، وبالتالي توفير فترة طويلة-
توقع مصطلح Z.lt = 2.0. بعد ذلك ، قم بتحويل Z.lt إلى
قيمة العائد الزمني (Y.ft) باستخدام جدول المنطقة تحت
منحنى عادي (أو استخدم & # 8220 = عارض المعايير (Z.lt) & # 8221 في Excel).
بعد هذا التحويل ، خذ قيمة العائد الناتج
(Y.ft) وفرصة العد (M) لتأسيس-
العائد الناتج. يتم ذلك عن طريق حساب Y.rt = Y.ft ^ m ،
حيث M هو العدد المحدد من الفرص. بعد
هذا ، ببساطة احسب الكمية TDPU = -ln (Y.rt). افعل هذا
المضي قدما لكل من المجموعات الثمانية من
تجربة عاملية. سوف تكتشف ذلك عندما يكون Z.st
منخفض ، تأثير انزياح Z. والتعقيد مرتفع. ولكن كما
تزداد قيمة Z.st ، وتصبح TPDU قوية في التحول
والتعقيد. انتبه أيضًا إلى التفاعلات. بواسطة
فحص جداول الإخراج والرسوم البيانية (في Minitab) ، و
ستكون الاستنتاجات بديهية إلى حد ما. علاوة على ذلك ، هو كذلك
مثيرة للاهتمام لتوسيع هذه التجربة باستخدام وزارة الطاقة الأخرى
تصميمات.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

إلى Gary Cone وجميع الآخرين. كان السؤال التالي
طرحت سابقًا في هذا الموضوع: النظر في أربعة أداء
الفرص التي تحدد نظامًا يسمى "X". لنا
مناقشة سنقول أن الفرص هي A و B و C و
د. افترض أن "أ" و "ب" فقط "نشطان". هذا يقول انهم
يتم تقييمها بانتظام من حيث "الأداء إلى المعيار".
ومع ذلك ، لا يتم تقييم الفرص C و D ، لذلك
يقال أنها "سلبية" بطبيعتها. مناقشتي الآن
يلتقط من هنا. لنتظاهر بأننا نصنع أغنية واحدة
نظام يسمى "X" يحتوي على A و B و C و D. للتوسع
المناقشة ، لنفترض أننا نلاحظ DPU = 1.0 بعد
إنشاء النظام الأول. سنقول الآن هذا العيب
تم العثور على الفرصة B لتكون معيبة بعد
إنتاج النظام X ، لكن الفرصة A لم تكن كذلك
ومع ذلك ، لم تكن الفرص C و D معيبة
تم مسحها للتوافق مع المعيار. الفرص ج
و D لم يتم النظر إليهما أو تقييمهما من أجل المطابقة
للمعايير! ما هو DPO؟ يبدو لي أن DPO =
D / O = 1/2 = 0.50. لماذا ا؟ لأن كل عيب
يجب أن تكون الفرصة قادرة على إحداث خلل. إذا كان
لا يتم تقييم الفرصة للتوافق مع
المعايير ، واحتمال العيب هو صفر. إذا كان
احتمال وجود عيب هو صفر لفرصة معينة ، و
الفرصة ليست حقًا فرصة لـ
خلل. لذلك ، لا ينبغي أن تحسب. هذا
يعني أن مصطلح البسط سيتم توضيحه بواسطة
التسلسل الثنائي 0 + 1 + 0 + 0 = 1 والمقام
سيتم إعطاء المصطلح بالشكل 1 + 1 + 0 + 0 = 2 .. سيكون كذلك
من الخطأ القول أن الحد المقام يجب أن يكون 1 + 1 + 1
+ 1 = 4 منذ أول "فتحتين" فقط من المقام
هي & # 8220 نشطة. " بالتبعية ، المقام
سيكون المجموع 1 + 1 + 0 + 0 = 2. لاحظ أن a & # 82201 & # 8221 بوصة
يشير مصطلح المقام إلى أن الفرصة نشطة و أ
& # 82200 & # 8221 يقول إنها سلبية. طريقة أخرى لقول هذا هو أن أ
يجب أن تكون كل فتحة في البسط قادرة على الحصول على a
"1" في حد البسط المقابل. إذا لم يكن كذلك ، فإن
يجب تخصيص "الفتحة" المقابلة في المقام
قيمة "0". لذلك فإن كل موضع "فارغ" (أي فتحة) في
المقام يمثل فرصة كانت
خلقت. ولكن إذا كانت أي فرصة من هذا القبيل لا يمكن أن تنتج
عيب ، إذن فهي ليست فرصة عيب حقيقي - إنها مجرد
"فرصة إنتاج". نظرًا لأنه لا يمكن أن ينتج ملف
عيب (لأي سبب كان) ، يجب تعيينه أ
قيمة & # 82200 & # 8221. قد تكون الفرصة قد تم إنشاؤها ، ولكن
لا يمكن تحقيق أي كثافة للعيوب على الرغم من أن العدد الإجمالي للعيوب يبلغ 4
تم إنشاء فرص الإنتاج (إدراك ذلك
لم تكن كل 4 فرصًا للعيوب أيضًا). لذا ، يجب علينا ذلك
تحسب فقط فرص العيوب "النشطة". يبدو لي هذا
هي قاعدة بسيطة جدًا لحساب فرص العيب و
ضمان التجميعات الصحيحة (للبسط و
شروط المقام). بكل احترام ، ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

ستان:
أي شخص وكل شخص قادر تمامًا على الاتصال بالسيد جيف جوس في مركز التطوير المهني ، كلية الهندسة ، جامعة ولاية أريزونا. ستؤكد مكالمة هاتفية بسيطة:
أ) كانت المناقشة (في الواقع) مقررة في الوقت المحدد (29 يوليو)
ب) لم تتصل بالسيد جوس أو الدكتور مونتغمري
ج) أنشأ الدكتور مونتغمري والدكتور كيتس المتطلبات
ج) د. مونتغمري والدكتور كيتس قطعوا الوقت في 29 يوليو
د) امتثل الدكتور هاري لجميع مواصفات المناظرة.
من المؤسف للغاية أن تسعى إلى مواصلة حربك الشخصية لتشويه إنجازات الآخرين. لن أشارك بعد الآن في المناقشات معك في المستقبل لأن & # 8220word & # 8221 قد ثبت أنها خاطئة.
باحترام،
ريجل ستيوارت

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

جبرائيل: لا يرتبط عامل التحول بوسائل أخذ العينات
تحول في السكان يعني.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

