你好。你好，每個人。
這是程婷這裡，
和這其他主持人今天將要是崔越.
今天，我們是去到分享和你我們的經驗
的探索美國能源部JMP設計
和這造型功能到提升這濺鍍製程。
首先全部，
讓我們有A簡短的背景和介紹關於這專案.
這是這黑色的皮帶六西格瑪 DMAIC 項目
關於到這濺射過程。
這專案目標是到最佳化一些電影特性。
在這定義階段，我們有已確定這三CTQ
和這三相關的成功標準。
CTQ 1 是這最多重要的和A具有挑戰性的一。
這成功標準
是這測量結果是更大比0.5。
CTQ2 和CTQ3是一樣重要的。
這成功標準為了兩個都的他們
是這可測量的結果應該是較少的比0.05。
不同的JMP工具有到過應用大規模地自始至終這措施階段，
分析階段，和提升階段。
我們將要分享我們的經驗的使用這JMP工具這裡。
在這措施階段，我們做過一個MSA，和我們最終確定的這數據收藏
為了這基線硬體.
三調音旋鈕，即X ₁, X 2, 和X₃都參與其中。
後數據收藏，
我們使用A蒙地卡羅模擬在聯合管理計劃到分析這基線能力。
這是這第一個工具我們介紹今天也。
在命令到建立你的基線模型，
我們使用增強的美國能源部， RSM，預言輪廓，
作為出色地作為交互作用輪廓，查看功能在JMP。
後進入這分析空間，
在命令到做A根-原因分析和能力分析，
我們使用這目標陰謀，
合意性功能，多變數方法，
和這形象的分析工具。
在這改進階段，我們做過硬體修改，
在哪裡其他調音節點X₄曾是介紹了。
互動的圖形，增強 DOE，
RSM，合意性功能，和交互作用輪廓是用過的
在這部分到更遠提升這過程。
這高斯逐步的合身和合意性功能是用過的
在這強大的DOE造型到更遠提升這過程。
一些的這些工具將要是證明了經過崔岳後來。
這控制階段將要不是是覆蓋在今天的推介會。
作為我們提及，在這措施階段，
所以後這基線收藏，我們實際上使用這蒙特卡羅模擬
到理解這基線過程能力。
這些是這基線能力為了三CTQ。
我們能看那全部的他們是普通的分配，
表明A強的線性相關性和這輸入參數。
為了CTQ1，這樣本意思是是出去的規格限制。
因此，我們有A非常消極的峰峰值價值。
這99 %的這基線過程結果不能見面CTQ1規格在全部。
CTQ2是關閉到這規格之中這三CTQS。
樣本意思是是降低比向上規格限制。
因此，我們有A積極的峰峰值。
這48 %的這基線流程結果，他們做不是見面這規格為了CTQ2。
樣本意思是為了這CTQ3是出去的規格限制作為出色地。
因此，它有消極的峰。
64 %的這基線過程結果做過不是見面這規格
這基線能力確認的
那這最大長壽為了這專案是C TQ1。
顯然，這基線過程狀態,
哪個出色地稱呼過程有條件的1這裡，
不能見面我們的CTQ成功標準，尤其為了CTQ1。
我們將要需要到調這流程狀態.
然而，前那，我們將要需要知道
如果這目前的硬體能見面這要求或不。
這主題事專家，這中小企業，有建議我們，
有建議的這二假設，和建議我們到轉移這過程
到狀態2基於在這第二假設。
然而，前那，我們將要需要到查看
如果這預言模型是好的為了兩個都狀態.
因此，我們使用這分散陰謀到查看這集數據結構。
作為我們看這裡，這數據集是不是在A正交結構。
這是因為我們實際上使用A二-步評估設計，
和擴大這過程範圍到見面這成功標準的CTQ1。
我們做過有一個弱者預言能力在這更白的區域。
然而，我們仍然有好的預言為了這狀態1 和狀態2.
