在這個由 5 部分組成的網絡研討會中，我們將詳細介紹如何在製造和質量控制中使用 JMP。
這些研討會中使用的期刊和材料（包括其他學習資源的鏈接）可在此頁面下載。
1. JMP 製造和質量簡介
在本介紹性課程中，您將學習如何：
- 從 Excel 導入數據，並可選擇一鍵更新 JMP 中的數據
- 了解 JMP 數據表的結構，包括數據類型、模型類型和側面板中的基本選項
- 分析變量分佈並定制統計摘要
- 執行能力分析，了解流程滿足客戶期望的能力
- 使用圖表生成器可視化數據，拖放變量以將它們分配給圖表上的不同角色
- 同時使用兩個變量擬合基本模型，例如單向方差分析和簡單線性回歸
- 使用列更改器，它允許您動態更改報告中使用的變量
- 在報告中添加本地數據過濾器，以根據數據表中的一個或多個變量對結果進行分層
- 與其他 JMP 用戶共享結果，以及與沒有 JMP 的用戶共享固定和動態結果的選項
2. JMP 質量分析
在本課程中，您將學習如何：
- 從 SQL 數據庫導入數據，包括篩選要導入的數據、只需單擊一下即可更新 JMP 中的數據或修改查詢的選項
- 使用Control Chart Builder平台生成控製圖，該平台允許您拖動變量生成圖表、修改控製圖類型以及添加特殊原因測試
- 一次管理多個變量的規格限制，並將規格顯示為圖表上的參考線
- 同時分析多個進程的容量，快速識別最需要關注的進程
- 遵循 AIAG 指南，對測量系統進行 MSA 研究，以確定變異的主要來源，並確保系統進行的測量是可靠的
- 可靠性分析的簡要介紹，它允許隨著時間的推移將分佈擬合到故障數據以預測故障概率
3. 用於製造業根本原因分析的 JMP
在本課程中，您將學習如何：
- 使用 JMP 中的靈活選項生成和修改帕累托圖，以可視化製造過程中最常見的缺陷
- 使用 Partition 平台執行根本原因分析，該平台使用機器學習方法生成決策樹
- 使用 Predictor Screening 平台快速識別過程中要控制的最重要變量，該平台是一種先進的機器學習方法，使用重採樣方法以及並行生成的多個決策樹
- 擬合多元回歸模型，並使用預測刻畫器查找有助於提高流程性能的可控變量的設置
- 使用設計空間分析器幫助找到可控變量的規格範圍，從而減少不合格批次的比例
4. 用於製造實驗設計的 JMP
定制設計使用最先進的算法來找到最佳的數據收集計劃，使您能夠估計作為研究人員所需的條件，同時考慮實驗的限制和預算。
在本課程中，您將學習：
- 為一個或多個響應變量生成實驗設計
- 添加不同類型的因素
- 指定因素組合的約束
- 了解最優標準以及何時使用它們
- 使用設計資源管理器生成多個設計，對它們進行比較，並找到適合您情況的最佳選擇
- 直觀地分析設計結果，包括預測刻畫器、輪廓刻畫器和等高線圖
- 使用蒙特卡羅模擬探索變異性對長期因素的影響
- 將預測公式保存在數據表中
5. JMP Pro 製造和可靠性簡介
作為 JMP 統計發現軟件的專業版本，JMP Pro 通過提供 JMP 的所有功能以及用於更複雜分析的高級功能，將其提升到了一個新的水平。
本次會議的目的是展示 JMP Pro 的某些功能的可能性。
在此視頻中，您將看到 JMP Pro 的以下功能：
- 預測建模和驗證
- 模型篩選與比較
- 公式商店以及如何獲取標點符號開源代碼
- 功能數據瀏覽器，以銑削過程為例，您希望在其中找到可控因素的配置，使您能夠減小顆粒尺寸，以在最短的時間內達到規格
- 可靠性框圖，從單個組件的可靠性研究不可修復系統的可靠性
- 模擬可修復系統，研究單個組件可修復或可更換的系統，以估計故障發生的頻率、故障期間的停機時間以及需要庫存的零件
