在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在本视频中，我们展示了如何使用示例数据库中的半导体能力数据来识别 JMP 中性能不佳的流程。
该表有 128 个过程变量，在列面板中分组在一起。 每个变量都将规格限制保存为列属性。
首先，我们对前 10 个变量进行能力分析。
为了进行分析，我们从“质量和流程”下的“分析”菜单中选择“流程能力”。
我们选择前 10 个变量（从 NPN1 到 NPN4），然后单击 Y，处理。
请注意，有一些选项可用于定义是否使用合理子分组来收集数据、指定移动极差选项、输入历史信息以及指定分布。
我们选择“确定”进行分析。
目标图上的三角形用于带有 P 的变量PK 1.0 或更大。
我们改变P PK到 1.3 而不是 1.0。 这会调整三角形以显示带有 P 的变量PK三角形内大于1.3。
我们可以看到有四个变量远远超出了该区域。
为了对目标图进行颜色编码，我们从目标图旁边的红色三角形中选择阴影级别。 表现最好的变量位于绿色三角形内。 边界进程位于黄色三角形中，性能不佳的进程位于红色区域中。
当我们将鼠标指针放在变量上时，JMP 会显示变量名称。 它还显示了变量的控制图图。 两个最有问题的变量是 IVP2（位于左上角）和 IVP1（位于最右侧）。
我们向下滚动查看每个变量的能力箱线图。 每个变量都以其目标为中心，并根据其规格限制进行缩放。 这使我们能够轻松识别偏离目标或变异性太大的变量。
我们看到 IVP1 变化太大并且偏离目标。 它已向规格上限移动。 IVP2 的变化也太大，并且向规格下限移动。 这证实了我们在目标图上看到的情况。
能力指数图显示了 P PK对于每个变量。 这是另一个图表，可以帮助我们轻松识别表现不佳的变量。
顶部红色三角形下方提供了其他摘要和图形显示。
我们选择个人详细信息报告。 这为每个变量提供了单独的能力分析。 我们可以清楚地看到 IVP1 远远超出了规格限制，并且工艺范围比规格限制的宽度要宽得多。
您还可以使用过程筛选平台生成目标图以及许多变量的其他性能统计数据。
该平台位于“分析”菜单的“筛选”下。
我们再次选择前 10 个变量。
稳定性指数，P PK ，和C PK以及许多其他措施。
流程绩效图和目标图是红色三角形选项。
为了识别脱靶流程，我们从红色小三角菜单下的“显示功能”中选择“目标索引”。 我们也选择C p从这个菜单。
十个流程中有四个偏离目标 1 个标准差或更多。
我们单击“目标索引”标签两次以按降序排序。
变量 NPN3 很稳定，能力很强，但偏离目标。 这怎么可能？ 我们选择变量，然后选择所选项目的流程能力。 相对于规格限制，工艺范围非常窄。 因此，尽管流程未达到目标，但预测的不合格率为 0.00。
