通过在活性药物成分 (API) 颗粒上使用原子层涂层，可以定制其表面并提高 API 颗粒的性能。Applied 的硬件团队设计了一种内部工具来对这些高表面积颗粒进行涂层。
作为实验人员，我们在项目中的主要作用是优化配方，并根据获得的数据向硬件团队提供反馈，以改进设计。在本演示中，我们讨论了从硬件部件的不同设计中获得的两组过程数据。目标是比较两个数据集并找到变化最小的设计。为此，我们使用 JMP 中的直方图和连续拟合等工具来查看两种情况下的过程参数分布和分布类型。正态分位数图用于检查数据集正态性中的任何变化。使用 JMP 中的探索异常值进行异常值分析，允许进行单向数据比较分析。根据获得的数据，选择最佳选项并提出升级建议。探索异常值有助于确定数据集中的变化。
大家好。我是 Neha Gupta，就职于应用材料印度私人有限公司。在开始演讲之前，先简单介绍一下我的背景。我是一名工艺工程师，负责这个研发项目，应用材料的研究和开发项目。
对于本研究（标题与评论一致），随着硬件层的变化而改变工艺参数是我们的一项研究。在开始演讲之前，我要感谢 JMP 团队给我机会谈论这次演讲和这项工作。
好了，我开始演讲了。正如我所说，我供职于应用材料印度私人有限公司，该公司是半导体行业，拥有原子层涂层的专业知识。我们尝试将这种原子层涂层应用于相邻的市场领域，即制药领域。
我们尝试做的是利用我们在药物颗粒上进行原子层涂层的专业知识，并尝试改善其性能，即药物垂直颗粒的性能。通过这种方式，我们已经获得了概念验证。我们已经在小规模上证明了，如果我们在颗粒上进行 ALC 涂层，我们可以改善其流动性、生物利用度等。
现在的任务是我们必须进行规模化生产。目前，在详细介绍 JMP 之前，我想说我们所做的就是，我们使用 JMP 作为工具来解释我们的技术领域、我们的技术专长、我们的技术发现，JMP 在这方面为我们提供了支持。正如我提到的，对于这种颗粒涂层，我们可以改善颗粒的属性。
我们的最终产品，我们的最终目标是涂层。涂层质量应该很好。如果涂层质量好，我们可以做得更好。涂层质量也受到多个参数的影响。在 JMP 中，我们有一个非常好的工具来显示因果图。
作为一名门外汉，如果我想展示某样东西，即这是我的最终产品，并且它将受到多个参数或多个因素的影响，我将如何展示？这是其中一件事。这是因果图，其中我展示了我的涂层质量受到我的工艺、我对粉末的搅拌的影响，因为这是一个高表面积。
传统的 ALD 是在填充物上，而不是在粉末上。在粉末中，表面积比薄填充物高得多。在这种情况下，工艺参数、PADL 影响、粉末搅拌、如何将化学物质放入反应中、如何去除残留物，以及这两者之间的距离如何发挥作用，以及温度对整个化学反应的影响是什么。
这些是影响涂层质量的几个参数。现在，如果我说这是一个参数，没有人能理解。但如果我展示这个图表，即因果图，这是一种更好的解释方法，我们现在就使用了这种方法。
回到我最初的观点，涂层质量受六个参数的影响。目前，我们专注于顶空，因为流程已经确定。我们已经展示了这个小规模的概念验证。我们的流程已经确定。现在，关键是硬件。现在，硬件将如何发挥作用？
假设您有一个粒子位于基座上，并且您有凝结输送注入系统，或者您有一种化学物质要进入其中。如果到达那里需要很长时间，或者花费的时间太少，这将影响您的工艺参数、压力、残留物去除，一切都会随着距离而改变。这个距离基本上就是我们用测试台测试的距离。
我们过去称此工具为测试台，我们可以使用不同的架构。此架构基本上是腔室中的铅设计，我们将在其中放置或减少铅设计顶部空间，第一根铅是空心的，可以增加顶部空间大小。如果顶部空间越大，化学成分越高，残留物去除量可能越少，也可能不去除。我们必须检查这一点。
为此，出于这种担忧，我们开始看到铅设计对涂层质量的影响。为此，我们收集了这方面的数据。当我们运行这个配方时，当我们试图涂覆一些颗粒时，我们有一些参数需要提供，我们记录了这些参数，并将它们用于分析。
其中，首先是压力变化。如果距离更大，也许会发生更多反应，如果停留时间更长，化学反应的停留时间会更高，压力变化也会更高。
通过正态性检验，可以看到两个引线之间的压力变化，我们已经采取了措施。我们已经看到是否存在与循环相关的变化，如果我们增加循环，要么增加很多，要么增加较少。为此，在 JMP 中，我们使用了正态性检验和方框凝块来识别异常值。
这就是 JMP 的魅力所在。您不仅可以检测出异常值，还可以通过用 X 拟合 Y 来找出异常值的根本原因。用 X 拟合 Y，您可以拟合线性多项式，看看您的异常值与您自己的数据集有什么关系。这样，我们就可以识别异常值，或者我们可以确定异常值的根本原因是什么。
