CIAO.Ciao, tutti.
Questo È Cheng Ting Qui,
E IL altro presentatore Oggi Volere Essere Cui Yue.
Oggi, Noi Sono andando A condividere con Voi Nostro esperienza
Di esplorando JMPDOE progetto
E IL modellazione funzioni A migliorare IL processo di sputtering.
Primo di Tutto,
andiamo Avere UN breve sfondo E introduzione Di IL progetto.
Questo È IL Nero Progetto Belt Six Sigma DMAIC
per quanto riguarda A IL sputacchiando processi.
IL progetto obiettivo erano A ottimizzare parecchi film proprietà.
In IL definire fase, Noi Avere identificato IL tre CTQ
E IL tre correlato successo criteri.
CTQ 1 è IL maggior parte importante E UN stimolante uno.
IL successo criteri
È IL misurazione risultato È più grandi di 0,5.
CTQ2 e CTQ3 Sono ugualmente importante.
IL successo criteri per Entrambi Di loro
È IL misurabile risultato Dovrebbe Essere meno di 0,05.
Diverso Strumenti JMP ha stato applicato in modo massiccio per tutto IL misurare fase,
analizzare fase, E migliorare fase.
Noi Volere condividere Nostro esperienza Di utilizzando IL Strumenti JMP Qui.
In IL misurare fase, Noi fatto un MSA, E Noi finalizzato IL dati collezione
per IL linea di base hardware.
Tre messa a punto manopole, vale a dire X ₁, X ₂, e X₃ sono coinvolti.
Dopo dati collezione,
Noi utilizzo UN Monte Carlo simulazione In JMP A analizzare IL linea di base capacità.
Questo È IL primo strumento Noi introdurre Oggi pure.
In ordine A stabilire tuo linea di base modello,
Noi utilizzo aumentato DOE, RSM, predizione profilo,
COME BENE COME interazione profilo, controllo funzioni In JMP.
Dopo entrando IL analizzare spazio,
In ordine A Fare UN radice- causa analisi e il capacità analisi,
Noi utilizzo IL obiettivo complotto,
desiderabilità funzione, multivariato metodo,
E IL grafico analisi utensili.
In IL miglioramento fase, Noi fatto hardware modifica,
Dove un altro messa a punto nodo X₄ era introdotto.
Interattivo grafico, DOE aumentato,
RSM, desiderabilità funzione, E interazione profilo erano usato
In Questo sezione A ulteriore migliorare IL processi.
IL GOSS graduale adatto E desiderabilità funzione erano usato
In IL DOE robusto modellazione A ulteriore migliorare IL processi.
Alcuni Di questi utensili Volere Essere dimostrato di Cui Yue più tardi.
IL controllo fase Volere non Essere coperto A di oggi presentazione.
COME Noi menzionato, In IL misurare fase,
COSÌ Dopo IL linea di base collezione, Noi In realtà utilizzo IL Simulazione Monte Carlo
A capire IL linea di base processi capacità.
Questi Sono IL linea di base capacità per tre CTQ.
Noi Potere Vedere Quello Tutto Di loro Sono normale distribuzione,
indicando UN forte lineare correlazione con IL ingresso parametri.
Per CTQ1, IL campione Significare È fuori Di spec limite.
Così, Noi Avere UN molto negativo Ppp valore.
IL 99 % Di IL linea di base processi risultato non può Incontrare CTQ1 spec A Tutto.
CTQ2 È vicino A IL spec tra IL tre CTQS.
Campione Significare È inferiore di il su limite delle specifiche.
Così, Noi Avere UN positivo Ppp .
IL 48 % Di IL linea di base processi risultato, Essi Fare non Incontrare IL spec per CTQ2.
Campione Significare per IL CTQ3 È fuori Di spec limite COME BENE.
Così, Esso ha negativo Ppp.
64 % Di IL linea di base processi risultato fatto non Incontrare IL spec.
Questo linea di base capacità confermato
Quello IL più grande longevità per Questo progetto È C TQ1.
Apparentemente, IL linea di base processi condizione,
Quale BENE chiamata processi condizionale 1 Qui,
non può Incontrare Nostro CTQ successo criteri, particolarmente per CTQ1.
Noi Volere Bisogno A sintonizzare IL processi condizione.
Tuttavia, Prima Quello, Noi Volere bisogno di Sapere
Se IL attuale hardware Potere Incontrare IL Requisiti o no.
