Bonjour, tout le monde. Ce est Anudeep Maripi.
Je suis un senior processus ingénieur pour optique lithographie à Saut magique.
Aujourd'hui, Je suis en allant à démontrer
faute détection par mise à niveau contrôle graphiques
avec changement indiquer détection dans JMP,
et montrer toi comment le changement indiquer détection l'intégration
avec contrôle graphiques
est très utile sur notre fabrication boutique sol.
Je vais commencer le présentation
avec un bref introduction à propos notre entreprise, Saut magique,
et le optique fabrication,
le DMAIC problème- résoudre approche
et le JMP outils que nous utiliser dans le fabrication,
notre défis que nous affronter dans le contrôle phase de DMAIC,
mise à niveau existant contrôle graphiques avec changement indiquer,
et par faire donc, détection et diagnostiquer le défauts dans un processus
quelques cas études que nous régulièrement utiliser à Saut magique et un JMP manifestation
sur comment à créer un changement indiquer tableau de bord
et intégrer changement indiquer dans ton contrôle graphiques,
et peu plats à emporter.
À commencer avec, à Saut magique,
nous envisager un monde avec physique et numérique sont un.
Notre mission est à amplifier humain potentiel
par livrer un la plupart immersif AR portable plate-forme,
donc personnes peut intuitivement voir, entendre,
et touche numérique contenu dans le physique monde.
Notre portable appareil se transforme entreprise productivité
par fournir RA solutions.
Pour exemple, collaboration et co- présence
entre télécommande équipes à travail ensemble comme si ils sont dans le même chambre,
3D visualisations à optimiser processus,
augmenté la main d'oeuvre que aide former et améliorer les compétences ouvriers
en utilisant voir- quoi- JE- voir aptitude.
Ces sont seulement un peu exemples.
Le appareil a l'industrie menant optique avec grand champ de voir,
meilleur image qualité,
haut couleur uniformité,
et dynamique atténuation
lequel aide afficher un haut- qualité virtuel contenu
dans notre réel monde.
Le optique lentille que est utilisé dans ce appareil
est un petit composant
mais un très critique composant de la magie Saut 2,
permettre meilleur- dans- classe image performance.
Le optique lentille va à travers 25 plus complexe
fabrication processus et métrologie gares
pendant le fabrication.
Il est testé sur 100 plus critique- à- qualité paramètres.
Chaque individuel processus besoins à atteindre haut 99% rendement cibles
à atteindre 90% Roulé Débit Rendement cibles.
Nous ne peut pas atteindre ces haut rendements et processus aptitude
sans le aide de JMP statistique outils.
Un de ces haut- cédant processus est imprimer lithographie
où JE' m responsable pour qualité et livraison outils.
Ce processus a beaucoup pas,
et que est visualisé sur le droite- main côté de ton…
La première étape est où nous aligner le masque à le modèle
et alors distribuer pour r résister,
inférieur le modèle et EUV guérir à reproduire le exact modèle
depuis le masque modèle à le tranche.
Ce imprimer processus seul a 22 critique- à- qualité paramètres
que fonctionne entre serré contrôle limites tel comme juste 20 nanomètres film épaisseur
et 100 microns baisse précision.
Comme toi pourrait voir, ces tolérances sont extrêmement petit.
Pour référence, humain cheveux est juste 20 microns à 100 microns.
Ainsi, le imprimer lithographie a besoin un précision placement et alignement
que sont indiscernable à le humain œil.
Signification nous compter sur un parcelle sur à bord métrologie et vision systèmes
que générer tonnes de données depuis grand Nombres de saisir paramètres.
JMP aide nous à facilement analyser ces grand données ensembles
dans notre problème- résoudre processus.
Nous utiliser DMAIC approche dans notre problème- résoudre processus.
Suivant sont le JMP outils
que nous utiliser dans chaque phase de notre DMAIC processeurs, respectivement.
Comme beaucoup fabrication les équipes,
nous trouvé dehors Contrôle phase comme la plupart difficile et négligé phase,
parce que à un commencer en haut comme la magie Saut, nous en continu évoluer, faire améliorations,
et répéter plusieurs nouveau dessins et révisions.
Le contrôle phase est négligé
parce que il prend plus long temps pour le confirmation.
