इनहेरिटेंस (ओओपी प्रोग्रामिंग)

मार्कोव चेन मोंटे कार्लो (MCMC) विधियाँ प्रायिकता वितरण से नमूना लेने के लिए एल्गोरिदम का एक वर्ग हैं। एक मार्कोव श्रृंखला का निर्माण किया जाता है जिसमें वांछित वितरण संतुलन या स्थिर वितरण के रूप में होता है। फिर कई चरणों के बाद श्रृंखला की स्थिति को वांछित वितरण से नमूने के रूप में उपयोग किया जाता है, जिससे समाकलन और प्रत्याशा की गणना संभव हो पाती है।

जी-कोड, जिसे औपचारिक रूप से RS-274 के नाम से जाना जाता है, सीएनसी मशीनों को नियंत्रित करने के लिए सबसे प्रचलित प्रोग्रामिंग भाषा है। इसमें क्रमबद्ध कमांड होते हैं जो मशीन को स्थिति, गति और विशिष्ट क्रियाओं के बारे में निर्देश देते हैं। कमांड एक अक्षर पते से शुरू होते हैं; 'G' गति के लिए प्रारंभिक कमांड को दर्शाता है (उदाहरण के लिए, रैखिक फ़ीड के लिए G01), जबकि 'M' विविध कार्यों को दर्शाता है (उदाहरण के लिए, स्पिंडल स्टार्ट के लिए M03)।

स्वचालित प्रमेय सिद्धीकरण (एटीपी) कंप्यूटर विज्ञान और गणितीय तर्क का एक उपक्षेत्र है जो कंप्यूटर प्रोग्रामों का उपयोग करके गणितीय प्रमेयों को सिद्ध करने के लिए समर्पित है। एटीपी सिस्टम, या प्रूवर, तार्किक तर्क का उपयोग करके कुछ सिद्धांतों और परिकल्पनाओं से नए प्रमेयों को निकालते हैं। ये प्रूफ असिस्टेंट से भिन्न होते हैं, जिन्हें अधिक मानवीय मार्गदर्शन की आवश्यकता होती है, हालांकि दोनों क्षेत्र काफी हद तक एक-दूसरे से मिलते-जुलते हैं।

सत्यापन तकनीकों को मोटे तौर पर स्थैतिक या गतिशील में वर्गीकृत किया जाता है। स्थैतिक सत्यापन (या स्थैतिक विश्लेषण) में सिस्टम के कोड या डिज़ाइन की जांच उसे निष्पादित किए बिना की जाती है। उदाहरणों में कोड समीक्षा, निरीक्षण और स्वचालित स्थैतिक विश्लेषण उपकरण शामिल हैं। गतिशील सत्यापन (या परीक्षण) में सिस्टम को इनपुट के एक सेट के साथ निष्पादित करना और दोषों को खोजने के लिए उसके व्यवहार का अवलोकन करना शामिल है। व्यापक गुणवत्ता आश्वासन के लिए दोनों ही पूरक हैं।

जोखिम प्राथमिकता संख्या (आरपीएन) एफएमईए में जोखिमों को प्राथमिकता देने के लिए उपयोग किया जाने वाला एक मात्रात्मक माप है। इसकी गणना तीन क्रमबद्ध कारकों के गुणनफल के रूप में की जाती है: गंभीरता (एस), घटना (ओ) और पहचान (डी)। सूत्र है: [latex]आरपीएन = एस गुना ओ गुना डी[/latex]। प्रत्येक कारक को आमतौर पर 1 से 10 के पैमाने पर रेट किया जाता है, जिससे टीमें सबसे अधिक स्कोर वाले जोखिमों पर पहले ध्यान केंद्रित कर सकें।

शेवर्ट नियंत्रण चार्ट पर गैर-यादृच्छिक पैटर्न का पता लगाने के लिए चार निर्णय नियमों का एक समूह, जो 3-सिग्मा सीमा से बाहर कोई बिंदु न होने पर भी अनियंत्रित प्रक्रिया का संकेत देता है। ये नियम डेटा बिंदुओं के अप्राकृतिक क्रम, रुझान या समूह की पहचान करते हैं जो भिन्नता के एक विशेष कारण की उपस्थिति का संकेत देते हैं। ये नियंत्रण चार्ट की संवेदनशीलता को बढ़ाते हैं।

श्रेणीबद्ध, आमतौर पर द्विआधारी, आश्रित चर के लिए एक प्रतिगमन मॉडल। परिणाम को सीधे मॉडल करने के बजाय, यह लॉजिस्टिक (सिग्मॉइड) फ़ंक्शन का उपयोग करके परिणाम की संभावना को मॉडल करता है। मॉडल घटना के लॉग-ऑड्स को स्वतंत्र चर के रैखिक संयोजन के रूप में भविष्यवाणी करता है: [latex]ln(frac{p}{1-p}) = beta_0 + beta_1 x_1 + dots + beta_p x_p[/latex], जहाँ p घटना की संभावना है।

मेट्रोपोलिस-हेस्टिंग्स एल्गोरिदम एक प्रमुख MCMC विधि है जिसका उपयोग किसी प्रायिकता वितरण से यादृच्छिक नमूनों का अनुक्रम प्राप्त करने के लिए किया जाता है, जहाँ प्रत्यक्ष नमूनाकरण कठिन होता है। प्रत्येक पुनरावृति में, यह वर्तमान नमूने के आधार पर अगले नमूने के लिए एक संभावित नमूना उत्पन्न करता है। इस संभावित नमूने को एक निश्चित प्रायिकता के साथ स्वीकार या अस्वीकार किया जाता है, जिससे यह सुनिश्चित होता है कि परिणामी श्रृंखला वांछित वितरण की ओर अभिसरित हो।

OOP में एब्स्ट्रैक्शन जटिल कार्यान्वयन विवरणों को छिपाकर ऑब्जेक्ट की केवल आवश्यक विशेषताओं को प्रदर्शित करने की अवधारणा है। यह इस बात पर ध्यान केंद्रित करता है कि ऑब्जेक्ट क्या करता है, न कि वह कैसे करता है। यह एब्स्ट्रैक्ट क्लास और इंटरफेस के माध्यम से प्राप्त किया जाता है, जो पूर्ण कार्यान्वयन प्रदान किए बिना अन्य क्लास के लिए एक ब्लूप्रिंट परिभाषित करते हैं, जिससे जटिल सिस्टम सरल हो जाते हैं।

गुणवत्ता के सात बुनियादी उपकरण, काओरू इशीकावा द्वारा गुणवत्ता संबंधी समस्याओं के निवारण के लिए पहचाने गए ग्राफ़िकल तकनीकों का एक समूह हैं। ये उपकरण हैं: कारण-प्रभाव आरेख (फिशबोन), चेक शीट, नियंत्रण चार्ट, हिस्टोग्राम, पैरेटो चार्ट, स्कैटर आरेख और स्तरीकरण (अक्सर फ़्लोचार्ट के रूप में प्रस्तुत)। इन्हें 'बुनियादी' माना जाता है क्योंकि इनका उपयोग सरल है और इसके लिए बहुत कम औपचारिक सांख्यिकीय प्रशिक्षण की आवश्यकता होती है।