こんにちは、みんな。 これはアヌーディープマリピ。
私はあるシニアプロセスエンジニアのために光学リソグラフィーでマジックリープ。
今日、私は行くに実演する
故障検出によるアップグレード中コントロールチャート
と変化ポイント検出でJMP、
そして見せるあなたどうやっての変化ポイント検出統合
とコントロールチャート
は非常に役に立つの上私たちの製造業店床。
病気始めるのプレゼンテーション
とある簡単な導入について私たちの会社、マジックリープ、
そしての光学製造、
のDMAIC問題-解決するアプローチ
そしてのJMPツールそれ私たちは使用での製造、
私たちの課題それ私たちは顔でのコントロール段階のDMAIC、
アップグレード中既存 コントロールチャートと変化ポイント、
そしてによるやってるそれで、検出するそして診断するの故障であるプロセス
いくつかの場合研究それ私たちは定期的に使用でマジックリープそしてあるJMPデモンストレーション
の上どうやってに作成するある変化ポイントダッシュボード
そして統合する変化ポイントの中へあなたのコントロールチャート、
そして少しテイクアウト。
に始めると、でマジックリープ、
私たちは想像するある世界と物理的なそしてデジタルは一つです。
私たちのミッションはに増幅する人間潜在的
による配達するあるほとんど没入型ARウェアラブルプラットホーム、
それで人々できる直感的に見る、聞く、
そして触るデジタルコンテンツでの物理的な世界。
私たちのウェアラブルデバイス変換する企業生産性
による提供するARソリューション。
のために例、コラボレーションそして共同面前
間リモートチームに仕事一緒にとしてもし彼らははでの同じ部屋、
3D視覚化に最適化するプロセス、
増強された労働力それ助けます電車そしてスキルアップ労働者
を使用して見る-何-私-見る能力。
これらはのみある少し例。
のデバイスもっている業界の先頭に立って光学と大きい分野のビュー、
最高画像品質、
高い色均一、
そして動的調光
どれの助けます画面ある高い-品質バーチャルコンテンツ
で私たちの本物世界。
の光学的レンズそれは使用済みでこれデバイス
はある小さい成分
しかしあるとても致命的成分の魔法飛躍2、
有効にする最高-で-クラス画像パフォーマンス。
の光学的レンズ行きますを通して25プラス複雑な
製造業プロセスそして計測学駅
その間の製造業。
それはテストされた以上100プラス致命的-に-品質パラメーター。
それぞれ個人プロセスニーズに到着高い99%収率ターゲット
に達成する90%巻いたスループット収率ターゲット。
私たちはできない成し遂げるこれら高い収量そしてプロセス能力
それなしのヘルプのJMP統計ツール。
1つのこれら高い-譲るプロセスは刻印リソグラフィー
どこ私'メートル責任者のために品質そして配達ツール。
これプロセスもっている多くのステップ、
そしてそれは視覚化されたの上の右-手側のあなたの…
最初ステップはどこ私たちは整列するのマスクにのテンプレート
そしてそれから分配するr抵抗する、
より低いのテンプレートそしてEUV治すに複製するのちょうどパターン
からのマスクテンプレートにのウエハース。
これ刻印プロセス一人でもっている22致命的-に-品質パラメーター
それ動作します間きついコントロール限界そのようなとしてただ20ナノメートル映画厚さ
そして100ミクロン落とす正確さ。
としてあなたできた見る、これら公差は非常に小さい。
のために参照、人間髪はただ20ミクロンに100ミクロン。
したがって、の刻印リソグラフィー必要ある精度配置そしてアライメント
それは見分けがつかないにの人間目。
意味私たちは頼るある多くその上機内で計測学そしてビジョンシステム
