こんにちは。
良い朝、みんな。 良い夕方、みんな。
私私スクティチャタジー。
前に起動私のプレゼンテーション、
私するだろうのようにに導入自分自身と少し言葉。
私私スクティチャタジーからCTOチームの適用済み材料。
それは高度なテクノロジーチーム、 そして私たちのチームゴールはに開発する製品
隣接にのセミ業界または外のセミ業界。
のために例、私たちはは働くのために航空宇宙業界、
製薬業界、または工業用コーティング。
これ例、現在例、
私たちはは取るからの製薬業界。
私のトピックののプレゼンテーション今日。
ゲージR&Rのバツ-レイ光電子分光法にモニターあるコーティングプロセス。
議題の私の話す今日。
初め、私たちは意思話すについての背景そして問題声明、
それから私たちは意思話し合うについての手術意味そしてデータコレクションプラン。
次、 MSA成分分析。
ついに私たちはするよ話すについてのプランのためにMSA成分改善。
させてさんの始めるとの背景。
での製薬業界、 で治療的なウィンドウズ、治療的な地域、
そこにはは、のために例、抗生物質薬、アルコール依存症または癌忍耐強い、
彼らは必要毎日注射なぜなら薬レベルでの血
は確かに増加する、スパイクでの血、
そしてそれから内で短い時間、内である少し時間、
それは行く超えての治療的な窓限界。
それさんのなぜ彼らは必要毎日注射そしてそれは痛い。
それ原因いくつかの側効果、
それさんのなぜ忍耐強いスキップの薬または停止の薬。
に解決するこれ問題、
私たちのお客様ニーズいくつかのアプローチに仕立て屋のリリースの薬。
私たちのチーム発展したあるバリア層、アルミニウム酸化物バリア層、
それフォームあるシェルその周りの製薬粒子。
プロパティのこれバリア層
できるコントロールのリリースのの薬での血。
平それは可能のようにそれ、
それできるリリース少し週その代わりの少し時間。
ここ、私たちは意思話すについての構成分析、
そして何はのノイズ分析のこれ構成測定?
それ私たちは意思話すここ。
私たちの問題は測定のアルオックスコーティング構成。
私たちのスペック限界、お客様スペック限界、は○ /アル比率
でのアルミニウム酸化物映画は1 .2 -2 .3 。
私たちの客観的ここに決定するのXPS方法もしそれは十分な
に差別化するアルオックスプロセス変化。
私たちは意思決定するここ、ゲージR&R測定エラー
のXPSのためにアルオックス構成分析。
バツ-レイ光電子分光法できる測定定量的に
原子割合の構成。
それできる測定アルミニウムそして酸素割合。
XPS実は測定の運動的なエネルギー
の光電子放出されたからの要素
そしてそれカウントの電子。
いつでもそれは数えるの電子、それできるカウントの面前の要素
そしてまたそれカウントの要素どれのはつなぐにそれ。
それさんのなぜ私たちはできる得るの情報
についてアルミニウムそして酸素でのアルミニウム酸化物映画。
ほとんどののソースのエラーのためにXPS 、それできる追加それでゲージR&R 。
それできる再現性、それさんの到来からの較正電子カウント。
それできる追加再現性そして再現性エラー。
分析できる追加再現性エラー。
私たちは意思話すもっと詳細これ1つでの次滑り台。
で私たちの手術意味、私たちはするよ話すについての違うステップ
ののXPS測定そしてどうやってそれできる導入
のエラーでの測定エラーGRR 、ゲージR&Rエラー。
私たちの客観的測定アルミニウム酸化物コーティング構成、
そしてに測定それでXPS 、初め私たちは必要にするベースライン修正。
それは自動、そしてそれから私たちは必要に行くにの較正。
で較正、通常は適用済み材料持っている較正サンプル、
特にいつでも私たちは持っているいくつかの
発展したテクノロジーのようにアルミニウム酸化物。
しかしで私たちのケース、私たちははコーティング製薬粒子
そして私たちのプロセス窓は完全に違う
から私たちの適用済み材料芯テクノロジープロセス窓のためにアルミニウム酸化物、
なぜならコーティング必要になれ互換性があるとの製薬粒子。
私たちははコーティングこれ粒子、での同じ時間、
私たちははコーティングまたケイ素ウエハースそしてAPIパレット
なぜならXPSできない測定粒子。
それニーズいくつかの平面基板。
それさんのなぜ私たちはは預けるの上ケイ素ウエハースそしてAPIパレット。
以来私たちはドン't持っている較正サンプル、私たちははを使用しての2番オプション