第三步是 [听不清 00:06:14]，我们比较了这两个设计数据集，以及我们收集到的数据。然后我们确认了我们的假设，从技术上讲，我们的假设是正确的，或者它会如何发展。然后，我将回到我的结果。
首先，正如我所提到的，我们有两种设计。第一种设计是更高的顶空，也就是我们所说的设计一。另一种是设计二，您可以在这里看到，数据更像是均匀或正常的。您会说，差异非常小。
但是在这里，如果您在设计图中看到相应的箱线图，如果您看到有很多异常值，您就会发现也存在异常值。现在，再次回到正题，虽然我们已经完成了异常值测试，这是 JMP 中一个非常强大的工具，我们可以更改 q 因子并更改尾部分位数来检查或压缩您的规格范围，您要说的就是您的异常值。它要么是边际异常值，要么是过程异常值，要么是极端异常值。
在我们的案例中，我们正在寻找极端异常值。我们只能在设计一中找出这个极端异常值，而无法在顶部空间较小的设计二中找出。较小的顶部空间不会显示任何异常值。我们将在稍后讨论这个问题。
但在此之前，我想说，对于极端异常值，我们只是试图找出根本原因。我们尝试使用 Y 乘以 X 的线性拟合、多项式拟合以及多项式拟合中的不同阶数进行拟合。但我们发现，在这两个特定原因中，无论是线性射线拟合还是多项式拟合，都不起作用。然后我们发现还有一点称为非参数聚类密度分析，即显著性。
虽然它是非参数的，但与参数相比，置信区间为 95%。这很好。但现在，这表明当前的研究存在两种不同的模型，因为有两个不同的集群，正如您在此处看到的。这两个集群彼此不同，而这个集群基本上会告诉您有两种机制正在发生。
如果我将这与我的技术理论联系起来，那么就像最初该过程应该线性增加或具有单独的斜率，但后来它发生了变化。总体而言，该过程已经偏离了方向。这是我们的技术关注点。作为一名技术人员，如果您认为在室内，如果您有更高的顶部空间，这意味着如果从粉末到化学品去除或化学品注入的距离太远，如果距离太高，化学品和残留物的停留时间将非常长，这不仅会影响初始循环，还会影响后续循环，这可能会产生很大影响。
它可以向完整的过程漂移，因为这是累积过程。一层会累积，然后第二层会累积，第三层会累积。如果这是分层结构，第一层会有大量冷凝，那么上层会漂移很多。这是我们采取的假设。有了它，当我们在控制图的帮助下进行绘图时，控制图又是一个神奇的工具，我们可以从中看到相对于周期的移动范围。
如果您在这里看到移动范围、初始周期，如果您看到初始周期处于不同的级别，并且突然出现突然变化，实际上，我想说的是突然下降，移动范围突然下降，这再次证实了过程中的漂移。
基本上，假设和这些数据总体上表明该过程正常启动。前几个循环过程正常启动。但由于顶部空间很大，停留时间较长，因此该过程出现偏差。这就是为什么涂层质量出现很多问题的原因。当我们将其与方差分析进行比较时，我们的实验数据也表明了同样的情况。
这是对同一假设的统计证明，其中的机制是什么。虽然在设计 1 的情况下涂层会变得更差，但机制是什么？为了证明这种机制，我们还可以通过移动范围图看到该过程已经发生了漂移。
最后，我们用单向方差分析比较了这两个线索，试图从统计学上看出它们是相同还是不同？从统计学的角度来看，虽然我们进行了单向分析，但这两个线索相差甚远。该分析表明，我们认为这两个变体相同的假设失败了。这就是为什么我会说这两个线索并不相似。
总体而言，我们利用 JMP 作为整个研究的结论工具，表明我们有一个假设，即设计 1 中的涂层质量较差，这是由于工艺漂移造成的。这一点可以得到证实，并且已通过移动范围图得到证实。存在大量异常值，这再次表明我们已展示的多重模型拟合。最后，这两个线索并不相同。
最后，如果我要说的话，如果我要结束整个演讲，这对我作为一名工艺工程师有何帮助，如果我做了一些工作，我收集了我的数据，我分析了我的数据，我知道它是如何工作的，但我将如何将其传达给我的利益相关者或我的客户。从这个意义上说，因为我必须展示，或者我应该有一些支持数据。
我有这些数据，有了这些数据，我就能确信由于顶部空间较大而导致漂移过程的假设，而且我们能够做出决定，当新工具出现时，顶部空间应该减小并与设计相一致。
JMP 工具帮助我展示或证实了我的假设，并做出了一些正确的设计决定。这都是关于我的工具的。最后，我要感谢我的团队成员、我的导师 Charles 和我的导师 Sukhti。最后，感谢 JMP 团队再次给我机会。谢谢。
