Bonjour
.
Bien matin , tout le monde . Bien soirée , tout le monde .
I 'm Rotation Chatterjee .
Avant départ mon présentation ,
I serait comme à introduire moi-même avec peu mots .
I 'm Rotation Chatterjee depuis CTO équipe de Appliqué Matériels .
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 revêtement .
Ce exemple , présent exemple ,
nous sont prise depuis le pharmaceutique industrie .
Mon sujet de le présentation aujourd'hui.
Jauge R&R de X -rayon photoélectron spectroscopie à moniteur a revêtement 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 's commencer avec le arrière-plan .
Dans le pharmaceutique industrie , dans thérapeutique fenêtres , thérapeutique zones ,
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 croissant , pics dans le sang ,
et alors dans court temps , dans a peu heures ,
il est en allant au-delà le thérapeutique fenêtre limite .
Que 's pourquoi ils besoin tous les jours injection et il est douloureux .
Il causes quelques côté effet ,
que 's 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 a barrière couche , aluminium oxyde barrière couche ,
que formulaires a 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 mesures ?
Que nous volonté parler ici .
Notre problème est mesures de AlOx revêtement composition .
Notre spécifications limite , client spécifications limite , est O /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 R&R mesures 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 comptes le électrons .
Chaque fois que il est compte le électrons , il peut compter le présence de éléments
et aussi il comptes le élément lequel est lier à il .
Que 's 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 R&R .
Il peut reproductibilité , il 's 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 mesures
de le XPS mesures et comment il peut introduire
le erreur dans le mesures erreur GRR , jauge R&R erreur .
Notre objectif mesure aluminium oxyde revêtement 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 matériels avoir étalonnage échantillon ,
en particulier chaque fois que nous avoir quelques
développé technologies comme aluminium oxyde .
Mais dans notre cas , nous sont revêtement pharma particules
et notre processus fenêtre est totalement différent
depuis notre appliqué matériels cœur technologie processus fenêtre pour aluminium oxyde ,
parce que revêtement besoin à être compatible avec le pharma particules .
Nous sont revêtement ce particule , à le même temps ,
nous sont revêtement aussi silicium tranche et API palette
parce que XPS ne peut pas mesure particules .
Il besoins quelques planaire substrat .
Que 's 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 's pourquoi il impact sur le reproductibilité .
Alors après étalonnage , nous besoin à faire XPS enquête
ou haut résolution balayage 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 convenable .
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 mesures , nous sont calculateur O /Al rapport
et notre client spécifications 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 R&R .
Nous mis en évidence aussi majeur ceux comme électron comptes ,
étalonnage analyse , nous parlé dans le plus tôt glisser .
Maintenant nous 'concernant ajouter un autre un , il 's échantillon chargement ,
comment il est ajouté erreur dans le jauge R&R .
Échantillon chargement , nous besoin à faire il . Il 's pas automatique , il est pas complet tranche .
Nous sont faire avec coupon tranche , donc nous besoin à lieu le coupon .
Si il est emplacement a petit peu différent ou angle est petit peu différent ,
alors il peut impact sur le mesures .
Ce est impactant sur reproductibilité .
Tous autre majeur un impact nous déjà discuté dans le précédent diapositives .
Autre un est le échantillon . Il Cela 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 répliques .
Ici toi peut voir ces quatre répliques .
Nous mesure ceux échantillons dans deux sites .
Depuis nous avoir le quatre répliques , nous sont mesurer ceux séquentiellement .
Est il possible que si échantillons sont dégradé
alors échantillon dégradation pourrait être a 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 mesurer deux sites que avoir similaire résultat .
Aussi , nous comme à jauge comme que échantillon ou partie est pas interaction 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 , A 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 changement le échantillon reproduire nombre .
Que pourrait impact sur échantillon dégradation problème .
Que 's 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 Y par X .
Alors nous vérifier le données variabilité en utilisant contrôle graphique et un -chemin ANOVA .
Alors nous analyser jauge R&R composants .
Il est depuis le variabilité graphique .
Alors nous 'd comme à jauge comme que quoi est le relation
avec processus capacité avec jauge R&R .
Que nous peut trouver dehors comme que , interclass corrélation contre P /T parcelle .
Suivant , nous a fait le racine cause analyse à plan pour améliorer 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 ,
correspondance paires , et ajuster doubler
que sont différent plate-forme de JMP plate-forme .
Laisser 's commencer avec le données distribution .
Nous développé processus initialement à le deux spécifications limite ,
supérieur spécifications limite et inférieur spécifications limite .
Dans supérieur spécifications limite , nous avoir deux échantillons , deux parties et quatre répliques .
Tous sont mesuré deux sites ,
et nous déjà mentionné nous a fait le d'abord répéter .
De la même manière , à le inférieur spécifications limite , aussi nous avoir quatre parties ,
quatre répliques et deux sites .