Pour exemple,
nous trouver un problème ou un problème, dire comme processus dépassé contrôle limites
et donnant faible CPK valeurs,
résultant dans faible CPK pendant notre Contrôle phase.
Nous définir le problème,
nous mesure le historique données,
analyser le problème
par multivarié méthodes et corrélation matrices,
améliorer le problème par exécution le correctif Actions,
par conduite Fait et réponse dépistage.
Mais une fois ce est résolu,
nous se déplacer sur à notre suivant grave problème et se déplacer sur à gravité 3 problème
une fois toi résoudre le gravité, gravité 2 problème,
et le faire du vélo continue,
surplombant le la plupart important phase de DMAIC,
lequel est le contrôle phase.
Ce était le raison nous est venu en haut avec le changement indiquer détection tableau de bord,
lequel est rapide et efficace.
Il identifie problèmes plus rapide, Plus facile à visualiser défauts et changements.
Même les opérateurs OMS sont pas compétent avec le statistiques
peut utiliser ce tableau de bord à diagnostiquer le problèmes.
Pour exemple, avant présentation ce changement indiquer tableau de bord
sur notre fabrication boutique sol,
le escalade progrès est comme le gauche de côté,
où le opérateur moniteurs le rendement tableau de bord
et identifie le rendement pertes et défauts.
Opérateur rapports à technicien à regarder dans le défauts.
Si technicien incapable à résoudre dégénère le ingénieur,
ingénieur analyses le contrôle graphiques données en utilisant contrôle graphiques alarmes et les tendances,
et alors manuellement rejoindre ces les sorties à contributions et faire le corrélation
et trouver dehors et diagnostiquer le faute.
Et alors ingénieur met en oeuvre le correctif Actions.
Mais après présentation notre changement indiquer tableau de bord
sur le fabrication sol,
le opérateur, technicien, et ingénieurs
moniteur le changement indiquer tableau de bord sur le boutique sol.
Si changement est trouvé,
ils regarder dans corrélation de contributions avant le changement et après le changement
et facilement diagnostiquer le problème,
et alors facilement améliorer le correctif Actions.
Ce aidé nous facilement à transition dans notre TPM modèle,
où les opérateurs, techniciens et ingénieurs
sont tous à venir ensemble à minimiser le défauts.
Le changement indiquer tableau de bord fait du notre contrôle phase très efficace.
Je suis en allant à démontrer dans le suivant diapositives
sur comment ce est efficace
comme Bien comme comment à faire ce changement indiquer tableaux de bord.
Avant montrant le changement indiquer tableau de bord,
je vouloir à montrer toi notre voyage depuis traditionnel contrôle graphiques surveillance
à changement indiquer détection tableau de bord.
Alors que le traditionnel contrôle graphiques sont très utile à moniteur excursions
dans notre processus en utilisant Westgard règles,
ils montrer le immédiat dehors de contrôle points,
mais ils souvent manquer le subtil les dérives dans le processus,
lequel sont très graduel mais toujours significatif.
Ces contrôle graphiques sont très utile à moniteur le temps basé
et aussi donner nous quoi les pièces sont impacté par ce.
Mais comme je mentionné avant,
nous avoir 22 critique paramètres dans ce processus seul
et là sont tonnes de saisir paramètres
que impacts ces 22 critique paramètres,
lequel moyens nous besoin à avoir beaucoup contrôle graphiques surveillance,
à le même temps, à avoir un écurie processus.
Mais alors nous se déplacer sur à modèle- conduit multi varier contrôle graphiques.
Ces contrôle graphiques, nous moniteur les deux contributions et les sorties ensemble,
et nous immédiatement obtenir un corrélation entre eux.
Mais malheureusement, ces n'a pas avoir n'importe lequel temps série ou identifiants de port
à aide et déployer ce dans le fabrication boutique sol.
Le multivarié corrélation est très important pour nous,
donnant le relation
entre notre les sorties et contributions dans le processus.
Et ce encore n'a pas avoir le temps série données
comme le contrôle graphiques à identifier quand le problème a commencé.
Le changement indiquer détection, alors que nous trouvé très utile
à facilement détecter quand que faute ou changement
ou significatif brusque dérive arrivé dans notre processus.
Mais il seulement donne un valeur quand un changement indiquer s'est produit,
il n'a pas avoir le temps série et pas très précieux
comme un surveillance outil sur notre fabrication boutique sol.