それ生成するトンのデータから大きい数字の入力パラメーター。
JMP助けます私たちに簡単に分析するこれら大きいデータセット
で私たちの問題-解決するプロセス。
私たちは使用DMAICアプローチで私たちの問題-解決するプロセス。
続くはのJMPツール
それ私たちは使用で毎段階の私たちのDMAICプロセッサー、それぞれ。
のように多くの製造業チーム、
私たちは見つかった外コントロール段階としてほとんど挑戦的そして見落とされた段階、
なぜならである始める上のように魔法飛躍、私たちは継続的に進化、作る改善、
そして反復するいくつかの新しいデザインそして改訂。
のコントロール段階は見落とされた
なぜならそれかかりますより長いです時間のためにの確認。
のために例、
私たちは探すある問題またはの問題、言うのようにプロセス超えたコントロール限界
そして与える低いCPK価値観、
結果として生じるで低いCPKその間私たちのコントロール段階。
私たちは定義するの問題、
私たちは測定の歴史的なデータ、
分析するの問題
による多変量メソッドそして相関行列、
改善するの問題による実装するの矯正行動、
による指揮するDOEそして応答ふるい分け。
しかし一度これは解決済み、
私たちは動くの上に私たちの次厳しい問題そして動くの上に重大度3問題
一度あなた解決するの深刻さ、深刻さ2問題、
そしてのサイクル続けて、
見落とすのほとんど重要段階のDMAIC、
どれのはのコントロール段階。
これだったの理由私たちは来た上との変化ポイント検出ダッシュボード、
どれのは速いそして効率的。
それピンポイントで問題もっと早く、より簡単にに視覚化する故障そして変化します。
平演算子誰がはない熟練したとの統計
できる使用これダッシュボードに診断するの問題。
のために例、前に紹介するこれ変化ポイントダッシュボード
の上私たちの製造業店床、
のエスカレーション進捗はのようにの左横向きに、
どこのオペレーターモニターの収率ダッシュボード
そして特定するの収率損失そして欠点。
オペレーターレポートに技術者に見ての中への欠点。
もし技術者できないに解決するエスカレートするのエンジニア、
エンジニア分析のコントロールチャートデータを使用してコントロールチャートアラームそしてトレンド、
そしてそれから手動で参加するこれら出力に入力そしてするの相関
そして探す外そして診断するの故障。
そしてそれからエンジニア実装するの矯正行動。
しかし後紹介する私たちの変化ポイントダッシュボード
の上の製造業床、
のオペレーター、技術者、そしてエンジニア
モニターの変化ポイントダッシュボードの上の店床。
もし変化は見つかった、
彼らは見ての中へ相関の入力前にの変化そして後の変化
そして簡単に診断するの問題、
そしてそれから簡単に改善するの矯正行動。
これ助けた私たち簡単にに遷移の中へ私たちのTPMモデル、
どこオペレーター、技術者そしてエンジニア
は全て到来一緒にに最小化するの欠点。
の変化ポイントダッシュボード作る私たちのコントロール段階とても効率的。
私は行くに実演するでの続くスライド
の上どうやってこれは効率的
として良いとしてどうやってに作るこれ変化ポイントダッシュボード。
前に見せているの変化ポイントダッシュボード、
私欲しいに見せるあなた私たちの旅から伝統的コントロールチャート監視
に変化ポイント検出ダッシュボード。
その間の伝統的コントロールチャートはとても役立つにモニター遠足
で私たちのプロセスを使用してウェストガルドルール、
彼らは見せるのすぐに外のコントロールポイント、
しかし彼らは頻繁逃すの微妙ドリフトするでのプロセス、
どれのはとても徐々にしかしまだ重要な。
これらコントロールチャートはとても役立つにモニターの時間ベースの