جبريال: لقد ذكرت أن & # 8220 معيار المدى القصير
يمكن أن يكون الانحراف أصغر من المدى الطويل
الانحراف المعياري! تحول سلبي! & # 8221 بلدي
الإجابة بسيطة ، فأنت لا تصحح الاختلافات في
درجات الحرية المقابلة. إذا كانت المبالغ
المربعات بين المجموعات هي صفر ، ثم المعيار
الانحراف طويل المدى S.lt = SST / (ng-1) أصغر من S.st =
SSW / ز (ن -1). على الرغم من أن SST = SSW ، فإن المعيار
لان الانحرافات لا تتساوى لان درجات الحرية
ليست متساوية. إذا قمت بتصحيح المعادلات الخاصة بك إلى
تعويض الاختلافات في درجات الحرية ،
ستكتشف أن S.lt = S.st عندما يكون SSB = 0 ، ولكن مثل SST
& gt SSW ، ثم SSB & gt 0. إذا لم يكن هناك تحويل للمجموعة الفرعية (جميع ملفات
المجموعات الفرعية لها نفس المتوسط ​​والتباين ، فإن
بين المجموعة ، سيكون مجموع المربعات صفرًا بمجرد أن يصبح
يتم تصحيح درجات الحرية. يزيد AS SSB ،
يزيد أيضا SST. أنت حقا بحاجة إلى تعليم بسيط
على مكونات نموذج التباين (أي طريقة واحدة
أنوفا). مع مزيد من التحقيق ، سوف تكتشف أيضًا
أن Z.shift هو & # 8220 قطعة أثرية طبيعية & # 8221 من المجموعات الفرعية. أنا
لقد ذكرنا كثيرًا أن Z.shift ليس أمرًا فعليًا
التحول في متوسط ​​الكون ، لكنه أ
& # 8220TYPICAL & # 8221 SHIFT IN SubGROUP-TO-SUBGROUP
المتوسطات. لقد قلت مرات عديدة ، إنه ملف
& # 8220 التعويض التعويضي & # 8221 الذي يمثل توسعًا في
التباين. أثبت ذلك بنفسك & # 8230 ببساطة ارسم ملف
المجاميع التراكمية للمربعات & # 8212 SST و SSW و SSB.
بالنسبة إلى & # 8220typical & # 8221 أحجام المجموعات الفرعية (4 SSW ، ثم SSB & gt 0. إذا لم يكن هناك تحويل للمجموعة الفرعية (الكل
المجموعات الفرعية لها نفس المتوسط ​​والتباين ، فإن
بين المجموعة ، سيكون مجموع المربعات صفرًا بمجرد أن يصبح
يتم تصحيح درجات الحرية. يزيد AS SSB ،
يزيد أيضا SST. أنت حقا بحاجة إلى تعليم بسيط
على مكونات نموذج التباين (أي طريقة واحدة
أنوفا). مع مزيد من التحقيق ، سوف تكتشف أيضًا
أن Z.shift هو & # 8220 قطعة أثرية طبيعية & # 8221 من المجموعات الفرعية. أنا
لقد ذكرنا كثيرًا أن Z.shift ليس أمرًا فعليًا
التحول في متوسط ​​الكون ، لكنه أ
& # 8220TYPICAL & # 8221 SHIFT IN SubGROUP-TO-SUBGROUP
المتوسطات. لقد قلت مرات عديدة ، إنه ملف
& # 8220 التعويض التعويضي & # 8221 الذي يمثل توسعًا في
التباين. أثبت ذلك بنفسك & # 8230 ببساطة ارسم ملف
المجاميع التراكمية للمربعات & # 8212 SST و SSW و SSB.
بالنسبة إلى & # 8220typical & # 8221 أحجام المجموعات الفرعية (4 SSW ، ثم SSB & gt 0. إذا لم يكن هناك تحويل للمجموعة الفرعية (الكل
المجموعات الفرعية لها نفس المتوسط ​​والتباين ، فإن
بين المجموعة ، سيكون مجموع المربعات صفرًا بمجرد أن يصبح
يتم تصحيح درجات الحرية. يزيد AS SSB ،
يزيد أيضا SST. أنت حقا بحاجة إلى تعليم بسيط
على مكونات نموذج التباين (أي طريقة واحدة
أنوفا). مع مزيد من التحقيق ، سوف تكتشف أيضًا
أن Z.shift هو & # 8220 قطعة أثرية طبيعية & # 8221 من المجموعات الفرعية. أنا
لقد ذكرنا كثيرًا أن Z.shift ليس أمرًا فعليًا
التحول في متوسط ​​الكون ، لكنه أ
& # 8220TYPICAL & # 8221 SHIFT IN SubGROUP-TO-SUBGROUP
المتوسطات. لقد قلت مرات عديدة ، إنه ملف
& # 8220 التعويض التعويضي & # 8221 الذي يمثل توسعًا في
التباين. أثبت ذلك بنفسك & # 8230 ببساطة ارسم ملف
المجاميع التراكمية للمربعات & # 8212 SST و SSW و SSB.
بالنسبة لـ & # 8220 نموذجي & # 8221 أحجام المجموعات الفرعية (4 0. إذا لم يكن هناك إزاحة للمجموعة الفرعية (الكل
المجموعات الفرعية لها نفس المتوسط ​​والتباين ، فإن
بين المجموعة ، سيكون مجموع المربعات صفرًا بمجرد أن يصبح
يتم تصحيح درجات الحرية. يزيد AS SSB ،
يزيد أيضا SST. أنت حقا بحاجة إلى تعليم بسيط
على مكونات نموذج التباين (أي طريقة واحدة
أنوفا). مع مزيد من التحقيق ، سوف تكتشف أيضًا
أن Z.shift هو & # 8220 قطعة أثرية طبيعية & # 8221 من المجموعات الفرعية. أنا
لقد ذكرنا كثيرًا أن Z.shift ليس أمرًا فعليًا
التحول في متوسط ​​الكون ، لكنه أ
& # 8220TYPICAL & # 8221 SHIFT IN SubGROUP-TO-SUBGROUP
المتوسطات. لقد قلت مرات عديدة ، إنه ملف
& # 8220 التعويض التعويضي & # 8221 الذي يمثل توسعًا في
التباين. أثبت ذلك بنفسك & # 8230 ببساطة ارسم ملف
المجاميع التراكمية للمربعات & # 8212 SST و SSW و SSB.
بالنسبة لـ & # 8220 نموذجي & # 8221 أحجام المجموعات الفرعية (4 0. إذا لم يكن هناك إزاحة للمجموعة الفرعية (الكل
المجموعات الفرعية لها نفس المتوسط ​​والتباين ، فإن
بين المجموعة ، سيكون مجموع المربعات صفرًا بمجرد أن يصبح
يتم تصحيح درجات الحرية. يزيد AS SSB ،
يزيد أيضا SST. أنت حقا بحاجة إلى تعليم بسيط
على مكونات نموذج التباين (أي طريقة واحدة
أنوفا). مع مزيد من التحقيق ، سوف تكتشف أيضًا
أن Z.shift هو & # 8220 قطعة أثرية طبيعية & # 8221 من المجموعات الفرعية. أنا
لقد ذكرنا كثيرًا أن Z.shift ليس أمرًا فعليًا
التحول في متوسط ​​الكون ، لكنه أ
& # 8220TYPICAL & # 8221 SHIFT IN SubGROUP-TO-SUBGROUP
المتوسطات. لقد قلت مرات عديدة ، إنه ملف
& # 8220 التعويض التعويضي & # 8221 الذي يمثل توسعًا في
التباين. أثبت ذلك بنفسك & # 8230 ببساطة ارسم ملف
المجاميع التراكمية للمربعات & # 8212 SST و SSW و SSB.
بالنسبة إلى & # 8220typical & # 8221 أحجام المجموعات الفرعية (4 & lt n & lt 6) ، سترى أولاً
اليد التي SSB & gt 0. ستجد أن & # 8220typical & # 8221 Xbar & # 8211
Xbarbar حوالي 1.5 سيغما. قريبا جدا ، قد تحصل
تم تعريف المشكلة بشكل صحيح. عندها فقط ستتابع
الجواب الصحيح. الرياضيات ليست خاطئة أبدًا ، فقط
تعريفات المشكلة. ريجل

