こんにちは。こんにちは、みんな。
これはチェン・ティンここ、
そしての他のプレゼンター今日意思なれ崔岳さん。
今日、私たちはは行くに共有とあなた私たちの経験
の探検するJMP DOEデザイン
そしてのモデリング機能に改善するのスパッタリング工程。
の最初の全て、
しましょう持っているある簡単な背景そして導入についてのプロジェクト。
これはの黒ベルトシックスシグマ DMAIC プロジェクト
に関してにのスパッタリングプロセス。
のプロジェクトゴールだったに最適化するいくつかの映画プロパティ。
での定義する段階、私たちは持っている特定されたの三つCTQ
そしての三つ相関のある成功基準。
CTQ 1はのほとんど重要そしてある挑戦的1つ。
の成功基準
はの測定結果はより大きなよりも0.5。
CTQ2とCTQ3は平等に重要。
の成功基準のために両方の彼ら
はの測定可能な結果すべきなれ少ないよりも0.05。
違うJMPツールもっているされた適用済み大量に全体を通しての測定段階、
分析する段階、そして改善する段階。
私たちは意思共有私たちの経験のを使用してのJMPツールここ。
での測定段階、私たちはしたMSA、そして私たちは完成したのデータコレクション
のためにのベースラインハードウェア。
三つチューニングノブ、つまりバツ₁、バツ₂、およびX₃が関与している。
後データコレクション、
私たちは使用あるモンテカルロシミュレーションでJMPに分析するのベースライン能力。
これはの最初のツール私たちは導入今日あまりにも。
で注文に確立するあなたのベースラインモデル、
私たちは使用増強されたエネルギー省、 RSM、予測プロフィール、
として良いとして交流プロフィール、チェック機能でJMP。
後入るの分析する空間、
で注文にするある根-原因分析そしてその能力分析、
私たちは使用のゴールプロット、
望ましさ関数、多変量方法、
そしてのグラフィック分析ツール。
での改善段階、私たちはしたハードウェア修正、
どこ別のチューニングノードX₄だった紹介された。
相互の作用グラフ、強化されたDOE、
RSM、望ましさ関数、そして交流プロフィールだった使用済み
でこれセクションにさらに遠く改善するのプロセス。
のゴス段階的にフィットそして望ましさ関数だった使用済み
での堅牢なDOEモデリングにさらに遠く改善するのプロセス。
いくつかののこれらツール意思なれ実証済みによる後は崔岳。
のコントロール段階意思ないなれ覆われたで今日のプレゼンテーション。
として私たちは言及された、での測定段階、
それで後のベースラインコレクション、私たちは実は使用のモンテカルロシミュレーション
に理解するのベースラインプロセス能力。
これらはのベースライン能力のために三つCTQ。
私たちはできる見るそれ全ての彼らは普通分布、
示すある強い線形相関との入力パラメーター。
のためにCTQ1、のサンプル平均は外のスペック限界。
したがって、私たちは持っているあるとてもネガティブPPK価値。
の99 %ののベースラインプロセス結果できない会うCTQ1スペックで全て。
CTQ2は近いにのスペックの間での三つCTQS。
サンプル平均はより低いよりも上スペック限界。
したがって、私たちは持っているあるポジティブPPK 。
の48 %ののベースラインプロセス結果、彼らはするない会うのスペックのためにCTQ2。
サンプル平均のためにのCTQ3は外のスペック限界として良い。
したがって、それもっているネガティブPPK。
64 %ののベースラインプロセス結果したない会うの仕様。
これベースライン能力確認済み
それの最大の長寿のためにこれプロジェクトはC TQ1。
どうやら、のベースラインプロセス状態、
どれの良い電話プロセス条件付き1ここ、
できない会う私たちのCTQ成功基準、特にのためにCTQ1。
私たちは意思必要に曲のプロセス状態。
しかし、前にそれ、私たちは意思する必要がある知る
もしの現在ハードウェアできる会うの要件か否か。
の主題案件専門家、の中小企業、もっているアドバイスした私たち、
もっている提案されたの二仮説、そしてアドバイスする私たちにシフトのプロセス
に状態2ベースのの上の2番仮説。
しかし、前にそれ、私たちは意思必要にチェック
もしの予測モデルは良いのために両方状態。
したがって、私たちは使用の散らばるプロットにチェックの集めましたデータ構造。
として私たちは見るここ、のデータ集めましたはないである直交構造。
これはなぜなら私たちは実は使用ある二-ステップ評価デザイン、
そして広げるのプロセス範囲に会うの成功基準のCTQ1。
私たちはした持っている弱い予測能力でのより白い領域。
しかし、私たちはまだ持っている良い予測のためにの状態1と状態2.