のために較正のように炭素ピーク較正。
左-手側写真、あなたできる見る炭素ピーク較正
そしてそれは手動で必要にするそれ、
そしてそれさんのなぜそれインパクトの上の再現性。
それから後較正、私たちは必要にするXPS調査
または高い解決スキャンに得るのスペクトル。
でのスペクトル、 あなたできる見る酸素ピーク、アルミニウムピーク。
以来私たちは必要にするマニュアル較正そして私たちは持っている自動ベースライン修正、
これできるインパクトエラーの上再現性そして再現性。
次、私たちは必要にする分析。 分析はピークフィッティング。
私たちは必要にフィットこれピークそしてそれから私たちはできるゲージ。
からピークエリア、私たちはできる計算するの酸素アルミニウム割合。
以来それはセミ自動、それできる追加エラーでの再現性。
によるXPS測定、私たちはは計算する○ /アル比率
そして私たちのお客様スペック限界は1 .2 -2 .3 。
次、私たちは意思話すについての原因そして効果図、
MSA原因そして効果図。
でMSA原因そして効果図、私たちはしたいくつかの詳しい分析、
そして私たちは見つかったいくつかの1つそれできるインパクトの上のゲージR&R 。
私たちは強調表示されたまた選考科目もののように電子カウント、
較正分析、私たちは話しましたでの以前滑り台。
今私たちはですよ追加する別の1つ、それさんのサンプル読み込み中、
どうやってそれは追加したエラーでのゲージR&R 。
サンプル読み込み中、私たちは必要にするそれ。 それさんのない自動、それはない満杯ウエハース。
私たちははやってるとクーポンウエハース、それで私たちは必要に場所のクーポン。
もしそれは位置ある少し少し違うまたは角度は少し少し違う、
それからそれできるインパクトの上の測定。
これは影響を与えるの上再現性。
全て他の選考科目1つインパクト私たちはすでに議論したでの前のスライド。
他の1つはのサンプル。 それ依存しますの上のプロセス。
のためにこれプレゼンテーション、それは外の範囲。
私たちは意思話すについてこれら四でこれプレゼンテーション。
次、私たちのサンプルコレクションプラン。
のために私たちのサンプルコレクション、私たちは使用六サンプルのためにMSA分析、
そしてのためにこれら六サンプル私たちは持っている四複製する。
ここあなたできる見るこれら四複製する。
私たちは測定それらのサンプルで二サイト。
以来私たちは持っているの四複製する、私たちはは測定するそれらの順次。
はそれ可能それもしサンプルは劣化した
それからサンプル劣化できたなれある危険?
私たちは意思話すについてこれ危険後での上もっと詳細。
私たちの期待される結果のようにそれ私たちは必要に探す外XPS方法
は十分なに差別化するプロセス変化。
また、 あなたのようににゲージのようにそれ
いつでも私たちはは測定する二サイトそれ持っている似ている結果。
また、 私たちはのようににゲージのようにそれサンプルまたは一部はない相互作用するとのサイト。
今私たちは必要にするのMSAデザイン。
でMSAデザイン、私たちははを使用して基板そしてサイトでの料金要素。
これはのサイト、これはの一部、そして私たちは持っているまた二違う基板。
私たちは言及されたそれ前に、 APIパレットそしてケイ素ウエハース。
S数字はケイ素ウエハース、あ数字はAPIパレット。
私たちはするよないなれできるに使用実は完全にランダム化されたオプション
そして私たちは使用初め繰り返す。
のために初め繰り返すオプション、
ここ私たちははない変化のサンプル複製する番号。
それできたインパクトの上サンプル劣化問題。
それさんのなぜ後での上私たちは意思比較する初めそして第4複製する
にチェックこれサンプリング危険。
のためにこれMSA分析、
私たちは順次使用いくつかのJMPアプリケーションからJMPプラットホーム。
私たちは使用データ分布のMSAサンプル。
それはから説明的な推測的な統計応用。
それはから分布フィットYによるバツ。
それから私たちはチェックのデータ変動性を使用してコントロールチャートそして1つ-方法分散分析。
それから私たちは分析するゲージR&Rコンポーネント。
それはからの変動性チャート。
それから私たちはしたのようににゲージのようにそれ何はの関係
とプロセス能力とゲージR&R 。