Chaque un a c'est propre désavantages et avantages.
Nous combiner tous de ces contrôle graphiques dans un tableau de bord
et tirer parti le contrôle indiquer détection les fonctions valeurs dans ces.
Notre suivant logique étape est régression lequel est cause et effet analyse.
Trouver dehors le cause et effet et verrouillage le outil contributions,
arrêt le échec sur ton CTQ critique- à- qualité paramètres
ou sur ton les sorties
et aussi se déplacer à prédiction analyse.
Ce est un exemple à montrer toi comment le contrôle graphiques regards différent
quand toi intégrer le changement indiquer détection.
Pour exemple, sur le gauche, je avoir un contrôle graphique
sans le changement indiquer détection.
Toi peut voir là sont peu UPS et bas entre le contrôle limites.
Mais quand je prendre ce valeur de 256,
lequel le changement indiquer détection donne toi quand toi courir pour le même données,
et prendre ce et intégrer dans le même contrôle graphique,
toi pourrait voir le visualisation a obtenu mieux.
Dans ce cas, avant le changement indiquer, toi avoir un démo de variation,
toi avoir un ligne de base,
toi avoir le signifier est ci-dessous ton cible doubler,
et après le changement indiquer, ton signifier est au-dessus de le cible doubler maintenant
et ton variation a réduit.
Dans ce chemin, toi pourrait facilement trouver dehors et visualiser
quoi est le changement dans ton existant contrôle graphiques.
Une fois nous trouvé dehors comment précieux ce changement indiquer est,
rapidement récit nous où le changement arrivé
ou où le faute arrivé dans ton processus.
Nous commencé en utilisant quelques utiliser cas.
Nous commencé avec quelques utiliser cas tel comme ce
où nous introduit un changement et nous vouloir à valider le changement.
Dans ce exemple, nous avoir un processus où il est donnant faible Cpk valeur
parce que de le population est surtout distribué vers ton positif côté.
Nous identifié comme un signifier changement.
Il besoins à signifier changement, et nous introduit le connu changement signifier changement.
Quand nous introduit ce changement moyen,
toi pourrait voir le processus devenu plus capable,
à propos 2.3 ou 1.5.
Toi pourrait voir quand nous déployer le changement indiquer détection fonction
pour le même données,
le changement indiquer donne toi valeur et le direction
si ton changement a pris lieu ou pas dans ton processus.
Ce est très visuel pour nous
à évaluer si mon connu changement, lequel je juste présenté,
est impactant mon processus, le positif ou négatif.
Le deuxième utiliser cas, comme je mentionné,
nous avoir parcelle de à bord métrologie outils dans notre processus,
lequel est donnant un parcelle de données.
Nous faire périodique des mesures et essai dans ces métrologie outils,
mais nous toujours compter sur sur
le répétabilité et reproductibilité données,
lequel est Gaz Détente et détente données
depuis ces graphiques.
Mais le Gaz R&R données est pas découverte nous tout défauts dans le processus
ou quand le métrologue outils commencé dérive
dans soit positif ou négatif.
Mais pour le même données,
quand nous déployé le changement indiquer fonction,
il immédiatement raconte nous quand le subtil changements
et brusque significatif les dérives arrivé dans ce métrologie, aussi.
Que est très haut ou très utile données à identifier
et faire bien sûr notre métrologue outils sont toujours écurie et pas dérive le données.
Le troisième et la plupart important un
est à détecter et diagnostiquer le défauts avec facilité.
Ce est un tableau de bord que nous travaillé sur à déployer sur notre fabrication boutique sol.
Notre flux de travail serait être, nous moniteur plusieurs réponse paramètres
ou critique- à- qualité paramètres comme les sorties,
et alors nous identifier si là sont n'importe lequel changements
en utilisant le changement indiquer tableau de bord.
À le même temps,
nous aussi regarder dans modèle- conduit multivarié changement indiquer tableau de bord
où il volonté dire nous quoi sont le excursions
et facilement corrélatif que excursions à le saisir paramètres.
Mais le vrai valeur est venu dans
quand nous prendre ce changement indiquer valeurs
et intégrer eux dans notre existant contrôle graphiques.
Dans ce exemple, nous avoir un ligne de base données avant le changement et après le changement,
lequel moyens quand le faute s'est produit, toi pourrait voir là est un léger signifier changement
et il y a un énorme variation dans notre processus.