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

كريج: من المضحك أن البيانات المعيارية كانت كذلك
نُشر منذ ما يقرب من 20 عامًا في العديد من Motorola
الوثائق والمواد التدريبية والكتب الأخرى و
المقالات & # 8230 أود أن أقترح عليك التحقيق بشكل أعمق من أ
& # 8220person & # 8221 كنت تعرف أن يعمل في Motorola
(ومن بعد). أوه ، بالمناسبة ، زوجتي الرائعة (سوزان) لديها
عملت في Motrola (مجموعة أشباه الموصلات) لمدة 35 عامًا
(ولا يزال يعمل هناك). صحة تعليقاتك
يبدو أنه يتناسب مع العبارة القديمة & # 8220a حجم عينة واحدة
لا يصنع الكون & # 8221 مرة أخرى ، صدق ما تريد
& # 8230 حرية الكلام هي القانون ، ولكن صدق ذلك
الكلام لا يضمنه هذا القانون. أتمنى لك يوما عظيما
واستمر في التفجير دون أي حقائق. موقع لي أ
إشارة إلى أنني أستطيع أن أقرأ وأثبت بنفسي ما أنت
يقولون. هذه ليست مهمة شاقة ، فقط اذكر
المراجع. ريجل

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

إلى الملصق & # 8220Sorry Reigle. & # 8221 حسنًا ، إذا كنت تريدني أن أكون
خطأ ، فليكن ذلك & # 8230 لكن هذا لا يغير تاريخها
الصدق ، ولا صحتها الرياضية. انت لا تستطيع
إقناع أي شخص بـ & # 8220 رأي. & # 8221 أظهر لنا ملفك
دليل (حقائق يمكن التحقق منها) ، مثل أي سيكس سيجما جيدة
سوف ممارس القيام به. كما قلت مرات عديدة في هذا الشأن
المنتدى ، وكما نشر الدكتور هاري في العديد من الكتب و
من المقالات ، كان لدى بيل سميث اعتقاد بديهي بأن التحول 1.5
يحدث في نظام مستقر ، لكن الدكتور هاري هو الذي & # 8220put
الرياضيات لذلك & # 8221 لإثبات معقولية
ما يعتقده بيل & # 8220 & # 8221 أن يكون صحيحًا. هذا أيضا موثق
في الكتاب الإلكتروني المعروض حاليًا على هذا الموقع. وية والولوج
تذكرنا بالمثل القديم & # 8220 يمكنك أن تقود الحصان إليه
الماء ، ولكن لا يمكنك جعله يشرب من الدلو. & # 8221 إذا
يعتقد شخص ما أن الطائرات & # 8220 غير آمنة للغاية ، & # 8221 ثم لا
مهما كانت البيانات والمعلومات العلمية لك
الحاضر لهذا الشخص ، فلن يسافر أبدًا في
مطار. في عالم علم النفس البشري ، هذا يسمى
a & # 8220phobia. & # 8221 بالطبع ، لا يقوم الرهاب على أساس منطقي
الفكر ، هم أسسوا في الفكر اللاعقلاني ، إلى
المفكر ، مثل هذه الأشياء لا يمكن تمييزها. ريجل
ستيوارت.

@ ريجل ستيوارت قم بتضمين @ Reigle-Stewart في منشورك وسيقوم هذا الشخص بذلك
يتم إعلامك عبر البريد الإلكتروني.

للمساعدة في توضيح بساطة التحول (الذي يحاول الآخرون جعله معقدًا) ، أقدم إرشادات لمحاكاة أساسية تعتمد على Excel. سنستخدم توزيعًا موحدًا لإبقاء الأمور بسيطة ، ولكن يمكنك أيضًا استخدام التوزيع الطبيعي. ولكن ، في المرة الأولى ، استخدم الزي الموحد لأنه بسيط وسيوضح المبادئ.

فيما يلي خطوات إنشاء المحاكاة.

الخطوة 1: إنشاء مجموعة فرعية منطقية من البيانات. للقيام بذلك ، يجب علينا إنشاء رقم عشوائي في مواقع الخلايا A1 و B1 و C1 و D1 و E1 ، أي ضع معادلة Excel "= rand ()" في كل خلية من الخلايا الخمس. لقد قمت الآن بإنشاء الصف الأول من n = 5 أرقام عشوائية. يشكل هذا الصف "مجموعة فرعية عقلانية" أو يمثلها بطريقة أخرى.

الخطوة 2: قم بإنشاء 50 مجموعة فرعية منطقية. للقيام بذلك ، نكرر الخطوة 1 للصفوف من 2 إلى 50. الآن ، لدينا g = 50 صفًا من n = 5 أرقام عشوائية. في هذه المرحلة ، لدينا الآن "عملية" تم تشغيلها على مدار فترة زمنية معينة ، لكننا نقوم فقط بأخذ عينات من أدائها في 50 مناسبة - في كل مرة نقوم بإجراء 5 قياسات.

الخطوة 3: احسب "النطاق" لكل صف من الصفوف g = 50. يتم حساب نطاق كل صف بطرح الحد الأدنى للقيمة من القيمة القصوى. كمثال ، سنقوم بإدخال المعادلة: = max (A1: E1) - min (A1: E1) للصف الأول من البيانات. سيتم تكرار هذا الحساب لكل مجموعة فرعية g = 50 (صفوف البيانات) ، وبالتالي إنشاء 50 نطاقًا فريدًا في العمود F.

