Charles Chen，黑帶大師，持續改進專家，應用材料
Mason Chen，黑帶學生，斯坦福大學 OHS
Patrick Giuliano，JMP 技術支持工程師，JMP
在機器預熱期間，製造過程可能由於可分配的原因而不穩定。 本演示文稿討論瞭如何使用 JMP 16 中的多個平台和泊松統計來檢測較高的缺陷數。
連續正態擬合和離散泊松擬合都被利用並比較來區分不穩定和穩定的過程期。搜索有理子分組以區分常見和特殊變體至關重要。JMP 16 中的三個平台用於搜索有理子分組：
- 時間序列分析和滯後/自相關圖來檢測重複出現的缺陷計數週期。
- 分層聚類分析和星座圖對同質週期進行分組。
- T-Square 主成分 SPC 和變化點檢測來定義有理子分組。
這三種技術都發現了每小時的最佳合理分組，以檢測特殊的機器預熱模式。對缺陷計數數據進行了七種不同的控製圖類型。只有 Shewhart Xbar-R 和 Poisson U 控製圖（基於一小時有理子分組）可以準確檢測第一小時的可分配原因。 這個一小時的合理分組被用於區分短期 Cp 和長期 Pp 的過程能力。泊松統計和正態近似用於進一步估計過程能力 Cp。過程能力總結報告、目標圖和性能圖被用來幫助可視化不同理性子組的過程能力。消除此預熱原因後，缺陷計數上限規格降低了 20%。