À ce indiquer, nous aller à notre corrélation matrice.
Il est corréler notre sortir paramètres à notre saisir paramètres dans le processus.
Le corrélation matrice volonté immédiatement dire toi
lequel facteur a un fort positif ou un négatif corrélation
pendant ce phase quand par rapport à pendant ton normale phase.
Que volonté immédiatement dire toi quoi saisir paramètre a disparu faux
ou que pourrait avoir contribué un parcelle à cette faute zone.
Que est comment nous sont capable à rapidement trouver le défauts et diagnostiquer le problèmes.
Depuis ici sur, Je suis en allant à démontrer dans JMP
sur comment à créer ces gentil de des tableaux de bord,
à le même temps, comment à créer plusieurs changement points.
Comme toi pourrait voir dans notre précédent des diapositives,
le changement indiquer fonction est donnant seulement un valeur.
Laisser moi tourner sur à JMP.
Dans ce exemple, Je suis en utilisant Logement à Boston données lequel est depuis 1978.
Ce est un bien exemple comme un débutant apprenant
pour corrélation et régression.
Beaucoup tutoriels utiliser ce exemple.
Donc je pensée je pourrait utiliser ce exemple lequel est facilement disponible.
Tout le monde JMP échantillon données ensembles et voir comment le corrélation est,
et si là sont n'importe lequel plusieurs changement points dans le données,
à le même temps, corrélatif à le pratique.
Le échantillon données tableau regards comme ce.
Dans notre cas,
je vouloir à voir le médian marché valeur ou médian des prix
de le occupés par leur propriétaire maisons dans Boston et voir comment il est varier avec temps.
À le même temps, là sont correspondant facteurs
comme quoi est le crime taux dans le ville ou qu'est-ce que c'est le pollution taux dans le ville
ou le âge de autre facteurs tel comme âge de le maisons
ou dis position dans ces Régions.
Toi peut lire le données à propos ces colonne des noms
dans le colonne Remarques que est présenté sur ici.
Je suis en allant à courir le scénario lequel donne nous…
Avant en cours d'exécution le scénario, je aussi vouloir à dire toi
que Je suis attacher le entier scénario comme partie de mon présentation,
où toi pourrait aller à travers le scénario ou courir le scénario
et il volonté donner toi un bon tableau de bord à propos Logement à Boston valeurs variation
et aussi un corrélation.
Toi pourrait télécharger le scénario et regarder dans mon score
et toi pourrait utiliser le même méthodologie et le logique
sur comment Je suis capable à détecter plusieurs changement points
depuis le tableau de bord en utilisant le JS Indice.
Quand je courir le scénario,
court et je obtenir un bon tableau de bord comme ce.
Comme je mentionné,
notre problème- résoudre cadre serait être comme regarder à le changement points
dans notre médian valeur de le maisons dans Boston.
Toi pourrait voir il a donné nous le médian valeur que là sont un grand changement ici
et il raconte toi le changement indiquer apparaît à être sur rangée 373,
et aussi là sont plusieurs deuxième de petit changement.
Quand toi regarder à le modèle- conduit contrôle graphique données,
toi pourrait voir là sont haut excursions
dans ce moyen valeur de le logement marchés.
Toi pourrait facilement dire quoi causé ce excursion
par regarder dans ton contributions paramètre, que est crime taux.
Toi pourrait flotter sur n'importe lequel de ces et trouver dehors quoi est impactant
ces énorme excursions
dans ton surveillance variable, lequel est médian valeur de le Maisons.
Comme je mentionné, le réel valeur vient dehors quand nous prendre ces
et intégrer dans notre contrôle graphiques.
Voir ce un, ce contrôle graphique volonté donner toi
ces intégré changement points depuis ici.
Bien donner toi un bien visuel.
Tu pourrais voir maintenant dans Logement à Boston marché exemple,
nous avoir un ligne de base logement médian valeur changements,
un ligne de base valeur à 20 million.
Et alors quand le logement boom arrivé, ou quand le changement indiquer 1 s'est produit,
toi pourrait voir là est un bien montant de variation dans le logement marché.
À le même temps, là est un signifier changement, aussi.
Mais bientôt, là est un autre changement arriver et le logement marché accident
résultant dans ton médian valeur est ci-dessous ton ligne de base.
