Comparative analysis of software for the study of statistical methods of control of product quality
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The article discusses the comparative analysis of software (MS Excel, Mathcad and Matlab) for the study of statistical methods of product quality control necessary for the training of future specialists in the field of product quality. The choice is determined by the presence of this software in the educational institution. Statistical methods of product quality control are mandatory elements of modern quality management systems implemented at Russian enterprises, the competitiveness of which largely depends on the ability of the company's personnel to apply these methods in practice at all stages of the product life cycle. The analysis of product quality begins with the construction of a histogram to identify avoidable and irremediable defects and compare it with the normal distribution curve. The process of forming the shape of the normal distribution curve can be traced in the construction of control maps based on a scatter plot of the sample. The next step is the construction of dot diagrams, on the basis of which control maps are built (in our case - the control map of Shewhart). The final step in training is the construction of Pareto diagrams to identify the causes of defects with ABC analysis. The authors conducted a comparative analysis of software products MS Excel, Mathcad and Matlab for the implementation of basic statistical methods of product quality control. For training it is proposed to choose MS Excel because of the availability of the Data Analysis package, free analogues that are widely used in enterprises, the ability to store the original data and use them in other programs (data import).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle