在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在本視頻中，我們展示瞭如何使用示例數據庫中的半導體能力數據來識別 JMP 中性能不佳的流程。
該表有 128 個過程變量，在列面板中分組在一起。 每個變量都將規格限制保存為列屬性。
首先，我們對前 10 個變量進行能力分析。
為了進行分析，我們從“質量和流程”下的“分析”菜單中選擇“流程能力”。
我們選擇前 10 個變量（從 NPN1 到 NPN4），然後單擊 Y，處理。
請注意，有一些選項可用於定義是否使用合理子分組來收集數據、指定移動極差選項、輸入歷史信息以及指定分佈。
我們選擇“確定”進行分析。
目標圖上的三角形用於帶有 P 的變量PK 1.0 或更大。
我們改變P PK到 1.3 而不是 1.0。 這會調整三角形以顯示帶有 P 的變量PK三角形內大於1.3。
我們可以看到有四個變量遠遠超出了該區域。
為了對目標圖進行顏色編碼，我們從目標圖旁邊的紅色三角形中選擇陰影級別。 表現最好的變量位於綠色三角形內。 邊界進程位於黃色三角形中，性能不佳的進程位於紅色區域中。
當我們將鼠標指針放在變量上時，JMP 會顯示變量名稱。 它還顯示了變量的控製圖圖。 兩個最有問題的變量是 IVP2（位於左上角）和 IVP1（位於最右側）。
我們向下滾動查看每個變量的能力箱線圖。 每個變量都以其目標為中心，並根據其規格限制進行縮放。 這使我們能夠輕鬆識別偏離目標或變異性太大的變量。
我們看到 IVP1 變化太大並且偏離目標。 它已向規格上限移動。 IVP2 的變化也太大，並且向規格下限移動。 這證實了我們在目標圖上看到的情況。
能力指數圖顯示了 P PK對於每個變量。 這是另一個圖表，可以幫助我們輕鬆識別表現不佳的變量。
頂部紅色三角形下方提供了其他摘要和圖形顯示。
我們選擇個人詳細信息報告。 這為每個變量提供了單獨的能力分析。 我們可以清楚地看到 IVP1 遠遠超出了規格限制，並且工藝範圍比規格限制的寬度要寬得多。
您還可以使用過程篩選平台生成目標圖以及許多變量的其他性能統計數據。
該平台位於“分析”菜單的“篩選”下。
我們再次選擇前 10 個變量。
穩定性指數，P PK ，和C PK以及許多其他措施。
流程績效圖和目標圖是紅色三角形選項。
為了識別脫靶流程，我們從紅色小三角菜單下的“顯示功能”中選擇“目標索引”。 我們也選擇C p從這個菜單。
十個流程中有四個偏離目標 1 個標準差或更多。
我們單擊“目標索引”標籤兩次以按降序排序。
變量 NPN3 很穩定，能力很強，但偏離目標。 這怎麼可能？ 我們選擇變量，然後選擇所選項目的流程能力。 相對於規格限制，工藝範圍非常窄。 因此，儘管流程未達到目標，但預測的不合格率為 0.00。