そしてまた与える私たち何部品は影響を受けたによるこれ。
しかしとして私言及された前に、
私たちは持っている22致命的パラメーターでこれプロセス一人で
そしてそこにははトンの入力パラメーター
それ影響これら22致命的パラメーター、
どれの手段私たちは必要に持っている多くのコントロールチャート監視、
での同じ時間、に持っているある安定したプロセス。
しかしそれから私たちは動くの上にモデル-駆動されるマルチ変化させるコントロールチャート。
これらコントロールチャート、私たちはモニター両方入力そして出力一緒に、
そして私たちはすぐに得るある相関間彼ら。
しかし残念ながら、これらしません持っているどれでも時間シリーズまたはポートID
にヘルプそして展開するこれでの製造業店床。
の多変量相関はとても重要のために私たち、
与えるの関係
間私たちの出力そして入力でのプロセス。
そしてこれまたしません持っているの時間シリーズデータ
のようにのコントロールチャートに識別するいつの問題もっている始めました。
の変化ポイント検出、一方私たちは見つかったとても役立つ
に簡単に検出するいつそれ故障または変化
または重要な突然ドリフト起こりましたで私たちのプロセス。
しかしそれのみ与えるある価値いつある変化ポイント発生した、
それしません持っているの時間シリーズそしてないとても貴重な
としてある監視道具の上私たちの製造業店床。
それぞれ1つもっているその自分のデメリットそして利点。
私たちは組み合わせる全てのこれらコントロールチャートの中へ1つダッシュボード
そして活用するのコントロールポイント検出機能価値観の中へこれら。
私たちの次論理的なステップは回帰どれのは原因そして効果分析。
探す外の原因そして効果そしてインターロックの道具入力、
停止の失敗の上あなたのCTQ致命的-に-品質パラメーター
またはの上あなたの出力
そしてまた動くに予測分析。
これは1つ例に見せるあなたどうやってのコントロールチャート見た目違う
いつあなた統合するの変化ポイント検出。
のために例、の上の左、私持っているあるコントロールチャート
それなしの変化ポイント検出。
あなたできる見るそこにはは少しUPSそしてダウンズ間のコントロール限界。
しかしいつ私取るこれ価値の256、
どれのの変化ポイント検出与えるあなたいつあなた走るのためにの同じデータ、
そして取るこれそして統合するの中への同じコントロールチャート、
あなたできた見るの視覚化得たより良い。
でこれ場合、前にの変化ポイント、あなた持っているあるデモの変化、
あなた持っているあるベースライン、
あなた持っているの平均は下にあなたの目標ライン、
そして後の変化ポイント、あなたの平均はその上の目標ライン今
そしてあなたの変化もっている削減。
でこれ方法、あなたできた簡単に探す外そして視覚化する
何はの変化であなたの既存 コントロールチャート。
一度私たちは見つかった外どうやって貴重なこれ変化ポイントは、
素早く伝える私たちどこの変化起こりました
またはどこの故障起こりましたであなたのプロセス。
私たちは始めましたを使用していくつかの使用ケース。
私たちは始めましたといくつかの使用ケースそのようなとしてこれ
どこ私たちは紹介されたある変化そして私たちは欲しいに検証の変化。
でこれ例、私たちは持っているあるプロセスどこそれは与える低いCPK価値
なぜならのの人口はたいてい配布されたに向かってあなたのポジティブ側。
私たちは特定されたそれはある平均シフト。
それニーズに平均シフト、そして私たちは紹介されたの知られている変化平均シフト。
いつ私たちは紹介されたこれシフトを意味します。
あなたできた見るのプロセスなりましたもっと有能、
について2.3または1.5.