Ce est facilement récit nous, donnant nous un visuel dans les pièces
où quoi est le ligne de base données, quand le d'abord changement s'est produit,
qu'est-ce que c'est et comment beaucoup est le changement?
Le deuxième changement s'est produit et comment beaucoup est le changement maintenant.
Toi peut comparer avec ton précédent deux changements.
Si toi comme un perspective à l'acheteur dans Boston
et tu es regarder dans ce gentil de données,
toi vouloir à savoir quoi pourrait avoir arrivé que avoir impacté ces types de changements.
Dans ton données ensemble, toi avoir quelques bon facteurs
à propos le crime zone,
le crime taux dans que même zone dans le même période de temps,
et le pollution les taux, etc.
Si toi regarder à notre avant changement
toi pourrait voir le marché valeur, comment il est corréler avec ton facteurs.
Dans ce cas, toi peut voir il y a un bien montant de négatif corrélation
avec le crime
et le négatif corrélation avec le industrie zone et aussi pollution.
Et là est un fort positif corrélation lequel est à propos 0,8 avec ce phase.
Maintenant, regarder à le deuxième changement indiquer 1 phase
où le logement boom s'est produit [inaudible 00:22:46] moyenne décalée vers le haut.
Toi pourrait voir dans ce temps cadre
ton crime taux est faible ou Non corrélation avec ces changements.
Ton pollution est faible encore,
mais ton pièces toujours même fort positif corrélation dans ces deux étapes.
Si toi demander moi quoi serait avoir arrivé ce temps,
je serait dire peut être le crime a augmenté dans le zone
ou le pollution a augmenté dans le zone,
tel gentil de dominant facteurs que sont visible ,
que sont pas favorable pour un éventuel maison.
C'est en allant sur à le logement accident quand il arrivé.
Une comparaison entre ce phase à cette phase,
point de changement voir comment le corrélation juste modifié.
Toi peut immédiatement dire, "D'accord, mon comparaison
avec le médian marché valeur depuis ce phase,
mon corrélation avec le client est joli faible,
mon pièces a très positif corrélation,
et là est lstat et autre facteurs."
Mais si toi viens à le changement point 2 temps,
toi pourrait voir le crime taux a augmenté encore,
ton pollution a augmenté encore,
lequel abouti dans le négatif linéaire corrélation de ce changement.
Quand toi regarder à ton pièces,
lequel a a été positivement contribuant pour ton changement a est tombé vers le bas complètement.
Dans ce chemin, ce est récit toi un parcelle de information données à propos ces changements
que s'est produit dans 1978.
Aussi, facile corrélation données avec ton facteurs
que pourrait avoir impacté ces changements.
Je vais répéter.
Notre cadre est détecter, pour n'importe lequel temps série données,
nous d'abord détecter nombre de changements,
si il est un changement ou deux changement ou plus changements,
et alors intégrer ces changement points
dans notre contrôle graphique à obtenir un mieux visualisation à propos le changements.
Est il un signifier changement ou changement de variation, ou quoi est événement?
Et alors regarder dans ton facteurs que pourrait avoir contribué à ces changements
et voir quoi facteurs un fort contribution pour ce changement
ou faible contribution ou Non contribution ou négatif contribution.
Maintenant que toi savoir le crime taux, ton marché valeur
-le médian marché valeur est impacté par le crime taux,
pollution, et le pièces-
allons regarder à un simple visualisation.
Quand toi aller ici, toi peut voir ce est un simple graphique parcelle.
Je suis prise mon changement indiquer et visualisation il dans un mieux chemin.
Je suis comparant mon médian valeur
avec le non, le pollution valeur dans le même les villes,
dans le même temps période et le pièces et le crime taux.
Toi pourrait voir quand mon logement médian marché valeurs augmenter
ou le logement en plein essor phase,
toi pourrait voir le pollution est très faible et le pièces pour logement a augmenté
et ton crime taux est à moins possible État.
Comme un éventuel acheteur de maison,
ces sont tous favorable facteurs pour moi,
Non pollution zone, Non crime zone ou sûr zone,
et alors Je suis obtenir un plus gros maison avec un pratique nombre de pièces.
Mais allons voir, dans ce phase, quand le logement marché écrasé,
à le même temps, ton pollution taux a augmenté.
Le nombre de pièces pour logement a diminué.
