你好。你好，每个人。
这是程婷这里，
和这其他主持人今天将要是崔越.
今天，我们是去到分享和你我们的经验
的探索美国能源部JMP设计
和这造型功能到提升这溅射工艺。
首先全部，
让我们有A简短的背景和介绍关于这项目。
这是这黑色的皮带六西格码 DMAIC 项目
关于到这溅射过程。
这项目目标是到优化一些电影特性。
在这定义阶段，我们有已确定这三CTQ
和这三相关的成功标准。
CTQ 1 是这最多重要的和A具有挑战性的一。
这成功标准
是这测量结果是更大比0.5。
CTQ2 和CTQ3是一样重要的。
这成功标准为了两个都的他们
是这可测量的结果应该是较少的比0.05。
不同的JMP工具有到过应用大规模地自始至终这措施阶段，
分析阶段，和提升阶段。
我们将要分享我们的经验的使用这JMP工具这里。
在这措施阶段，我们做过一个MSA，和我们最终确定的这数据收藏
为了这基线硬件。
三调音旋钮，即X ₁, X 2, 和X₃都参与其中。
后数据收藏，
我们使用A蒙特卡洛模拟在联合管理计划到分析这基线能力。
这是这第一个工具我们介绍今天也。
在命令到建立你的基线模型，
我们使用增强的美国能源部， RSM，预言轮廓，
作为出色地作为相互作用轮廓，查看功能在JMP。
后进入这分析空间，
在命令到做A根-原因分析和能力分析，
我们使用这目标阴谋，
合意性功能，多变量方法，
和这形象的分析工具。
在这改进阶段，我们做过硬件修改，
在哪里其他调音节点X₄曾是介绍了。
交互的图形，增强型 DOE，
RSM，合意性功能，和相互作用轮廓是用过的
在这部分到更远提升这过程。
这高斯逐步的合身和合意性功能是用过的
在这强大的DOE造型到更远提升这过程。
一些的这些工具将要是证明了经过崔岳后来。
这控制阶段将要不是是覆盖在今天的推介会。
作为我们提及，在这措施阶段，
所以后这基线收藏，我们实际上使用这蒙特卡罗模拟
到理解这基线过程能力。
这些是这基线能力为了三CTQ。
我们能看那全部的他们是普通的分配，
表明A强的线性相关性和这输入参数。
为了CTQ1，这样本意思是是出去的规格限制。
因此，我们有A非常消极的峰峰值价值。
这99 %的这基线过程结果不能见面CTQ1规格在全部。
CTQ2是关闭到这规格之中这三CTQS。
样本意思是是降低比向上规格限制。
因此，我们有A积极的峰峰值。
这48 %的这基线过程结果，他们做不是见面这规格为了CTQ2。
样本意思是为了这CTQ3是出去的规格限制作为出色地。
因此，它有消极的峰。
64 %的这基线过程结果做过不是见面这规格
这基线能力确认的
那这最大长寿为了这项目是C TQ1。
显然，这基线过程健康）状况，
哪个出色地称呼过程有条件的1这里，
不能见面我们的CTQ成功标准，尤其为了CTQ1。
我们将要需要到调这过程健康）状况。
然而，前那，我们将要需要知道
如果这当前的硬件能见面这要求或不。
这主题事情专家，这中小企业，有建议我们，
有建议的这二假设，和建议我们到转移这过程
到状况2基于在这第二假设。
然而，前那，我们将要需要到查看
如果这预言模型是好的为了两个都健康）状况。
因此，我们使用这分散阴谋到查看这集数据结构。
作为我们看这里，这数据集是不是在A正交结构。
这是因为我们实际上使用A二-步评估设计，
和扩大这过程范围到见面这成功标准的CTQ1。
我们做过有一个弱者预言能力在这更白的区域。
然而，我们仍然有好的预言为了这状况1 和状况2.
我们还做过A混淆分析。
这事实那里是肯定混淆风险在这解决二之间X ₁和X₃。
尽管如此，我们仍然建成A预言模型。
我们使用这回复服务方法为了这配件。
在这案件，这主要的影响，互动，
和这二次项将要是配件一起。
基于这RS, S R 也一样， RS-调整过的正方形，和这p值，
我们能看它是A有效的预言模型。
来自影响概括，
我们能看那仅有的这重要的条款是包括在这模型。
和这相互作用轮廓，我们能看二互动
哪个是相关的和二假设我们提及前。
和这预言轮廓，我们挑选这过程状况2.
