Bonjour, tout le monde. Ce est Anudeep Maripi.
Je suis a senior processus ingénieur pour optique lithographie à Saut magique.
Aujourd'hui, Je suis en allant à démontrer
faute détection par mise à niveau contrôle graphiques
avec changement indiquer détection dans JMP,
et montrer toi comment le changement indiquer détection intégration
avec contrôle graphiques
est très utile sur notre fabrication boutique sol.
Je vais commencer le présentation
avec a bref introduction à propos notre entreprise, Saut magique,
et le optique fabrication,
le DMAIC problème- résoudre approche
et le JMP outils que nous utiliser dans le fabrication,
notre défis que nous affronter dans le contrôle phase de DMAIC,
mise à niveau existant contrôle graphiques avec changement indiquer,
et par faire donc, détection et diagnostic le défauts dans a processus
quelques cas études que nous régulièrement utiliser à Saut magique et a JMP démonstration
sur comment à créer a changement indiquer tableau de bord
et intégrer changement indiquer dans ton contrôle graphiques,
et peu plats à emporter.
À commencer avec, à Saut magique,
nous imaginer a monde avec physique et numérique sont un.
Notre mission est à amplifier humain potentiel
par livrer a la plupart immersif Appareil portable de réalité augmentée plate-forme,
donc personnes peut intuitivement voir, entendre,
et touche numérique contenu dans le physique monde.
Notre portable appareil transforme entreprise productivité
par fournir AVEC solutions.
Pour exemple, collaboration et co- présence
entre télécommande équipes à travail ensemble comme si ils sont dans le même chambre,
3D visualisations à optimiser processus,
augmenté effectifs que aide former et perfectionnement ouvriers
en utilisant voir- quoi- JE- voir capacité.
Ces sont seulement a peu exemples.
Le appareil a l'industrie menant optique avec grand champ de voir,
meilleur image qualité,
haut couleur uniformité,
et dynamique atténuation
lequel aide afficher a haut- qualité virtuel contenu
dans notre réel monde.
Le optique lentille que est utilisé dans ce appareil
est a petit composant
mais a très critique composant de Magie Saut 2,
permettre meilleur- dans- classe image performance.
Le optique lentille va à travers 25 plus complexe
fabrication processus et métrologie stations
pendant le fabrication.
Il est testé sur 100 plus critique- à- qualité paramètres.
Chaque individuel processus besoins à atteindre haut 99% rendement cibles
à atteindre 90% Roulé Débit Rendement cibles.
Nous ne peut pas atteindre ces haut rendements et processus capacité
sans le aide de JMP statistique outils.
Un de ces haut- cédant processus est imprimer lithographie
où JE' m responsable pour qualité et livraison outils.
Ce processus a beaucoup mesures,
et que est visualisé sur le droite- main côté de ton…
Le premier étape est où nous aligner le masque à le modèle
et alors dispenser de r résister,
inférieur le modèle et EUV guérir à reproduire le exact modèle
depuis le masque modèle à le tranche.
Ce imprimer processus seul a 22 critique- à- qualité paramètres
que opère entre serré contrôle limites tel comme juste 20 nanomètres film épaisseur
et 100 microns baisse précision.
Comme toi pourrait voir, ces tolérances sont extrêmement petit.
Pour référence, humain cheveux est juste 20 microns à 100 microns.
Ainsi, le imprimer lithographie nécessite a précision placement et alignement
que sont indiscernable à le humain œil.
Signification nous compter sur a parcelle sur à bord métrologie et vision systèmes
que générer tonnes de données depuis grand Nombres de saisir paramètres.
JMP aide nous à facilement analyser ces grand données ensembles
dans notre problème- résoudre processus.
Nous utiliser DMAIC approche dans notre problème- résoudre processus.
Suivant sont le JMP outils
que nous utiliser dans chaque phase de notre DMAIC processeurs, respectivement.
Comme beaucoup fabrication équipes,
nous trouvé dehors Contrôle phase comme la plupart stimulant et négligé phase,
parce que à a commencer en haut comme Magie Saut, nous en continu évoluer, faire améliorations,
et répéter plusieurs nouveau dessins et révisions.
Le contrôle phase est négligé
parce que il prend plus long temps pour le confirmation.