あなたできた見るいつ私たちは展開するの変化ポイント検出関数
のためにの同じデータ、
の変化ポイント与えるあなた価値そしての方向
かどうかあなたの変化もっている取られた場所またはないであなたのプロセス。
これは非常にビジュアルのために私たち
に評価するかどうか私の知られている変化、どれの私ただ紹介された、
は影響を与える私のプロセス、のポジティブまたは否定的です。
の2番使用ケース、として私言及された、
私たちは持っている多くの機内で計測学ツールで私たちのプロセス、
どれのは与えるある多くのデータ。
私たちはする定期的な測定値そしてテストでこれら計測学ツール、
しかし私たちはいつも頼るその上
の再現性そして再現性データ、
どれのはガスR&Rデータ
からこれらチャート。
しかしのガスR&Rデータはない見つける私たちには何でも故障でのプロセス
またはいつの計量学者ツール始めました漂流
でどちらかポジティブまたはネガティブ。
しかしのためにの同じデータ、
いつ私たちは配備されたの変化ポイント関数、
それすぐに言う私たちいつの微妙変化
そして突然重要なドリフトする起こりましたでこれ計測学、あまりにも。
それはとても高いまたは非常に役立つデータに識別する
そして作るもちろん私たちの計量学者ツールはまだ安定したそしてない漂流のデータ。
の三番目そしてほとんど重要1つ
はに検出するそして診断するの故障簡単に。
これはあるダッシュボードそれ私たちは働いたの上に展開するの上私たちの製造業店床。
私たちのワークフローするだろうなれ、私たちはモニター複数応答パラメーター
または致命的-に-品質パラメーターとして出力、
そしてそれから私たちは識別するもしそこにははどれでも変化
を使用しての変化ポイントダッシュボード。
での同じ時間、
私たちはまた見ての中へモデル-駆動される多変量変化ポイントダッシュボード
どこそれ意思教えて私たち何はの遠足
そして簡単に相関させるそれ遠足にの入力パラメーター。
しかしの真実価値来たで
いつ私たちは取るこれ変化ポイント価値観
そして統合する彼らの中へ私たちの既存 コントロールチャート。
でこれ例、私たちは持っているあるベースラインデータ前にの変化そして後の変化、
どれの手段いつの故障発生した、あなたできた見るそこにははあるわずかな平均シフト
そしてあるよある巨大な変化で私たちのプロセス。
でこれポイント、私たちは行くに私たちの相関マトリックス。
それは相関する私たちの出力パラメーターに私たちの入力パラメーターでのプロセス。
の相関マトリックス意思すぐに教えてあなた
どれの要素もっているある強いポジティブまたはあるネガティブ相関
その間これ段階いつ比較したにその間あなたの普通段階。
それ意思すぐに教えてあなた何入力パラメータもっている消えた間違っている
またはそれかもしれない持っている貢献したある多くにこの欠点エリア。
それはどうやって私たちははできるに素早く探すの故障そして診断するの問題。
からここの上、私は行くに実演するでJMP
の上どうやってに作成するこれら親切のダッシュボード、
での同じ時間、どうやってに作成する複数変化ポイント。
としてあなたできた見るで私たちの前のスライド、
の変化ポイント関数は与えるのみ1つ価値。
させて自分振り向くの上にJMP。
でこれ例、私はを使用してボストンの住宅データどれのはから1978年。
これは1つ良い例としてある初心者学習者
のために相関そして回帰。
多くのチュートリアル使用これ例。
それで私考え私できた使用これ例どれのはすぐに利用可能。
みんなのJMPサンプルデータセットそして見るどうやっての相関は、
そしてもしそこにははどれでも複数変化ポイントでのデータ、
での同じ時間、相関させるにの練習する。
のサンプルデータテーブル見た目のようにこれ。
で私たちの場合、
私欲しいに見るの中央値市場価値または中央値価格
のの所有者占有家でボストンそして見るどうやってそれは変化すると時間。
での同じ時間、そこにはは対応する要因
のように何はの犯罪レートでの町または何ですかの汚染レートでの町
またはの年の他の要因そのようなとして年のの家
またはディススタンスでこれら地域。
あなたできる読むのデータについてこれらカラム名前
