Was sagen Ihnen Ihre Daten tatsächlich über Ihren Prozess?

Zeigt, wie sich der mittlere Zielwert über die Stufen jedes Faktors einer Untersuchung verändert.

Prüft, ob sich die Mittelwerte von drei oder mehr unabhängigen Gruppen signifikant unterscheiden.

Vergleicht die Varianzen zweier unabhängiger Grundgesamtheiten, um zu prüfen, ob sie gleich sind.

Passt ein Modell an die Ergebnisse eines Screening-Versuchs an und identifiziert die Faktoren, die den Zielwert bestimmen.

Erzeugt einen faktoriellen Versuchsplan und analysiert Faktor- und Wechselwirkungseffekte.

Plant und analysiert Versuche, bei denen die Faktoren Zutatenanteile sind, die sich zu einer Konstante summieren.

Erstellt einen effizienten Plan, der viele stetige Faktoren screent und Krümmung erkennt.

Findet die Faktoreinstellungen, die über eine oder mehrere Zielgrößen die günstigsten Ergebnisse liefern.

Vergleicht kategoriale oder diskrete Werte über Balken, deren Länge die jeweilige Größe widerspiegelt.

Stellt eine Verteilung über ihre Quartile, den Median, die Streuung und Ausreißer dar.

Erweitert ein Streudiagramm um eine dritte stetige Variable, die durch die Blasengröße dargestellt wird.

Bildet über schattierte Höhenlinien ab, wie sich ein Zielwert über zwei stetige Eingangsgrößen verändert.

Quantifiziert Stärke und Richtung linearer Zusammenhänge zwischen Variablen.

Visualisiert über die Farbintensität, wo sich Datenpunkte in einem zweidimensionalen Raum konzentrieren.

Berechnet Kennzahlen wie Mittelwert, Median, Streuung und Verteilungsform für einen Datensatz.

Verbindet wichtige Kennzahlen mit mehreren Diagrammen der Daten in einer zusammengefassten Ansicht.

Stellt die Verteilung numerischer Daten als nebeneinanderliegende Häufigkeitsbalken dar.

Schätzt die Stichprobenverteilung einer Kennzahl durch wiederholtes Resampling eines Datensatzes.

Prüft, ob beobachtete Kategorienhäufigkeiten einer erwarteten Verteilung entsprechen.

Misst, in welchem Maße sich zwei stetige Variablen gemeinsam verändern.

Passt mehrere Verteilungen an die Daten an und ermittelt, welche am besten passt.

Bewertet, ob ein Datensatz einer Normalverteilung folgt.

Unterstützt die Auswahl des richtigen statistischen Tests über einen strukturierten Entscheidungsbaum.

Prüft, ob sich ein Stichprobenanteil signifikant von einem Sollwert unterscheidet.

Vergleicht einen Stichprobenmittelwert mit einem Sollwert, wenn die Standardabweichung der Grundgesamtheit unbekannt ist.

Prüft, ob sich ein Stichprobenmittelwert bei bekannter Varianz von einem bekannten Mittelwert der Grundgesamtheit unterscheidet.

Bewertet die Konsistenz und Zuverlässigkeit eines Gut/Schlecht-Prüfprozesses.

Beurteilt, wie konsistent Prüfer Teile in Kategorien einordnen.

Erstellt ein randomisiertes Erfassungsformular für eine attributive Übereinstimmungsstudie.

Erzeugt ein randomisiertes Erfassungsarbeitsblatt für eine Gage-R&R-Studie.

Quantifiziert die Messstreuung durch Prüfer und Prüfmittel, die dieselben Teile messen.

Bewertet die Genauigkeit und den Bias eines Prüfmittels über seinen Messbereich.

Beurteilt die Messstreuung, wenn jeder Prüfer unterschiedliche Teile misst.

Beurteilt die inhärente Wiederholpräzision und den Bias eines Prüfmittels anhand wiederholter Messungen eines Teils.

Zerlegt die Gesamtstreuung in ihre einzelnen identifizierbaren Quellen.

Reduziert viele korrelierte Variablen auf eine kleinere Menge unkorrelierter Komponenten.

Vergleicht drei oder mehr verbundene Gruppen über einen nichtparametrischen Rangtest.

Vergleicht drei oder mehr unabhängige Gruppen, ohne eine Normalverteilung vorauszusetzen.

Vergleicht zwei unabhängige Gruppen anhand von Rängen statt anhand von Mittelwerten.

Vergleicht die Mediane von zwei oder mehr Gruppen, indem Werte über und unter dem Gesamtmedian gezählt werden.

Prüft, ob der Median einer Stichprobe einem vorgegebenen Sollwert entspricht.

Prüft anhand von Vorzeichenrängen, ob der Median einer Stichprobe einem Sollwert entspricht.

Prüft, ob eine Folge von Werten in tatsächlich zufälliger Reihenfolge angeordnet ist.

Misst die Prozessfähigkeit, wenn jedes Teil als konform oder nicht konform eingestuft wird.