Depuis nous a fait le processus développement à le deux fin de le spécifications limite ,
que 's 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 /TV rapport ,
il peut impact sur P /PV 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 's pas impactant par le échantillon distribution .
Que 's pourquoi nous volonté être utilisé dans notre suivant diapositives .
Notre chiffre de mérites nous sont en utilisant comme a 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 a chiffre de mérite .
Dans le suivant temps , notre plan à faire MSA analyse
en utilisant uniforme échantillon distribution .
Laisser 's vérifier maintenant le variabilité de données .
Ici nous peut voir que nous utiliser I -M graphique ,
individuel mobile gamme graphique , et nous scie que beaucoup données points
sont dehors le contrôle limite dans le supérieur graphique ,
et dans le inférieur mobile graphique de portée ,
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 's pas séjour là , il est en allant dos .
Il moyens il est le taper II changement
et là est a mélange de commun cause variation
et spécial cause variation dans le contrôle graphique .
Que 's le raison ici contrôle limites sont sans signification .
Nous besoin à sous-groupement 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 a spécial cause .
Nous a fait il en utilisant le un -chemin ANOVA et dans un -chemin ANOVA ,
nous peut voir là est a variation de le échantillons .
Nous a fait le processus près supérieur spécifications limite et nous a fait le processus inférieur spécifications limite .
Que 's pourquoi échantillons sont différent .
Que aussi nous trouvé par un -chemin ANOVA , et ici nous peut voir que
dans variation est très petit comparé à partie variation ,
et aussi par analyse de variance est montrant comme que .
Ici notre hypothèse est tous parties sont même ,
mais il est rejetant le hypothèse parce que P -valeur est moins que 0 0,05 .
Il 's révélateur nous il est de manière significative différent .
Que moyens partie variation est a spécial cause ,
donc nous peut utiliser comme a candidat pour sous-groupement .
Encore , de la même manière nous vérifier avec le site variation si il est a spécial cause ou pas .
Nous considérant deux sites mesures près supérieur spécifications limite
comme Bien comme près inférieur spécifications limite .
Nous scie que ici notre hypothèse est deux sites sont mesures similaire,
et nous trouvé que c'est P -valeur est plus haut que 0 0,05 .
Pour supérieur spécifications 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 0,05 .
Pour site variation , soit il est marginalement rejeté
ou là est Non preuve à rejeter .
Que 's pourquoi site variation est pas a bien candidat
et partie variation est le mieux candidat .
Quoi nous a fait suivant , nous faire notre contrôle graphique encore avec phase option et A ici ,
échantillonné partie à a différent phase .
Quand nous faire il , nous scie que dans a mobile gamme graphique ,
nous trouvé changement dans le variation dans le mesures dans le mobile gamme ,
et que calculé le contrôle limites pour le bas graphique et le supérieur graphique .
Maintenant nous scie que tous le points ,
tous le mesures points sont à l'intérieur le contrôle limite .
Ces est le variations de chaque échantillon . Il est le répétabilité .
Quand nous considérer site A et site B ,
et nous scie aussi site B a aussi répétabilité .
Mais comparé à site A et site B , là est quelques variation de répétabilité .
Que est appelé reproductibilité .
Maintenant nous calculer le jauge R&R , tous le composants dans le suivant glisser ,
et nous 'll trouver dehors quoi est le dominateur erreur dans jauge R&R .
D'abord , nous a fait principal effet .
Nous n'a pas '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 %.
I déjà mentionné comme a jauge R&R , 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 I devrait mention ici , nous sont considérant P /T rapport
mais P /TV ou P /PV rapport est très fermer pour notre mesures cas
parce que notre échantillon distribution est bimodal et à le deux fin de le spécifications limite .
Que est le raison ce rapport T ou TV sont très fermer ou PV est très fermer .
Que est le raison nous avoir ce jauge R&R .
Ce chiffre de mérites est très fermer .
Aussi , JE devrait mention ici taper I erreur alpha et taper II erreur bêta .
Taper I erreur , tous notre données points dans le contrôle limite .
Que 's le raison notre taper I erreur bien partie est faussement rejeté .
Il 's très petit . Il est moins que 6 %.
Sur le autre main , taper II erreur , il est 6 %, il est échoué .
Il est plus que 10 %.
Pourquoi taper II erreur est plus haut ?
Notre répétabilité est le majeur problème .
Chaque fois que nous sont mesurer le échantillons , il est dans le spécifications limite .
Mais il est possible comme que chaque fois que a client est mesurer il .
Il pourrait être au-delà le spécifications 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 a petit peu interaction.
Et quand nous n'a pas 't considérer le interaction dans le principal effet mode ,
alors ce interaction est ajouté dans le répétabilité .
Que 's pourquoi nous trouvé que chaque fois que nous sont considérant le croisé 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 changement que beaucoup .