الخطوة 4: احسب "المدى الكبير" للمجموعة الإجمالية ng = 5 * 50 = 250 رقمًا عشوائيًا. معادلة Excel لحساب النطاق الكبير هي: = max (A $ 1: E $ 50) - min (A $ 1: E $ 50). حدد موقع هذه المعادلة في مواقع الخلايا من G1 إلى G50. سيؤدي القيام بذلك إلى إنشاء عمود بنفس القيمة الدقيقة في جميع الخلايا الخمسين في العمود G.


للطلاب الحق في استئناف تقدير الدورة. يجب تقديم طلبات الاستئناف كتابةً ، باستخدام نموذج استئناف درجات الطلاب في UWG الموجود على موقع الويب الخاص بعميد الجامعة واتباع الإجراءات الموضحة أدناه. يجب أن تبدأ جميع الطعون المتعلقة بالدرجات ، بغض النظر عن طبيعتها ، في موعد لا يتجاوز الفصل الدراسي التالي بعد حدوث سبب الاستئناف. هناك نوعان من الطعون المتعلقة بالدرجات:

  1. استئناف درجة عدم الأمانة - إذا قام عضو هيئة التدريس بتعيين الدرجة بسبب ادعاء بوقوع غش أو سرقة أدبية أو أي فعل آخر من أفعال الكذب الأكاديمي ورغب الطالب في متابعة الاستئناف ، فيجب اعتبار قضيته / قضيتها استئنافًا لدرجة عدم الأمانة. يجوز استئناف الدرجات المخصصة بسبب ادعاء عدم الأمانة الأكاديمية بمجرد فرض عقوبة على الطالب بسبب عدم الأمانة الأكاديمية.
  2. استئناف تحديد الدرجة - إذا كانت الأسباب الكامنة وراء الاستئناف تستند إلى خلافات في السياسة أو اتهامات مزعومة بالمعاملة التعسفية أو غير العادلة من قبل عضو هيئة التدريس المعني ، فيجب اعتبار الاستئناف استئنافًا لتحديد الدرجة. يجب الشروع في استئناف تحديد الدرجة خلال الفصل الدراسي التالي مباشرة للفصل الدراسي الذي تم فيه تعيين درجة المقرر.

تصنيف مراجعة الاستئناف وعملية القرار

  1. يبدأ الطالب في استئناف الدرجة: يجب على الطالب إكمال نموذج استئناف تقدير الطالب والتوقيع عليه ، وإرفاق مذكرة قصيرة أو خطاب يوضح الطبيعة الدقيقة للاستئناف والسبب ، وإرفاق أي وثائق داعمة ، وإرسال الحزمة بأكملها إلى رئيس القسم في القسم الذي تدرس فيه الدورة.
  2. مستوى القسم: يتشاور الرئيس مع الطالب وعضو هيئة التدريس ويحدد ما إذا كان الاستئناف عبارة عن استئناف من الدرجة غير الأمانة أم استئناف تحديد الدرجة.
    1. يفحص الرئيس الأدلة المتاحة ويصدر قرارًا: إما منح الاستئناف وتغيير الدرجة أو رفض الاستئناف. يخطر الرئيس الطالب بقراره.
    2. إذا تم منح الاستئناف ، يقوم الرئيس بإرسال تغيير الدرجة كتابيًا إلى المسجل وإخطار الطالب بأنه قد تم منح الاستئناف.
    3. إذا تم رفض الاستئناف ، يجوز للطالب قبول قرار الرئيس وإنهاء عملية الاستئناف ، أو قد يطلب إرسال الاستئناف وجميع الوثائق المرتبطة به إلى مكتب العميد (العميد أو من ينوب عنه) لمزيد من المراجعة.
    1. يراجع العميد / من ينوب عنه الاستئناف وجميع الوثائق ذات الصلة والأدلة المتاحة ويصدر قرارًا: إما منح الاستئناف وتغيير الدرجة أو رفض الاستئناف.
    2. يقوم مكتب العميد بإخطار الطالب بقراره.
    3. إذا تم قبول الاستئناف ، يقوم مكتب العميد بإرسال تغيير الدرجة كتابةً إلى المسجل.
    4. إذا تم رفض الاستئناف ، يجوز للطالب قبول القرار وإنهاء عملية الاستئناف ، أو يجوز له / لها أن يطلب إرسال الاستئناف وجميع الوثائق المرتبطة به إلى مكتب نائب الرئيس لتقديمها إلى اللجنة الفرعية لاستئناف الدرجة.

    أنا. الطعون بشأن درجات عدم الأمانة: الغرض من اللجنة الفرعية في سماع هذا النوع من الاستئناف هو (1) تحديد ما إذا كانت هناك مخالفات أكاديمية و (2) مراجعة مدى ملاءمة الإجراء التصحيحي لعضو هيئة التدريس من حيث صلته بمهمة الدرجة النهائية.

    ثانيا. طعون تحديد الدرجة: الغرض من اللجنة الفرعية في سماع هذا النوع من الاستئناف هو مراجعة إجمالي أداء الطالب فيما يتعلق بتقديره النهائي.

    أنا. إذا تم منح الاستئناف ، يقوم مكتب وكيل الجامعة بإرسال تغيير الدرجة كتابيًا إلى المسجل وإخطار الطالب بأنه قد تم منح الاستئناف.

    ثانيا. إذا كان قرار اللجنة الفرعية هو إعادة الاستئناف إلى القسم لاتخاذ مزيد من الإجراءات ، فمن مسؤولية رئيس القسم متابعة تعليمات اللجنة الفرعية. يقوم وكيل الجامعة / من ينوب عنه بإخطار الطالب بإعادة الاستئناف إلى القسم لاتخاذ مزيد من الإجراءات. بعد إعادة فحص أداء الطالب ، يقوم رئيس القسم بإخطار الطالب بالدرجة النهائية وإخطار المسجل بتغيير الدرجة ، إذا لزم الأمر.

    ثالثا. إذا تم رفض الاستئناف ، يتم إخطار الطالب بقرار اللجنة الفرعية.