Prüft Prozessstabilität und -fähigkeit, wenn sich die Streuung zwischen den Untergruppen unterscheidet.

Beurteilt Prozessstabilität und -fähigkeit unter Annahme normalverteilter Daten.

Kombiniert sechs Fähigkeitsdiagramme und Kennzahlen für die Streuung zwischen und innerhalb der Untergruppen.

Bewertet die Kurzzeitfähigkeit einer Maschine gegenüber ihren Spezifikationen gemäß ISO 22514-3.

Bewertet die Prozessfähigkeit, wenn die Daten keiner Normalverteilung folgen.

Misst, wie gut ein nicht normalverteilter Prozess seine Spezifikationsgrenzen einhält.

Beurteilt die Prozessfähigkeit, ohne eine bestimmte Datenverteilung vorauszusetzen.

Misst die Prozessfähigkeit für Fehlerraten, die einer Poisson-Verteilung folgen.

Erzeugt Zufallswerte aus einer Binomialverteilung von Erfolgen in einer festen Anzahl von Versuchen.

Erzeugt Zufallswerte, die einer glockenförmigen Normalverteilung folgen.

Erzeugt Zufallswerte aus einer Exponentialverteilung, die die Zeit zwischen Ereignissen modelliert.

Erzeugt Zufallswerte aus einer F-Verteilung, die durch zwei Freiheitsgrade definiert ist.

Erzeugt Zufallswerte aus einer rechtsschiefen Lognormalverteilung.

Erzeugt Zufallszählungen aus einer Poisson-Verteilung von Ereignissen in einem festen Intervall.

Erzeugt Zufallswerte aus einer t-Verteilung mit schwereren Rändern.

Erzeugt Zufallswerte aus einer Weibull-Verteilung, wie sie in der Zuverlässigkeitsanalyse verwendet wird.

Modelliert, wie Prädiktoren mit einer kategorialen Zielgröße mit zwei Ausprägungen zusammenhängen.

Passt eine Ausgleichsgerade durch die Datenpunkte an, um den Gesamttrend abzubilden.

Quantifiziert, wie Prädiktoren mit einer stetigen Zielgröße zusammenhängen.

Modelliert Prädiktoren gegen eine ungeordnete kategoriale Zielgröße mit drei oder mehr Ausprägungen.

Modelliert Prädiktoren gegen eine geordnete kategoriale Zielgröße mit drei oder mehr Stufen.

Passt einen Zusammenhang zwischen zwei Variablen an, die beide messfehlerbehaftet sind.

Modelliert viele Prädiktoren gegen eine oder mehrere Zielgrößen durch Extraktion latenter Komponenten.

Schätzt, wie lange ein Produkt über die Zeit innerhalb seiner Qualitätsspezifikationen bleibt.

Bestimmt Stichprobenumfang und Prüfdauer, um ein Zuverlässigkeitsziel bei festgelegtem Konfidenzniveau nachzuweisen.

Bestimmt den Stichprobenumfang und die Prüfdauer, die zur Schätzung von Zuverlässigkeitsparametern erforderlich sind.

Passt eine Lebensdauerverteilung an Ausfalldaten an, die zensierte Beobachtungen enthalten.

Modelliert, wie sich die Ausfallrate eines reparierbaren Systems mit zunehmender Betriebsdauer verändert.

Bereitet rohe Garantie-Felddaten für die Zuverlässigkeitsanalyse auf.

Prognostiziert die zu erwartenden künftigen Garantierückläufe aus einem angepassten Zuverlässigkeitsmodell.

Definiert Prüfstichprobenpläne auf Basis einer annehmbaren Qualitätsgrenzlage (AQL).

Erstellt AQL-Prüfpläne für attributive Gut/Schlecht-Daten.

Vergleicht Stichprobenpläne anhand ihrer Operationscharakteristik-Kurven nebeneinander.

Erstellt einen Annahmestichprobenplan für stetige Messdaten.

Erstellt AQL-Prüfpläne für stetig gemessene Qualitätsmerkmale.

Transformiert Daten in Richtung Normalverteilung vor einer Fähigkeitsanalyse oder Regelkartenführung.

Überwacht die Anzahl der Fehler in Stichproben konstanter Größe über die Zeit.

Erkennt kleine anhaltende Verschiebungen des Mittelwerts durch Aufsummieren der Abweichungen vom Zielwert.

Erkennt kleine anhaltende Verschiebungen über einen gewichteten Durchschnitt aktueller und früherer Werte.

Überwacht Einzelmesswerte und ihre gleitende Spannweite bei Prozessen mit Einzelwerten.

Verfolgt gemeinsam die Streuung von Einzelwerten sowie zwischen und innerhalb der Untergruppen.

Wandelt nicht normalverteilte Daten in Richtung Normalverteilung um für Analysen, die dies erfordern.

Überwacht Fehleranteile unter Korrektur der Überdispersion.

Überwacht Fehler je Einheit unter Korrektur der Überdispersion.