IL soggetto questione esperti, IL PMI, ha consigliato noi,
ha proposto IL due ipotesi, E consigliare noi A spostare IL processi
A condizione 2 basato SU IL secondo ipotesi.
Tuttavia, Prima Quello, Noi Volere Bisogno A controllo
Se IL predizione modello È Bene per Entrambi condizione.
Quindi, Noi utilizzo IL spargere complotto A controllo IL raccolto dati struttura.
COME Noi Vedere Qui, IL dati raccolto È non In UN ortogonale struttura.
Questo È Perché Noi In realtà utilizzo UN due- fare un passo valutazione progetto,
E allargare IL processi allineare A Incontrare IL successo criteri Di CTQ1.
Noi fatto Avere un debole predizione capacità In IL zona più bianca.
Tuttavia, Noi Ancora Avere Bene predizione per IL condizione 1 e condizione 2.
Noi Anche fatto UN confondente analisi.
IL fatto Là È certo confondente rischio In IL Risoluzione II fra X ₁ E X₃.
Ciò nonostante, Noi Ancora costruito UN predizione modello.
Noi utilizzo IL risposta servizio metodo per IL raccordo.
In Questo caso, IL principale effetto, interazioni,
E IL termini quadratici Volere Essere raccordo insieme.
Basato su IL RS, S anche R. RS- aggiustato piazza, E IL valore p,
Noi Potere Vedere suo UN valido predizione modello.
Dal effetto riepilogo,
Noi Potere Vedere Quello soltanto IL significativo termini Sono incluso In IL modello.
Con IL interazione profilo, Noi Potere Vedere due interazioni
Quale Sono correlato con due ipotesi Noi menzionato Prima.
Con IL predizione profilo, Noi scegliere IL processi condizione 2.
A Questo processi condizione,
Che cosa Noi Potere Vedere Qui È 95 % Di IL fiducia intervallo Di CTQ1
È fra IL allineare Di 0,5 E 0,6.
Questo CTQ ha stato sintonizzato in spec.
Tuttavia, In IL nel frattempo, IL CTQ2 E IL CTQ3 sono fuori Di pila.
Quindi, Noi utilizzo IL obiettivo complotto A confrontare IL due processi condizioni,
E Rif alizzalo Quando Noi Avere migliorato CTQ 1
da processi condizione 1 a processi condizione 2
di ottenere più vicino A IL bersaglio
E UN restringimento giù di standard deviazione.
Tuttavia, In IL nel frattempo, C TQ2 E 3 erano compensato
con più grandi standard deviazione E IL ulteriore distanza A IL bersaglio.
Quindi, Là È UN scambio fra tre CTQ.
In Questo caso, Noi Tentativo A Trovare UN ottimizzato soluzione
con IL desiderabilità funzione In JMP.
Per CTQ1 , IL successo criteri È Quello modo di 0,5.
H ecco, Noi utilizzo IL massimo altopiano metodo Quando impostato IL desiderabilità funzione.
Significa Qualunque valore Di più di O pari A IL bersaglio
Volere Essere ugualmente preferito.
Noi Anche evidenziare IL importanza di CTQ 1 di mettendo 1.5 COME IL importante fattore.
Fo r CTQ2 e 3, IL successo criteri È meno di 0,05.
Quindi, Noi utilizzo IL plateau minimo Quando impostato IL desiderabilità.
Qualunque valore meno di O pari A IL bersaglio
Volere Essere ugualmente preferito.
Tuttavia, Dopo massimizzare IL desiderabilità,
IL calcolato ottimizzato soluzione È soltanto in giro 0,02,
E nessuno Di IL tre CTQ Potere Incontrare IL successo criteri.
Quindi, Noi Potere concludere Quello Là È UN hardware limitazione
In Questo caso.
Dopo discussione con IL PMI,
Noi decidere A introdurre Y₄ in Nostro dati analisi.
Y₄ È non un CTQ Qui,
Ma Esso È UN misurazione Quello Potere riflettere IL intrinseco proprietà Di IL processi.
Questo intrinseco proprietà Volere simulare IL CTQ2 E direttamente CTQ3.
Se Y₄ È Di più di zero, Poi suo UN positivo processi,
E quando quello Y₄ È meno di zero, suo UN attivo processi.
Se Y₄ lo è più vicino A zero, Poi Noi chiamata È UN neutro processi,
Quale condurre dentro A UN più piccola numero Di CTQ2 E CTQ3 insieme.
