Bonjour .
Bien matin , tout le monde . Bien soirée , tout le monde .
je je suis Sukti Chatterjee .
Avant départ mon présentation ,
je serait comme à introduire moi-même avec peu mots .
je je suis Sukti Chatterjee depuis Directeur technique équipe de Appliqué Matériaux .
Il est avancé technologie équipe , et notre équipe but est à développer produit
adjacent à le semi industrie ou dehors le semi industrie .
Pour exemple , nous sont fonctionnement pour aérospatial industrie ,
pharmaceutique industrie , ou industriel enrobage .
Ce exemple , présent exemple ,
nous sont prise depuis le pharmaceutique industrie .
Mon sujet de le présentation aujourd'hui.
Jauge Détente et détente de X -rayon photoélectron spectroscopie à moniteur un enrobage processus .
Ordre du jour de mon parler aujourd'hui.
D'abord, nous volonté parler à propos le arrière-plan et problème déclaration ,
alors nous volonté discuter à propos le opération définition et données collection plan .
Suivant , MSA composant analyse .
Enfin nous 'll parler à propos le plan pour MSA composant amélioration .
Laisser c'est commencer avec le arrière-plan .
Dans le pharmaceutique industrie , dans thérapeutique les fenêtres , thérapeutique domaines ,
là sont , pour exemple , antibiotique médicament , alcool dépendance ou cancer patient ,
ils besoin tous les jours injection parce que médicament niveau dans le sang
est certainement en augmentant , dopage dans le sang ,
et alors dans court temps , dans un peu heures ,
il est en allant au-delà le thérapeutique fenêtre limite .
Que c'est pourquoi ils besoin tous les jours injection et il est douloureux .
Il causes quelques côté effet ,
que c'est pourquoi patient saut le médicament ou arrêt le médicaments .
À résoudre ce problème ,
notre client besoins quelques approche à tailleur le libérer de médicament .
Notre équipe développé un barrière couche , aluminium oxyde barrière couche ,
que formes un coquille autour le pharmaceutique particules .
Propriétés de ce barrière couche
peut contrôle le libérer de le médicament dans le sang .
Même il est possible comme que ,
il peut libérer peu semaines plutôt de peu heures .
Ici , nous volonté parler à propos le composition analyse ,
et quoi est le bruit analyse de ce composition la mesure ?
Que nous volonté parler ici .
Notre problème est la mesure de AlOx enrobage composition .
Notre spécification limite , client spécification limite , est Ô /Al rapport
dans le aluminium oxyde film est 1 .2 -2 .3 .
Notre objectif ici à déterminer le XPS méthode si il est adéquat
à différencier AlOx processus variation .
Nous volonté déterminer ici , jauge Détente et détente la mesure erreur
de XPS pour AlOx composition analyse .
X -rayon photoélectron spectroscopie peut mesure quantitativement
atomique pourcentage de composition .
Il peut mesure aluminium et oxygène pourcentage .
XPS en fait mesure le cinétique énergie
de photoélectrons émis depuis le éléments
et il compte le électrons .
Chaque fois que il est compte le électrons , il peut compter le présence de éléments
et aussi il compte le élément lequel est lier à il .
Que c'est pourquoi nous peut obtenir le information
à propos aluminium et oxygène dans le aluminium oxyde film .
La plupart de le source de erreur pour XPS , il peut ajouter il dans jauge Détente et détente .
Il peut reproductibilité , il c'est à venir depuis le étalonnage électron compter .
Il peut ajouter répétabilité et reproductibilité erreur .
Analyse peut ajouter reproductibilité erreur .
Nous volonté parler plus détails ce un dans le suivant glisser .
Dans notre opération définition , nous 'll parler à propos le différent pas
de le XPS la mesure et comment il peut introduire
le erreur dans le la mesure erreur GRR , jauge Détente et détente erreur .
Notre objectif mesure aluminium oxyde enrobage composition ,
et à mesure il dans XPS , d'abord nous besoin à faire ligne de base correction .
Il est automatique , et alors nous besoin à aller à le étalonnage .
Dans étalonnage , normalement appliqué matériaux avoir étalonnage échantillon ,
en particulier chaque fois que nous avoir quelques
développé les technologies comme aluminium oxyde .
Mais dans notre cas , nous sont enrobage pharmaceutique particules
et notre processus fenêtre est totalement différent
depuis notre appliqué matériaux cœur technologie processus fenêtre pour aluminium oxyde ,
parce que enrobage besoin à être compatible avec le pharmaceutique particules .