在这过程健康）状况，
什么我们能看这里是95 %的这信心间隔的CTQ1
是之间这范围的0.5和0.6。
这CTQ有到过调谐进入规格
然而，在这与此同时，这CTQ2和这CTQ3 是出去的堆。
因此，我们使用这目标阴谋到比较这二过程状况，
和关于意识到这一点什么时候我们有改进的CTQ 1
从过程状况1 至过程状况2
经过得到更近到这目标
和A缩小下来标准偏差。
然而，在这与此同时， C TQ2和3是补偿的
和更大标准偏差和这更远距离到这目标。
因此，那里是A权衡之间三CTQ。
在这案件，我们尝试到寻找一个优化解决方案
和这合意性功能在JMP。
对于 CTQ1 ,这成功标准是那的模式0.5。
H在此，我们使用这最大限度高原方法什么时候放这合意性功能。
方法任何价值更多的比或者平等的到这目标
将要是一样首选。
我们还强调这重要性CTQ的1经过推杆1.5作为这重要的因素。
佛r CTQ2 和 3，这成功标准是较少的比0.05。
因此，我们使用这最低平台期什么时候放这愿望。
任何价值较少的比或者平等的到这目标
将要是一样首选。
然而，后最大化这愿望，
这计算出的优化解决方案是仅有的大约0.02,
和没有任何的这三CTQ能见面这成功标准。
因此，我们能得出结论那那里是A硬件局限性
在这案件。
后讨论和这中小企业，
我们决定到介绍Y₄进入我们的数据分析。
Y₄是不是一个CTQ这里，
但它是A测量那能反映这固有的财产的这过程。
这固有的财产将要影响这CTQ2和直接CTQ3。
如果Y₄是更多的比零，然后它是A积极的过程，
和当那个时候Y₄是较少的比零，它是一个积极的过程。
如果Y₄ 是更近到零，然后我们称呼是A中性的过程，
哪个带入到A较小数字的CTQ2和CTQ3一起。
这里是这分配的Y₄的这基线硬件。
作为什么我们能看这里和这基线硬件，
这Y₄ 是总是更多的比零。
那，我们将要总是有为了积极的过程。
这多变量图在这里实际上节目这关系
之中这Y₄： CTQ2和CTQ3。
他们是强烈地相关的。
如果我们有较小Y₄,我们将要还有较小CTQ2和CTQ3。
在命令到有A更宽的范围的Y₄,
我们决定到添加在其他因子，X₄，在这提升这硬件。
一起，其他二科学的假设
有到过建议的经过这中小企业。
我们有集数据在这新的硬件
和比较这Y₄分配在二硬件。
在这基线硬件，没有X₄ ,我们有集数据正交地
和和肯定范围为了每个因素。
这是这分配的这Y₄在下面这些贡献。
和这改进的硬件，和这X ₄介绍,
我们有集数据在这相同的范围的X ₁, X ,和X ₃。
这时间， Y₄ A不同X ₄,有还到过集。
比较这二分布，我们能看那没有 X₄ ,
我们仅有的看一簇对于 Y ₄,和这顶峰价值更多的比零。
然而，和这X₄介绍,
我们能观察双峰分配为了Y₄,
和一顶峰和意思是更多的比零，和其他顶峰和意思是较少的比零。
这过程状况使是₄较少的比零
实际上画我们的注意力。
在下面这些过程状况，我们将要有消极的过程，
和这可能帮助我们到提升CTQ2 和 CTQ3，
但选择那过程如果我们不能见面全部CTQ在一过程仅有的，
因为神经的过程好处CTQ2 和CTQ3。
我们做过A简单的屏幕的处理状况
什么时候我们有负数过程，和这带领我们到A肯定范围的X₄。
那是为什么我们收集更多数据A在这范围，
因为它是我们的状况的兴趣。
现在，我们得出结论那这X₄做过影响在是₄,
和因此，它能影响在CTQ2和CTQ3。
现在，我们能更远与影响的X₄在CTQ1，
和建造其他模型为了这改进的硬件。
事先的这数据收藏，
我们有预筛选的这状况的兴趣
使用这交互的图形在JMP。
我们将要收集更多的数据和肯定范围的X₄,
因为这X₄实际上能给我们这消极的Y₄价值。
它还盖子最多范围的是₄。
作为我们能看这里，前这数据收藏，
作为什么我们能看这里，
这是不是这最多正交结构，
自从我们有集更多的数据在这状况的兴趣，
甚至尽管后正在做A设计评估，
我们寻找A低的骗局创立风险。
这数据结构是仍然好的为了造型。
这是这模型我们建。
作为什么我们能看这里，我们有一个足够的模型。
仅有的因素和这p价值较少的比0.05,
或者什么包括在这模型。
这RS方形是更多的比0.8。
这不同之处之间这右正方形调整过的
和右正方形是较少的比10 %。
这p价值为了这所有的模型是总是较少的比0.0 01.
