Einstufung der Produktionschargen anhand ihres Verunreinigungsprofils mithilfe von JMPEine Produktionsanlage stellt Tausende von Chargen her und ein Analyselabor analysiert Proben und generiert Daten, Konzentrationen von Verunreinigungen und andere Testergebnisse. Verunreinigungen müssen minimiert werden, bestimmte Eigenschaften müssen jedoch maximiert werden. Die Frage ist: Wie können solche Lose am besten auf der Grundlage der Gesamtdaten und auch durch Gewichtung bestimmter Variablen eingestuft und visualisiert werden? Es ist, als würde man DOE-Daten analysieren, die zwar alle Antworten, aber keine Faktoren enthalten. Vielen Dank für Ihre Vorschläge.Grüße.
Betreff: Rangfolge der Produktionschargen basierend auf ihrem Verunreinigungsprofil mit JMP@ftadesse_genoma ,
@Mark_Bailey Und @statman habe sehr gute Vorschläge gemacht. Sie haben nicht erwähnt, ob jedes „Los“ wie ein Behälter mit Material ist oder aus kleineren Komponenten wie Wafern in Halbleitern oder Platinen in einer Lötlinie besteht.Um den Vorschlag von @statman zu erweitern, sollten auch die Art und Weise, wie die Proben aus den Chargen entnommen werden, und die Abweichungen von Probe zu Probe innerhalb einer Charge als Zeit oder Sequenz überprüft werden. Ich schlage ein Variabilitätsdiagramm vor, das die Chargen-ID und die Proben-ID innerhalb der Charge verwendet, um sie auf der X-Achse im Vergleich zu den gemessenen Werten zu gruppieren und so für jede interessierende Metrik ein Diagramm zu erstellen.
Ein mutivariates Kontrolldiagramm kann nicht nur ein ungewöhnliches Ergebnis für eine Metrik hervorheben, sondern auch eine Änderung in der Beziehung, wenn eine Korrelation besteht.
Es ist nicht so, dass Sie keine Faktoren haben, keine kontrollierten Faktoren. Vielmehr ist es wahrscheinlich, dass Sie viele unkontrollierte Faktoren haben: verwendete Ausrüstung, Chargen eingehenden Materials, Tageszeit, Temperaturen, Messgeräteanzeigen usw., alles abhängig von der Fertigungslinie Du hast es beschrieben.Aus diesem Grund werden die Kontrolldiagrammmethoden, univariat oder multivariat, empfohlen. Sie können Anomalien und ungewöhnliche Ergebnisse erkennen und dann den Prozessverlauf sammeln und analysieren, was einer heute bei aktuellen Ereignissen beliebten Methode, der „Kontaktverfolgung“, ähnelt.Ziel ist es herauszufinden, was die Anomalien verursacht haben könnte.Wenn Sie über JMP PRO verfügen, stehen Ihnen auch mehrere Tools zur Verfügung, die Sie bei dieser Analyse unterstützen. Beim Sammeln von Prozessverlaufsdaten empfehle ich, Personen hinzuzuziehen, die sich mit der Fertigungslinie auskennen. Auch in der hochentwickelten, automatisierten Fertigung scheint es immer etwas zu geben, das nicht allein in den Daten erfasst ist.
Viel Glück.
Betreff: Rangfolge der Produktionschargen basierend auf ihrem Verunreinigungsprofil mit JMPMark, Danke. Ich habe auch multivariate Analysen durchgeführt. Ich bin froh zu wissen, dass ich auf dem richtigen Weg bin. Ich schätze es.
Betreff: Rangfolge der Produktionschargen basierend auf ihrem Verunreinigungsprofil mit JMPDie einzigen Gedanken, die ich zu Marks Vorschlägen hinzufügen würde, sind:
1. Stellen Sie die Messsysteme in Frage. Gibt es eine Möglichkeit, die Messfehler in den Datensätzen zu ermitteln? Gibt es Wiederholungsmessungen?
2. Betrachten Sie die Daten anhand einfacher Zeitreihen. Da Sie keine Hypothesen darüber aufgestellt haben, warum die Verunreinigungen variieren (Sie hätten also keine Untergruppierungsstrategie), könnten Sie einfach ein gleitendes Bereichs- und Einzeldiagramm verwenden, um sich die Daten anzusehen.
Betreff: Rangfolge der Produktionschargen basierend auf ihrem Verunreinigungsprofil mit JMPIn diesem Fall geht es um multivariate Analyse. Es gibt viele Methoden, die Sie verwenden können.
Ein Paralleldiagramm zeigt alle Variablen über die Chargen hinweg an. Weitere Informationen zum Graph Builder finden Sie unter „Hilfe“ > „JMP-Dokumentationsbibliothek“ > „Essential Graphing Guide“.
Die nächste Ebene könnte darin bestehen, nach Zusammenhängen zu suchen. Die Multivariate-Plattform zeigt eine Matrix aus linearen Korrelationskoeffizienten und eine Matrix aus Streudiagrammen für alle Variablen gleichzeitig an.Weitere Informationen zu multivariaten Methoden finden Sie in der Hilfe > JMP-Dokumentationsbibliothek > Leitfaden zu multivariaten Methoden.
Die Hauptkomponentenanalyse ist eine Möglichkeit, die Korrelation zwischen zwei oder mehr Variablen zu nutzen und die Dimensionen der Daten zu reduzieren. Beispielsweise könnten Sie 100 Variablen haben, aber durch Korrelationen zwischen ihnen könnten Sie feststellen, dass 5 Komponenten (lineare Kombinationen der ursprünglichen Variablen) praktisch alle Informationen ausmachen. Das bedeutet eine 20-fache Reduzierung der Komplexität.
Multivariate Kontrollkarten verwenden die Hauptkomponenten, um nach Anomalien in den Korrelationen zu suchen, und nicht die einzelnen Variablen.
Es kann noch mehr getan werden, aber sehen Sie, wie dieser Anfang helfen könnte.