我們也做過A混淆分析。
這事實那裡是肯定混淆風險在這解決二之間X ₁和X₃。
儘管如此，我們仍然建成A預言模型。
我們使用這回覆服務方法為了這配件。
在這案件，這主要的影響，互動，
和這二次項將要是配件一起。
基於這RS, S R 也一樣， RS-調整過的正方形，和這p值，
我們能看它是A有效的預言模型。
來自影響概括，
我們能看那僅有的這重要的條款是包括在這模型。
和這交互作用輪廓，我們能看二互動
哪個是相關的和二假設我們提及前。
和這預言輪廓，我們挑選這過程狀態2.
在這過程狀態,
什麼我們能看這裡是95 %的這信心間隔的CTQ1
是之間這範圍的0.5和0.6。
這CTQ有到過調諧進入規格
然而，在這同時，這CTQ2和這CTQ3 是出去的堆。
因此，我們使用這目標陰謀到比較這二流程狀況，
和關於意識到這一點什麼時候我們有改進的CTQ 1
從過程狀態1 至流程狀態2
經過得到更近到這目標
和A縮小下來標準偏差。
然而，在這同時， C TQ2和3是補償的
和更大標準偏差和這更遠距離到這目標。
因此，那裡是A權衡之間三CTQ。
在這案件，我們嘗試到尋找一個最佳化解決方案
和這合意性功能在JMP。
對於 CTQ1 ,這成功標準是那的模式0.5。
H在此，我們使用這最大限度高原方法什麼時候放這合意性功能。
方法任何價值更多的比或者平等的到這目標
將要是一樣首選。
我們也強調這重要性CTQ的1經過推桿1.5作為這重要的因素。
佛r CTQ2 和 3，這成功標準是較少的比0.05。
因此，我們使用這最低平台期什麼時候放這願望。
任何價值較少的比或者平等的到這目標
將要是一樣首選。
然而，後最大化這願望，
這計算出的最佳化解決方案是僅有的大約0.02,
和沒有任何的這三CTQ能見面這成功標準。
因此，我們能得出結論那那裡是A硬體限制
在這案件。
後討論和這中小企業，
我們決定到介紹Y₄進入我們的數據分析。
Y₄是不是一個CTQ這裡，
但它是A測量那能反映這固有的財產的這過程。
這固有的財產將要影響這CTQ2和直接CTQ3。
如果Y₄是更多的比零，然後它是A積極的過程，
和當那個時候Y₄是較少的比零，它是一個積極的過程。
如果Y₄ 是更近到零，然後我們稱呼是A中性的過程，
哪個帶入到A較小數位的CTQ2和CTQ3一起。
這裡是這分配的Y₄的這基線硬體.
作為什麼我們能看這裡和這基線硬體,
這Y₄ 是總是更多的比零。
那，我們將要總是有為了積極的過程。
這多變數圖在這裡實際上節目這關係
之中這Y₄： CTQ2和CTQ3。
他們是強烈地相關的。
如果我們有較小Y₄,我們將要也有較小CTQ2和CTQ3。
在命令到有A更寬的範圍的Y₄,
我們決定到添加在其他因子，X₄，在這提升這硬體.
一起，其他二科學的假設
有到過建議的經過這中小企業。
我們有集數據在這新的硬體
和比較這Y₄分配在二硬體.