それ私たちはできる探す外のようにそれ、クラス間相関対P /Tプロット。
次、 私たちはしたの根原因分析にプランのために改善するのGRR 。
私たちは意思探す外何はのGRR選考科目エラー
そしてどうやって私たちはできる探す外。
それ私たちははを使用してのために箱プロット、密度楕円、
一致したペア、そしてフィットライン
それは違うプラットホームのJMPプラットホーム。
させてさんの始めるとのデータ分布。
私たちは発展したプロセス最初はでの二スペック限界、
アッパースペック限界そしてより低いスペック限界。
でアッパースペック限界、私たちは持っている二サンプル、二部品そして四複製する。
全ては測定された二サイト、
そして私たちはすでに言及された私たちはしたの初め繰り返す。
同様に、でのより低いスペック限界、また私たちは持っている四部品、
四複製するそして二サイト。
以来私たちはしたのプロセス発達での二終わりののスペック限界、
それさんのなぜ私たちはできる見るそれ私たちの分布は二峰性。
それは完全に二峰性分布。
問題の二峰性分布、それできるインパクトの上のGRRコンポーネント。
それできるインパクトの上P /テレビ比率、
それできるインパクトの上P /PV比率そして誤分類。
以来P /T比率はない関連していると...
それはない依存との一部、それはの理由P /T比率
それさんのない影響を与えるによるのサンプル分布。
それさんのなぜ私たちは意思なれ使用済みで私たちの続くスライド。
私たちの形のメリット私たちははを使用してとしてあるP /T比率。
のために誤分類確率、そこにはは五確率。
最後三つ、それできたなれ影響を受けたによるのサンプル分布もっと、
そして初め二は少ない影響を受けた。
に最小化するの危険、また、
私たちはは焦点を合わせるの上のP /T比率としてある形のメリット。
での次時間、私たちのプランにするMSA分析
を使用してユニフォームサンプル分布。
させてさんのチェック今の変動性のデータ。
ここ私たちはできる見るそれ私たちは使用私-氏チャート、
個人移動中範囲チャート、そして私たちは見たそれ多くのデータポイント
は外のコントロール限界でのアッパーチャート、
そしてでのより低い移動中レンジチャート、
私たちは見たそれ三つデータポイントは外のコントロール限界、
そしてそれこれら三つデータポイント、それは突然シフト。
それは突然シフト、それさんのない滞在そこには、それは行く戻る。
それ手段それはのタイプⅡシフト
そしてそこにははある混合の一般原因変化
そして特別原因変化でのコントロールチャート。
それさんのの理由ここコントロール限界は意味のない。
私たちは必要にサブグループ化と特別原因
そしてそれからのみ私たちはできる考慮するのコントロール限界。
今私たちはのようにに探す外何はの特別原因。
初め私たちは意思チェックもし一部変化できたなれある特別原因。
私たちはしたそれを使用しての1つ-方法分散分析そしてで1つ-方法分散分析、
私たちはできる見るそこにははある変化ののサンプル。
私たちはしたのプロセス近くアッパースペック限界そして私たちはしたのプロセスより低いスペック限界。
それさんのなぜサンプルは違う。
それまた私たちは見つかったによる1つ-方法分散分析、そしてここ私たちはできる見るそれ
内で変化はとても小さい比較したに一部変化、
そしてまたによる分析の分散は見せているのようにそれ。
ここ私たちの仮説は全て部品は同じ、
しかしそれは拒否するの仮説なぜならP -価値は少ないよりも0 .05 。
それさんの伝える私たちそれは大幅違う。
それ手段一部変化はある特別原因、
それで私たちはできる使用としてある候補者のためにサブグループ化。
また、同様に私たちはチェックとのサイト変化もしそれはある特別原因またはない。
私たちは検討中二サイト測定近くアッパースペック限界
として良いとして近くより低いスペック限界。
私たちは見たそれここ私たちの仮説は二サイトは測定似ている、
そして私たちは見つかったそれそのP -価値はより高いよりも0 .05 。
のためにアッパースペック限界、
そこにははいいえ証拠それ私たちはできる拒否するの仮説。
それは似ている、の上の他の手、のためにより低いスペック限界。
それはわずかに拒否されましたなぜならそれは少ないよりも0 .05 。
のためにサイト変化、どちらかそれはわずかに拒否されました
またはそこにははいいえ証拠に拒否する。