Il est changement 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 I serait comme à mention ,
processus capacité avec jauge R&R .
Effet de jauge R&R sur le processus capacité .
Ici , processus capacité 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 0,93 .
Il est moins que un .
Il est dans le rouge zone , et nous besoin à aller Cₚ ...
Pour a bien processus capacité , 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 mesures partie .
Processus variabilité ou partie variabilité est très haut .
Pour notre mesures , 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 10 %, 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 mesures outil ?
Que est encore en fonction sur le retour sur investissement que est question à notre gérant niveau ,
ou nous peut adresse le répétabilité dans différent chemin .
Que 's 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 A et site B mesures .
Toi peut voir que supposer , pour a échantillon A0 ,
ce est le mesures répétabilité , et il est changement .
Ce répétabilité est changement pour tous le parties .
Aussi répétabilité est changement 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 changement
avec partie à partie aussi site à site .
Chaque fois que il est changement avec site à site ,
il 's 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 's 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 spécifications limite et inférieur spécifications 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 A et site B mesures .
Idéalement , site A mesures volonté égal à site B mesures 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 convenable points sont distribué largement .
Que 's le raison notre R -quadrillé est aussi pauvre .
Nous aussi a fait le densité ellipse
et densité ellipse aussi révélateur que ce corrélation est moins que 0 .5 .
Si ils avoir a 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 's pas que .
Que 's pourquoi nous savoir que site A mesures est pas site B mesures .
Il 's 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 comparer par correspondre paire le site A et site B variation .
Ici notre hypothèse est site A égal à site B ,
que moyens site A moins site B égal à zéro .
Nous scie que notre probabilité pour ce hypothèse ,
site A moins site B égal à zéro , est moins que 0 0,05 dans les deux le cas .
Il est supérieur spécifications limite et inférieur spécifications .
Les deux le cas toi peut voir que il est probabilité est moins que 0 0,05 .
Que moyens site A et site B mesures 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 A mesures est toujours plus haut pour site B mesures .
Maintenant depuis ici , notre question semble , 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 O /Al composition est dégradé .
Que 's pourquoi nous a fait encore correspondre paire test
avec d'abord et quatrième mesures
les deux dans site A et site B pour tous six échantillons ,
et nous trouvé que ici ,
d'abord mesures moins quatrième mesures égale zéro .
Que est notre hypothèse .
Nous scie que P -valeur est plus haut que 0 0,05 les deux le cas .
Que moyens notre échantillon dégradation est pas un problème .
D'abord échantillon , là est Non preuve .
D'abord mesures et quatrième mesures est différent .
Que moyens il est le mesures problème .
Pour que , ce est résumé dans le tableau de bord tableau ,
dans le tableau de bord , comme notre chiffre de mérite
pour jauge R&R 24 % et répétabilité est 21 %
et que répétabilité est changement depuis partie à partie et site à site ,
et nous avoir toujours plus haut répétabilité pour site A comparé à le site B .
Maintenant pour notre suivant plan ,
nous plan pour a discussion chaque site comme Bien comme avec le processus équipe .
Site a a problème comme répétabilité comme Bien partie -site interaction .
Nous savoir que quoi erreur pourrait être introduit dans le mesures
comme arrière-plan /ligne de base correction , électron comptes , culminer déconvolution .
Nous 'll discuter ceux méthodes source de erreur avec site A personne ,
site A facilité , et nous volonté trouver dehors
comment nous peut faire le rationalisation processus pour améliorer notre MSA .
Aussi nous avoir a plan ensemble en haut a étalonnage échantillon
ou nous peut ensemble en haut a ensemble en haut échantillon
que nous peut mesure dans régulier intervalle dans le les deux 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 mesures problème .
Un autre raison pourrait être processus est pas uniforme .
Nous besoin à valider notre thermique mathématiques à vérifier notre processus uniformité .
Enfin , I 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 mesures 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 améliorer MSA .
Depuis il est très utile pour particulier programme application ,
que 's pourquoi I serait comme à introduire
ce données conduit décision fabrication pour tous le programmes I impliquer dans
à améliorer le projet qualité , coût , et temps .
Enfin , I serait comme à promouvoir données conduit décision en utilisant JMP
dans notre avancé technologie groupe comme CTO équipe ,
ou autre différent projets .
Ce est mon final glisser .
I serait comme à mention mon voyage .
I commencé JMP apprentissage début de le année ,
et que temps nous a fait A0 , A1 , A2 . Ce est mon fondation .
Alors après I travail avec MSA analyse et SPC .
I aussi a obtenu mon certificat , JMP CONSEILS certificat Peut 2023 .
Maintenant I suis instructeur à EXTRÊME JMP instructeur .
I 'm planification à dans personne présentation dans Octobre 2023 ,
et aussi I suis fonctionnement pour mon Noir Ceinture sur 2024 .
Remercier toi pour écoute .