Nous sont enrobage ce particule , à le même temps ,
nous sont enrobage aussi silicium tranche et API palette
parce que XPS ne peut pas mesure particules .
Il besoins quelques planaire substrat .
Que c'est pourquoi nous sont dépôt sur silicium tranche et API palette .
Depuis nous enfiler 't avoir étalonnage échantillon , nous sont en utilisant le deuxième option
pour étalonnage comme carbone culminer étalonnage .
Gauche -main côté image , toi peut voir carbone culminer étalonnage
et il est manuellement besoin à faire il,
et que c'est pourquoi il impact sur le reproductibilité .
Alors après étalonnage , nous besoin à faire XPS enquête
ou haut résolution analyse à obtenir le spectres.
Dans le spectres , toi peut voir oxygène culminer, aluminium culminer .
Depuis nous besoin à faire manuel étalonnage et nous avoir automatique ligne de base correction ,
ce peut impact erreur sur répétabilité et reproductibilité .
Suivant , nous besoin à faire analyse . Analyse est culminer raccord .
Nous besoin à ajuster ce culminer et alors nous peut jauge .
Depuis culminer zone , nous peut calculer le oxygène aluminium pourcentage .
Depuis il est semi automatique , il peut ajouter erreur dans le reproductibilité .
Par XPS la mesure , nous sont calculateur Ô /Al rapport
et notre client spécification limite est 1 .2 -2 .3 .
Suivant , nous volonté parler à propos le cause et effet diagramme ,
MSA cause et effet diagramme .
Dans MSA cause et effet diagramme , nous a fait quelques détaillé analyse,
et nous trouvé plusieurs un il peut impact sur le jauge Détente et détente .
Nous Souligné aussi majeur ceux comme électron compte ,
étalonnage analyse , nous a parlé dans le plus tôt glisser .
Maintenant nous 'concernant ajouter un autre un , il c'est échantillon chargement ,
comment il est ajoutée erreur dans le jauge Détente et détente .
Échantillon chargement , nous besoin à faire il . Il c'est pas automatique , il est pas complet tranche .
Nous sont faire avec coupon tranche , donc nous besoin à lieu le coupon .
Si il est emplacement un petit peu différent ou angle est petit peu différent ,
alors il peut impact sur le la mesure .
Ce est impactant sur reproductibilité .
Tous autre majeur un impact nous déjà discuté dans le précédent diapositives .
Autre un est le échantillon . Il dépend sur le processus .
Pour ce présentation , il est dehors de portée .
Nous volonté parler à propos ces quatre dans ce présentation .
Suivant , notre échantillon collection plan .
Pour notre échantillon collection , nous utiliser six échantillons pour MSA analyse ,
et pour ces six échantillons nous avoir quatre réplique .
Ici toi peut voir ces quatre réplique .
Nous mesure ceux échantillons dans deux des sites .
Depuis nous avoir le quatre réplique , nous sont mesure ceux séquentiellement .
Est il possible que si échantillons sont dégradé
alors échantillon dégradation pourrait être un risque ?
Nous volonté parler à propos ce risque plus tard sur plus détails .
Notre attendu résultats comme que nous besoin à trouver dehors XPS méthode
est adéquat à différencier processus variation .
Aussi , toi comme à jauge comme que
chaque fois que nous sont mesure deux des sites que avoir similaire résultat .
Aussi , nous comme à jauge comme que échantillon ou partie est pas interagir avec le site .
Maintenant nous besoin à faire le MSA conception .
Dans MSA conception , nous sont en utilisant substrat et site à le coût facteur .
Ce est le site , ce est le partie , et nous avoir aussi deux différent substrat .
Nous mentionné il avant , API palette et silicium tranche .
S Nombres sont silicium tranche , UN Nombres sont API palette .
Nous 'll pas être capable à utiliser en fait complètement randomisé option
et nous utiliser d'abord répéter .
Pour d'abord répéter option ,
ici nous sont pas en changeant le échantillon reproduire nombre .
Que pourrait impact sur échantillon dégradation problème .
Que c'est pourquoi plus tard sur nous volonté comparer d'abord et quatrième reproduire
à vérifier ce échantillonnage risque .
Pour ce MSA analyse ,
nous séquentiellement utiliser plusieurs JMP applications depuis JMP plate-forme .
Nous utiliser données distribution de MSA échantillons .
Que est depuis descriptif inférentiel statistiques application .