还，通过这相互作用轮廓，这假设1 至 4有到过已验证。
这时间，能我们寻找任何优化解决方案？
再次，我们跑步愿望功能。
这左边边是这优化解决方案假如和这基线硬件
前这X₄分期付款，
和这正确的边是这优化解决方案
和这提升硬件和X₄分期付款。
作为什么我们能看这里，比较的和这基线硬件，
提升d硬件做过提供一个优化解决方案
和更高合意性和提升这结果为了每个C技术问题。
然而，这合意性是仍然低的，哪个是仅有的0.27。
不是全部CTQ 满足这成功标准在一步。
所以我们仍然做过不是寻找那足够的解决方案
在一步过程为了这项目。
然而，但作为什么我们提及之前，
自从我们有A簇的这过程状况，
允许我们二消极的过程和这是₄ 少比零。
我们能提出A潜在的解决方案和二-步过程。
这解决方案和二-步过程可能不是是那直截了当。
作为我们知道，如果我们能寻找这优化解决方案在一步，
全部我们需要到做是只是到圆形的这过程在这状况，
给出这最大化愿望。
这结果将要是可预测自从我们有A已知的模型为了它。
现在我们想到有A二-步过程。
为了每个步，我们有一个已知的模型，
而如果这过程状况是决定。
然而，到期的到这不同的过程期间为了每个步，
我们将要有A新的模型为了这最终的结果。
在这新的模型，我们将要有九变量在全部的：
X ₁到X₄为了每个步，和持续时间为了每个步。
现在，这问题是，
如何是我们去到寻找A恰当的解决方案为了这二-步流程？
我们已经得到二策略。
这第一是到做A DSD造型为了这九变量。
在这案件，我们将要需要到有至少25运行为了这一审。
的课程，我们将要有正交数据结构。
RS中号模型能是建造，但这成本将要是非常高的。
这其他战略是到屏幕设计
和这团体正交过饱和设计第一的，
哪个是这高斯设计。
在这案件，我们能屏幕这影响的七变量和六跑步。
这是为什么它是极好的-饱和。
我们有更多的变量比这数据点。
的课程，我们将要需要到屏幕出去二变量
前这戈斯，
和我们使用这交互的图形再次在这案件，
和这细节将要是已审查经过这下一个幻灯片。
这高斯设计提供
二独立的块为了每个工艺步骤。
那里是不互动之间这因素穿过堵塞。
这数据结构是每个正交堵塞，
制作它可能的到屏幕影响和这过饱和数据收藏。
然而，这高斯将要展示这影响的主要的影响仅有的，
和不相互作用将要是经过考虑的。
这是A低的-成本方法，和我们管理更远美国能源部设计。
这后续能源部能是DSD、增强、或OFAT。
每个的这些有它是自己的优点和缺点，
和它将要不是是覆盖在这推介会。
无论如何，到节省这成本，我们决定到继续和战略2.
我们开始和一个GOSS设计。
作为我们讨论编辑现在，我们有九不同的变量。
然而，在这戈斯，我们能只包括七变量。
在命令到狭窄的向下这参数为了这高斯设计，
我们做过A简单的屏幕和这交互的图形。
为了步1、我们选择这过程状况，
允许我们到有A好的CTQ2。
后筛选、
我们决定到使固定X2在这案件，基于在这以前的学习。
作为见过这里，什么时候这CTQ1是更多的比0.5,
全部我们有是A积极的过程和这Y₄为了更多的比20 %。
因此在这案件，为了步2、我们选择流程状况，
允许我们到有这是₄较少的比-0.5所以我们能有A消极的过程。
在这案件，添加二脚步一起，这最终Y ₄ 将会是更近到零。
这方式能提升在CTQ2和CTQ3。
后筛选、我们决定到使固定X₁为了这步，
基于在这以前的学习。
后数据收藏，
我们做过A步明智的配合和主要的影响仅有的，
自从在这戈斯，作为我们提及之前，
仅有的主要的影响是经过考虑的。
全部三CTQ已验证这模型和这p值较少的比0.05,
和这RS方形调整过的大约0.8,和振动频率较少的比5.