Pour exemple,
nous trouver a problème ou un problème, dire comme processus dépassé contrôle limites
et donner faible PCC valeurs,
résultant dans faible PCC pendant notre Contrôle phase.
Nous définir le problème,
nous mesure le historique données,
analyser le problème
par multivarié méthodes et corrélation matrices,
améliorer le problème par exécution le correctif actes,
par conduite Fait et réponse dépistage.
Mais une fois ce est résolu,
nous se déplacer sur à notre suivant grave problème et se déplacer sur à gravité 3 problème
une fois toi résoudre le gravité, gravité 2 problème,
et le faire du vélo continue,
surplombant le la plupart important phase de DMAIC,
lequel est le contrôle phase.
Ce était le raison nous est venu en haut avec le changement indiquer détection tableau de bord,
lequel est rapide et efficace.
Il repères problèmes plus rapide, Plus facile à visualiser défauts et changements.
Même opérateurs OMS sont pas compétent avec le statistiques
peut utiliser ce tableau de bord à diagnostiquer le problèmes.
Pour exemple, avant présentation ce changement indiquer tableau de bord
sur notre fabrication boutique sol,
le escalade progrès est comme le gauche de côté,
où le opérateur moniteurs le rendement tableau de bord
et identifie le rendement pertes et défauts.
Opérateur rapports à technicien à regarder dans le défauts.
Si technicien incapable à résoudre s'intensifie le ingénieur,
ingénieur analyses le contrôle graphiques données en utilisant contrôle graphiques alarmes et tendances,
et alors manuellement rejoindre ces sorties à entrées et faire le corrélation
et trouver dehors et diagnostiquer le faute.
Et alors ingénieur outils le correctif actes.
Mais après présentation notre changement indiquer tableau de bord
sur le fabrication sol,
le opérateur, technicien, et ingénieurs
moniteur le changement indiquer tableau de bord sur le boutique sol.
Si changement est trouvé,
ils regarder dans corrélation de entrées avant le changement et après le changement
et facilement diagnostiquer le problème,
et alors facilement améliorer le correctif actes.
Ce aidé nous facilement à transition dans notre TPM modèle,
où opérateurs, techniciens et ingénieurs
sont tous à venir ensemble à minimiser le défauts.
Le changement indiquer tableau de bord fait notre contrôle phase très efficace.
Je suis en allant à démontrer dans le suivant diapositives
sur comment ce est efficace
comme Bien comme comment à faire ce changement indiquer tableaux de bord.
Avant montrant le changement indiquer tableau de bord,
I vouloir à montrer toi notre voyage depuis traditionnel contrôle graphiques surveillance
à changement indiquer détection tableau de bord.
Alors que le traditionnel contrôle graphiques sont très utile à moniteur excursions
dans notre processus en utilisant Westgard règles,
ils montrer le immédiat dehors de contrôle points,
mais ils souvent manquer le subtil dérives dans le processus,
lequel sont très graduel mais toujours significatif.
Ces contrôle graphiques sont très utile à moniteur le temps basé
et aussi donner nous quoi parties sont impacté par ce.
Mais comme I mentionné avant,
nous avoir 22 critique paramètres dans ce processus seul
et là sont tonnes de saisir paramètres
que impacts ces 22 critique paramètres,
lequel moyens nous besoin à avoir beaucoup contrôle graphiques surveillance,
à le même temps, à avoir a écurie processus.
Mais alors nous se déplacer sur à modèle- conduit multi DIVERS contrôle graphiques.
Ces contrôle graphiques, nous moniteur les deux entrées et sorties ensemble,
et nous immédiatement obtenir a corrélation entre eux.
Mais malheureusement, ces n'a pas avoir n'importe lequel temps série ou identifiants de port
à aide et déployer ce dans le fabrication boutique sol.
Le multivarié corrélation est très important pour nous,
donner le relation
entre notre sorties et entrées dans le processus.
Et ce encore n'a pas avoir le temps série données
comme le contrôle graphiques à identifier quand le problème a commencé.
Le changement indiquer détection, alors que nous trouvé très utile
à facilement détecter quand que faute ou changement
ou significatif brusque dérive arrivé dans notre processus.
Mais il seulement donne a valeur quand a changement indiquer s'est produit,
il n'a pas avoir le temps série et pas très précieux
comme a surveillance outil sur notre fabrication boutique sol.
Chaque un a c'est propre inconvénients et avantages.