    الإنصاف والضمانات الإجرائية التي تحكم حالات الكذب الأكاديمي

    من أجل ضمان العدالة والضمانات الإجرائية المناسبة لجميع المعنيين ، تسترشد اللجنة الفرعية بالإجراءات التالية:

    1. لن تنظر اللجنة الفرعية في القضية إلا إذا كان الطالب قد استنفد جميع سبل الانتصاف الإدارية من خلال رئيس القسم المناسب وعميد الكلية.
    2. سيتشاور رئيس اللجنة الفرعية مع كل من عضو هيئة التدريس والطالب فيما يتعلق بإجراءات جلسة الاستماع ووقت وتاريخ ومكان جلسة الاستماع وسيضمن وصول المواد ذات الصلة إلى جميع الأطراف في الوقت المناسب.
    3. يقع عبء إثبات رجحان الأدلة على عاتق المسؤولين أو عضو هيئة التدريس الذي أقام دعوى ضد طالب أو تم تعيينه لسبب معين.
    4. يحق للطالب الذي يمثل أمام اللجنة أن يساعده مستشار من اختياره.
    5. أثناء جلسة الاستماع يجب أن تتاح للطالب الفرصة للإدلاء بشهادته وتقديم الأدلة والشهود يمتلكون نيابة عنه. يجب أن تتاح له الفرصة لسماع واستجواب الشهود المعارضين. لا يجوز بأي حال من الأحوال أن تنظر اللجنة الفرعية في البيانات ضد الطالب ما لم يتم منح الطالب فرصة لدحض الاستنتاجات غير المواتية التي قد يتم استخلاصها بطريقة أخرى.
    6. يجب تقديم جميع المسائل التي يستند إليها القرار في الإجراءات أمام اللجنة الفرعية. وأي استنتاجات تتوصل إليها اللجنة الفرعية يجب أن تستند فقط إلى هذه الأدلة.
    7. في حالة عدم وجود نسخة ، يجب إجراء تسجيل صوتي لجلسة الاستماع.
    8. المستأنفون الذين لا يحضرون بعد إشعار مناسب سيتم النظر في قضاياهم غيابيًا.
    9. سيقدم رئيس اللجنة الفرعية كتابة إلى نائب الرئيس / من ينوب عنه استنتاجات وتوصيات اللجنة الفرعية.

    الإنصاف والضمانات الإجرائية التي تحكم طعون تحديد الدرجة

    من أجل ضمان العدالة والضمانات الإجرائية المناسبة لجميع المعنيين ، تسترشد اللجنة الفرعية بالإجراءات التالية:


    الكلمات الدالة

    الدكتور جوردان آر جامبل أستاذ مساعد في إدارة الصناعة الثقافية والإبداعية في جامعة شنغهاي جياو تونغ. حصل على درجة الدكتوراه في الأعمال والإدارة من جامعة أولستر عام 2015. يتمتع الأردن بأكثر من تسع سنوات من الخبرة البحثية النوعية في جامعات في الصين وأيرلندا والمملكة المتحدة والولايات المتحدة الأمريكية. نُشر بحثه في مجلات عالمية رائدة بما في ذلك European Management Review و Entrepreneurship & amp Regional Development والمجلة الأوروبية للتسويق. قدم الأردن أبحاثه في مؤتمرات دولية في أستراليا وكندا والصين وأيسلندا وأيرلندا والبرتغال. تكمن اهتماماته البحثية في إدارة أصحاب المصلحة في الصناعات الإبداعية والثقافية ، مع التركيز بشكل خاص على صناعة الموسيقى من حيث الابتكار ونمذجة الأعمال والتسويق والإبداع المشترك. حصل الأردن على الأستاذية الزائرة في جامعة Dokuz Eylul في تركيا في 2018 وجامعة Mississippi في الولايات المتحدة الأمريكية في 2017. ولديه خبرة في التدريس والتقييم على مستوى UG و PG والدكتوراه في جامعات في الصين وأيرلندا وتركيا والمملكة المتحدة. حصل الأردن على أكثر من 105،000 جنيه إسترليني لتمويل الأبحاث من تسع منح تمويل خارجية. حصل على جائزة 2018 Babson College Bertarelli Family للتميز في البحث. تشمل الجوائز والأوسمة الأكاديمية الأخرى في الأردن اعتماد ILM ، وزمالة هيئة تطوير الموظفين والتعليم ، وزمالة أكاديمية التعليم العالي.

    الدكتور اريك كلينتون أستاذ مشارك في ريادة الأعمال بكلية DCU للأعمال ومدير المركز الوطني DCU للأعمال العائلية. حصل على درجة الدكتوراه في ريادة الأعمال من كلية مايكل سمورفيت للأعمال للدراسات العليا ، UCD. تهتم اهتماماته البحثية في المقام الأول بممارسات ريادة الأعمال الاستراتيجية في الشركات العائلية متعددة الأجيال ، مع التركيز على كيفية انتقال العقليات الريادية والابتكارية داخل الشركات العائلية من جيل إلى جيل. نُشر هذا البحث في مجلات دولية رائدة مثل نظرية وممارسة ريادة الأعمال ، مجلة ريادة الأعمال الاستراتيجية ، Family Business Review ، ريادة الأعمال والتنمية الإقليمية ، و International Small Business Journal. كما يتم عرض أعماله بانتظام في المؤتمرات الدولية الرائدة مثل مؤتمر أكاديمية الإدارة ، ومؤتمر أبحاث ريادة الأعمال بكلية بابسون ، وجمعية الإدارة الإستراتيجية. تم تمويل أبحاثه من قبل الاتحاد الأوروبي ومجلس الأبحاث الأيرلندي ومعهد الأعمال العائلية والشركات العائلية الأيرلندية.

    الدكتورة فانيسا دياز موريانا أستاذ مشارك بجامعة جزر البليار (UIB) في قسم اقتصاديات الأعمال. تكمن اهتماماتها البحثية في تقاطع ريادة الأعمال الاستراتيجية والشركات العائلية ، مع التركيز بشكل خاص على كيفية اتخاذ الشركات العائلية الريادية للقرارات واتخاذ الإجراءات في نهاية المطاف. نُشرت أبحاثها في مجلات دولية رائدة مثل نظرية وممارسة ريادة الأعمال ، و European Management Review ، و International Journal of Entrepreneurship and Innovation. يتم تقديم عمل فانيسا بشكل متكرر في المؤتمرات الدولية الرائدة مثل مؤتمر أكاديمية الإدارة أو مؤتمر أبحاث ريادة الأعمال في كلية بابسون أو الأكاديمية الدولية لبحوث المشاريع العائلية. حصل بحثها أيضًا على جائزة الأبحاث العائلية المرموقة من معهد الأعمال المملوكة للعائلة في عام 2013 ، وجائزة أفضل مساهمة في الدكتوراه في مؤتمر أبحاث الشركات العائلية لعام 2014 ، وجائزة أفضل ورقة في الأكاديمية الأيرلندية للإدارة لعام 2015. انضمت فانيسا إلى الأوساط الأكاديمية بخلفية قوية في هذا المجال ، حيث عملت كمديرة للمشروع والعمليات في Microsoft Ireland لأكثر من سبع سنوات.