Il est depuis distribution ajuster Oui par X .
Alors nous vérifier le données variabilité en utilisant contrôle graphique et un -chemin ANOVA .
Alors nous analyser jauge Détente et détente Composants .
Il est depuis le variabilité graphique .
Alors nous 'd comme à jauge comme que quoi est le relation
avec processus aptitude avec jauge Détente et détente .
Que nous peut trouver dehors comme que , interclasse corrélation contre P. /T parcelle .
Suivant , nous a fait le racine cause analyse à plan pour amélioration le GRR .
Nous volonté trouver dehors quoi est le GRR majeur erreur
et comment nous peut trouver dehors .
Que nous sont en utilisant pour boîte parcelle , densité ellipse ,
assorti paires , et ajuster doubler
que sont différent plate-forme de JMP plate-forme .
Laisser c'est commencer avec le données distribution .
Nous développé processus initialement à le deux spécification limite ,
supérieur spécification limite et inférieur spécification limite .
Dans supérieur spécification limite , nous avoir deux échantillons , deux les pièces et quatre réplique .
Tous sont mesuré deux des sites ,
et nous déjà mentionné nous a fait le d'abord répéter .
De la même manière , à le inférieur spécification limite , aussi nous avoir quatre les pièces ,
quatre réplique et deux des sites .
Depuis nous a fait le processus développement à le deux fin de le spécification limite ,
que c'est pourquoi nous peut voir que notre distribution est bimodal .
C'est complètement bimodal distribution .
Problème de bimodal distribution , il peut impact sur le GRR Composants .
Il peut impact sur P. /LA TÉLÉ rapport ,
il peut impact sur P. /VP rapport et erreur de classification .
Depuis P. /T rapport est pas en rapport avec ...
Il est pas dépendant avec le partie , que est le raison P. /T rapport
il c'est pas impactant par le échantillon distribution .
Que c'est pourquoi nous volonté être utilisé dans notre suivant diapositives .
Notre chiffre de mérites nous sont en utilisant comme un P. /T rapport .
Pour erreur de classification probabilités , là est cinq probabilités .
Dernier trois , il pourrait être impacté par le échantillon distribution plus ,
et d'abord deux est moins impacté .
À minimiser le risque , encore ,
nous sont se concentrer sur le P. /T rapport comme un chiffre de mérite .
Dans le suivant temps , notre plan à faire MSA analyse
en utilisant uniforme échantillon distribution .
Laisser c'est vérifier maintenant le variabilité de données .
Ici nous peut voir que nous utiliser je -M graphique ,
individuel en mouvement gamme graphique , et nous scie que beaucoup données points
sont dehors le contrôle limite dans le supérieur graphique ,
et dans le inférieur en mouvement tableau de plage ,
nous scie que trois données indiquer est dehors le contrôle limite ,
et que ces trois données points , il est soudain changement .
Il est soudain changement , il c'est pas rester là , il est en allant dos .
Il moyens il est le taper II changement
et là est un mélange de commun cause variation
et spécial cause variation dans le contrôle graphique .
Que c'est le raison ici contrôle limites sont sans signification .
Nous besoin à sous-groupe avec spécial cause
et alors seulement nous peut considérer le contrôle limites .
Maintenant nous comme à trouver dehors quoi sont le spécial cause .
D'abord nous volonté vérifier si partie variation pourrait être un spécial cause .
Nous a fait il en utilisant le un -chemin ANOVA et dans un -chemin ANOVA ,
nous peut voir là est un variation de le échantillons .
Nous a fait le processus près supérieur spécification limite et nous a fait le processus inférieur spécification limite .
Que c'est pourquoi échantillons sont différent .
Que aussi nous trouvé par un -chemin ANOVA , et ici nous peut voir que
dans variation est très petit par rapport à partie variation ,
et aussi par analyse de variance est montrant comme que .
Ici notre hypothèse est tous les pièces sont même ,
mais il est rejetant le hypothèse parce que P. -valeur est moins que 0 .05 .
Il c'est récit nous il est significativement différent .
Que moyens partie variation est un spécial cause ,
donc nous peut utiliser comme un candidat pour sous-groupe .
Encore , de la même manière nous vérifier avec le site variation si il est un spécial cause ou pas .
Nous considérant deux des sites la mesure près supérieur spécification limite
comme Bien comme près inférieur spécification limite .
Nous scie que ici notre hypothèse est deux des sites sont la mesure similaire,
et nous trouvé que c'est P. -valeur est plus haut que 0 .05 .