私たちはまたしたある混乱させる分析。
の事実そこにははある混乱させる危険での解決Ⅱ間バツ₁そしてX₃。
それにもかかわらず、私たちはまだ建てられたある予測モデル。
私たちは使用の応答サービス方法のためにのフィッティング。
でこれ場合、の主要効果、相互作用、
そしての二次項意思なれフィッティング一緒に。
に基づくのRS、 S Rさんも、 RS-調整された四角、そしてのp値、
私たちはできる見るそのある有効予測モデル。
から効果まとめ、
私たちはできる見るそれのみの重要な条項は含まれていますでのモデル。
との交流プロフィール、私たちはできる見る二相互作用
どれのは相関のあると二仮説私たちは言及された前に。
との予測プロフィール、私たちは選ぶのプロセス状態2.
でこれプロセス状態、
何私たちはできる見るここは95 %のの自信間隔のCTQ1
は間の範囲の0.5そして0.6。
これCTQもっているされた調整されたの中へ仕様。
しかし、でのその間、のCTQ2そしてのCTQ3は外のスタック。
したがって、私たちは使用のゴールプロットに比較するの二プロセス条件、
そして再それを理解してくださいいつ私たちは持っている改善されたCTQ 1
からプロセス状態1からプロセス状態2
による取得クローザーにの目標
そしてある狭くなるのダウン標準偏差。
しかし、でのその間、 C TQ2そして3だった補償された
とより大きな標準偏差そしてのさらに遠く距離にの目標。
したがって、そこにははあるトレード・オフ間三つCTQ。
でこれ場合、私たちは試すに探すの最適化された解決
との望ましさ関数でJMP。
CTQ1用、の成功基準はそれのモード0.5。
Hここで、私たちは使用の最大高原方法いつセットの望ましさ関数。
手段どれでも価値もっとよりもまたは等しいにの目標
意思なれ平等に好ましい。
私たちはまたハイライトの重要性CTQの1による置く1.5としての重要要素。
フォーr CTQ2および3、の成功基準は少ないよりも0.05。
したがって、私たちは使用の最小プラトーいつセットの望ましさ。
どれでも価値少ないよりもまたは等しいにの目標
意思なれ平等に好ましい。
しかし、後最大化するの望ましさ、
の計算された最適化された解決はのみその周り0.02、
そしてなしのの三つCTQできる会うの成功基準。
したがって、私たちはできる結論するそれそこにははあるハードウェア制限
でこれ場合。
後議論との中小企業、
私たちは決めるに導入Y₄の中へ私たちのデータ分析。
Y₄はないCTQここ、
しかしそれはある測定それできる反映するの本質的な財産ののプロセス。
これ本質的な財産意思影響するのCTQ2そして直接CTQ3。
もしY₄はもっとよりもゼロ、それからそのあるポジティブプロセス、
そしてそのときY₄は少ないよりもゼロ、そののアクティブプロセス。
もしY₄はクローザーにゼロ、それから私たちは電話はある中性プロセス、
どれのでつながるにある小さい番号のCTQ2そしてCTQ3一緒に。
ここはの分布のY₄ののベースラインハードウェア。
として何私たちはできる見るこことのベースラインハードウェア、
のY₄はいつももっとよりもゼロ。
それ、私たちは意思いつも持っているのためにポジティブプロセス。
のマルチ変量グラフはこちら実はショーの関係