在這基線硬體,沒有X₄ ,我們有集數據正交地
和和肯定範圍為了每個因素。
這是這分配的這Y₄在下面這些貢獻。
和這改進的硬體,和這X ₄介紹,
我們有集數據在這相同的範圍的X ₁, X ,和X ₃。
這時間， Y₄ A不同X ₄,有也到過集。
比較這二分佈，我們能看那沒有 X₄ ,
我們僅有的看一簇對於 Y ₄,和這頂峰價值更多的比零。
然而，和這X₄介紹,
我們能觀察雙峰分配為了Y₄,
和一頂峰和意思是更多的比零，和其他頂峰和意思是較少的比零。
這過程狀態使是₄較少的比零
實際上畫我們的注意力。
在下面這些流程狀況，我們將要有消極的過程，
和這可能幫助我們到提升CTQ2 和 CTQ3，
但選擇那流程如果我們不能見面全部CTQ在一過程僅有的，
因為神經的過程好處CTQ2 和CTQ3。
我們做過A簡單的螢幕的處理狀況
什麼時候我們有負數過程，和這帶領我們到A肯定範圍的X₄。
那是為什麼我們收集更多數據A在這範圍，
因為它是我們的狀態的興趣。
現在，我們得出結論那這X₄做過影響在是₄,
和因此，它能影響在CTQ2和CTQ3。
現在，我們能更遠與影響的X₄在CTQ1，
和建造其他模型為了這改進的硬體.
事先的這數據收藏，
我們有預篩選的這狀況的興趣
使用這互動的圖形在JMP。
我們將要收集更多的數據和肯定範圍的X₄,
因為這X₄實際上能給我們這消極的Y₄價值。
它也蓋子最多範圍的是₄。
作為我們能看這裡，前這數據收藏，
作為什麼我們能看這裡，
這是不是這最多正交結構，
自從我們有集更多的數據在這狀況的興趣，
甚至儘管後正在做A設計評估，
我們尋找A低的騙局創立風險。
這數據結構是仍然好的為了造型。
這是這模型我們建。
作為什麼我們能看這裡，我們有一個足夠的模型。
僅有的因素和這p價值較少的比0.05,
或者什麼包括在這模型。
這RS方形是更多的比0.8。
這不同之處之間這右方塊調整過的
和右方塊是較少的比10 %。
這p價值為了這所有的模型是總是較少的比0.0 01.
也,透過這交互作用輪廓，這假設1 至 4有到過已驗證。
這時間，能我們尋找任何最佳化解決方案？
再次，我們跑步願望功能。
這左邊邊是這最佳化解決方案假如和這基線硬體
前這X₄分期付款，
和這正確的邊是這最佳化解決方案
和這提升硬體和X₄分期付款。
作為什麼我們能看這裡，比較的和這基線硬體,
提升d硬體做過提供一個最佳化解決方案
和更高合意性和提升這結果為了每個C技術問題。
然而，這合意性是仍然低的，哪個是僅有的0.27。
不是全部CTQ 滿足這成功標準在一步。
所以我們仍然做過不是尋找那足夠的解決方案
在一步過程為了這專案.
然而，但作為什麼我們提及之前，
自從我們有A簇的這過程狀況，
允許我們二消極的流程和這是₄ 少比零。
我們能提出A潛在的解決方案和二-步過程。
這解決方案和二-步過程可能不是是那直截了當。
作為我們知道，如果我們能尋找這最佳化解決方案在一步，
全部我們需要到做是只是到圓形的這過程在這狀況，
給出這最大化願望。
這結果將要是可預測自從我們有A已知的模型為了它。
現在我們想到有A二-步過程。
為了每個步，我們有一個已知的模型，
而如果這過程狀態是決定。
然而，到期的到這不同的流程期間為了每個步，
我們將要有A新的模型為了這最終的結果。
在這新的模型，我們將要有九變數在全部的：
X ₁到X₄為了每個步，和持續時間為了每個步。
現在，這問題是，
如何是我們去到尋找A恰當的解決方案為了這二-步流程？
我們已經得到二策略。
這第一是到做A DSD造型為了這九變數。
在這案件，我們將要需要到有至少25運行為了這一審。
的課程，我們將要有正交數據結構。
RS中號模型能是建造，但這成本將要是非常高的。
這其他策略是到螢幕設計
和這團體正交過飽和設計第一的，
哪個是這高斯設計。
在這案件，我們能螢幕這影響的七變數和六跑步。
這是為什麼它是極好的-飽和。
我們有更多的變數比這數據點。
的課程，我們將要需要到螢幕出去二變數
前這戈斯，
和我們使用這互動的圖形再次在這案件，
和這細節將要是已審查經過這下一個幻燈片。
這高斯設計提供
二獨立的區塊為了每個工藝步驟。
那裡是不互動之間這因素穿過堵塞。
這數據結構是每個正交堵塞，
製作它可能的到螢幕影響和這過飽和數據收藏。
然而，這高斯將要展示這影響的主要的影響僅有的，
和不交互作用將要是經過考慮的。
這是A低的-成本方法，和我們管理更遠美國能源部設計。
這後續能源部能是DSD、增強、或OFAT。
每個的這些有它是自己的優點和缺點，
和它將要不是是覆蓋在這推介會。
無論如何，到節省這成本，我們決定到繼續和策略2.