Pour supérieur spécification limite ,
là est Non preuve que nous peut rejeter le hypothèse .
Il est similaire , sur le autre main , pour inférieur spécifications limite .
Il est marginalement rejeté parce que il est moins que 0 .05 .
Pour site variation , soit il est marginalement rejeté
ou là est Non preuve à rejeter .
Que c'est pourquoi site variation est pas un bien candidat
et partie variation est le mieux candidat .
Quoi nous a fait suivant , nous faire notre contrôle graphique encore avec phase option et UN ici ,
échantillonné partie à un différent phase .
Quand nous faire il , nous scie que dans un en mouvement gamme graphique ,
nous trouvé changement dans le variation dans le la mesure dans le en mouvement gamme ,
et que calculé le contrôle limites pour le bas graphique et le supérieur graphique .
Maintenant nous scie que tous le points ,
tous le la mesure points sont à l'intérieur le contrôle limite .
Ces est le variantes de chaque échantillon . Il est le répétabilité .
Quand nous considérer site UN et site B ,
et nous scie aussi site B a aussi répétabilité .
Mais par rapport à site UN et site B , là est quelques variation de répétabilité .
Que est appelé reproductibilité .
Maintenant nous calculer le jauge Détente et détente , tous le Composants dans le suivant glisser ,
et nous 'll trouver dehors quoi est le dominateur erreur dans jauge Détente et détente .
D'abord , nous a fait principal effet .
Nous est-ce que 't considérer pour le principal effet partie et site variation interaction ,
donc seulement le principal effet .
Ici , nous scie le répétabilité , reproductibilité .
Répétabilité est 22 % et reproductibilité est 15 %.
je déjà mentionné comme un jauge Détente et détente , nous sont considérant P. /T rapport
parce que notre échantillon distribution est bimodal ,
et nous scie que P. /T rapport est 26 %.
Il est passé , il est moins que 30 %.
Il est marginalement passé , et majeur erreur est 22 % répétabilité .
Un plus chose je devrait mention ici , nous sont considérant P. /T rapport
mais P. /LA TÉLÉ ou P. /VP rapport est très fermer pour notre la mesure cas
parce que notre échantillon distribution est bimodal et à le deux fin de le spécification limite .
Que est le raison ce rapport T ou la télé sont très fermer ou PV est très fermer .
Que est le raison nous avoir ce jauge Détente et détente .
Ce chiffre de mérites est très fermer .
Aussi , JE devrait mention ici taper je erreur alpha et taper II erreur bêta .
Taper je erreur , tous notre données points dans le contrôle limite .
Que c'est le raison notre taper je erreur bien partie est faussement rejeté .
Il c'est très petit . Il est moins que 6 %.
Sur le autre main , taper II erreur , il est 6 %, il est échoué .
Il est plus que dix %.
Pourquoi taper II erreur est plus haut ?
Notre répétabilité est le majeur problème .
Chaque fois que nous sont mesure le échantillons , il est dans le spécification limite .
Mais il est possible comme que chaque fois que un client est mesure il .
Il pourrait être au-delà le spécification limite parce que répétabilité est haut ici .
À ce indiquer , depuis nous sont développement le produit ,
nous sont dans le initial faisabilité vérifier phase .
Client est heureux avec ce bêta taper II erreur ,
mais nous avoir option .
Si nous peut améliorer le répétabilité , alors il peut améliorer ce partie aussi .
Sur le autre main , si nous peut considérer que partie et site interaction ,
alors nous scie que partie et site interaction est 6 %,
pas que beaucoup ,
mais là est un petit peu interaction.
Et quand nous est-ce que 't considérer le interaction dans le principal effet mode ,
alors ce interaction est ajoutée dans le répétabilité .
Que c'est pourquoi nous trouvé que chaque fois que nous sont considérant le franchi effet ,
nous scie répétabilité petit peu décroissant
parce que notre interaction est très petit , pas que beaucoup décroissant .
Depuis ce interaction est très petit ,
notre chiffre de mérites sont pas en changeant que beaucoup .
Il est en changeant depuis petit peu .
Maintenant depuis ici ,
nous savoir que notre dominateur erreur est répétabilité .
Avant en allant à propos le plus discussion avec répétabilité ,
d'abord un autre chose je serait comme à mention ,
processus aptitude avec jauge Détente et détente .
Effet de jauge Détente et détente sur le processus aptitude .