Nous combiner tous de ces contrôle graphiques dans un tableau de bord
et effet de levier le contrôle indiquer détection fonctions valeurs dans ces.
Notre suivant logique étape est régression lequel est cause et effet analyse.
Trouver dehors le cause et effet et verrouillage le outil entrées,
arrêt le échec sur ton CTQ critique- à- qualité paramètres
ou sur ton sorties
et aussi se déplacer à prédiction analyse.
Ce est un exemple à montrer toi comment le contrôle graphiques apparence différent
quand toi intégrer le changement indiquer détection.
Pour exemple, sur le gauche, I avoir a contrôle graphique
sans le changement indiquer détection.
Toi peut voir là sont peu hauts et bas entre le contrôle limites.
Mais quand I prendre ce valeur de 256,
lequel le changement indiquer détection donne toi quand toi courir pour le même données,
et prendre ce et intégrer dans le même contrôle graphique,
toi pourrait voir le visualisation a obtenu mieux.
Dans ce cas, avant le changement indiquer, toi avoir a démo de variation,
toi avoir a ligne de base,
toi avoir le signifier est ci-dessous ton cible doubler,
et après le changement indiquer, ton signifier est au-dessus de le cible doubler maintenant
et ton variation a réduit.
Dans ce chemin, toi pourrait facilement trouver dehors et visualiser
quoi est le changement dans ton existant contrôle graphiques.
Une fois nous trouvé dehors comment précieux ce changement indiquer est,
rapidement révélateur nous où le changement arrivé
ou où le faute arrivé dans ton processus.
Nous commencé en utilisant quelques utiliser cas.
Nous commencé avec quelques utiliser cas tel comme ce
où nous introduit a changement et nous vouloir à valider le changement.
Dans ce exemple, nous avoir a processus où il est donner faible Cpk valeur
parce que de le population est surtout distribué vers ton positif côté.
Nous identifié c'est comme a signifier changement.
Il besoins à signifier changement, et nous introduit le connu changement signifier changement.
Quand nous introduit ce décalage moyen,
toi pourrait voir le processus devenu plus capable,
à propos 2.3 ou 1.5.
Toi pourrait voir quand nous déployer le changement indiquer détection fonction
pour le même données,
le changement indiquer donne toi valeur et le direction
si ton changement a pris lieu ou pas dans ton processus.
Ce est très visuel pour nous
à évaluer si mon connu changement, lequel I juste introduit,
est impactant mon processus, le positif ou négatif.
Le deuxième utiliser cas, comme I mentionné,
nous avoir parcelle de à bord métrologie outils dans notre processus,
lequel est donner a parcelle de données.
Nous faire périodique mesures et essai dans ces métrologie outils,
mais nous toujours compter sur sur
le répétabilité et reproductibilité données,
lequel est Gaz R&R données
depuis ces graphiques.
Mais le Gase R&R données est pas trouver nous n'importe quel défauts dans le processus
ou quand le métrologue outils commencé dérive
dans soit positif ou négatif.
Mais pour le même données,
quand nous déployé le changement indiquer fonction,
il immédiatement raconte nous quand le subtil changements
et brusque significatif dérives arrivé dans ce métrologie, aussi.
Que est très haut ou très utile données à identifier
et faire bien sûr notre métrologue outils sont toujours écurie et pas dérive le données.
Le troisième et la plupart important un
est à détecter et diagnostiquer le défauts avec facilité.
Ce est a tableau de bord que nous travaillé sur à déployer sur notre fabrication boutique sol.
Notre flux de travail serait être, nous moniteur multiple réponse paramètres
ou critique- à- qualité paramètres comme sorties,
et alors nous identifier si là sont n'importe lequel changements
en utilisant le changement indiquer tableau de bord.
À le même temps,
nous aussi regarder dans modèle- conduit multivarié changement indiquer tableau de bord
où il volonté dire nous quoi sont le excursions
et facilement corrélatif que excursions à le saisir paramètres.
Mais le vrai valeur est venu dans
quand nous prendre ce changement indiquer valeurs
et intégrer eux dans notre existant contrôle graphiques.
Dans ce exemple, nous avoir a ligne de base données avant le changement et après le changement,
lequel moyens quand le faute s'est produit, toi pourrait voir là est a léger signifier changement
et il y a a énorme variation dans notre processus.