Qui È IL distribuzione Di Y₄ Di IL linea di base hardware.
COME Che cosa Noi Potere Vedere Qui con IL linea di base hardware,
IL Y₄ lo è Sempre Di più di zero.
Quello, Noi Volere Sempre Avere per positivo processi.
IL multi variare il grafico qui In realtà Spettacoli IL relazione
tra IL Y₄: CTQ2 E CTQ3.
Essi Sono fortemente correlato.
Se Noi Avere più piccola Y₄, Noi Volere Anche Avere più piccola CTQ2 E CTQ3.
In ordine A Avere UN più ampio allineare Di Y₄,
Noi decidere A aggiungere In un altro fattore, X₄, In IL migliorare IL hardware.
Insieme, un altro due scientifico ipotesi
ha stato proposto di IL PMI.
Noi Avere raccolto dati SU IL nuovo hardware
E confrontare IL Y₄ distribuzione In due hardware.
In IL linea di base hardware, senza X₄ , Noi Avere raccolto dati ortogonalmente
E con certo allineare per ogni fattore.
Questo È IL distribuzione Di IL Y₄ Sotto questi contributi.
Con IL migliorato hardware, con IL X ₄ introdotto,
Noi Avere raccolto dati In IL Stesso allineare Di X ₁, X ₂, E X ₃.
Questo tempo, Y₄ UN t diverso X ₄, ha Anche stato raccolto.
Confronto IL due distribuzioni, Noi Potere Vedere Quello senza X₄ ,
Noi soltanto Vedere uno grappolo per te ₄, con IL picco valore Di più di zero.
Tuttavia, con IL X₄ introdotto,
Noi Potere osservare un bimodale distribuzione per Y₄,
con uno picco con Significare Di più di zero, E un altro picco con Significare meno di zero.
IL processi condizione fa Y ₄ meno di zero
In realtà disegna Nostro Attenzione.
Sotto questi processi condizioni, Noi Volere Avere negativo processi,
E Questo Maggio aiuto noi A migliorare CTQ2 e CTQ3,
ma scegli Quello processi Se Noi non può Incontrare Tutto CTQ In uno processi soltanto,
Perché neurale processi benefici CTQ2 e CTQ3.
Noi fatto UN semplice schermo Di elaborato condizioni
Quando Noi Avere un negativo processi, E Questo Guida noi A UN certo allineare Di X₄.
Quello è Perché Noi raccogliere più dati UN In Questo allineare,
Perché suo Nostro condizione Di interessi.
Ora, Noi concludere Quello IL X₄ fatto impatto SU Y ₄,
E così, Esso Potere impatto SU CTQ2 E CTQ3.
Ora, Noi Potere ulteriore con il impatto Di X₄ SU CTQ1,
E costruire un altro modello per IL migliorato hardware.
Priore IL dati collezione,
Noi Avere preselezionato IL condizioni Di interesse
utilizzando IL interattivo grafico In JMP.
Noi Volere raccogliere Di più dati con certo allineare Di X₄,
Perché Questo X₄ In realtà Potere Dare noi IL negativo Y₄ valore.
Esso Anche coperture maggior parte intervalli Di Y ₄.
COME Noi Potere Vedere Qui, Prima IL dati collezione,
COME Che cosa Noi Potere Vedere Qui,
Questo È non IL maggior parte ortogonale struttura,
Da Noi Avere raccolto Di più dati A IL condizioni Di interessi,
Anche Anche se Dopo facendo UN progetto valutazione,
Noi Trovare UN Basso con fondazione rischio.
IL dati struttura È Ancora Bene per modellazione.
Questo È IL modello Noi costruito.
COME Che cosa Noi Potere Vedere Qui, Noi Avere UN adeguato modello.
Soltanto fattore con IL P valore meno di 0,05,
O Che cosa incluso In IL modello.
IL RS qua è Di più di 0,8.
IL differenza fra IL R Piazza aggiustato
E R Piazza È meno di 10 %.
IL P valore per IL Totale modello È Sempre meno di 0,0 01.
Anche, Attraverso IL interazione profilo, IL ipotesi da 1 a 4 ha stato convalidato.
Questo tempo, Potere Noi Trovare Qualunque ottimizzato soluzione?
Ancora, Noi correre la desiderabilità funzione.