Ici , processus aptitude nous sont traçage dans CPI contre P. /T parcelle .
CPI est le partie variation à total variation
et P. /T est le six sigma jauge , et USL moins LSL .
Nous calculé depuis ici Cₚ , et dans notre cas ,
dans notre processus actuel condition , Cₚ est 0 .93 .
Il est moins que un .
Il est dans le rouge zone , et nous besoin à aller Cₚ ...
Pour un bien processus aptitude , nous besoin à aller entre Cₚ 1 .33 -2 .
Il est le jaune zone .
À améliorer ce Cₚ , quoi nous besoin à faire ?
Dans ce partie , ce est le processus partie
et dans ce direction , il est le la mesure partie .
Processus variabilité ou partie variabilité est très haut .
Pour notre la mesure , nous scie que notre P. /T est 24 %.
Si nous serait comme à augmenter , si nous serait comme à améliorer le P. /T
depuis 24 à supposer 15 % ou dix %, alors nous avoir à améliorer 30 % -50 %,
et dans que , notre répétabilité est le principal problème .
Que est le raison nous besoin à améliorer le répétabilité .
Maintenant il est question .
Si nous besoin à améliorer le répétabilité , faire nous besoin à changement notre la mesure outil ?
Que est encore en fonction, dépendemment sur le Retour sur investissement que est question à notre gérant niveau ,
ou nous peut adresse le répétabilité dans différent chemin .
Que c'est pourquoi nous 'd comme à trouver dehors le racine cause pourquoi répétabilité est plus haut .
Ici nous sont considérant variabilité graphique avec analyse de variance .
Ici nous peut voir que nous parcelle tous le échantillons variabilité ensemble
avec site UN et site B la mesure .
Toi peut voir que supposer , pour un échantillon A0 ,
ce est le la mesure répétabilité , et il est en changeant .
Ce répétabilité est en changeant pour tous le les pièces .
Aussi répétabilité est en changeant avec le site à site
parce que ici toi peut voir répétabilité est 0 .06 standard déviation ,
mais dans ces cas quand ils mesure leur répétabilité est 0 .03 .
Que est le raison ce répétabilité est en changeant
avec partie à partie aussi site à site .
Chaque fois que il est en changeant avec site à site ,
il c'est appelé reproductibilité .
Ici si toi peut considérer le analyse de variance ,
alors nous peut voir que site à site variation est beaucoup plus petit
que dans variation .
Ce est le répétabilité , dans variation , et site à site .
Site à site variation , il est reproductibilité , il c'est beaucoup plus petit .
Répétabilité encore depuis ici aussi nous trouver dehors que il est le plus gros problème .
Maintenant dans le suivant à trouver dehors le racine cause ,
nous tracé tous le répétabilité côté par côté ensemble ,
et pour les deux le cas , USL , supérieur spécification limite et inférieur spécification limite ,
et tous le cas nous trouvé que c'est répétabilité est différent .
Suivant nous comme à corrélatif ou trouver dehors n'importe lequel relation
si il est présent site UN et site B la mesure .
Idéalement , site UN la mesure volonté égal à site B la mesure devrait être .
Mais dans notre cas , nous a fait quelques linéaire ajuster et nous trouvé que nous avoir intercepter
comme Bien comme nous avoir linéaire ajuster pente , il est pas un , il est pas zéro .
Ici nous trouvé que linéaire pente est moins que 0 .4
et intercepter est plus haut que 0 .9 .
Notre raccord points sont distribué largement .
Que c'est le raison notre R. -au carré est aussi pauvre .
Nous aussi a fait le densité ellipse
et densité ellipse aussi récit que ce corrélation est moins que 0 .5 .
Si ils avoir un très bien corrélation relation ,
alors il devrait être 0 .9 .
Si il est 0 .6 , alors il volonté être modérément corrélé .
Mais dans notre cas , il c'est pas que .
Que c'est pourquoi nous savoir que site UN la mesure est pas site B la mesure .
Il c'est le répétabilité impacté sur le reproductibilité .
Problème de répétabilité est impacté sur le reproductibilité .
Maintenant nous vérifier plus étroitement comment il est différent .
Nous sont comparant par correspondre paire le site UN et site B variation .
Ici notre hypothèse est site UN égal à site B ,
que moyens site UN moins site B égal à zéro .
Nous scie que notre probabilité pour ce hypothèse ,
site UN moins site B égal à zéro , est moins que 0 .05 dans les deux le cas .
Il est supérieur spécification limite et inférieur spécification .