それさんのなぜサイト変化はないある良い候補者
そして一部変化はのより良い候補者。
何私たちはした次、私たちは作る私たちのコントロールチャートまたと段階オプションそしてあここ、
サンプリングされた一部である違う段階。
いつ私たちはするそれ、私たちは見たそれである移動中範囲チャート、
私たちは見つかった変化での変化での測定での移動中範囲、
そしてそれ計算されたのコントロール限界のためにの底チャートそしてのアッパーチャート。
今私たちは見たそれ全てのポイント、
全ての測定ポイントは内部のコントロール限界。
これらはのバリエーションのそれぞれサンプル。 それはの再現性。
いつ私たちは考慮するサイトあそしてサイトB 、
そして私たちは見たまたサイトBもっているまた再現性。
しかし比較したにサイトあそしてサイトB 、そこにははいくつかの変化の再現性。
それは呼ばれた再現性。
今私たちは計算するのゲージR&R 、全てのコンポーネントでの次滑り台、
そして私たちはするよ探す外何はの支配するエラーでゲージR&R 。
初め、 私たちはした主要効果。
私たちはしませんでした't考慮するのためにの主要効果一部そしてサイト変化交流、
それでのみの主要効果。
ここ、私たちは見たの再現性、再現性。
再現性は22 %そして再現性は15 %。
私すでに言及されたとしてあるゲージR&R 、私たちはは検討中P /T比率
なぜなら私たちのサンプル分布は二峰性、
そして私たちは見たそれP /T比率は26 %。
それは合格した、それは少ないよりも30 %。
それはわずかに合格した、 そして選考科目エラーは22 %再現性。
1つもっともの私すべき言及ここ、私たちはは検討中P /T比率
しかしP /テレビまたはP /PV比率はとても近いのために私たちの測定ケース
なぜなら私たちのサンプル分布は二峰性そしてでの二終わりののスペック限界。
それはの理由これ比率Tまたはテレビはとても近いまたはPVはとても近い。
それはの理由私たちは持っているこれゲージR&R 。
これ形のメリットはとても近い。
また、 私すべき言及ここタイプ私エラーアルファそしてタイプⅡエラーベータ。
タイプ私エラー、全て私たちのデータポイント内でのコントロール限界。
それさんのの理由私たちのタイプ私エラー良い一部は誤って拒否されました。
それさんのとても小さい。 それは少ないよりも6 %。
の上の他の手、タイプⅡエラー、それは6 %、それは失敗した。
それはもっとよりも10 %。
なぜタイプⅡエラーはより高い?
私たちの再現性はの選考科目問題。
いつでも私たちはは測定するのサンプル、それは内でのスペック限界。
しかしそれは可能のようにそれいつでもあるお客様は測定するそれ。
それできたなれ超えてのスペック限界なぜなら再現性は高いここ。
でこれポイント、以来私たちはは現像の製品、
私たちははでのイニシャル実現可能性チェック段階。
お客様はハッピーとこれベータタイプⅡエラー、
しかし私たちは持っているオプション。
もし私たちはできる改善するの再現性、それからそれできる改善するこれ一部また。
の上の他の手、もし私たちはできる考慮するそれ一部そしてサイト交流、
それから私たちは見たそれ一部そしてサイト交流は6 %、
ないそれ多くの、
しかしそこにははある少し少し交流。
そしていつ私たちはしませんでした't考慮するの交流での主要効果モード、
それからこれ交流は追加したでの再現性。
それさんのなぜ私たちは見つかったそれいつでも私たちはは検討中の交差した効果、
私たちは見た再現性少し少し減少する
なぜなら私たちの交流はとても小さい、ないそれ多くの減少する。
以来これ交流はとても小さい、
私たちの形のメリットはない変化それ多くの。
それは変化から少し少し。
今からここ、
私たちは知るそれ私たちの支配するエラーは再現性。
前に行くについてのもっと議論と再現性、
初め別のもの私するだろうのようにに言及、
プロセス能力とゲージR&R 。
効果のゲージR&Rの上のプロセス能力。
ここ、プロセス能力私たちははプロットでICC対P /Tプロット。
ICCはの一部変化に合計変化
そしてP /Tはの六シグマゲージ、そしてUSLマイナスLSL 。
私たちは計算されたからここCₚ 、そしてで私たちのケース、
で私たちのプロセス現在状態、 Cₚは0 .93 。
それは少ないよりも1つ。
それはでの赤ゾーン、そして私たちは必要に行くCₚ ...