À ce indiquer, nous aller à notre corrélation matrice.
Il est corrélant notre sortir paramètres à notre saisir paramètres dans le processus.
Le corrélation matrice volonté immédiatement dire toi
lequel facteur a a fort positif ou a négatif corrélation
pendant ce phase quand comparé à pendant ton normale phase.
Que volonté immédiatement dire toi quoi saisir paramètre a disparu faux
ou que pourrait avoir contribué a parcelle à cette faute zone.
Que est comment nous sont capable à rapidement trouver le défauts et diagnostiquer le problèmes.
Depuis ici sur, Je suis en allant à démontrer dans JMP
sur comment à créer ces gentil de tableaux de bord,
à le même temps, comment à créer multiple changement points.
Comme toi pourrait voir dans notre précédent diapositives,
le changement indiquer fonction est donner seulement un valeur.
Laisser moi tourner sur à JMP.
Dans ce exemple, Je suis en utilisant Logement à Boston données lequel est depuis 1978.
Ce est un bien exemple comme a débutant apprenant
pour corrélation et régression.
Beaucoup tutoriels utiliser ce exemple.
Donc I pensée I pourrait utiliser ce exemple lequel est facilement disponible.
Tout le monde JMP échantillon données ensembles et voir comment le corrélation est,
et si là sont n'importe lequel multiple changement points dans le données,
à le même temps, corrélatif à le pratique.
Le échantillon données tableau apparence comme ce.
Dans notre cas,
I vouloir à voir le médian marché valeur ou médian prix
de le occupé par son propriétaire maisons dans Boston et voir comment il est variable avec temps.
À le même temps, là sont correspondant facteurs
comme quoi est le crime taux dans le ville ou qu'est-ce que le pollution taux dans le ville
ou le âge de autre facteurs tel comme âge de le maisons
ou dis la résistance dans ces régions.
Toi peut lire le données à propos ces colonne noms
dans le colonne notes que est présenté sur ici.
Je suis en allant à courir le scénario lequel donne nous…
Avant en cours d'exécution le scénario, I aussi vouloir à dire toi
que Je suis attacher le entier scénario comme partie de mon présentation,
où toi pourrait aller à travers le scénario ou courir le scénario
et il volonté donner toi a bon tableau de bord à propos Logement à Boston valeurs variation
et aussi a corrélation.
Toi pourrait télécharger le scénario et regarder dans mon score
et toi pourrait utiliser le même méthodologie et le logique
sur comment Je suis capable à détecter multiple changement points
depuis le tableau de bord en utilisant le JS Indice.
Quand I courir le scénario,
courses et I obtenir a bon tableau de bord comme ce.
Comme I mentionné,
notre problème- résoudre cadre serait être comme regarder à le changement points
dans notre médian valeur de le maisons dans Boston.
Toi pourrait voir il a donné nous le médian valeur que là sont a grand changement ici
et il raconte toi le changement indiquer apparaît à être sur rangée 373,
et aussi là sont plusieurs deuxième de petit changement.
Quand toi regarder à le modèle- conduit contrôle graphique données,
toi pourrait voir là sont haut excursions
dans ce moyen valeur de le logement marchés.
Toi pourrait facilement dire quoi causé ce excursion
par regarder dans ton entrées paramètre, que est crime taux.
Toi pourrait flotter sur n'importe lequel de ces et trouver dehors quoi est impactant
ces énorme excursions
dans ton surveillance variable, lequel est médian valeur de le maisons.
Comme I mentionné, le réel valeur vient dehors quand nous prendre ces
et intégrer dans notre contrôle graphiques.
Voir ce un, ce contrôle graphique volonté donner toi
ces intégré changement points depuis ici.
Bien donner toi a bien visuel.
Tu pourrais voir maintenant dans Logement à Boston marché exemple,
nous avoir a ligne de base logement médian valeur changements,
a ligne de base valeur à 20 million.
Et alors quand le logement boom arrivé, ou quand le changement indiquer 1 s'est produit,
toi pourrait voir là est a bien montant de variation dans le logement marché.
À le même temps, là est a signifier changement, aussi.
Mais bientôt, là est un autre changement arriver et le logement marché accident
résultant dans ton médian valeur est ci-dessous ton ligne de base.
