好的
早晨，
所有人。
我的 姓名 是 克里斯 傑克遜。
I 是 一個 應用程式 工程師 為了 中溫血。
我們 設計 和 建造 使用點 氣體 減排 系統
為了 使用 在 這 半導體 和 其他 行業。
今天， I 有 這 機會 到 給 a 短的 推介會
在 如何 我們 成立 a 空間 為了 JMP 在 我們的 部分 的 這 產業
和 如何 它 幫助 我們 兩個都 在 故障排除
為了 工業的 應用程式
作為 出色地 作為 為了 評估
和 理由 的 連續的 改進 倡議，
工程 變化， 事物 喜歡 那。
A 小的 位元 的 背景 只是 到 得到 每個人 在 這 相同的 頁，
I 想 到 說 a 夫妻 的 字 關於 什麼 使用點 減排 系統 是。
我已經 得到 a 小的 剖面圖 的 一 的 我們的 工具 這裡 在 這 邊。
這 短的 版本 是 這：
你已經 得到 a 製造業 工具 向上 在 這 工廠 地面
正在做 任何 它是 正在做 在 這 半導體 製造業 流程
那 生產 有害 氣體 作為 a 副產品，
溫室 氣體， 有毒的 氣體， 易燃 氣體。
一般來說， 事物 你 不 想 到 去 在 這 氣氛。
然後 我們的 工具 拿 那些 浪費 氣體 在，
他們 破壞 他們 透過 熱的 活力，
他們 洗 他們 出去，
和 你 發布 乾淨的 空氣 到 這 工廠 排氣。
因為 這些 工具 是 安全 和 環境 nt-critical，
a 過失 在 一 的 他們
方法 那 你的 生產 線 是 在 至少 在 部分 關閉 向下。
如果 你 不能 對待 你的 副產品， 然後 你 不能 跑步。
在 a 高的- 體積 製造業 環境，
作為 所以 許多 半導體 FABs 是，
甚至 小的 延誤 是 難以置信 昂貴。
我們 作為 供應商 和 服務商，
有 到 有 a 方法 到 迅速地 確認 問題
和 帶來 這 工具 後退 在線的。
從歷史上看， 故障排除 通常 方法
開幕 這 工具，
尋找 視覺上 到 確認 失敗 成分
常 後 一些 時期 的 根 原因 分析。
但 和 a 現代的 FAB 環境
和 這 數據 產生的 經過 SCADA 或者 物聯網 系統，
我們 有 山脈 的 數據 可用的 到 調查 故障
前 我們 曾經 觸碰 這 裝置.
那 給予 我們 a 方式 到 指導 故障排除 在 這 場地，
和 在 一些 案例 為了 間歇性的 故障，
它 甚至 讓我們 這 工廠 保持 跑步 儘管 我們 調查 數位
相當 比 身體
最小化 這 時間 遺失的 到 故障排除 和 調查。
這 問題 和 這 山 的 數據 是 a 規模 問題。
這 更高 這 解決 的 你的 數據，
這 更好的 看 你 能 得到 在 是什麼 發生 瞬間
在 任何 的 這些 件 的 裝置.
那 更高 解決 然而， 來 和 一個 頭頂上方。
你 需要 更多的 和 更多的 計算 資源 到 有效地 分析 它，
和 那就是 在哪裡 JMP 來 在 為了 我們
和 這 容量 到 處理 非常 大的 數據 套，
和 它 變成 a 工具 為了 視覺化 和 勘探
那 能 真的 急劇地 提升 故障排除。
它 讓我們 一個 工程師 或者 a 技術員
迅速地 探索 和 視覺化 重要的 參數
之內 你的 數據 套，
和 這些 數據 套 是 在 a 規模 有時 那 是 只是 難以控制
為了 a 很多 的 其他 視覺化 工具。
和 那個，我 想 到 跳 正確的 進入 這 第一的 例子 案件 我們 有 這裡，
和 是 去 到 確認 一個 間歇性的 單身的- 成分 失敗
只是 透過 數據 可視化。
不 統計數據， 不 造型，
只是 這 能力 到 篩 透過 和 視覺化 這 數據。
這裡 我們已經 得到 a 圖表 顯示 電離 目前的 相對 時間。
它是 一 的 a 數位 的 參數， 電離 目前的，
那 我們 使用 作為 a 健康 監視器 為了 這 裝置.