IL Sinistra lato È IL ottimizzato soluzione fornito con IL linea di base hardware
Prima IL X₄ rata,
E IL Giusto lato È IL ottimizzato soluzione
con IL migliorare hardware con X₄ rate.
COME Che cosa Noi Potere Vedere Qui, rispetto con IL linea di base hardware,
migliorare D hardware fatto fornire UN ottimizzato soluzione
con più alto desiderabilità E migliorare IL risultato per ogni C TQ.
Tuttavia, IL desiderabilità È Ancora Basso, Quale È soltanto 0,27.
Non Tutto I CTQ si incontrano IL successo criteri In uno fare un passo.
COSÌ Noi Ancora fatto non Trovare Quello adeguato soluzione
In un passo processi per IL progetto.
Tuttavia, Ma COME Che cosa Noi menzionato in precedenza,
Da Noi Avere UN grappolo Di IL processi condizioni,
permettere noi due negativo processi con IL Y ₄ in meno di zero.
Noi Potere proporre UN potenziale soluzione con due- fare un passo processi.
IL soluzione con due- fare un passo processi Maggio non Essere Quello semplice.
COME Noi Sapere, Se Noi Potere Trovare IL ottimizzato soluzione In uno fare un passo,
Tutto Noi Bisogno A Fare È Appena A girare IL processi A IL condizioni,
dà IL massimizzato desiderabilità.
IL risultato Volere Essere prevedibile Da Noi Avere UN conosciuto modello per Esso.
Ora Noi Volere A Avere UN due- fare un passo processi.
Per ogni fare un passo, Noi Avere un noto modello,
e se IL processi condizione È determinato.
Tuttavia, dovuto A IL diverso processi durata per ogni fare un passo,
Noi Volere Avere UN nuovo modello per IL finale risultati.
In Questo nuovo modello, Noi Volere Avere nove variabili In totale:
X ₁ A X₄ per ogni fare un passo, E la durata per ogni fare un passo.
Ora, IL domanda È,
Come Sono Noi andando A Trovare UN corretto soluzione per IL due- fare un passo processi?
Noi abbiamo avuto due strategie.
IL il primo È A Fare UN DSD modellazione per IL nove variabili.
In Questo caso, Noi Volere Bisogno A Avere almeno 25 corre per IL prima prova.
Di corso, Noi Volere Avere ortogonale dati struttura.
La RS M modello Potere Essere costruito, Ma IL costo Volere Essere molto alto.
IL altro strategia È A schermo progetto
con IL gruppo ortogonale super-saturo progetto Primo,
Quale È IL GOSS progetto.
In Questo caso, Noi Potere schermo IL impatto Di Sette variabili con sei correre.
Questo È Perché suo super- saturato.
Noi Avere Di più variabili di IL dati punti.
Di corso, Noi Volere Bisogno A schermo fuori due variabili
Prima IL GOSS,
E Noi utilizzo IL interattivo grafico Ancora In Questo caso,
E IL dettagli Volere Essere rivisto di IL Prossimo diapositive.
IL GOSS progetto fornisce
due indipendente blocchi per ogni fase di processo.
Là È NO interazioni fra IL fattori attraverso bloccare.
IL dati struttura È ortogonali in ciascuno bloccare,
fabbricazione Esso possibile A schermo effetto con IL super-saturo dati collezione.
Tuttavia, Questo GOSS Volere spettacolo IL impatto Di principale effetto soltanto,
E NO interazione Volere Essere considerato.
Questo È UN Basso- costo approccio, E Noi maneggio ulteriore DOE progetto.
IL DOE di follow-up Potere Essere DSD, aumento, o OFAT.
Ogni Di questi ha suo Proprio pro e contro,
E Esso Volere non Essere coperto In Questo presentazione.
Comunque, A salva IL costo, Noi decidere A procedere con strategia 2.
Noi inizio con un GOSS progetto.
COME Noi discutere ed Ora, Noi Avere nove diverso variabili.
Tuttavia, In IL GOSS, Noi Potere includere solo Sette variabili.
In ordine A stretto giù IL parametri per IL GOSS progetto,
Noi fatto UN semplice schermo con IL interattivo grafico.
Per fare un passo 1, Noi scegliere IL processi condizioni,
permettere noi A Avere UN Bene CTQ2.
Dopo selezione,
Noi decidere A aggiustare X₂ In Questo caso, basato SU IL precedente apprendimento.