Ce est facilement révélateur nous, donner nous a visuel dans parties
où quoi est le ligne de base données, quand le d'abord changement s'est produit,
qu'est-ce que et comment beaucoup est le changement?
Le deuxième changement s'est produit et comment beaucoup est le changement maintenant.
Toi peut comparer avec ton précédent deux changements.
Si toi comme a perspective à l'acheteur de maison dans Boston
et tu es regarder dans ce gentil de données,
toi vouloir à savoir quoi pourrait avoir arrivé que avoir impacté ces types de changements.
Dans ton données ensemble, toi avoir quelques bon facteurs
à propos le crime zone,
le crime taux dans que même zone dans le même période de temps,
et le pollution taux, et ainsi de suite.
Si toi regarder à notre avant changement
toi pourrait voir le marché valeur, comment il est corrélant avec ton facteurs.
Dans ce cas, toi peut voir il y a a bien montant de négatif corrélation
avec le crime
et le négatif corrélation avec le industrie zone et aussi pollution.
Et là est a fort positif corrélation lequel est à propos 0,8 avec ce phase.
Maintenant, regarder à le deuxième changement indiquer 1 phase
où le logement boom s'est produit [inaudible 00:22:46] décalage moyen vers le haut.
Toi pourrait voir dans ce temps cadre
ton crime taux est faible ou Non corrélation avec ces changements.
Ton pollution est faible encore,
mais ton chambres toujours même fort positif corrélation dans ces deux phases.
Si toi demander moi quoi serait avoir arrivé ce temps,
I serait dire peut être le crime a augmenté dans le zone
ou le pollution a augmenté dans le zone,
tel gentil de dominant facteurs que sont visible ,
que sont pas favorable pour a éventuel maison.
C'est en allant sur à le logement accident quand il arrivé.
Une comparaison entre ce phase à cette phase,
point de changement voir comment le corrélation juste modifié.
Toi peut immédiatement dire, "D'accord, mon comparaison
avec le médian marché valeur depuis ce phase,
mon corrélation avec le client est joli faible,
mon chambres a très positif corrélation,
et là est lstat et autre facteurs."
Mais si toi viens à le changement point 2 temps,
toi pourrait voir le crime taux a augmenté encore,
ton pollution a augmenté encore,
lequel a résulté dans le négatif linéaire corrélation de ce changement.
Quand toi regarder à ton chambres,
lequel a a été positivement contribuant pour ton changement a est tombé vers le bas complètement.
Dans ce chemin, ce est révélateur toi a parcelle de information données à propos ces changements
que s'est produit dans 1978.
Aussi, facile corrélation données avec ton facteurs
que pourrait avoir impacté ces changements.
Je vais répéter.
Notre cadre est détecter, pour n'importe lequel temps série données,
nous d'abord détecter nombre de changements,
si il est un changement ou deux changement ou plus changements,
et alors intégrer ces changement points
dans notre contrôle graphique à obtenir a mieux visualisation à propos le changements.
Est il a signifier changement ou décalage de variation, ou quoi est événement?
Et alors regarder dans ton facteurs que pourrait avoir contribué à ces changements
et voir quoi facteurs a fort contribution pour ce changement
ou faible contribution ou Non contribution ou négatif contribution.
Maintenant que toi savoir le crime taux, ton marché valeur
-le médian marché valeur est impacté par le crime taux,
pollution, et le chambres—
allons regarder à a simple visualisation.
Quand toi aller ici, toi peut voir ce est a simple graphique parcelle.
Je suis prise mon changement indiquer et visualisation il dans a mieux chemin.
Je suis comparer mon médian valeur
avec le nox, le pollution valeur dans le même villes,
dans le même temps période et le chambres et le crime taux.
Toi pourrait voir quand mon logement médian marché valeurs augmenter
ou le logement en plein essor phase,
toi pourrait voir le pollution est très faible et le chambres pour logement a augmenté
et ton crime taux est à moins possible État.
Comme a éventuel acheteur de maison,
ces sont tous favorable facteurs pour moi,
Non pollution zone, Non crime zone ou sûr zone,
et alors Je suis obtenir a plus gros maison avec un pratique nombre de chambres.
Mais allons voir, dans ce phase, quand le logement marché écrasé,
à le même temps, ton pollution taux a augmenté.
Le nombre de chambres pour logement a diminué.