Et alors il y a un astronomiquement haut crime taux
lequel est impactant le même chose.
Ce est un clair visuel,
mais toi a atterri en haut dans ce problème ou avec ce gentil de conclusion
avec le aide de ton corrélation matrices.
Corrélation matrice et alors un changement indiquer.
Ton corrélation matrice et alors le changement indiquer
et alors un mieux résolution comme ce.
Laisser moi aller et montrer toi
comment le JSL scénario est mise en commun plusieurs changement points.
Toi pourrait trouver le changement indiquer données
dans ton contrôle graphiques, multivarié contrôle graphiques.
Et encore, ce est un multi varier contrôle graphique.
Toi pourrait utiliser comme beaucoup comme variables
comme ton multivarié contrôle graphique saisir paramètres.
Mais dans mon cas, Je suis en utilisant médian marché valeur,
et je obtenir un multivarié corrélation et un changement indiquer.
Clairement, voir, il donne moi 373 comme un nombre.
Comment je suis prise ou extraction ce 373 nombre
est en utilisant ce gentil de JMP ou JSL peut extrait n'importe lequel de le texte boîte Colonnes
depuis n'importe lequel de ton rapports et alors mettre il dans ton données tableau.
Dans ce cas, je collecté ce données indiquer.
Toi pourrait voir le équation 1 tient le phrase appel ou le texte boîte appel.
Le changement indiquer apparaît à être 373.
Ce un simple code volonté prise ou extrait que valeur depuis le rapport.
Et alors je prendre que dans mon Colonnes
dans le changement indiquer 1 colonne,
et je extrait le numérique valeur dehors de il.
je a écrit le JSL comme simple comme possible.
Je suis très débutant avec script et codage.
Toi pourrait voir je utilisé simple formules et simple méthodes à prends ça.
Toi peut voir le changement indiquer rapport est seulement donnant toi
un changement indiquer valeur.
Mais toi pourrait voir dans ton processus, là sont autre changements, aussi,
que toi pourrait être intéressé dans et nous vouloir à trouver eux dehors.
Quoi je faire est une fois toi obtenir ton d'abord valeur,
toi cacher et exclure tout après ton changement indiquer.
Après ce 373, toi exclure tout.
Maintenant tu es gauche avec ce phase.
Toi vouloir à voir quoi est mon changement dans ce phase,
et le faire du vélo continue.
Pour exemple, dans mon équation 2 depuis mon rapport 2,
Je suis tirant le texte boîte phrase appelé le changement indiquer.
Désolé, ce est dur à montrer.
Quand toi flotter sur ce,
toi peut voir que variable a le phrase [inaudible 00:29:49].
Variable a le phase de le changement indiquer apparaît à rangée 157.
Toi prendre le valeur et alors mettre il dans ton colonne appel,
CP Texte, quelque chose comme que,
où toi pourrait extrait ton deuxième changement indiquer.
Une fois toi obtenir un données comme que,
il est très facile à construction un tableau de bord comme ce,
où toi créer ton contrôle graphique tableau de bord,
chaque individuel Composants, modèle- conduit multivarié contrôle graphique,
et créer le tableau de bord en utilisant le nouveau tableau de bord application.
Une fois toi créer un bon tableau de bord comme ce,
toi juste aller ici et toi juste prendre tout dans le scénario.
Je suis commutation vers le bas à mon présentation.
je espoir le Logement à Boston données exemple est très clair,
parce que comment facilement toi peut détecter changements dans n'importe lequel temps série données
et corrélatif ceux avec ton saisir paramètres.
Dans réel vie ou fabrication scénario,
toi serait avoir plusieurs saisir paramètres comme ce.
Dans ce cas, dans mon tableau de bord,
nous regarder dans autour 50 saisir paramètres comparant avec notre sortir paramètres.
Nous aussi moniteur le multivarié contrôle charge.
Toi pourrait voir Je suis surveillance plusieurs CTQ ensemble
plutôt de chaque individuel traditionnel contrôle graphique.
Je suis exportation ces valeurs dans mon existant contrôle graphique
et alors immédiatement diagnostiquer mon défauts.
Ce tableau de bord, comme toi peut voir, c'est joli soi- explicatif,
facile à lire, facile à déployer sur ton fabrication sol.