でのカラムノートそれは提示された以上ここ。
私は行くに走るの脚本どれの与える私たち…
前にランニングの脚本、私また欲しいに教えてあなた
それ私は取り付けますの全体脚本として一部の私のプレゼンテーション、
どこあなたできた行くを通しての脚本または走るの脚本
そしてそれ意思与えるあなたあるニースダッシュボードについてボストンの住宅価値観変化
そしてまたある相関。
あなたできたダウンロードの脚本そして見ての中へ私のスコア
そしてあなたできた使用の同じ方法論そしての論理
の上どうやって私はできるに検出する複数変化ポイント
からのダッシュボードを使用してのJS添字。
いつ私走るの脚本、
走るそして私得るあるニースダッシュボードのようにこれ。
として私言及された、
私たちの問題-解決するフレームワークするだろうなれのように見てでの変化ポイント
で私たちの中央値価値のの家でボストン。
あなたできた見るそれ与えた私たちの中央値価値それそこにははある大きい変化ここ
そしてそれ言うあなたの変化ポイント表示されますになれの上行373、
そしてまたそこにははいくつかの2番目の小さい変化。
いつあなた見てでのモデル-駆動されるコントロールチャートデータ、
あなたできた見るそこにはは高い遠足
でこれ中くらい価値ののハウジング市場。
あなたできた簡単に教えて何引き起こされたこれ遠足
による探しているの中へあなたの入力パラメータ、それは犯罪レート。
あなたできたホバリングの上どれでものこれらそして探す外何は影響を与える
これら巨大な遠足
であなたの監視変数、どれのは中央値価値のの家々。
として私言及された、の本物価値来る外いつ私たちは取るこれら
そして統合するの中へ私たちのコントロールチャート。
見るこれ1つ、これコントロールチャート意思与えるあなた
これら統合された変化ポイントからここ。
良い与えるあなたある良いビジュアル。
見えるでしょう今でボストンの住宅市場例、
私たちは持っているあるベースラインハウジング中央値価値変化、
あるベースライン価値で20百万。
そしてそれからいつのハウジングブーム起こりました、またはいつの変化ポイント1発生した、
あなたできた見るそこにははある良い額の変化でのハウジング市場。
での同じ時間、そこにははある平均シフト、あまりにも。
しかしすぐ、そこにはは別の変化起こるそしてのハウジング市場クラッシュ
結果として生じるであなたの中央値価値は下にあなたのベースライン。
これは簡単に伝える私たち、与える私たちあるビジュアルの中へ部品
どこ何はのベースラインデータ、いつの初め変化発生した、
とは何ですか、そしてどうやって多くのはの変化？
の2番変化発生したそしてどうやって多くのはの変化今。
あなたできる比較するとあなたの前の二変化します。
もしあなたとしてある見通し住宅購入者へでボストン
そしてあなたは探しているの中へこれ親切のデータ、
あなた欲しいに知る何かもしれない持っている起こりましたそれ持っている影響を受けたこれら種類の変化します。
であなたのデータセット、あなた持っているいくつかのニース要因
についての犯罪ゾーン、
の犯罪レートでそれ同じエリアでの同じ期間の時間、
そしての汚染料金、など。
もしあなた見てで私たちの前に変化
あなたできた見るの市場価値、どうやってそれは相関するとあなたの要因。
でこれ場合、あなたできる見るあるよある良い額のネガティブ相関
との犯罪
そしてのネガティブ相関との業界エリアそしてまた汚染。
そしてそこにははある強いポジティブ相関どれのはについて0.8とこれ段階。
今、見てでの2番変化ポイント1段階
どこのハウジングブーム発生した[聞き取れない 00:22:46]平均値がずれた上向きに。
あなたできた見るでこれ時間フレーム
あなたの犯罪レートは低いまたはいいえ相関とこれら変化します。
あなたの汚染は低いまた、
しかしあなたの部屋まだ同じ強いポジティブ相関でこれら二段階。
もしあなた聞く自分何するだろう持っている起こりましたこれ時間、
私するだろう言う多分の犯罪もっている増加したでのエリア
またはの汚染もっている増加したでのエリア、
そのような親切の支配的な要因それは見える、
それはない好ましいのためにある将来性のある家。