我們開始和一個GOSS設計。
作為我們討論編輯現在，我們有九不同的變數。
然而，在這戈斯，我們能只包括七變數。
在命令到狹窄的向下這參數為了這高斯設計，
我們做過A簡單的螢幕和這互動的圖形。
為了步1、我們選擇這過程狀況，
允許我們到有A好的CTQ2。
後篩選、
我們決定到使固定X2在這案件，基於在這以前的學習。
作為見過這裡，什麼時候這CTQ1是更多的比0.5,
全部我們有是A積極的過程和這Y₄為了更多的比20 %。
因此在這案件，為了步2、我們選擇流程狀況，
允許我們到有這是₄較少的比-0.5所以我們能有A消極的過程。
在這案件，添加二腳步一起，這最終Y ₄ 將會是更近到零。
這方式能提升在CTQ2和CTQ3。
後篩選、我們決定到使固定X₁為了這步，
基於在這以前的學習。
後數據收藏，
我們做過A步明智的配合和主要的影響僅有的，
自從在這戈斯，作為我們提及之前，
僅有的主要的影響是經過考慮的。
全部三CTQ已驗證這模型和這p值較少的比0.05,
和這RS方形調整過的大約0.8,和振動頻率較少的比5.
後最大化這願望，
這模型提供我們和一個最佳化解決方案
和合意性更多的比0.96,哪個是方式更高比0.27,
和不是到提到0.02。
因此，我們能實際上鎖這過程參數
和更遠經過優化後的解決方案在下一個步，
哪個是我們選擇到使用這歐法特。
但這將要不是是覆蓋這裡。
這裡，我喜歡到總結
什麼我們有討論過在這推介會。
在這推介會，我們有和分享和你這經驗。
我們使用不同的聯合管理計劃工具涉及在這數據分析
自始至終這DMAIC專案在不同的階段。
為了這根據生產線能力分析，我們有用過的蒙特卡羅模擬。
我們也用過的A目標陰謀。
為了根-原因分析，我們用過的多變量方法。
我們也用過的A形象的分析。
在命令到幫助和這美國能源部，
我們用過的這增強的美國能源部， GOSS 和設計診斷。
在條款到有A好的模型和預言，
我們用過的不同的擬合函數，和我們也用過的這預言輪廓。
我們也用過的這交互作用輪廓。
它也曾是提及那這些簡介是不是僅有的用過的
為了這模型和這預言，
但它也幫助我們到有A更深理解
的這流程本身。
在命令到螢幕出去這狀況的興趣，
我們實際上使用這互動的圖形，
哪個是簡單的，但非常有用和強大的。
在命令到做d切除術製作，
我們實際上使用這合意性功能幫助我們到製作A決定。
直到現在，我們分享和你我們的經驗
的如何這聯合管理計劃能幫助我們到做這分析。
這最後的但不是至少，
我們會喜歡到感謝查爾斯為了他的指導沿著這進步。
感謝你。
我的合夥人崔悅，
她會分享和你一些示範和這聯合管理計劃邊。
她將要幫助我們到證明
如何能我們使用這互動的形象的分析
作為出色地這逐步的配件在這高斯模型。
好的，感謝你。
謝謝你，程婷。
我思考你能看我的螢幕現在，正確的？
這首先，我會喜歡到介紹你
這互動的陰謀程婷有只是提及。
這是實際上一的我的個人的最喜歡的功能在JMP。
它是簡單的，但它是非常強大的。