の間でのY₄: CTQ2そしてCTQ3。
彼らはは強く相関がある。
もし私たちは持っている小さいY₄、私たちは意思また持っている小さいCTQ2そしてCTQ3。
で注文に持っているあるもっと広い範囲のY₄、
私たちは決めるに追加で別の係数、X₄、での改善するのハードウェア。
一緒に、別の二科学的仮説
もっているされた提案されたによるの中小企業。
私たちは持っている集めましたデータの上の新しいハードウェア
そして比較するのY₄分布で二ハードウェア。
でのベースラインハードウェア、それなしX₄ 、私たちは持っている集めましたデータ直角に
そしてとある範囲のためにそれぞれ要素。
これはの分布ののY₄下これら貢献。
との改善されたハードウェア、とのバツ₄紹介された、
私たちは持っている集めましたデータでの同じ範囲のバツ₁、バツ₂、そしてバツ₃。
これ時間、 Y₄ある違うよバツ₄、もっているまたされた集めました。
比較するの二配布物、私たちはできる見るそれX₄なし、
私たちはのみ見る1つ集まるYについて₄、とのピーク価値もっとよりもゼロ。
しかし、とのX₄紹介された、
私たちはできる観察する二峰性の分布のためにY₄、
と1つピークと平均もっとよりもゼロ、そして別のピークと平均少ないよりもゼロ。
のプロセス状態作るY ₄少ないよりもゼロ
実は描く私たちの注意。
下これらプロセス条件、私たちは意思持っているネガティブプロセス、
そしてこれ5月ヘルプ私たちに改善するCTQ2とCTQ3、
しかし、選択してくださいそれプロセスもし私たちはできない会う全てCTQで1つプロセスのみ、
なぜならニューラルプロセス利点CTQ2とCTQ3。
私たちはしたある単純画面の処理された条件
いつ私たちは持っている否定的なプロセス、そしてこれ鉛私たちにあるある範囲のX₄。
それはなぜ私たちはさらに多くのデータを収集するあるでこれ範囲、
なぜならその私たちの状態の興味のあること。
今、私たちは結論するそれのX₄したインパクトの上Y ₄、
そしてしたがって、それできるインパクトの上CTQ2そしてCTQ3。
今、私たちはできるさらに遠くとともにインパクトのX₄の上CTQ1、
そして建てる別のモデルのためにの改善されたハードウェア。
前のデータコレクション、
私たちは持っている事前審査済みの条件の興味
を使用しての相互の作用グラフでJMP。
私たちは意思集めるもっとデータとある範囲のX₄、
なぜならこれX₄実はできる与える私たちのネガティブY₄価値。
それまたカバーほとんど範囲のY ₄。
として私たちはできる見るここ、前にのデータコレクション、
として何私たちはできる見るここ、
これはないのほとんど直交構造、
以来私たちは持っている集めましたもっとデータでの条件の興味、
平けれど後やってるあるデザイン評価、
私たちは探すある低い詐欺創立危険。
のデータ構造はまだ良いのためにモデリング。
これはのモデル私たちは建設されました。
として何私たちはできる見るここ、私たちは持っているの十分なモデル。
のみ要素とのp価値少ないよりも0.05、
または何含まれていますでのモデル。
のRSスクエアはもっとよりも0.8。
の違い間のR四角調整された
そしてR四角は少ないよりも10 %。
のp価値のためにの全体モデルはいつも少ないよりも0.0 01.
