Was sagen Ihnen Ihre Daten tatsächlich über Ihren Prozess?

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

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

Prüft, ob sich die Mittelwerte zweier unabhängiger Gruppen signifikant unterscheiden.

Vergleicht die Mittelwerte zweier unabhängiger Gruppen anhand von Kennzahlen statt Rohdaten.

Prüft auf einen signifikanten Unterschied zwischen den Mittelwerten zweier verbundener Gruppen.

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

Vergleicht die Anteile eines Merkmals zwischen zwei unabhängigen Grundgesamtheiten.

Vergleicht eine Stichprobenvarianz über einen Chi-Quadrat-Test mit einem vorgegebenen Wert.

Prüft, ob zwei oder mehr Gruppen dieselbe Streuung aufweisen.

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.

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

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

Quantifiziert, wie Prädiktoren mit einer stetigen Zielgröße zusammenhängen.

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

Schätzt die pharmazeutische Haltbarkeit nach ICH-Q1E-Standards mit Chargen-Poolbarkeit, Temperaturprojektion und Extrapolationsbewertung.

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

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

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

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

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

Schätzt die relative Wirksamkeit durch Vergleich der parallelen logarithmischen Dosis-Wirkungs-Geraden einer Prüf- und einer Standardzubereitung.

Schätzt die relative Wirksamkeit aus dem Verhältnis der Dosis-Wirkungs-Steigungen, wenn die Zubereitungen eine gemeinsame Grundreaktion aufweisen.

Schätzt die wirksame Dosis und die relative Wirksamkeit, wenn biologische Reaktionen binär statt kontinuierlich sind.

Schätzt die relative Wirksamkeit durch Anpassung einer vier-parametrigen logistischen Sigmoidkurve, geeignet für Immunoassays wie ELISA.

Schätzt die Antibiotika-Wirksamkeit aus den Hemmzonen auf Agarplatten mittels eines USP-5+1-Zylinderplatten-Designs.

Kombiniert Wirksamkeitsschätzungen aus mehreren unabhängigen Assays zu einem gewichteten Gesamtergebnis mit Homogenitätsprüfung.

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

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.

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

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.

Bereitet rohe Garantie-Felddaten für die Zuverlässigkeitsanalyse auf.

Prognostiziert die zu erwartenden künftigen Garantierückläufe aus einem angepassten Zuverlässigkeitsmodell.

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

Reduziert viele korrelierte Variablen auf eine kleinere Menge unkorrelierter Komponenten.

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

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

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

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

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

Vergleicht drei oder mehr verbundene Gruppen über einen nichtparametrischen Rangtest.

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

Stellt den Zusammenhang zwischen zwei stetigen Variablen als Punkte in einer Ebene dar.

Stellt Datenpunkte über drei Achsen dar, um Zusammenhänge zwischen drei Variablen zu zeigen.

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

Quantifiziert Stärke und Richtung linearer Zusammenhänge zwischen Variablen.

Stellt die Verteilung numerischer Daten als nebeneinanderliegende Häufigkeitsbalken dar.

Zeigt eine numerische Verteilung als Häufigkeitsbalken, häufig überlagert mit einer angepassten Kurve.

Beurteilt anhand eines Wahrscheinlichkeitsdiagramms, ob Daten einer Normalverteilung folgen.

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

Macht Quellen und Ausmaß der Streuung über mehrere Faktoren gleichzeitig sichtbar.

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

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

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

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

Beurteilt die Messstreuung, wenn jeder Prüfer unterschiedliche Teile misst.

Zerlegt die Gesamtstreuung in ihre einzelnen identifizierbaren Quellen.

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

Erstellt ein randomisiertes Erfassungsformular für eine attributive Übereinstimmungsstudie.

Beurteilt, wie konsistent Prüfer Teile in Kategorien einordnen.

Transformiert Daten in Richtung Normalverteilung vor einer Fähigkeitsanalyse oder Regelkartenführung.

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

Verfolgt Mittelwerte und Spannweiten der Untergruppen, um die Prozessstabilität bei variablen Daten zu überwachen.

Überwacht Mittelwerte und Standardabweichungen der Untergruppen bei variablen Daten mit größerem Stichprobenumfang.

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

Überwacht den Mittelwert der Untergruppen über die Zeit, um Mittelwertverschiebungen zu erkennen.

Überwacht die Streuung innerhalb der Untergruppen durch Darstellung der Spannweite jeder Untergruppe.

Überwacht die Streuung innerhalb der Untergruppen durch Darstellung der Standardabweichungen der Untergruppen.

Überwacht Einzelmesswerte und ihre gleitende Spannweite bei Prozessen mit Einzelwerten.

Misst, wie gut ein Prozess seine Ausgabe innerhalb der Spezifikationsgrenzen erzeugt.

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, wenn jedes Teil als konform oder nicht konform eingestuft wird.

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

Beurteilt Prozessstabilität und -fähigkeit unter Annahme normalverteilter Daten.

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

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

Definiert Prüfstichprobenpläne auf Basis einer annehmbaren Qualitätsgrenzlage (AQL).

Erstellt einen Annahmestichprobenplan für stetige Messdaten.

Vergleicht Stichprobenpläne anhand ihrer Operationscharakteristik-Kurven nebeneinander.

Erstellt AQL-Prüfpläne für stetig gemessene Qualitätsmerkmale.

Erzeugt Zufallswerte, die einer glockenförmigen Normalverteilung folgen.

Erzeugt Zufallswerte aus einer rechtsschiefen Lognormalverteilung.

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

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

Erzeugt Zufallswerte aus einer t-Verteilung mit schwereren Rändern.

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

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

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