Techniciens même pas confortable avec statistique analyse,
et faire ce gentil de bâtiment contrôle graphiques et tout,
ils vont juste regarder à le processus en disant que,
" Ô ok, je avoir deux changements dans mon processus,
et laisser moi voir quoi sont le saisir paramètres
que sont corréler ces changements et voir si je peut changement eux
ou manipuler eux donc que mon processus dos à écurie état comme ça.
Encore, le corrélation coefficients sont joli facile à expliquer à n'importe qui
sur le fabrication étage de l'atelier.
Pour exemple, un fort positif corrélation serait donner toi un bleu nombre plus proche à 1,
ou un fort négatif corrélation serait être quelque chose comme -0,7,
mais le variation serait être quelque chose comme ce
quand toi augmenter quelque chose.
Avec subtil peu de variation,
toi serait voir un négatif corrélation là,
et alors un faible négatif corrélation serait être quelque chose comme ce,
un parcelle de variation plutôt de un droit ligne comme ça.
Et alors il y a Non corrélation.
Le nombre serait être joli beaucoup fermer à 0.
Toi serait voir,
même si toi augmenter un, le autre pourrait être diminuant.
Il est très facile à expliquer.
Il est très visuel sur le fabrication boutique sol
à trouver dehors ces gentil de Nombres,
regarder à voir quoi saisir a modifié et quoi saisir a un fort corrélation.
Là est un ajoutée prime avec le changement indiquer l'intégration.
Comme toi peut voir, ces sont tous numérique données,
lequel est obtenir un numérique corrélation comme ce.
Mais le changement indiquer est récit toi quand le faute a s'est produit
et quand toi savoir quand le faute a s'est produit,
toi juste regarder dans ton données tel comme modèle changement ou ton charger port pièces d'identité,
et toi volonté obtenir un corrélation avec ton non- numérique données [inaudible 00:34:10] .
Toi serait commencer un discussion sur ton atelier de fabrication.
Hé, quand ce temps s'est produit, je a fait ce changement sur MP
ou le outil est paramètre inactif,
ou je a fait un prévenir jour à entretien à ce exact temps.
Peut être que prévenir jour à entretien temps,
quelques problème a s'est produit.
Ce est donnant toi un complet image.
Tu es regarder dans tonnes de 50 plus saisir paramètres
et facilement obtenir un corrélation avec ton CTQ
et facilement détection le défauts.
À le même temps, toi avoir non- numérique données tel comme comme ce,
et toi trouver dehors et toi se rapporter aimer,
quoi était je faire quand ce changement ou faute a s'est produit dans mon processus?
Le final emporter
est par en intégrant changement indiquer fonction à notre existant contrôle graphiques.
Étaient rapidement découverte défauts et diagnostiquer eux plus rapide,
économie des millions de dollars dans notre rapide- rythmé fabrication.
Avec JSL les scripts,
étaient capable à trouver dehors là sont plusieurs changement points dans notre processus
et intégrer eux à notre contrôle graphique tableaux de bord.
Ce changement indiquer et multivarié méthodes peut être utilisé dans n'importe lequel temps série,
comme je était mentionnant.
Pour exemple, quand Je suis en train de préparer pour ce présentation,
je a donné un petit ensemble de notre mensuel des économies données ensemble à mon épouse
OMS est pas familier avec statistiques et contrôle graphiques.
Sur suivi ce tableau de bord,
mon épouse facilement trouvé là sont changement points dans notre des économies.
Mais à le même temps, elle a fait pas comme le fait
que quand le tableau de bord pointu dehors que notre Amazone dépenses
est Bien corréler pour notre faible économie mois.
Comme toi peut voir, comme ce temps, ce changement indiquer,
toi pourrait utiliser il sur n'importe lequel temps série données.
Toi pourrait trouver dehors ton changements dans ton temps série
et quand le changement a s'est produit
ou quand le significatif changement a s'est produit,
et alors toi peut corrélatif à ton saisir paramètres.
Dans notre cas, nous sont juste corréler ton Amazone dépenses ou prendre- dehors dîners
et plusieurs autre facteurs [inaudible 00:36:18] .
C'est joli beaucoup, et je espoir toi trouvé ce présentation très utile,
et toi aussi appris comment toi peut facilement trouver plusieurs changement points
à travers JSL script et créer facile tableaux de bord
à où manifestants
à trouver dehors défauts et facilement diagnostiquer eux.
Remercier toi.
