Classement des lots de fabrication en fonction de leur profil d'impuretés à l'aide de JMPUne usine de production fabrique des milliers de lots et un laboratoire d'analyse analyse des échantillons et génère des données, la concentration d'impuretés et d'autres résultats de test. Les impuretés doivent être minimisées, mais certains attributs doivent être maximisés. La question est de savoir quelle est la meilleure façon de classer et de visualiser ces lots en fonction de données globales et également en ajoutant du poids à certaines variables ? C'est comme analyser les données d'un DOE avec toutes les réponses mais aucun facteur. Merci beaucoup pour vos suggestions.Salutations.
Re : Classement des lots de fabrication en fonction de leur profil d'impuretés à l'aide de JMP@ftadesse_genoma ,
@Mark_Bailey et @statman fait de très bonnes suggestions. Vous n'avez pas mentionné si chaque "lot" est comme une cuve de matériau ou composé de composants plus petits comme des plaquettes dans les semi-conducteurs ou des cartes dans une ligne de soudure.Pour élargir la suggestion de @statman, la manière dont le ou les échantillons des lots sont prélevés et la variation d'un échantillon à l'autre au sein d'un lot doivent également être examinées en tant que temps ou séquence. Je suggère un graphique de variabilité utilisant l'ID de lot et l'ID d'échantillon dans le lot pour le regroupement sur l'axe X par rapport aux valeurs mesurées, créant un tracé pour chaque métrique d'intérêt.
Une carte de contrôle multivariée peut mettre en évidence non seulement un résultat inhabituel pour une métrique, mais également un changement dans la relation s'il existe une corrélation.
Ce n'est pas que vous n'ayez aucun facteur, aucun facteur contrôlé, en fait, il est probable que vous ayez de nombreux facteurs non contrôlés : équipement utilisé, lots de matériaux entrants, heure de la journée, températures, lectures de jauge, etc., tous dépendant de la ligne de fabrication. vous avez décrit.C'est pourquoi les méthodes des cartes de contrôle, univariées ou multivariées, sont suggérées. Ils peuvent détecter des anomalies, des résultats inhabituels, puis collecter et analyser l'historique du processus, ce qui s'apparente à une méthode d'actualité populaire d'aujourd'hui, le "contact tracing".Le but est de répondre à ce qui a pu causer les anomalies.Si vous disposez de JMP PRO, il existe également plusieurs outils pour vous aider dans cette analyse. Lors de la collecte de données sur l'historique des processus, je suggère de faire appel à des personnes connaissant bien la chaîne de fabrication. Même dans la fabrication sophistiquée et automatisée, il semble toujours y avoir quelque chose qui n'est pas capturé dans les données seules.
Bonne chance.
Re : Classement des lots de fabrication en fonction de leur profil d'impuretés à l'aide de JMPMarc, merci. L'analyse multivariée était ce que je faisais aussi. Content de savoir que je suis sur la bonne voie. Je vous en suis reconnaissant.
Re : Classement des lots de fabrication en fonction de leur profil d'impuretés à l'aide de JMPLes seules réflexions que j'ajouterais aux suggestions de Mark sont :
1. Interroger les systèmes de mesure. Un moyen de déterminer les erreurs de mesure dans les ensembles de données ? Avez-vous des mesures répétées?
2. Examinez les données à l'aide de séries chronologiques simples. Étant donné que vous n'avez fourni aucune hypothèse quant à la variation des impuretés (vous n'auriez donc pas de stratégie de sous-groupement), vous pouvez simplement utiliser un graphique Plage mobile et Individuel pour examiner les données.
Re : Classement des lots de fabrication en fonction de leur profil d'impuretés à l'aide de JMPCe cas concerne l'analyse multivariée. Il existe de nombreuses méthodes que vous pourriez utiliser.
Un graphique parallèle affiche toutes les variables sur les lots. Reportez-vous aux informations sur le générateur de graphiques dans Aide > Bibliothèque de documentation JMP > Guide Essential Graphing.
Le niveau suivant pourrait être de rechercher des corrélations. La plate-forme multivariée affiche une matrice de coefficients de corrélation linéaire et une matrice de nuages de points pour toutes les variables deux à la fois.Reportez-vous à la section Informations multivariées dans Aide > Bibliothèque de documentation JMP > Guide des méthodes multivariées.
L'analyse des composantes principales est un moyen d'utiliser la corrélation entre deux ou plusieurs variables et de réduire les dimensions des données. Par exemple, vous pouvez avoir 100 variables, mais grâce à des corrélations entre elles, vous pouvez constater que 5 composants (combinaisons linéaires des variables d'origine) représentent pratiquement toutes les informations. Cela représente une réduction de 20 fois la complexité.
Les cartes de contrôle multivariées utilisent les principaux composants pour rechercher des anomalies dans les corrélations au lieu des variables individuelles.
Il y a plus qui peut être fait, mais voyez comment ce début pourrait aider.