后最大化这愿望，
这模型提供我们和一个优化解决方案
和合意性更多的比0.96,哪个是方式更高比0.27,
和不是到提到0.02。
因此，我们能实际上锁这过程参数
和更远经过优化后的解决方案在下一个步，
哪个是我们选择到使用这欧法特。
但这将要不是是覆盖这里。
这里，我喜欢到总结
什么我们有讨论过在这推介会。
在这推介会，我们有和分享和你这经验。
我们使用不同的联合管理计划工具涉及在这数据分析
自始至终这DMAIC项目在不同的阶段。
为了这根据生产线能力分析，我们有用过的蒙特卡罗模拟。
我们还用过的A目标阴谋。
为了根-原因分析，我们用过的多变量方法。
我们还用过的A形象的分析。
在命令到帮助和这美国能源部，
我们用过的这增强的美国能源部， GOSS 和设计诊断。
在条款到有A好的模型和预言，
我们用过的不同的拟合函数，和我们还用过的这预言轮廓。
我们还用过的这相互作用轮廓。
它还曾是提及那这些简介是不是仅有的用过的
为了这模型和这预言，
但它还帮助我们到有A更深理解
的这过程本身。
在命令到屏幕出去这状况的兴趣，
我们实际上使用这交互的图形，
哪个是简单的，但非常有用和强大的。
在命令到做d切除术制作，
我们实际上使用这合意性功能帮助我们到制作A决定。
直到现在，我们分享和你我们的经验
的如何这联合管理计划能帮助我们到做这分析。
这最后的但不是至少，
我们会喜欢到感谢查尔斯为了他的指导沿着这进步。
感谢你。
我的合伙人崔悦，
她会分享和你一些示范和这联合管理计划边。
她将要帮助我们到证明
如何能我们使用这交互的形象的分析
作为出色地这逐步的配件在这高斯模型。
好的，感谢你。
谢谢你，程婷。
我思考你能看我的屏幕现在，正确的？
这首先，我会喜欢到介绍你
这交互的阴谋程婷有只是提及。
这是实际上一的我的个人的最喜欢的功能在JMP。
它是简单的，但它是非常强大的。
这里，我们的目的是到屏幕什么是这最多相对的功能，
一个因素相对于 Y₄。
哪个一贡献这最多到Y₄,从X₁到X ₄？
我们能简单地选择全部这因素的兴趣我们想这里，
和单击“确定”。
现在，我们是拥有这分配的全部这因素。
现在，作为程婷有提及，我们想到知道什么贡献这最多
到这Y₄ 于消极的边。
为了例子，这里。
然后现在，我们能看仅有的X₄从13- 14、 X₃从0- 1、
和X2在这范围， 2.5 -5。
还， X ₁ 于19-20,能制作这发生。
因此，它是更轻松到给我们A范围的不同的因素，
如何它将要贡献到Y₄,和如何是去到选择这因素
如果我们想这Y₄达到肯定等级。
相似地，如果我们想它到是轻微地更高比0 %,
我们能还简单地点击这区域。
实际上，到是相当直截了当，到解决这问题在一射击，
我们只是选择这些二一起。
然后，我们能看，好的， X ₄应该是在这范围，
或许10- 14.
X₃,确实应该集中在0-1。
X2是A轻微地更宽的分配。
X ₁,有 o尼利两个c候选人为了这方向。
从这一，我们能容易地和直观地寻找
这贡献因素我们想。
这是这第一个功能我会喜欢到证明到你，
这分配功能。
那里是许多其他事物这分配功能能做，
包括看这数据分配和测试A很多的事物，
[听不清 00:24:49]测试,等等。
所以我惯于来在这里。
这第二事物我想到分享和你是这天哪。
这是实际上这高斯合身逐步。
现在，我们是拥有三CTQ。
全部这CTQ,这分析对话是打开这里。
为了全部这三，他们有分离分析对话。
到做A非常直截了当方式，我们只是这控制和点击去。
它将要选择这因素为了全部三C TQ 位于一次。
非常直截了当。
这些三将要使用这相同的停止规则，
哪个是这最小BI C。
然后，让我们单击运行 M奥德尔。
这合身模型将要给我们我们的配件分别地为了C TQ1、2、3。
然后，我们需要到调整这模型或者减少这模型一经过一。
这里，我们的标准是到选择这p价值降低比0。 05.
我们定义那价值。
什么时候这p值降低比5 %,这因素是重要的。
这里，我们能消除X₄ 。
下一个一，为了C TQ2...
为了CTQ1，我们是向下这里。
为了CTQ2，我们能消除X ₁和X2 。
好的，现在我们是拥有两个都降低大于0.05。
对于X₃，w e还能做这相同的事物因此。
让我们移动首先是X₄ 。
全部这三因素， p值较低大于0.05。
我们有得到这减少模型。
这里在这底部，我们将要有A预言分析器。
如果你不有它，我们能添加它从这分析器功能。
然后，我们会喜欢到寻找这最佳健康）状况。
如何我们是去到做那？
我们是去到使用这意愿函数。
第一步，我们将要总是是放这愿望，
哪个是已经放这里。
我们有一我塔门最小化。
然后，让我们使用这最大限度合意性功能。
H在此，我们能寻找我们的最佳健康）状况。
如果我们使用最大化和记住，这里是我们的最佳的健康）状况。
然后，我们能使用这状况到跑步这过程
和有效的吃了顺序再次。
这些是二功能ID喜欢到介绍你。
好的，感谢你。
谢谢。