COME visto Qui, Quando IL CTQ1 È Di più di 0,5,
Tutto Noi Avere È UN positivo processi con IL Y₄ per Di più di 20 %.
Quindi In Questo caso, per fare un passo 2, Noi scegli il processo condizioni,
permettere noi A Avere IL Y ₄ meno di -0,5 quindi noi Potere Avere UN negativo processi.
In Questo caso, aggiungendo due passi insieme, IL finale Y ₄ volontà Essere più vicino A zero.
Questo modo Potere migliorare In CTQ2 E CTQ3.
Dopo selezione, Noi decidere A aggiustare X₁ per Questo fare un passo,
basato SU IL precedente apprendimento.
Dopo dati collezione,
Noi fatto UN fare un passo saggio adattamento con principale effetto soltanto,
Da In IL GOSS, COME Noi menzionato in precedenza,
soltanto principale effetto È considerato.
Tutto tre CTQ convalidato IL modello con IL valore p meno di 0,05,
E IL RS piazza aggiustato in giro 0,8, E VIF meno di 5.
Dopo massimizzare IL desiderabilità,
IL modello fornire noi con UN ottimizzato soluzione
con desiderabilità Di più di 0,96, Quale È modo più alto di 0,27,
E non A citare 0,02.
Quindi, Noi Potere In realtà serratura IL processi parametri
E ulteriore di quello ottimizzato soluzione In Prossimo fare un passo,
Quale È Noi scegliere A utilizzo IL OFAT.
Ma Questo Volere non Essere coperto Qui.
Qui, IO Piace A riassumere
Che cosa Noi Avere discusso In Questo presentazione.
In Questo presentazione, Noi Avere E condividere con Voi IL esperienza.
Noi utilizzo diverso JMP utensili coinvolto In IL dati analisi
per tutto IL DMAIC progetto In diverso fasi.
Per IL base capacità di linea analisi, Noi Avere usato Simulazione Monte Carlo.
Noi Anche usato UN obiettivo complotto.
Per il radice- causa analisi, Noi usato metodo multivariato.
Noi Anche usato UN grafico analisi.
In ordine A aiuto con IL DOE,
Noi usato IL aumentato DOE, GOSS e diagnostica del progetto.
In termini A Avere UN Bene modello E predizione,
Noi usato diverso funzioni di adattamento, E Noi Anche usato IL predizione profilo.
Noi Anche usato IL interazione profilo.
Esso Anche era menzionato Quello questi profili Sono non soltanto usato
per IL modello E IL predizione,
Ma Esso Anche aiuto noi A Avere UN più profondo comprensione
Di IL processi si.
In ordine A schermo fuori IL condizioni Di interesse,
Noi In realtà utilizzo IL interattivo grafico,
Quale È semplice, Ma molto utile E potente.
In ordine A Fare D ecisione fabbricazione,
Noi In realtà utilizzo IL desiderabilità funzioni aiuto noi A Fare UN decisione.
Fino a Ora, Noi condividere con Voi Nostro esperienza
Di Come IL JMP Potere aiuto noi A Fare IL analizzare.
IL scorso Ma non meno,
Noi volevo Piace A Grazie Carlo per il suo tutoraggio lungo IL progresso.
Grazie Voi.
Mio compagno Cui Yue,
lo farà condividere con Voi Alcuni dimostrazione con IL JMP lato.
Lei Volere aiuto noi A dimostrare
Come Potere Noi utilizzo IL interattivo grafico analisi
COME BENE IL graduale raccordo In IL GOSS modello.
Va bene, Grazie Voi.
Grazie, Cheng Ting.
IO pensare Voi Potere Vedere Mio schermo Ora, Giusto?
IL prima cosa, IO volevo Piace A introdurre Voi
IL interattivo complotto Cheng Ting ha Appena menzionato.
Questo È In realtà uno Di Mio personale preferito funzione In JMP.
Suo semplice, Ma suo molto potente.
Qui, Nostro scopo È A schermo cosa c'è IL maggior parte parente funzione,
un fattore rispetto a Y₄.
Quale uno contribuisce IL maggior parte A Y₄, da X₁ A X ₄?
Noi Potere semplicemente Selezionare Tutto IL fattore Di interesse Noi Volere Qui,
E fare clic su OK.
Ora, Noi Sono avendo IL distribuzione Di Tutto IL fattori.