また、を通しての交流プロフィール、の仮説1～4もっているされた検証されました。
これ時間、できる私たちは探すどれでも最適化された解決？
また、私たちは走る望ましさ関数。
の左側はの最適化された解決提供されたとのベースラインハードウェア
前にのX₄取り付け、
そしての右側はの最適化された解決
との改善するハードウェアとX₄分割払い。
として何私たちはできる見るここ、比較したとのベースラインハードウェア、
改善するdハードウェアした提供するの最適化された解決
とより高い望ましさそして改善するの結果のためにそれぞれC TQ.
しかし、の望ましさはまだ低い、どれのはのみ0.27。
ない全てCTQ 会議の成功基準で1つステップ。
それで私たちはまだしたない探すそれ十分な解決
でワンステッププロセスのためにのプロジェクト。
しかし、しかしとして何私たちは言及された以前、
以来私たちは持っているある集まるののプロセス条件、
許可する私たち二ネガティブプロセスとのY ₄未満よりもゼロ。
私たちはできる提案するある潜在的解決と二-ステッププロセス。
の解決と二-ステッププロセス5月ないなれそれ率直な。
として私たちは知る、もし私たちはできる探すの最適化された解決で1つステップ、
全て私たちは必要にするはただにラウンドのプロセスでの条件、
与えるの最大化された望ましさ。
の結果意思なれ予測可能な以来私たちは持っているある知られているモデルのためにそれ。
今私たちは欲しいに持っているある二-ステッププロセス。
のためにそれぞれステップ、私たちは持っている既知のモデル、
で、もしのプロセス状態は決定した。
しかし、期限にの違うプロセス間隔のためにそれぞれステップ、
私たちは意思持っているある新しいモデルのためにの最後の結果。
でこれ新しいモデル、私たちは意思持っている九変数で合計：
バツ₁にX₄のためにそれぞれステップ、そしてデュレーションのためにそれぞれステップ。
今、の質問は、
どうやっては私たちは行くに探すあるちゃんとした解決のためにの二-ステッププロセス?
私たちは得た二戦略。
の最初の1つはにするあるDSDモデリングのためにの九変数。
でこれ場合、私たちは意思必要に持っている少なくとも25走るのためにの最初の裁判。
のコース、私たちは意思持っている直交データ構造。
RS Mモデルできるなれ構築された、しかしの料金意思なれとても高い。
の他の戦略はに画面デザイン
とのグループ直交超飽和したデザイン初め、
どれのはのゴスデザイン。
でこれ場合、私たちはできる画面のインパクトのセブン変数と六走る。
これはなぜその素晴らしい-飽和した。
私たちは持っているもっと変数よりものデータポイント。
のコース、私たちは意思必要に画面外二変数
前にのゴス、
そして私たちは使用の相互の作用グラフまたでこれ場合、
そしての詳細意思なれ審査によるの次スライド。
のゴスデザイン提供します
二独立したブロックのためにそれぞれプロセスステップ。
そこにははいいえ相互作用間の要因横切ってブロック。
のデータ構造はそれぞれ直交するブロック、
作るそれ可能に画面効果との超飽和したデータコレクション。
しかし、これゴス意思見せるのインパクトの主要効果のみ、
そしていいえ交流意思なれ考慮された。
これはある低い-料金アプローチ、そして私たちは管理さらに遠くエネルギー省デザイン。
のフォローアップDOEできるなれDSD、オーグメント、またはOFAT。
それぞれのこれらもっているその自分の長所と短所、
そしてそれ意思ないなれ覆われたでこれプレゼンテーション。
いずれかの方法、に保存の料金、私たちは決めるに進むと戦略2.