    مقدمة

    ستزداد كهربة المركبات ذات المهام الخفيفة ، وخاصة السيارات الشخصية ، في السنوات العشرين القادمة (مورغان ، 2018). وفقًا لـ JP Morgan (Morgan ، 2018) ، من المتوقع أن تصل حصة السوق العالمية للمركبات الكهربائية الهجينة والمركبات الكهربائية التي تعمل بالبطاريات (BEVs) إلى 12٪ بحلول عام 2025 و 20٪ بحلول عام 2030. في كولومبيا البريطانية ، ستقوم حكومة المقاطعة طرح تشريعات اعتبارًا من عام 2019 لتعزيز اعتماد المركبات الكهربائية الشخصية وسيارات المهام الخفيفة (Holmwood and Karemaker ، 2018). تهدف المقاطعة إلى أن تشكل المركبات عديمة الانبعاثات 10٪ من المبيعات الجديدة بحلول عام 2025 ، و 30٪ بحلول عام 2030 ، و 100٪ بحلول عام 2040.

    تمت دراسة تأثيرات اعتماد السيارة الكهربائية على نطاق واسع في الأدبيات. تم الإبلاغ عن مشكلات مثل الشحن غير المنضبط الذي يؤدي إلى زيادات في فقد الطاقة وانحرافات الجهد (Clement-Nyns et al. ، 2010). كما أن الأساطيل الكبيرة من المركبات الكهربائية ، التي تستخدم محطات الشحن من المستوى 2 والمستوى 3 (Gnann et al. ، 2018) ستزيد من حمل الذروة اليومي بشكل كبير لأنظمة التوزيع والنقل ، وقد تتطلب ترقيات للمكونات الرئيسية مثل المحولات والمغذيات (Yong) وآخرون ، 2015 ، لوبيز وآخرون ، 2011). قد تتعرض جودة الطاقة وسلامة نظام الطاقة للخطر أيضًا (Durante et al. ، 2017). خلص موراتوري (2018) إلى أنه في حين أن الزيادة في الطلب الكلي قد تكون ضئيلة حتى في ظل الاعتماد العالي ، فإن الشحن غير المنسق يمكن أن يغير بشكل كبير الطلب على الطاقة السكنية. تشير هذه النتائج إلى أن اعتماد السيارة على المستوى المحلي قد يؤدي إلى زيادة في ذروة الطلب والحاجة إلى تحسين البنية التحتية للتوزيع. يتميز تأثير شحن BEV على شبكة توزيع الطاقة باستخدام السيارة ، وخصائص الشحن ، وتوقيت الشحن ، وعدد BEVs (Green et al. ، 2011 ، Fernandez et al. ، 2016).

    تم تضمين البحث حول تكامل المرائب بما في ذلك محطات الشحن في البيئة المبنية في Wei et al.، 2018، Sanchez-Martin et al.، 2012، Faddel et al.، 2018. دراسة حول مشكلة جدولة الشحن في سيناريو مرآب انتظار السيارات مقترح في وي وآخرون. (2018). الهدف من هذا العمل البحثي هو تعزيز الفائدة الإجمالية لمشغل الشحن الخاضع لتسعير وقت الاستخدام (TOU). نموذج القرار المقدم في Sanchez-Martin et al. (2012) تفاصيل تنفيذ التحكم المباشر في الحمل على عمليات شحن بطاريات المركبات الموجودة في مناطق وقوف السيارات. يجمع النموذج على النحو الأمثل بين قرارات إدارة الطاقة من شبكة إلى مركبة ومن مركبة إلى شبكة وقرارات إدارة طاقة مركبة إلى مركبة. تم تقديم تحسين متعدد الأهداف لاتخاذ القرار بشأن تخصيص وتحجيم محطات الشحن في مرآب السيارات في Faddel et al. (2018). الهدف من التحسين هو تعظيم أرباح مستثمر المرآب ، مع تقليل الخسائر وانحرافات الجهد.

    يمكن اشتقاق نهج لتحليل عواقب التبني الواسع للمركبات الكهربائية من التطبيقات في البيئة المبنية. حسب البيئة المبنية ، نشير إلى المباني غير السكنية. كما اقترح ميلر وآخرون. (2018) ، يأتي التحدي الأخير في علم البناء من مجموعة واسعة من البيانات المتاحة من الأجهزة المتصلة (مثل العدادات الذكية ، وأجهزة إنترنت الأشياء) والطرق التي يمكن لمشغلي المباني استخدام هذه البيانات من خلالها. ميلر وآخرون. تقديم مراجعة لتقنيات التعلم الآلي غير الخاضعة للإشراف المطبقة على التحكم في أداء المباني غير السكنية وتحليلها. من بين فئات تحليل أداء البناء ، يؤكد المؤلف على تحليلات العدادات الذكية ، وتحليلات المحفظة ، واكتشاف العيوب ، والعمليات. ميلر وآخرون. أبلغت عن منهجية تكتشف البنية الأساسية لبيانات أداء المبنى (Miller et al. ، 2015). تقوم المنهجية بتحويل البيانات الخام الكمية إلى مجموعات فرعية نوعية بناءً على تشابه الأداء اليومي وتصور المجموعات الفرعية باستخدام التقنيات التعبيرية.

    يتم تقديم أمثلة أخرى للتعلم الآلي والتعلم غير الخاضع للإشراف المطبق على نمذجة الأداء في البيئة المبنية في Patnaik et al.، 2009، Chicco and Ilie، 2009، Pan et al.، 2015، Miller and Meggers، 2017. Patnaik et al. قدم حلاً مؤقتًا لاستخراج البيانات لنمذجة وتحسين الأداء (النوعي والكمي) لمبردات مركز البيانات (باتنايك وآخرون ، 2009). أبلغت Chicco و Ilie عن تطبيق لتجميع ناقلات الدعم لتصنيف نمط الحمل الكهربائي (Chicco and Ilie ، 2009). بان وآخرون. طوروا منهجية للبيانات الضخمة التي تنتجها العدادات الذكية في منطقة العاصمة هيوستن (بان وآخرون ، 2015). تتيح هذه الجهود وغيرها تحديد فئات واستراتيجيات سلوك العملاء لتخصيص الطاقة بكفاءة. أخيرًا ، ركز Miller and Meggers في Miller and Meggers (2017) على استنتاج ميزات الأداء من مجموعة بيانات من 507 مبنى غير سكني. يقدمون إطارًا من خطوتين لاستخراج السلوكيات الإحصائية والقائمة على النموذج والقائمة على الأنماط.

    تروج جامعة كولومبيا البريطانية (UBC) لاعتماد المركبات عديمة الانبعاثات كجزء من مبادرتها للحد من انبعاثات غازات الاحتباس الحراري (كوياما ، 2018). تخطط الجامعة لتحسين بنيتها التحتية من خلال تركيب محطات الشحن (CS) في الحدائق الرئيسية. من خلال مواقف السيارات ، نشير في هذه الورقة إلى مبنى أو إنشاءات أخرى مصممة لمواقف السيارات. السؤال المهم الذي يطرح نفسه هو كيف ستؤثر هذه البنية التحتية الإضافية للشحن على تصنيفات وحدة التغذية الحالية حيث سيتم توصيل CS. يتم توصيل التركيبات الكهربائية لمراكز خدمة العملاء بوحدة التغذية الرئيسية لبعض المباني في الحرم الجامعي.

