Charles Chen，黑带大师，持续改进专家，应用材料
Mason Chen，黑带学生，斯坦福大学 OHS
Patrick Giuliano，JMP 技术支持工程师，JMP
在机器预热期间，由于可指定的原因，制造过程可能会不稳定。 本演示文稿讨论了如何使用 JMP 16 中的多个平台和泊松统计来检测较高的缺陷数。
连续正态拟合和离散泊松拟合都被利用并比较来区分不稳定和稳定的过程期。搜索有理子分组以区分常见和特殊变体至关重要。JMP 16 中的三个平台用于搜索有理子分组：
- 时间序列分析和滞后/自相关图来检测重复出现的缺陷计数周期。
- 分层聚类分析和星座图对同质周期进行分组。
- T-Square 主成分 SPC 和变化点检测来定义有理子分组。
所有这三种技术都找到了每小时的最佳合理分组来检测特殊的机器预热模式。对缺陷计数数据进行了七种不同的控制图类型。只有 Shewhart Xbar-R 和 Poisson U 控制图（基于一小时有理子分组）可以准确检测第一小时的可分配原因。 这个一小时的合理分组被用于区分短期 Cp 和长期 Pp 的过程能力。泊松统计和正态近似用于进一步估计过程能力 Cp。过程能力总结报告、目标图和性能图被用来帮助可视化不同理性子组的过程能力。消除此预热原因后，缺陷计数上限规格降低了 20%。