這 工具 曾是 擁有 問題 在 哪個 它 會 跑步 為了 a 夫妻 的 天
和 然後 似乎 隨機 失敗 和 關閉 向下。
為了 情境, 這 目前的 應該 是 a 平坦的 水平的 線 在 25.5，
所以 它是 漂亮的 清除 從 這 開端 那 我們 有 a 問題。
它是 也 漂亮的 清除 什麼 I 曾是 說 關於
關於 數據 放 尺寸。
這 數據 放 正確的 這裡 是 幾乎 六 和 a 一半 百萬 行。
六 和 a 一半 百萬 列 和，
什麼時候 你 拉 在 全部 的 這 工具 參數，
500 列。
這 文件 為了 這 數據 放 是 關於 20 千兆位元組 在 尺寸，
絕對地 大量的 金額 的 數據。
前 我們 甚至 做 任何 統計 分析， 喜歡 I 說，
我們 能 開始 到 做 一些 問題- 解決 離開 的 這 數據 放
只是 和 可視化。
最初， 它 不 真的 看 喜歡 有 任何 清除 形狀 到 這 數據。
我們 知道 某樣東西 錯誤的， 但 我們 不 知道 什麼。
但 什麼時候 我們 飛漲 在，
全部 的 a 突然 我們 開始 到 看 一些 結構。
這 看起來 漂亮的 週期性 到 我。
我們 飛漲 在 a 小的 位元 更多的
和 我們 看 那 它 是 在 事實 非常 週期性的。
每個 一 的 這些 小的 尖峰 向下， 不予理會 震級，
是 定時 五 分分鐘 幾乎 確切地 從 每個 其他。
那 立即地 乞求 這 問題 然後， 做 我們 有 一些 成分，
a 閥門， a 流動 控制器， a 發動機，
某物 那 啟動 每一個 五 分鐘？
我們 確認 那 成分。
現在 我們 有 a 真的 可能 故障排除 罪魁禍首。
這 故障排除 計劃 變化 從 打開 這 工具 和 調查，
哪個 可以 拿 a 夫妻 的 小時，
到 打開 這 工具 和 改變 這 一 目標 成分。
我們 只是 縮小 這 實際的 時間 那 我們 需要 到 是 在 這 裝置
從 a 夫妻 的 小時 尋找 在 一切
到 看 什麼 可能 是 失敗
到 a 單身的 小時， 得到 在 那裡， 改變 這 部分， 得到 後退 出去。
在 這 特別的 案件， 那 曾是 這 失敗 成分，
我們 是 有能力的 到 確認 它。
問題 已確認， 計劃 製成 沒有 曾經 擁有 到 打開 這 裝置.
我們 是 有能力的 到 得到 那裡 和 只是 這 結論
那 我們 是 有能力的 到 畫 從 可視化。
的 課程， JMP 是 不是 只是 a 工具 為了 可視化。
它 也 有 在 它是 核 a 非常 強壯的 套房 的 統計 分析 平台。
如果 我們 開始 到 申請 那些 到 這 數據，
我們 能 得到 甚至 更多的 激動人心 和 有趣的 結果。
患病的 只是 跳 正確的 進入 這 第二 案件 這裡。
在 這 案件，
是 尋找 在 a 具體的 工具， 哪個 是 在職的 美好的 最多 的 這 時間，
但 它 做 有 偶然 問題 和 積聚，
有時 我們 得到 到 畫 我們的總理 在 a 小的 早些時候 比 我們 會 喜歡。
我們 想 到 拿 a 看 在 我們的 健康 參數
和 看 如果 有 任何 異常情況， 任何 最佳化 我們 能 製作。
這 方法 那 I 使用 這裡
是 適用的 為了， 真的嗎， 任何 工業的 應用
那 有 定義 操作 模式。
因為 我們 能 畫 那些 模式 出去 的 這 數據 非常 容易地
使用 聚類。
在 這 案件， 我們的 減排 有， 或者 這 具體的 減免，
有 三 漂亮的 出色地- 定義 操作 模式
基於 離開 的 這些 二 輸入 氣體。
I 使用 K均值 聚類。
你 可以 使用 任何 版本 的 聚類 你 更喜歡。
但 I 跑步 那 超過 這 數據 到 排序 二 的 我們的 行， 全部 的 我們的 積分
進入 這些 三 操作 模式。
如果 你 有 更多的 比 三 操作 模式，
明顯地， 你 能 使用 更多的 集群。
但 它 也 獲得 有趣的，
什麼 如果 你 不 知道 如何 許多 模式 你 有？
或許 它們是 客戶自訂，
或者 或許 有 a 懷疑 那，
「嘿， 可以 那裡 是 一些 間質 模式 這裡？ 」