Et alors il y a un astronomiquement haut crime taux
lequel est impactant le même chose.
Ce est a clair visuel,
mais toi atterri en haut dans ce problème ou avec ce gentil de conclusion
avec le aide de ton corrélation matrices.
Corrélation matrice et alors a changement indiquer.
Ton corrélation matrice et alors le changement indiquer
et alors a mieux résolution comme ce.
Laisser moi aller et montrer toi
comment le JSL scénario est mise en commun multiple changement points.
Toi pourrait trouver le changement indiquer données
dans ton contrôle graphiques, multivarié contrôle graphiques.
Et encore, ce est a multi DIVERS contrôle graphique.
Toi pourrait utiliser comme beaucoup comme variables
comme ton multivarié contrôle graphique saisir paramètres.
Mais dans mon cas, Je suis en utilisant médian marché valeur,
et I obtenir a multivarié corrélation et a changement indiquer.
Clairement, voir, il donne moi 373 comme a nombre.
Comment I suis prise ou extraction ce 373 nombre
est en utilisant ce gentil de JMP ou JSL peut extrait n'importe lequel de le texte boîte colonnes
depuis n'importe lequel de ton rapports et alors mettre il dans ton données tableau.
Dans ce cas, I collecté ce données indiquer.
Toi pourrait voir le équation 1 détient le phrase appel ou le texte boîte appel.
Le changement indiquer apparaît à être 373.
Ce un simple code volonté prise ou extrait que valeur depuis le rapport.
Et alors I prendre que dans mon colonnes
dans le changement indiquer 1 colonne,
et I extrait le numérique valeur dehors de il.
I a écrit le JSL comme simple comme possible.
Je suis très débutant avec scripts et codage.
Toi pourrait voir I utilisé simple formules et simple méthodes à prends ça.
Toi peut voir le changement indiquer rapport est seulement donner toi
un changement indiquer valeur.
Mais toi pourrait voir dans ton processus, là sont autre changements, aussi,
que toi pourrait être intéressé dans et nous vouloir à trouver eux dehors.
Quoi I faire est une fois toi obtenir ton d'abord valeur,
toi cacher et exclure tout après ton changement indiquer.
Après ce 373, toi exclure tout.
Maintenant tu es gauche avec ce phase.
Toi vouloir à voir quoi est mon changement dans ce phase,
et le faire du vélo continue.
Pour exemple, dans mon équation 2 depuis mon rapport 2,
Je suis tirant le texte boîte phrase appelé le changement indiquer.
Désolé, ce est dur à montrer.
Quand toi flotter sur ce,
toi peut voir que variable a le phrase [inaudible 00:29:49].
Variable a le phase de le changement indiquer apparaît à rangée 157.
Toi prendre le valeur et alors mettre il dans ton colonne appel,
CP Texte, quelque chose comme que,
où toi pourrait extrait ton deuxième changement indiquer.
Une fois toi obtenir a données comme que,
il est très facile à construction a tableau de bord comme ce,
où toi créer ton contrôle graphique tableau de bord,
chaque individuel composants, modèle- conduit multivarié contrôle graphique,
et créer le tableau de bord en utilisant le nouveau tableau de bord application.
Une fois toi créer a bon tableau de bord comme ce,
toi juste aller ici et toi juste prendre tout dans le scénario.
Je suis commutation vers le bas à mon présentation.
I espoir le Logement à Boston données exemple est très clair,
parce que comment facilement toi peut détecter changements dans n'importe lequel temps série données
et corrélatif ceux avec ton saisir paramètres.
Dans réel vie ou fabrication scénario,
toi serait avoir plusieurs saisir paramètres comme ce.
Dans ce cas, dans mon tableau de bord,
nous regarder dans autour 50 saisir paramètres comparer avec notre sortir paramètres.
Nous aussi moniteur le multivarié contrôle charge.
Toi pourrait voir Je suis surveillance multiple CTQ ensemble
plutôt de chaque individuel traditionnel contrôle graphique.
Je suis exportation ces valeurs dans mon existant contrôle graphique
et alors immédiatement diagnostic mon défauts.
Ce tableau de bord, comme toi peut voir, c'est joli soi- explicatif,
facile à lire, facile à déployer sur ton fabrication sol.