のためにある良いプロセス能力、私たちは必要に行く間Cₚ 1 .33 -2 。
それはの黄色ゾーン。
に改善するこれCₚ 、何私たちは必要にする?
でこれ一部、これはのプロセス一部
そしてでこれ方向、それはの測定一部。
プロセス変動性または一部変動性はとても高い。
のために私たちの測定、私たちは見たそれ私たちのP /Tは24 %。
もし私たちはするだろうのようにに増加、もし私たちはするだろうのようにに改善するのP /T
から24に仮定する15 %または10 %、それから私たちは持っているに改善する30 % -50 %、
そして内でそれ、私たちの再現性はの主要問題。
それはの理由私たちは必要に改善するの再現性。
今それは質問。
もし私たちは必要に改善するの再現性、する私たちは必要に変化私たちの測定道具?
それはまた依存しての上のROIそれは質問に私たちの管理しますレベル、
または私たちはできる住所の再現性で違う方法。
それさんのなぜ私たちはしたのようにに探す外の根原因なぜ再現性はより高い。
ここ私たちはは検討中変動性チャートと分析の分散。
ここ私たちはできる見るそれ私たちはプロット全てのサンプル変動性一緒に
とサイトあそしてサイトB測定。
あなたできる見るそれ仮定する、のためにあるサンプルA0 、
これはの測定再現性、そしてそれは変化。
これ再現性は変化のために全ての部品。
また再現性は変化とのサイトにサイト
なぜならここあなたできる見る再現性は0 .06標準偏差、
しかしでこれらケースいつ彼らは測定彼らの再現性は0 .03 。
それはの理由これ再現性は変化
と一部に一部またサイトにサイト。
いつでもそれは変化とサイトにサイト、
それさんの呼ばれた再現性。
ここもしあなたできる考慮するの分析の分散、
それから私たちはできる見るそれサイトにサイト変化は多くの小さい
よりも内で変化。
これはの再現性、内で変化、そしてサイトにサイト。
サイトにサイト変化、それは再現性、それさんの多くの小さい。
再現性またからここまた私たちは探す外それそれはのより大きい問題。
今での次に探す外の根原因、
私たちはプロットされた全ての再現性側による側一緒に、
そしてのために両方のケース、 USL 、アッパースペック限界そしてより低いスペック限界、
そして全てのケース私たちは見つかったそれその再現性は違う。
次私たちはのようにに相関させるまたは探す外どれでも関係
もしそれは現在サイトあそしてサイトB測定。
理想的には、サイトあ測定意思等しいにサイトB測定すべきなれ。
しかしで私たちのケース、私たちはしたいくつかの線形フィットそして私たちは見つかったそれ私たちは持っているインターセプト
として良いとして私たちは持っている線形フィットスロープ、それはない1つ、それはないゼロ。
ここ私たちは見つかったそれ線形スロープは少ないよりも0 .4
そしてインターセプトはより高いよりも0 .9 。
私たちのフィッティングポイントは配布された広く。
それさんのの理由私たちのR -二乗はまた貧しい。
私たちはまたしたの密度楕円
そして密度楕円また伝えるそれこれ相関は少ないよりも0 .5 。
もし彼らは持っているあるとても良い相関関係、
それからそれすべきなれ0 .9 。
もしそれは0 .6 、それからそれ意思なれ適度に相関のある。
しかしで私たちのケース、それさんのないそれ。
それさんのなぜ私たちは知るそれサイトあ測定はないサイトB測定。
それさんのの再現性影響を受けたの上の再現性。
問題の再現性は影響を受けたの上の再現性。
今私たちはチェックもっと密接にどうやってそれは違う。
私たちはは比較するによるマッチペアのサイトあそしてサイトB変化。
ここ私たちの仮説はサイトあ等しいにサイトB 、
それ手段サイトあマイナスサイトB等しいにゼロ。
私たちは見たそれ私たちの確率のためにこれ仮説、
サイトあマイナスサイトB等しいにゼロ、は少ないよりも0 .05で両方のケース。
それはアッパースペック限界そしてより低いスペック。
両方のケースあなたできる見るそれそれは確率は少ないよりも0 .05 。
それ手段サイトあそしてサイトB測定は違う、
そしてあなたできる見る私たちの違いの平均価値