それは行くの上にのハウジングクラッシュいつそれ起こりました。
比較間これ段階この段階まで、
変更点見るどうやっての相関ただかわった。
あなたできるすぐに教えて、 "わかった、私の比較
との中央値市場価値からこれ段階、
私の相関とのクライアントはかわいい低い、
私の部屋もっているとてもポジティブ相関、
そしてそこにははlstatそして他の要因。」
しかしもしあなた来るにの変化ポイント2時間、
あなたできた見るの犯罪レートもっている増加したまた、
あなたの汚染もっている増加したまた、
どれの結果としてでのネガティブ線形相関のこれ変化。
いつあなた見てであなたの部屋、
どれのもっているされた積極的に貢献するのためにあなたの変化もっている落ちた下完全に。
でこれ方法、これは伝えるあなたある多くの情報データについてこれら変化
それ発生したで1978年。
また、簡単相関関係データとあなたの要因
それかもしれない持っている影響を受けたこれら変化します。
病気繰り返す。
私たちのフレームワークは検出、のためにどれでも時間シリーズデータ、
私たちは初め検出する番号の変化、
もしそれは1つ変化または二変化またはもっと変化、
そしてそれから統合するこれら変化ポイント
の中へ私たちのコントロールチャートに得るあるより良い視覚化についての変化します。
はそれある平均シフトまたはバリエーションシフト、または何はハプニング？
そしてそれから見ての中へあなたの要因それかもしれない持っている貢献したにこれら変化
そして見る何要因ある強い貢献のためにこれ変化
または弱い貢献またはいいえ貢献またはネガティブ貢献。
今それあなた知るの犯罪レート、あなたの市場価値
—その中央値市場価値は影響を受けたによるの犯罪レート、
汚染、そしての部屋-
しましょう見てである単純視覚化。
いつあなた行くここ、あなたできる見るこれはある単純グラフプロット。
私は取る私の変化ポイントそして視覚化するそれであるより良い方法。
私は比較する私の中央値価値
とのノックス、の汚染価値での同じ町、
での同じ時間期間そしての部屋そしての犯罪レート。
あなたできた見るいつ私のハウジング中央値市場価値観増加
またはのハウジング活況を呈している段階、
あなたできた見るの汚染はとても低いそしての部屋のために住居もっている増加した
そしてあなたの犯罪レートはで少しでも可能州。
としてある将来性のある住宅購入者、
これらは全て好ましい要因のために自分、
いいえ汚染エリア、いいえ犯罪エリアまたは安全エリア、
そしてそれから私は取得あるより大きい家とともに便利番号の部屋。
しかししましょう見る、でこれ段階、いつのハウジング市場クラッシュした、
での同じ時間、あなたの汚染レートもっている増えた。
の番号の部屋のために住居もっている減少しました。
そしてそれからあるよの天文学的に高い犯罪レート
どれのは影響を与えるの同じもの。
これはあるクリアビジュアル、
しかしあなた着陸した上でこれ問題またはとこれ親切の結論
とのヘルプのあなたの相関行列。
相関マトリックスそしてそれからある変化ポイント。
あなたの相関マトリックスそしてそれからの変化ポイント
そしてそれからあるより良い解決のようにこれ。
させて自分行くそして見せるあなた
どうやってのJSL脚本はプーリング複数変化ポイント。
あなたできた探すの変化ポイントデータ
であなたのコントロールチャート、多変量コントロールチャート。
そしてまた、これはあるマルチ変化させるコントロールチャート。
あなたできた使用として多くのとして変数
としてあなたの多変量コントロールチャート入力パラメーター。
しかしで私の場合、私はを使用して中央値市場価値、
そして私得るある多変量相関そしてある変化ポイント。
明らかに、見る、それ与える自分373としてある番号。
どうやって私午前取るまたは抽出するこれ373番号
はを使用してこれ親切のJMPまたはJSLできる抽出するどれでものの文章箱列
からどれでものあなたのレポートそしてそれから置くそれの中へあなたのデータテーブル。
でこれ場合、私集めましたこれデータポイント。
あなたできた見るの方程式1保持しますのフレーズ電話またはの文章箱電話。
の変化ポイント表示されますになれ373.