    في هذه الورقة ، نستخدم منهجية تستند إلى التعلم غير الخاضع للإشراف لتحليل تأثير البنية التحتية للشحن على التركيبات الكهربائية في حرم جامعة كولومبيا البريطانية. أسلوب التعلم غير الخاضع للإشراف المختار هو تجميع الوسائل k. تم اختيار هذه التقنية ، نظرًا لتوفر البيانات ، بدون بيانات وصفية مرتبطة بالأداء (على سبيل المثال ، أوقات وصول كل مستخدمي BEV ، وحالة شحن البطارية لـ BEV ، وحجم البطارية ، وبروتوكول موازنة الحمل في محطة الشحن).علاوة على ذلك ، قمنا بتطوير طريقة تجميع لمحاكاة عدد معين من CS المتصلة بالتركيبات الكهربائية. تم تطوير طريقة التجميع باستخدام الميزات المستخرجة من تحليل الأداء.

    تتمثل المساهمة الأولى لهذه الورقة في تقديم تقنية تحليلية تستخدم البيانات من العدادات الذكية. قدم العمل السابق في تحليل استهلاك الطاقة في المباني التقنيات المستخدمة في هذه الورقة لتحليل أداء طاقة المباني في البيئة المبنية (Miller et al. ، 2015 ، Miller et al. ، 2018 ، Miller and Meggers ، 2017). يقود عملنا هذا التحليل إلى الطلب على الكهرباء لمواقف السيارات الكهربائية ، والذي قد يكون ذا أهمية كبيرة للبيئة المبنية في المستقبل القريب. بالإضافة إلى ذلك ، ركزت معظم دراسات الأداء في البيئة المبنية على المناهج التنازلية أو التصاعدية (بناء تحليل الأداء العام مقابل الأخطاء والأسباب الجذرية للأداء المنخفض) (Miller et al.، 2015). بدلاً من ذلك ، يقدم هذا العمل تحليلًا يعتمد على بيانات السلاسل الزمنية حول استهلاك طاقة الحمل ، حيث يتم استخراج مقاييس الأداء والميزات من البيانات نفسها.

    المساهمة الثانية في هذه الورقة هي منهجية لمحاكاة عدد عشوائي من CS نظرًا لتوافر بيانات استهلاك CS من منتزهين متميزين. على عكس النمذجة في Green et al. ، 2011 ، Clement-nyns et al. ، 2010 ، لا تتطلب منهجيتنا معرفة أنماط القيادة أو خصائص الشحن أو توقيت الشحن أو اختراق السيارة لمحاكاة عدد تعسفي من CS. بدلاً من ذلك ، تقدر طريقتنا ملفات تعريف الطاقة اليومية عن طريق تصنيف ملفات تعريف الحمل اليومي التاريخية لمواقع وقوف السيارات الكهربائية على أساس بعض الميزات المحددة. ثم يضيف مجموعات عشوائية من العينات اليومية ، باستخدام نهج التمهيد ، لعدد عشوائي من محطات الشحن. فوكوشيما وآخرون قام (2018) بتطوير نظام توصية لإبلاغ سائقي السيارات الكهربائية على الطرق السريعة بمكان العثور على معدات الشحن ، باستخدام نهج الشبكات العصبية. في هذه الورقة ، اخترنا أسلوبًا يعتمد على التعلم غير الخاضع للإشراف ، حيث لا يلزم وجود مخرجات يمكن ملاحظتها لاستنتاج بنية في بيانات الإدخال ، على عكس نهج الشبكات العصبية ، حيث يلزم وجود مخرجات يمكن ملاحظتها. راماشاندران وآخرون نفذت إطار عمل للشبكات العصبية لتقييم وضع محطة الشحن من خلال التنبؤ بإحصائيات استخدام محطة الشحن الفردية بناءً على الموقع الفعلي للمحطة داخل الشبكة (Ramachandran et al. ، 2018). نحن نمثل عددًا عشوائيًا من محطات الشحن ، ولكن على عكس Ramachandran et al. قمنا بتضمين تصنيف الميزات ، حيث يتم تقدير الميزات باستخدام تجميع الوسائل k. على عكس راماشاندران وآخرون. (2018) ، لا تضع الطريقة في هذه الورقة افتراضات حول عملية التعلم ، ولكنها تستخدم بدلاً من ذلك الميزات الوصفية المحددة في البيانات نفسها لإعادة إنتاج التقديرات. كاي وآخرون (2014) يستخدم بيانات المسار واسعة النطاق لـ 11880 سيارة أجرة في بكين كدراسة حالة لتقييم كيف يمكن لأنماط السفر المستخرجة من البيانات الضخمة أن تساعد في تطوير البنية التحتية العامة للشحن. مقارنة بـ Cai et al. (2014) ، نحن نستخدم بيانات جلسات الشحن للإبلاغ عن الطلب على الطاقة الذي قد يواجهه مغذي المبنى إذا كان سيتم توصيل عدد تعسفي من محطات الشحن بحديقة مجاورة.

    هذه الورقة لها ثلاث مراحل. في المرحلة الأولى ، نستخدم البيانات التي تم جمعها من البيئة المبنية ومحطات الشحن بمنهجية غير خاضعة للإشراف لتحديد ميزات الأداء (القسم 2). ثانيًا ، استنادًا إلى الميزات المحددة في التحليل السابق ، نقوم بتطوير طريقة تجميع لنمذجة عدد معين من CS (القسم 2.4). نقترح أيضًا إجراء تحقق من الصحة لتأطير قيود طريقة التجميع (القسم 3). ثالثًا ، نقترح سيناريوهين ، باستخدام طريقة التجميع ، لتحليل تأثير موقف للسيارات BEV بحجم معين ، على تركيب موقف السيارات ، وعلى المبنى (القسم 4). أخيرًا ، يتم تقديم المناقشة والاستنتاجات في 5 مناقشة ، 6 خاتمة ، على التوالي.


    ضمان استعادة الاموال

    نحن نعمل دائمًا بجد لرفع مستوى أدائنا لضمان حصول كل عميل يدفع مقابل خدمة معنا على قيمة مقابل أمواله. يتم تحقيق ذلك من خلال تقديم محتوى أصلي وعالي الجودة.

    يحق للعميل طلب استرداد الأموال إذا كانت جودة المهمة التي تم تسليمها لا تلبي توقعاتهم. في هذه الحالة ، سيتم إعادة الأموال وفقًا لسياسة استرداد الأموال الخاصة بنا. قد لا تعجبك الورقة التي تم تسليمها إليك بسبب بعض الأسباب وإذا كانت لديك أسباب صادقة تلبي توقعاتنا ، فستسترد أموالك. للحصول على تناقضات طفيفة في الورقة التي تم تسليمها ، يمكنك طلب مراجعة مجانية.