Les deux le cas toi peut voir que il est probabilité est moins que 0 .05 .
Que moyens site UN et site B la mesure est différent ,
et toi peut voir notre différence de signifier valeur
et confiance intervalle est au-dessus de le zéro indiquer doubler .
Que moyens cependant ce est
site UN la mesure est toujours plus haut pour site B la mesure .
Maintenant depuis ici , notre question apparaît , depuis nous a fait le d'abord répéter analyse
pour notre MSA conception est d'abord répéter , il pourrait être possible comme que
si échantillons sont dégradé , comme Ô /Al composition est dégradé .
Que c'est pourquoi nous a fait encore correspondre paire test
avec d'abord et quatrième la mesure
les deux dans site UN et site B pour tous six échantillons ,
et nous trouvé que ici ,
d'abord la mesure moins quatrième la mesure équivaut à zéro .
Que est notre hypothèse .
Nous scie que P. -valeur est plus haut que 0 .05 les deux le cas .
Que moyens notre échantillon dégradation est pas un problème .
D'abord échantillon , là est Non preuve .
D'abord la mesure et quatrième la mesure est différent .
Que moyens il est le la mesure problème .
Pour que , ce est résumé dans le tableau de bord tableau ,
dans le tableau de bord , comme notre chiffre de mérite
pour jauge Détente et détente 24 % et répétabilité est 21 %
et que répétabilité est en changeant depuis partie à partie et site à site ,
et nous avoir toujours plus haut répétabilité pour site UN par rapport à le site B .
Maintenant pour notre suivant plan ,
nous plan pour un discussion chaque site comme Bien comme avec le processus équipe .
Site a un problème comme répétabilité comme Bien partie -site interaction .
Nous savoir que quoi erreur pourrait être introduit dans le la mesure
comme arrière-plan /ligne de base correction , électron compte , culminer déconvolution .
Nous 'll discuter ceux méthodes source de erreur avec site UN personne ,
site UN facilité , et nous volonté trouver dehors
comment nous peut faire le rationalisation processus pour améliorer notre MSA .
Aussi nous avoir un plan ensemble en haut un étalonnage échantillon
ou nous peut ensemble en haut un ensemble en haut échantillon
que nous peut mesure dans régulier intervalle dans le les deux des sites .
Sur le autre main , avec le processus équipe , nous 'll parler à améliorer MSA suivant temps
à MSA données collection uniforme .
Plutôt de bimodal , nous devrait collecter le données uniformément .
Alors aussi nous scie partie à partie répétabilité variation .
Là est un raison il pourrait être la mesure problème .
Un autre raison pourrait être processus est pas uniforme .
Nous besoin à valider notre thermique mathématiques à vérifier notre processus uniformité .
Enfin , je serait comme à mention que quoi est le impact
sur mon apprentissage pour ce MSA analyse .
Maintenant nous savoir que plusieurs JMP plate-forme ou JMP application peut aide moi à savoir
quoi est le signal variation depuis le bruit variation ,
et alors nous peut identifier quoi chiffre de mérite nous peut utiliser
à justifier notre la mesure méthode .
Dans notre cas , nous trouvé P. /T est le meilleur méthode ,
meilleur chiffre de mérite à analyser il .
Alors comment erreur de classification risque peut se rapporter à le MSA composant
comme Bien comme échantillon distribution que nous apprendre .
Racine cause analyse , nous a fait plusieurs JMP application
que peut aide nous à plan à amélioration MSA .
Depuis il est très utile pour particulier programme application ,
que c'est pourquoi je serait comme à introduire
ce données conduit décision fabrication pour tous le programmes je impliquer dans
à améliorer le projet qualité , coût , et temps .
Enfin , je serait comme à promouvoir données conduit décision en utilisant JMP
dans notre avancé technologie groupe comme Directeur technique équipe ,
ou autre différent projets .
Ce est mon final glisser .
je serait comme à mention mon voyage .
je commencé JMP apprentissage début de le année ,
et que temps nous a fait A0 , A1 , A2 . Ce est mon fondation .
Alors après je travail avec MSA analyse et CPS .
je aussi a obtenu mon certificat , JMP CONSEILS certificat Peut 2023 .
Maintenant je suis instructeur à AMAT JMP instructeur .
je je suis planification à dans personne présentation dans Octobre 2023 ,
et aussi je suis fonctionnement pour mon Noir Ceinture sur 2024 .
Remercier toi pour écoute .