これ1つ単純コード意思所有または抽出するそれ価値からの報告。
そしてそれから私取るそれの中へ私の列
での変化ポイント1カラム、
そして私抽出するの数値的価値外のそれ。
私書きましたのJSLとして単純として可能。
私はとても初心者とスクリプトそしてコーディング。
あなたできた見る私使用済み単純数式そして単純メソッドにこれを取れ。
あなたできる見るの変化ポイント報告はのみ与えるあなた
1つ変化ポイント価値。
しかしあなたできた見るであなたのプロセス、そこにはは他の変化、あまりにも、
それあなたかもしれないなれ興味があるでそして私たちは欲しいに探す彼ら外。
何私するは一度あなた得るあなたの初め価値、
あなた隠れるそして除外するすべて後あなたの変化ポイント。
後これ373、あなた除外するすべて。
今あなたは左とこれ段階。
あなた欲しいに見る何は私の変化でこれ段階、
そしてのサイクル続けます。
のために例、で私の方程式2から私の報告2、
私は引っ張るの文章箱フレーズ呼ばれたの変化ポイント。
ごめん、これは難しいに見せる。
いつあなたホバリングの上これ、
あなたできる見るそれ変数もっているのフレーズ[聞き取れない 00:29:49]。
変数もっているの段階のの変化ポイント表示されますで行157.
あなた取るの価値そしてそれから置くそれであなたのカラム電話、
CP文章、何かのようにそれ、
どこあなたできた抽出するあなたの2番変化ポイント。
一度あなた得るあるデータのようにそれ、
それはとても簡単に構築するあるダッシュボードのようにこれ、
どこあなた作成するあなたのコントロールチャートダッシュボード、
それぞれ個人コンポーネント、モデル-駆動される多変量コントロールチャート、
そして作成するのダッシュボードを使用しての新しいダッシュボード応用。
一度あなた作成するあるニースダッシュボードのようにこれ、
あなたただ行くここそしてあなたただ取るすべての中への脚本。
私は切り替え下に私のプレゼンテーション。
私希望のボストンの住宅データ例はとてもクリア、
なぜならどうやって簡単にあなたできる検出する変化でどれでも時間シリーズデータ
そして相関させるそれらのとあなたの入力パラメーター。
で本物人生または製造業シナリオ、
あなたするだろう持っているいくつかの入力パラメーターのようにこれ。
でこれ場合、で私のダッシュボード、
私たちは見ての中へその周り50入力パラメーター比較すると私たちの出力パラメーター。
私たちはまたモニターの多変量コントロール充電。
あなたできた見る私は監視複数CTQ一緒に
その代わりのそれぞれ個人伝統的コントロールチャート。
私は輸出するこれら価値観の中へ私の既存 コントロールチャート
そしてそれからすぐに診断する私の欠点。
これダッシュボード、としてあなたできる見る、そのかわいい自己-説明、
簡単に読む、簡単に展開するの上あなたの製造業床。
技術者平ない快適と統計的分析、
そしてやってるこれ親切の建物コントロールチャートそしてすべて、
彼らはそうするだろうただ見てでのプロセス言ってるそれ、
「ああケイ、私持っている二変化で私のプロセス、
そしてさせて自分見る何はの入力パラメーター
それは相関するこれら変化そして見るもし私できる変化彼ら
または操作する彼らそれでそれ私のプロセス戻るに安定したこのような状態。
また、の相関係数はかわいい簡単に説明するに誰でも
の上の製造業ショップフロア。
のために例、ある強いポジティブ相関するだろう与えるあなたある青番号クローザーに1、
またはある強いネガティブ相関するだろうなれ何かのように-0.7、
しかしの変化するだろうなれ何かのようにこれ
いつあなた増加何か。
と微妙少しの変化、
あなたするだろう見るあるネガティブ相関そこには、
そしてそれからある弱いネガティブ相関するだろうなれ何かのようにこれ、
ある多くの変化その代わりのある真っ直ぐこんな感じのライン。
そしてそれからあるよいいえ相関。
の番号するだろうなれかわいい多くの近いに0.