這裡，我們的目的是到螢幕什麼是這最多相對的功能，
一個因素相對於 Y₄。
哪個一貢獻這最多到Y₄,從X₁到X ₄？
我們能簡單地選擇全部這因素的興趣我們想這裡，
和按一下“確定”。
現在，我們是擁有這分配的全部這因素。
現在，作為程婷有提及，我們想到知道什麼貢獻這最多
到這Y₄ 於消極的邊。
為了例子，這裡。
然後現在，我們能看僅有的X₄從13- 14、 X₃從0- 1、
和X2在這範圍， 2.5 -5。
也, X ₁ 於19-20,能製作這發生。
因此，它是更輕鬆到給我們A範圍的不同的因素，
如何它將要貢獻到Y₄,和如何是去到選擇這因素
如果我們想這Y₄達到肯定等級。
相似地，如果我們想它到是輕微地更高比0 %,
我們能也簡單地點選這區域。
實際上，到是相當直截了當，到解決這問題在一射擊，
我們只是選擇這些二一起。
然後，我們能看，好的， X ₄應該是在這範圍，
或許10- 14.
X₃,確實應該集中在0-1。
X2是A輕微地更寬的分配。
X ₁,有 o尼利兩個c候選人為了這方向。
從這一，我們能容易地和直覺地尋找
這貢獻因素我們想。
這是這第一個功能我會喜歡到證明到你，
這分配功能。
那裡是許多其他事物這分配功能能做，
包括看這數據分配和測試A很多的事物，
[聽不清楚 00:24:49]測試,等等。
所以我慣於來在這裡。
這第二事物我想到分享和你是這天哪。
這是實際上這高斯合身逐步。
現在，我們是擁有三CTQ。
全部這CTQ,這分析對話是打開這裡。
為了全部這三，他們有分離分析對話。
到做A非常直截了當方式，我們只是這控制和點選去。
它將要選擇這因素為了全部三C TQ 位於一次。
非常直截了當。
這些三將要使用這相同的停止規則，
哪個是這最小BI C。
然後，讓我們點擊運行 M奧德爾。
這合身模型將要給我們我們的配件分別地為了C TQ1、2、3。
然後，我們需要到調整這模型或者減少這模型一經過一。
這裡，我們的標準是到選擇這p價值降低比0。 05.
我們定義那價值。
什麼時候這p值降低比5 %,這因素是重要的。
這裡，我們能消除X₄ 。
下一個一，為了C TQ2...
為了CTQ1，我們是向下這裡。
為了CTQ2，我們能消除X ₁和X2 。
好的，現在我們是擁有兩個都降低大於0.05。
對於X₃，w e也能做這相同的事物因此。
讓我們移動首先是X₄ 。
全部這三因素， p值較低大於0.05。
我們有得到這減少模型。
這裡在這底部，我們將要有A預言分析器。
如果你不有它，我們能添加它從這分析器功能。
然後，我們會喜歡到尋找這最佳狀態.
如何我們是去到做那？
我們是去到使用這意願函數。
第一步，我們將要總是是放這願望，
哪個是已經放這裡。
我們有一我塔門最小化。
然後，讓我們使用這最大限度合意性功能。
H在此，我們能尋找我們的最佳狀態.
如果我們使用最大化和記住，這裡是我們的最佳的狀態.
然後，我們能使用這狀態到跑步這過程
和有效的吃了順序再次。
這些是二功能ID喜歡到介紹你。
好的，感謝你。
謝謝。
