在这个由 5 部分组成的网络研讨会中，我们将详细介绍如何在制造和质量控制中使用 JMP。
这些研讨会中使用的期刊和材料（包括其他学习资源的链接）可在此页面下载。
1. JMP 制造和质量简介
在本介绍性课程中，您将学习如何：
- 从 Excel 导入数据，并可选择一键更新 JMP 中的数据
- 了解 JMP 数据表的结构，包括数据类型、模型类型和侧面板中的基本选项
- 分析变量分布并定制统计摘要
- 执行能力分析，了解流程满足客户期望的能力
- 使用图表生成器可视化数据，拖放变量以将它们分配给图表上的不同角色
- 同时使用两个变量拟合基本模型，例如单向方差分析和简单线性回归
- 使用列更改器，它允许您动态更改报告中使用的变量
- 在报告中添加本地数据过滤器，以根据数据表中的一个或多个变量对结果进行分层
- 与其他 JMP 用户共享结果，以及与没有 JMP 的用户共享固定和动态结果的选项
2. JMP 质量分析
在本课程中，您将学习如何：
- 从 SQL 数据库导入数据，包括筛选要导入的数据、只需单击一下即可更新 JMP 中的数据或修改查询的选项
- 使用Control Chart Builder平台生成控制图，该平台允许您拖动变量生成图表、修改控制图类型以及添加特殊原因测试
- 一次管理多个变量的规格限制，并将规格显示为图表上的参考线
- 同时分析多个进程的容量，快速识别最需要关注的进程
- 遵循 AIAG 指南，对测量系统进行 MSA 研究，以确定变异的主要来源，并确保系统进行的测量是可靠的
- 可靠性分析的简要介绍，它允许随着时间的推移将分布拟合到故障数据以预测故障概率
3. 用于制造业根本原因分析的 JMP
在本课程中，您将学习如何：
- 使用 JMP 中的灵活选项生成和修改帕累托图，以可视化制造过程中最常见的缺陷
- 使用 Partition 平台执行根本原因分析，该平台使用机器学习方法生成决策树
- 使用 Predictor Screening 平台快速识别过程中要控制的最重要变量，该平台是一种先进的机器学习方法，使用重采样方法以及并行生成的多个决策树
- 拟合多元回归模型，并使用预测刻画器查找有助于提高流程性能的可控变量的设置
- 使用设计空间分析器帮助找到可控变量的规格范围，从而减少不合格批次的比例
4. 用于制造实验设计的 JMP
定制设计使用最先进的算法来找到最佳的数据收集计划，使您能够估计作为研究人员所需的条件，同时考虑实验的限制和预算。
在本课程中，您将学习：
- 为一个或多个响应变量生成实验设计
- 添加不同类型的因素
- 指定因素组合的约束
- 了解最优标准以及何时使用它们
- 使用设计资源管理器生成多个设计，对它们进行比较，并找到最适合您情况的设计
- 直观地分析设计结果，包括预测刻画器、轮廓刻画器和等高线图
- 使用蒙特卡罗模拟探索变异性对长期因素的影响
- 将预测公式保存在数据表中
5. JMP Pro 制造和可靠性简介
作为 JMP 统计发现软件的专业版本，JMP Pro 通过提供 JMP 的所有功能以及用于更复杂分析的高级功能，将其提升到了一个新的水平。
本次会议的目的是展示 JMP Pro 的某些功能的可能性。
在此视频中，您将看到 JMP Pro 的以下功能：
- 预测建模和验证
- 模型筛选与比较
- 公式商店以及如何获取标点符号开源代码
- 功能数据浏览器，以铣削过程为例，您希望在其中找到可控因素的配置，使您能够减小颗粒尺寸，以在最短的时间内达到规格
- 可靠性框图，从单个组件的可靠性研究不可修复系统的可靠性
- 模拟可修复系统，研究单个组件可修复或可更换的系统，以估计故障发生的频率、故障期间的停机时间以及需要库存的零件
