我們需要創建和開發一個內部工具來規範分析，範圍從資料庫查詢到對流程能力的最終評估以及特殊原因調查。
該技術最初從一個結構簡單的資料庫（統計實驗室檢查）開始發展，並逐漸擴展到由線上流程測量資料填充的更大的資料庫。
我們的目標是開發一個簡單快速的內部工具，以便我們能夠：
- 建立標準化資料集，這涉及透過圖形使用者介面篩選和選擇最重要的參數來自訂資料下載。
- 透過正確使用控制圖和主要 KPI 趨勢，實現分析自動化，使我們能夠標準化製程能力分析並開發有效的圖表，以便快速檢測異常情況。
- 深入研究該過程，並將自動分析的結果聯繫起來，重點關注產品特性和製程參數之間的潛在相關性，這將使我們能夠識別重要變數並找到提高品質水準的空間。
大家好，我是 Massimo Pampurini，在倍耐力擔任製造品質工程師。
大家好，我是薩拉·索倫蒂諾，我在倍耐力公司擔任製程品質工程師。
我們將介紹我們公司去年開發的數據工作流程整合與整合專案。我們從半成品加工環節著手。這是我們製造流程的概覽，一個總體概述。我們從數據分析最薄弱的環節——半成品加工環節著手。
這個計畫誕生的原因是什麼？首先，對我們來說，至關重要的第一步是確保以獨特的方式收集可靠的實驗室數據，從而確保所有工廠的數據收集方法都相同。這將使我們能夠建立獨一無二的倍耐力全球資料庫。
兩個關鍵點。第一點是基本要素和賦能要素。此外，還需要能夠輕鬆地將數據直接下載到 JMP 中，使用戶能夠快速有效地下載數據，並可按時間間隔和工廠選擇進行篩選。最終，這將引導使用者進行自動分析，包括製程能力分析和主要品質特性控製圖評估。
好的，我們先從資料標準化開始。這只是我們最初情況的一個例子。以前我們只有一些資料夾，裡面裝著收集了植物生長計畫的Excel文件，這些資料無法保證是標準化的。在過去的四年裡，我們開發了一款高品質的應用程序，專門用於資料視覺化和處理，並在JMP中開發了一個基於相同資料來源的專用工具。現在，我們正在將Python整合到我們的JMP工具中。
我們在 JMP 中開發的專案目標主要有三點。首先，我們希望透過 JMP 的圖形使用者介面建立一個標準化的資料集。其次，我們希望找到一種方法來實現自動分析，從而產生標準化的製程能力結果報告，並開發一個能夠透過正確使用控製圖快速檢測異常情況的工具。最後，也是至關重要的一點，我們希望開發一個能夠深入研究過程參數本身的工具，以便從線上生產資料中了解最重要的變數。
現在我們快速回顧一下Sara剛才提到的三個要點。第一部分是我們如何建立標準化資料集。首先，我們需要開發一個圖形使用者介面，使用者可以透過它選擇要建立的初始資料集的植物和時間範圍。這是資料下載的直接輸出。數據已經過標準化處理，也就是說，它們已經按照相同的標準進行了清洗。
在創建了作為分析基礎的第一個資料集之後，我們整合了另一個專門用於特定能力分析的腳本。在該腳本中，使用者可以選擇工廠或其他主要參數（例如，除材料之外的其他參數）。我們開發了不同的按鈕，分別用於按月或按材料進行分析。重要的是，用戶只需單擊一下即可獲得此報告。這是我們工廠使用的主要報告，用於了解按材料、按月、按規格、按特性劃分的實際能力，並可確定乾預的優先級，以便在短時間內獲得真正的改進。
在自動分析工具的最後兩個按鈕中，我們新增了一個專門用於分析製程穩定性的按鈕。我們選擇最佳可行管制圖。我們也啟動了所有類型的警報，以便了解何時出現特殊原因，從而找到改進空間，並深入調查異常值案例。此外，我們也持續監控控製圖的評估結果，按月進行，以便了解是否有漂移，例如製程平均值的變化。
然後，我們加入了一個與分佈相關的重要按鈕，如我們所見，它不僅關注特徵本身的分佈，還關注製程能力的結果，包括製程能力、CP 和 CPK 在西格瑪報告中的體現。同時，我們也希望密切關注整體西格瑪能力報告以及我們的性能能力指標。
該工具開發的最後一個重要優勢在於其能夠進行深入分析。基於實驗室數據，我們希望直接利用線上生產數據，找到相關性，從而獲取所有可用的製程參數，進而了解製程能力與品質特性之間的聯繫，以及最重要的製程參數的影響。為此，我們深入研究了預測分析器等工具。此外，我們始終謹慎地啟用外推控制，以檢測其他製程變數的 X 因子之間是否存在相關性。
這是最後一張投影片，我們之所以這麼說，是因為我們正在進行初步概述，並想與大家分享接下來的步驟。下一步是：一是與 Python 集成，二是將所有這些工具擴展到我們優先考慮的其他領域。感謝大家的關注，期待在探索高峰會上與您相見。
謝謝您的關注。下次再見。