私たちは始めるとゴスデザイン。
として私たちは話し合う編今、私たちは持っている九違う変数。
しかし、でのゴス、私たちはできるのみを含みますセブン変数。
で注文に狭い下のパラメーターのためにのゴスデザイン、
私たちはしたある単純画面との相互の作用グラフ。
のためにステップ1、私たちは選ぶのプロセス条件、
許可する私たちに持っているある良いCTQ2。
後ふるい分け、
私たちは決めるに修理X₂でこれ場合、ベースのの上の前の学ぶ。
として見たここ、いつのCTQ1はもっとよりも0.5、
全て私たちは持っているはあるポジティブプロセスとのY₄のためにもっとよりも20 %。
したがって、でこれ場合、のためにステップ2、私たちはプロセスを選択する条件、
許可する私たちに持っているのY ₄少ないよりも-0.5だから私たちはできる持っているあるネガティブプロセス。
でこれ場合、追加する二ステップ一緒に、の最終Y ₄ するだろうなれクローザーにゼロ。
これ方法できる改善するでCTQ2そしてCTQ3。
後ふるい分け、私たちは決めるに修理X₁のためにこれステップ、
ベースのの上の前の学ぶ。
後データコレクション、
私たちはしたあるステップ賢いフィット感と主要効果のみ、
以来でのゴス、として私たちは言及された以前、
のみ主要効果は考慮された。
全て三つCTQ検証済みのモデルとのp値少ないよりも0.05、
そしてのRS正方形調整されたその周り0.8、そしてVIF少ないよりも5.
後最大化するの望ましさ、
のモデル提供する私たちとの最適化された解決
と望ましさもっとよりも0.96、どれのは方法より高いよりも0.27、
そしてないに言及0.02。
したがって、私たちはできる実はロックのプロセスパラメーター
そしてさらに遠くによる最適化された解決で次ステップ、
どれのは私たちは選ぶに使用のオーファット。
しかしこれ意思ないなれ覆われたここ。
ここ、私のようにに要約する
何私たちは持っている議論したでこれプレゼンテーション。
でこれプレゼンテーション、私たちは持っているそして共有とあなたの経験。
私たちは使用違うJMPツール関与したでのデータ分析
全体を通してのDMAICプロジェクトで違う段階。
のためにのベースライン能力分析、私たちは持っている使用済みモンテカルロシミュレーション。
私たちはまた使用済みあるゴールプロット。
のために根-原因分析、私たちは使用済み多変量法。
私たちはまた使用済みあるグラフィック分析。
で注文にヘルプとのエネルギー省、
私たちは使用済みの増強されたエネルギー省、 GOSS、および設計診断。
で条項に持っているある良いモデルそして予測、
私たちは使用済み違うフィッティング機能、そして私たちはまた使用済みの予測プロフィール。
私たちはまた使用済みの交流プロフィール。
それまただった言及されたそれこれらプロフィールはないのみ使用済み
のためにのモデルそしての予測、
しかしそれまたヘルプ私たちに持っているあるもっと深く理解
ののプロセス自体。
で注文に画面外の条件の興味、
私たちは実は使用の相互の作用グラフ、
どれのは単純、しかしとても役に立つそして強力な。
で注文にするd切除作る、
私たちは実は使用の望ましさ機能ヘルプ私たちに作るある決断。
それまで今、私たちは共有とあなた私たちの経験
のどうやってのJMPできるヘルプ私たちにするの分析する。
の最後しかしない少しでも、
私たちはするだろうのようにに感謝チャールズのために彼の指導平行の進捗。
感謝あなた。
私のパートナーの崔岳さん、
彼女はそうするだろう共有とあなたいくつかのデモンストレーションとのJMP側。
彼女意思ヘルプ私たちに実演する
どうやってできる私たちは使用の相互の作用グラフィック分析
として良いの段階的にフィッティングでのゴスモデル。
わかった、感謝あなた。
ありがとう、チェン・ティン。
私考えるあなたできる見る私の画面今、右？
の初めにすること、私するだろうのようにに導入あなた
の相互の作用プロットチェン・ティンはただ言及された。
これは実は1つの私の個人的お気に入り関数でJMP。
その単純、しかしそのとても強力な。
ここ、私たちの目的はに画面何ですかのほとんど相対的関数、
要因Y₄を基準にして。
どれの1つ貢献するのほとんどにY₄、からX₁にバツ₄?