    نحن نقدم مراجعات مجانية لجميع أوراقنا. يمكن مراجعة الورقة من قبل الكاتب الذي كتب الورقة أو يمكنك طلب مراجعة الورقة من قبل كاتب آخر. للحصول على مزيد من المعلومات حول هذا الأمر ، تفضل بزيارة صفحات سياسة المراجعة وضمان استرداد الأموال أو يمكنك الاتصال بفريق الدعم للحصول على مزيد من المعلومات حول ذلك.


    الملخص

    الهدف العام من هذه الورقة هو الإجابة على السؤال التالي: هل العلاقة بين مشاعر وسائل التواصل الاجتماعي وعائدات الأسهم متغيرة بمرور الوقت؟ لتوفير استجابة مرضية ، تم تقديم منهجية جديدة - التعايش بين النماذج الخطية الديناميكية Bayesian والانحدارات غير المرتبطة على ما يبدو. مجموعتان من بيانات مؤشر داو جونز الصناعي وبيانات وسائل التواصل الاجتماعي المقابلة من Yahoo! تستخدم لوحات رسائل الأسهم المالية في دراسة تجريبية شاملة. بعض النتائج الرئيسية هي: (أ) الرد الإيجابي على السؤال أعلاه (ب) تعمل النماذج ذات المشاعر الخاصة بوسائل التواصل الاجتماعي وعوائد السوق على الأقل بالإضافة إلى النماذج التي تشمل عوامل Fama-French وعوامل الزخم (ج) هناك ارتباطات كبيرة بين الأسهم ، تتراوح من -0.8 إلى 0.6 في كلتا مجموعتي البيانات.


    ستساعدك خدمات كتابة المقالات لدينا عندما لا يعمل أي شيء آخر

    عندما يواجه الطلاب صعوبات أكاديمية ، فإنهم يميلون إلى اللجوء إلى شركات مساعدة المقالات عبر الإنترنت. إذا كان هذا يحدث لك أيضًا ، فيمكنك مراسلتنا في تعليمات الدورة التدريبية عبر الإنترنت. سنضمن لك محتوى عالي الجودة يمنحك درجة جيدة. يمكننا التعامل مع ورقة المصطلح الخاص بك أو أطروحة أو اقتراح بحث أو مقال حول أي موضوع.

    نحن على دراية بجميع التحديات التي يواجهها الطلاب عند معالجة مهام الفصل. يمكن أن يكون لديك واجب معقد للغاية أو واجب يجب إكماله في وقت أقرب مما يمكنك إدارته. تحتاج أيضًا إلى قضاء وقت في الحياة الاجتماعية وقد لا يكون هذا ممكنًا بسبب العمل المدرسي. والخبر السار هو أن مساعدة الدورة التدريبية عبر الإنترنت موجودة هنا لرعاية كل هذه الاحتياجات لضمان إكمال جميع مهامك في الوقت المحدد ولديك وقت للأنشطة المهمة الأخرى. نحن نتفهم أيضًا أن لديك عددًا من الموضوعات لتتعلمها وهذا قد يجعل من الصعب عليك الاهتمام بجميع المهام. يُتوقع منك إجراء بحث شامل لكل مهمة لتكسب لنفسك درجة جيدة حتى مع الوقت المحدود لديك.

    وهذا يستدعي الحاجة إلى توظيف كاتب محترف. عندما توظف أحد كتابنا الخبراء ، يمكنك التأكد من إكمال جميع مهامك في الوقت المحدد. سيتم الوفاء بجميع المواعيد النهائية للمهام الخاصة بك بالإضافة إلى أنه سيكون لديك ورقة أصلية غير مسروقة وخالية من الأخطاء. تتم كتابة جميع أوراقنا وفقًا لمواصفات كل عميل من قبل خبرائنا الذين تم تدريبهم جيدًا ولديهم مؤهلات عالية.


    بناء علم الوجود القائم على الحالة باستخدام نظرية المجموعة الضبابية للخدمة الشخصية في بيئة المنزل الذكي

    لتوفير خدمات مخصصة قائمة على السياق باستخدام الأجهزة الذكية في بيئة المنزل الذكي ، نقترح إطار عمل لـ صإيرسونأليز سديس الخدمةجمفرط يويغني فوZZYCBR وعلم الوجود القائم على السياق (PASCUZZY). في الأساس ، يتم تنفيذ إطار عمل PASCUZZY على علم الوجود القائم على الحالة. لإنشاء حالات الحالة وإدارتها في علم الوجود القائم على الحالة ، فإننا نعتمد نظرية المجموعة الضبابية لنقل بيانات السياق من النوع العددي المستشعرة من البيئة المحيطة. يتم نقل السياق إلى أمثلة سياق من النوع اللغوي في سياق الأنطولوجيا. بالإضافة إلى ذلك ، لإضفاء الطابع الرسمي على السياق والخدمات وإدارتها كبيانات متعددة السمات ، تم تطوير سياق الأنطولوجيا يعكس هيكل الحالات المستعارة من التفكير القائم على الحالة. علاوة على ذلك ، نقترح طرقًا للتكيف لضبط وظائف العضوية الغامضة العامة اعتمادًا على سياق السكان. يتم إجراؤه عن طريق تعديل قيم رقم العضوية و / أو تعديل أرقام المصطلحات اللغوية التي تستند إلى سياق السكان للتأثير على أرقام العضوية. تعيد وظائف العضوية المعدلة الدرجة الشخصية للعضويات اعتمادًا على السياق المتخصص لمتغير ضبابي معين. حتما ، سيتم زيادة عدد القضايا في سياق الأنطولوجيا القائمة على الحالة من وقت لآخر. نحن نطبق طريقة وارد ليس فقط لتقليل جهود البحث من خلال التجميع الهرمي في سياق الأنطولوجيا القائم على الحالة ولكن أيضًا للعثور على الخدمة الأكثر تشابهًا كحل للسياق الجديد. للتحقق من تفوق إطار عمل PASCUZZY ، نقوم بإجراء نوعين من التقييمات. أولاً ، نقوم بتقييم فعالية تكييف وظائف العضوية الغامضة. ثانيًا ، نتحقق من فعالية تطبيق طريقة التجميع لحالات الحالة في أنطولوجيا السياق القائم على الحالة لتحديد الخدمة الأكثر تشابهًا. أثبتت نتائج التجربة فعالية وتفوق إطار عمل PASCUZZY.

    هذه معاينة لمحتوى الاشتراك ، والوصول عبر مؤسستك.


    شاهد الفيديو: كيف نختار نموذج التنبؤ الاحصائي للتخطيط للمبيعات المستقبلية (شهر نوفمبر 2021).