そして自信間隔はその上のゼロポイントライン。
それ手段けれどこれは
サイトあ測定はいつもより高いのためにサイトB測定。
今からここ、私たちの質問表示されます、以来私たちはしたの初め繰り返す分析
のために私たちのMSAデザインは初め繰り返す、それできたなれ可能のようにそれ
もしサンプルは劣化した、のように○ /アル構成は劣化した。
それさんのなぜ私たちはしたまたマッチペアテスト
と初めそして第4測定
両方でサイトあそしてサイトBのために全て六サンプル、
そして私たちは見つかったそれここ、
初め測定マイナス第4測定等しいゼロ。
それは私たちの仮説。
私たちは見たそれP -価値はより高いよりも0 .05両方のケース。
それ手段私たちのサンプル劣化はないの問題。
初めサンプル、そこにははいいえ証拠。
初め測定そして第4測定は異なる。
それ手段それはの測定問題。
のためにそれ、これは要約したでのダッシュボードテーブル、
でのダッシュボード、のように私たちの形のメリット
のためにゲージR&R 24 %そして再現性は21 %
そしてそれ再現性は変化から一部に一部そしてサイトにサイト、
そして私たちは持っているいつもより高い再現性のためにサイトあ比較したにのサイトB 。
今のために私たちの次プラン、
私たちはプランのためにある議論それぞれサイトとして良いとしてとのプロセスチーム。
サイトもっているある問題のように再現性として良い一部-サイト交流。
私たちは知るそれ何エラーできたなれ紹介されたでの測定
のように背景/ベースライン修正、電子カウント、ピークデコンボリューション。
私たちはするよ話し合うそれらのメソッドソースのエラーとサイトあ人、
サイトあ施設、そして私たちは意思探す外
どうやって私たちはできるするの合理化プロセスのために改善する私たちのMSA 。
また私たちは持っているあるプランセット上ある較正サンプル
または私たちはできるセット上あるセット上サンプル
それ私たちはできる測定で通常間隔での両方サイト。
の上の他の手、とのプロセスチーム、私たちはするよ話すに改善するMSA次時間
にMSAデータコレクションユニフォーム。
その代わりの二峰性、私たちはすべき集めるのデータ均一に。
それからまた私たちは見た一部に一部再現性変化。
そこにはは1つ理由それできたなれ測定問題。
別の理由できたなれプロセスはないユニフォーム。
私たちは必要に検証私たちの熱の数学にチェック私たちのプロセス均一。
ついに、私するだろうのようにに言及それ何はのインパクト
の上私の学ぶのためにこれMSA分析。
今私たちは知るそれいくつかのJMPプラットホームまたはJMP応用できるヘルプ自分に知る
何はの信号変化からのノイズ変化、
そしてそれから私たちはできる識別する何形のメリット私たちはできる使用
に正当化する私たちの測定方法。
で私たちのケース、私たちは見つかったP /Tはの最高方法、
最高形のメリットに分析するそれ。
それからどうやって誤分類危険できる関係するにのMSA成分
として良いとしてサンプル分布それ私たちは学ぶ。
根原因分析、私たちはしたいくつかのJMP応用
それできるヘルプ私たちにプランに改善するMSA 。
以来それはとても役立つのために特定のプログラム応用、
それさんのなぜ私するだろうのようにに導入
これデータ駆動される決断作るのために全てのプログラム私関与するで
に改善するのプロジェクト品質、料金、そして時間。
ついに、私するだろうのようにに推進するデータ駆動される決断を使用してJMP
で私たちの高度なテクノロジーグループのようにCTOチーム、
または他の違うプロジェクト。
これは私の最後の滑り台。
私するだろうのようにに言及私の旅。
私始めましたJMP学ぶ始まりのの年、
そしてそれ時間私たちはしたA0 、 A1 、 A2 。 これは私の財団。
それから後私仕事とMSA分析そしてSPC 。
私また得た私の証明書、 JMPスティック証明書5月2023年。
今私午前インストラクターでアマットJMPインストラクター。
私私計画にで人プレゼンテーションで10月2023年、
そしてまた私午前働くのために私の黒ベルトの上2024年。
感謝あなたのために聞いている。