Techniciens même pas confortable avec statistique analyse,
et faire ce gentil de bâtiment contrôle graphiques et tout,
ils vont juste regarder à le processus adage que,
"LE parce que, I avoir deux changements dans mon processus,
et laisser moi voir quoi sont le saisir paramètres
que sont corrélant ces changements et voir si I peut changement eux
ou manipuler eux donc que mon processus dos à écurie état comme ça.
Encore, le corrélation coefficients sont joli facile à expliquer à n'importe qui
sur le fabrication atelier.
Pour exemple, a fort positif corrélation serait donner toi a bleu nombre plus proche à 1,
ou a fort négatif corrélation serait être quelque chose comme -0,7,
mais le variation serait être quelque chose comme ce
quand toi augmenter quelque chose.
Avec subtil peu de variation,
toi serait voir a négatif corrélation là,
et alors a faible négatif corrélation serait être quelque chose comme ce,
a parcelle de variation plutôt de a droit une ligne comme celle-ci.
Et alors il y a Non corrélation.
Le nombre serait être joli beaucoup fermer à 0.
Toi serait voir,
même si toi augmenter un, le autre pourrait être en baisse.
Il est très facile à expliquer.
Il est très visuel sur le fabrication boutique sol
à trouver dehors ces gentil de Nombres,
regarder à voir quoi saisir a modifié et quoi saisir a a fort corrélation.
Là est un ajouté prime avec le changement indiquer intégration.
Comme toi peut voir, ces sont tous numérique données,
lequel est obtenir a numérique corrélation comme ce.
Mais le changement indiquer est révélateur toi quand le faute a s'est produit
et quand toi savoir quand le faute a s'est produit,
toi juste regarder dans ton données tel comme modèle changement ou ton charger port identifiants,
et toi volonté obtenir a corrélation avec ton non- numérique données [inaudible 00:34:10] .
Toi serait commencer a discussion sur ton atelier de fabrication.
Hé, quand ce temps s'est produit, I a fait ce changement sur Premier ministre
ou le outil est paramètre inactif,
ou I a fait a prévenir jour à entretien à ce exact temps.
Peut être que prévenir jour à entretien temps,
quelques problème a s'est produit.
Ce est donner toi a complet image.
Tu es regarder dans tonnes de 50 plus saisir paramètres
et facilement obtenir a corrélation avec ton CTQ
et facilement détection le défauts.
À le même temps, toi avoir non- numérique données tel comme comme ce,
et toi trouver dehors et toi se rapporter aimer,
quoi était I faire quand ce changement ou faute a s'est produit dans mon processus?
Le final emporter
est par intégrer changement indiquer fonction à notre existant contrôle graphiques.
Étaient rapidement trouver défauts et diagnostic eux plus rapide,
économie des millions de dollars dans notre rapide- rythme fabrication.
Avec JSL script,
étaient capable à trouver dehors là sont multiple changement points dans notre processus
et intégrer eux à notre contrôle graphique tableaux de bord.
Ce changement indiquer et multivarié méthodes peut être utilisé dans n'importe lequel temps série,
comme I était mentionnant.
Pour exemple, quand Je suis préparation pour ce présentation,
I a donné a petit ensemble de notre mensuel économies données ensemble à mon épouse
OMS est pas familier avec statistiques et contrôle graphiques.
Sur suivi ce tableau de bord,
mon épouse facilement trouvé là sont changement points dans notre économies.
Mais à le même temps, elle a fait pas comme le fait
que quand le tableau de bord pointu dehors que notre Amazone dépenses
est Bien corrélant pour notre faible économie mois.
Comme toi peut voir, comme ce temps, ce changement indiquer,
toi pourrait utiliser il sur n'importe lequel temps série données.
Toi pourrait trouver dehors ton changements dans ton temps série
et quand le changement a s'est produit
ou quand le significatif changement a s'est produit,
et alors toi peut corrélatif à ton saisir paramètres.
Dans notre cas, nous sont juste corrélant ton Amazone dépenses ou prendre- dehors dîners
et plusieurs autre facteurs [inaudible 00:36:18] .
C'est joli beaucoup, et I espoir toi trouvé ce présentation très utile,
et toi aussi savant comment toi peut facilement trouver multiple changement points
à travers JSL scripts et créer facile tableaux de bord
à où manifestants
à trouver dehors défauts et facilement diagnostiquer eux.
Remercier toi.