私たちはできる単に選択する全ての要素の興味私たちは欲しいここ、
そして「OK」をクリックします。
今、私たちはは持っているの分布の全ての要因。
今、としてチェン・ティンもっている言及された、私たちは欲しいに知る何貢献するのほとんど
にのY₄でネガティブ側。
のために例、ここ。
それから今、私たちはできる見るのみX₄から13- 14、 X₃から0- 1、
そしてX₂でこれ範囲、 2.5 -5.
また、バツ₁で19-20、できる作るこれ起こる。
したがって、そのより簡単にに与える私たちある範囲の違う要因、
どうやってそれ意思貢献するにY₄、そしてどうやってだった行くに選ぶの要因
もし私たちは欲しいのY₄到達するあるレベル。
同様に、もし私たちは欲しいそれになれわずかにより高いよりも0 %、
私たちはできるまた単にクリックこれエリア。
実は、になれとても率直に、に解決するの問題で1つショット、
私たちはただこれらを選択してください二一緒に。
それから、私たちはできる見る、わかった、バツ₄すべきなれでこれ範囲、
多分10- 14.
X₃、絶対にすべき集中で0-1。
X₂はあるわずかにもっと広い分布。
バツ₁、がありますのみ2c候補者のためにこれ方向。
からこれ1つ、私たちはできる簡単にそして直感的に探す
の貢献要因私たちは欲しい。
これはの最初の関数私するだろうのようにに実演するにあなた、
の分布関数。
そこにはは多くの他のものの分布関数できるする、
含む見るのデータ分布そしてテストある多くのもの、
[聞き取れない 00:24:49]テスト、など。
それで私しません来るでここ。
の2番もの私欲しいに共有とあなたはのゴス。
それは実はのゴスフィット段階的に。
今、私たちはは持っている三つCTQ。
全てのCTQ、の分析対話は開けるここ。
のために全ての三つ、彼らは持っている別分析対話。
にするあるとても率直な方法、私たちはただのコントロールそしてクリック行く。
それ意思選択するの要因のために全て三つC TQ:一度。
とても率直な。
これら三つ意思使用の同じ停止ルール、
どれのはの最小BI C.
それから、しましょう「実行M」をクリックしますオーデル。
これフィットモデル意思与える私たち私たちのフィッティング別々にのためにC TQ1、2、3。
それから、私たちは必要に修正するのモデルまたは減らすのモデル1つによる1つ。
ここ、私たちの基準はに選ぶのp価値より低いよりも0. 05.
私たちは定義するそれ価値。
いつのp値より低いよりも5 %、の要素は重要な。
ここ、私たちはできる取り除くX₄ 。
次1つ、のためにC TQ2...
のためにCTQ1、私たちはは下ここ。
のためにCTQ2、私たちはできる取り除くバツ₁そしてX2 。
わかった、今私たちはは持っている両方より低い0.05よりも。
X₃の場合、w eまたできるするの同じものそれに応じて。
しましょう動く最初にX₄ 。
全ての三つ要因、 p値が低くなります0.05よりも。
私たちは持っている得るの削減モデル。
ここでの底、私たちは意思持っているある予測プロファイラー。
もしあなたしないでください持っているそれ、私たちはできる追加それからのプロファイラー関数。
それから、私たちはするだろうのようにに探すの最適状態。
どうやって私たちはは行くにするそれ？
私たちはは行くに使用の好感度関数。
最初の一歩、私たちは意思いつもなれセットの望ましさ、
どれのはすでにセットここ。
私たちは持っている1つ自分たゲートへ最小限に抑えます。
それから、しましょう使用の最大望ましさ関数。
Hここで、私たちはできる探す私たちの最適状態。
もし私たちは使用最大化して、覚えて、ここは私たちの最適な状態。
それから、私たちはできる使用これ状態に走るのプロセス
そして有効を食べた順序また。
これらは二機能私はそうするだろうのようにに導入あなた。
わかった、感謝あなた。
ありがとう。