或許 這 過渡 狀態 之間 二 的 這些 操作 模式。
如果 你 想 到 調查 那 方式， 你 能 使用 迭代 聚類。
I 做過 那 向下 這裡。
你 只是 跑步 從， I 用過的 3- 10 集群，
和 這 軟體 將要 確認 什麼 這 最佳的 數位 的 叢集 是。
尋找 在 這， 它 是 正確 已確認。
它 給予 我們 這些 立方體 聚類 係數，
識別 這 最佳的 一，
那， 是的， 作為 懷疑， 三 是 這 最佳的 數位 的 叢集
到 種類 這 數據 進入。
我是 不是 真的 擔心 關於 這些 狀態 過渡。
我是 真的 更多的 專注 在 這 各州 他們自己。
我們 拿 那 數據， 我們 得到 a 讀出 的 它，
和 我們 丟 它 向上 到 這 3D 分散 陰謀。
我們 拿 一些 的 我們的 工具 健康 參數，
和 我們 顏色 一切 經過 什麼 簇 它們是 在。
立即地， 我們 開始 到 看 一些 有趣的 結果。
我們 談話 關於 電離 目前的 應該 是 堅硬的 在 25.5，
和 我們 看 那 我們 有 一些 變異性 這裡。
它是 下降 以下 那。
立即地 我們 知道 那 我們 有 a 問題。
但 是什麼 更多的 有趣的 是 那 每一個 單身的 一 的 那些 積分
是 分組 進入 a 單身的 簇，
簇 二， 哪個 對應 到 這
最低 輸入 氣體 一， 最高 輸入 氣體 二。
現在 從 一個 工程 看法，
如果 我是 尋找 到 製作 最佳化 或者 我是 尋找 到 提升 工具 健康，
I 立即地 能 說，
「嘿， 這 是 這 操作 模式 那 我們 需要 到 看 在。 」
那是 什麼 I 需要
在 命令 到 開始 尋找 在 具體的 下一個 步驟 為了 改進。
我是 不是 尋找 在 這 工具 作為 a 所有的。
我已經 已經 管理 到 重點 我的 搜尋 到 一 操作 模式。
這 最後的 事物 I 想 到 演講 關於 然後，
擁有 看起來 在 二 的 這些 使用 案例 這裡 是，
什麼 是 這 其他 優勢 和 JMP？
為什麼 JMP？
我的 顧客 是 收集 全部 這 數據。
他們 有 方式 到 看法 它。
他們 有 分散 系統 和 監測 系統 在 地方。
他們 有 方式 到 解析 它。
所以 為什麼 做 我， 作為 a 供應商/ 服務商，
需要 這 平台 到 看法 和 解析 這 數據？
這 回答 為了 我， 在 至少 在 我的 案件， 是 這 叉- 平台 相容性.
如果 我是 依賴 在 我的 顧客 到 圖表 和 產生 資料視圖 為了 我，
我是 現在 採取 向上 他們的 時間 和 他們的 資源
到 故障排除 a 問題 那 我是 負責任的 為了 定影。
和 JMP， 作為 長的 作為 他們 能 給 我 這 生的 數據，
I 能 做 全部 的 它 我。
不是 僅有的 是 那 釋放 向上 他們的 消息來源
它 給予 我 這 能力 到 做 我的 自己的 調查
獨立的 的 任何 系統 它們是 使用 為了 數據 分析。
它 不 事 如果 它們是 使用 所有權 監測 系統 A 或者 B 或者 C，
或者 如果 它們是 使用 他們的 自己的 物聯網 監測 系統
從 他們的 控制 工程師。
它 不 甚至 事
如果 他們 有 多種的 數據 獲得 系統
從 不同的 供應商。
和 JMP，
I 能 進口 和 操縱 任何 數據 他們 給 我
和 執行 這些 種類 的 分析， 酸的 獨立於什麼的，
做 這 調查 那 I 需要 到 做 為了 我的 顧客 支援
和 全部 這 工具 為了 視覺化 和 統計 分析
那 JMP 提供。
和 那， 它 看起來 喜歡 是 漂亮的 很多 在 時間 這裡。
I 知道 這 不是 這 傳統的 使用 案件 一定 為了 JMP
從 一些 的 這 各位 那 我已經 談話 到，
但 I 希望 它 曾是 有幫助 為了 人們。
ID 只是 喜歡 到 感謝 亞當 斯托弗 我們的 首席技術長
和 戈登 教育人員， 我們的 導演 的 應用 和 技術，
為了 幫助 我 放 全部 這 一起 和 複習 這 工作 那 我已經 完畢。
感謝 你 為了 你的 時間。