Ora, COME Cheng Ting ha menzionato, Noi Volere A Sapere Che cosa contribuisce IL maggior parte
A IL Y₄ a negativo lato.
Per esempio, Qui.
Poi Ora, Noi Potere Vedere soltanto X₄ da 13- 14, X₃ da 0- 1,
E X₂ A Questo allineare, 2.5 -5.
Anche, X ₁ a 19-20, Potere Fare Questo accadere.
Così, suo Più facile A Dare noi UN allineare Di diverso fattori,
Come Esso Volere contribuire A Y₄, E Come erano andando A scegliere IL fattori
Se Noi Volere IL Y₄ raggiunge certo livello.
Allo stesso modo, Se Noi Volere Esso A Essere leggermente più alto di 0 %,
Noi Potere Anche semplicemente clic Questo la zona.
In realtà, A Essere abbastanza semplice, A risolvere IL problema A uno sparo,
Noi Appena seleziona questi due insieme.
Poi, Noi Potere Vedere, Va bene, X ₄ Dovrebbe Essere A Questo allineare,
Forse 10- 14.
X₃, decisamente Dovrebbe concentrarsi A 0-1.
X₂ È UN leggermente più ampio distribuzione.
X ₁, ci sono o solo due c andidati per Questo direzione.
Da Questo uno, Noi Potere facilmente E intuitivamente Trovare
IL contributo fattori Noi Volere.
Questo È IL prima funzione IO volevo Piace A dimostrare A Voi,
IL distribuzione funzione.
Là Sono molti altro cose IL distribuzione funzione Potere Fare,
Compreso Vedere IL dati distribuzione E test UN quantità Di cosa,
[impercettibile 00:24:49] test , eccetera.
COSÌ IO non Venire In Qui.
IL secondo cosa IO Volere A condividere con Voi È IL GOSS.
È In realtà IL Vestibilità GOSS graduale.
Ora, Noi Sono avendo tre CTQ.
Tutto IL CTQ, IL analisi dialogo È aprire Qui.
Per Tutto IL tre, Essi Avere separato analisi dialogo.
A Fare UN molto semplice modo, Noi Appena IL Controllo E clic Andare.
Esso Volere Selezionare IL fattori per Tutto tre C TQ a una volta.
Molto semplice.
Questi tre Volere utilizzo IL Stesso fermandosi regola,
Quale È IL BI minimo C.
Poi, andiamo fare clic su Esegui M odel.
Questo adatto modello Volere Dare noi Nostro raccordo separatamente per C TQ1, 2, 3.
Poi, Noi Bisogno A modificare IL modello O ridurre IL modello uno di uno.
Qui, Nostro criteri È A scegliere IL P valore inferiore di 0. 05.
Noi definire Quello valore.
Quando IL valore p inferiore di 5 %, IL fattore È significativo.
Qui, Noi Potere rimuovere X₄ .
Prossimo uno, per C TQ2...
Per CTQ1, Noi Sono giù Qui.
Per CTQ2, Noi Potere rimuovere X ₁ E X2 .
Va bene, Ora Noi Sono avendo Entrambi inferiore superiore a 0,05.
Per X₃, w e Anche Potere Fare IL Stesso cosa di conseguenza.
Andiamo mossa X₄ prima .
Tutto IL tre fattori, P il valore è inferiore superiore a 0,05.
Noi Avere Ottenere IL ridotto modello.
Qui A IL metter il fondo a, Noi Volere Avere UN predizione profilatore.
Se Voi non Avere Esso, Noi Potere aggiungere Esso da IL profilatore funzione.
Poi, Noi volevo Piace A Trovare IL ottimale condizione.
Come Noi Sono andando A Fare Quello?
Noi Sono andando A utilizzo IL funzione di desiderabilità.
Primo passo, Noi Volere Sempre Essere impostato IL desiderabilità,
Quale È Già impostato Qui.
Noi Avere uno Me ta-gate a minimizzare.
Poi, andiamo utilizzo IL massimo desiderabilità funzione.
H ecco, Noi Potere Trovare Nostro ottimale condizione.
Se Noi utilizzo Massimizzare e Ricordare, Qui È Nostro ottimale condizione.
Poi, Noi Potere utilizzo Questo condizione A correre IL processi
E valido mangiato il sequenza Ancora.
Questi Sono due funzioni Id Piace A introdurre Voi.
Va bene, Grazie Voi.
Grazie.