あなたするだろう見る、
平もしあなた増加1つ、の他のかもしれないなれ減少しています。
それはとても簡単に説明する。
それはとてもビジュアルの上の製造業店床
に探す外これら親切の数字、
探しているに見る何入力もっているかわったそして何入力もっているある強い相関。
そこにははの追加したボーナスとの変化ポイント統合。
としてあなたできる見る、これらは全て数値的データ、
どれのは取得ある数値的相関のようにこれ。
しかしの変化ポイントは伝えるあなたいつの故障もっている発生した
そしていつあなた知るいつの故障もっている発生した、
あなたただ見ての中へあなたのデータそのようなとしてテンプレート変化またはあなたの負荷ポートID、
そしてあなた意思得るある相関とあなたの非数値的データ[聞き取れない 00:34:10] 。
あなたするだろう始めるある議論の上あなたの製造現場。
おい、いつこれ時間発生した、私したこれ変化以上午後
またはの道具は設定アイドル、
または私したある防ぐ日にメンテナンスでこれちょうど時間。
多分それ防ぐ日にメンテナンス時間、
いくつかの問題もっている発生した。
これは与えるあなたある満杯写真。
あなたは探しているの中へトンの50プラス入力パラメーター
そして簡単に取得ある相関とあなたのCTQ
そして簡単に検出するの欠点。
での同じ時間、あなた持っている非数値的データそのようなとしてのようにこれ、
そしてあなた探す外そしてあなた関係する好きになる、
何だった私やってるいつこれ変化または故障もっている発生したで私のプロセス？
の最後の取り除く
はによる統合する変化ポイント関数に私たちの既存 コントロールチャート。
だった素早く見つける故障そして診断する彼らもっと早く、
節約何百万もののドルで私たちの速い-ペースのある製造業。
とJSLスクリプト、
だったできるに探す外そこにはは複数変化ポイントで私たちのプロセス
そして統合する彼らに私たちのコントロールチャートダッシュボード。
これ変化ポイントそして多変量メソッドできるなれ使用済みでどれでも時間シリーズ、
として私だった言及しています。
のために例、いつ私は準備のためにこれプレゼンテーション、
私与えたある小さいセットの私たちの毎月貯蓄データセットに私の妻
誰がはないおなじみと統計そしてコントロールチャート。
その上追跡これダッシュボード、
私の妻簡単に見つかったそこにはは変化ポイントで私たちの貯蓄。
しかしでの同じ時間、彼女したないのようにの事実
それいつのダッシュボード尖った外それ私たちのアマゾン支出
は良い相関するのために私たちの低い節約数か月。
としてあなたできる見る、のようにこれ時間、これ変化ポイント、
あなたできた使用それの上どれでも時間シリーズデータ。
あなたできた探す外あなたの変化であなたの時間シリーズ
そしていつの変化もっている発生した
またはいつの重要な変化もっている発生した、
そしてそれからあなたできる相関させるにあなたの入力パラメーター。
で私たちの場合、私たちははただ相関するあなたのアマゾン支出または取る-外夕食
そしていくつかの他の要因[聞き取れない 00:36:18] 。
それはかわいい多くの、そして私希望あなた見つかったこれプレゼンテーションとても役に立つ、
そしてあなたまた学んだどうやってあなたできる簡単に探す複数変化ポイント
を通してJSLスクリプトそして作成する簡単ダッシュボード
にどこデモ参加者
に探す外故障そして簡単に診断する彼ら。
感謝あなた。
