こんにちは
.
良い 朝 , みんな . 良い 夕方 , みんな .
I 'm スピン チャタジー .
前に 起動 私の プレゼンテーション ,
I だろう のように に 導入 自分自身 と 少し 言葉 .
I 'm スピン チャタジー から 最高技術責任者 チーム の 適用済み 材料 .
それ は 高度な テクノロジー チーム 、 そして 私たちの チーム ゴール は に 開発する 製品
隣接 に その セミ 業界 または 外 その セミ 業界 .
のために 例 , 私たちは は 働く のために 航空宇宙 業界 ,
医薬品 業界 , または 産業用 コーティング .
これ 例 , 現在 例 ,
私たちは は 取る から その 医薬品 業界 .
私の トピック の その プレゼンテーション 今日。
ゲージ R&R の X -レイ 光電子 分光法 に モニター a コーティング プロセス .
議題 の 私の 話す 今日。
初め、 私たちは 意思 話す について その 背景 そして 問題 声明 ,
それから 私たちは 意思 話し合う について その 手術 意味 そして データ コレクション プラン .
次 , MSA 成分 分析 .
ついに 私たちは 'll 話す について その プラン のために MSA 成分 改善 .
させて の 始める と その 背景 .
で その 医薬品 業界 、 で 治療的 窓 , 治療的 地域 ,
そこには は , のために 例 , 抗生物質 薬 , アルコール 中毒 または 癌 忍耐強い ,
彼らは 必要 日常 注射 なぜなら 薬 レベル で その 血
は 確かに 増加 , スパイク で その 血 ,
そして それから 内で 短い 時間 , 内で a 少し 時間 ,
それ は 行く 超えて その 治療的 ウィンドウ 制限 .
それ の なぜ 彼らは 必要 日常 注射 そして それ は 痛い .
それ 原因 いくつかの 側 効果 ,
それ の なぜ 忍耐強い スキップ その 薬 または 停止 その 薬 .
に 解決する これ 問題 ,
私たちの お客様 ニーズ いくつかの アプローチ に 仕立て屋 その リリース の 薬 .
私たちの チーム 発展した a バリア 層 , アルミニウム 酸化物 バリア 層 ,
それ フォーム a シェル その周り その 医薬品 粒子 .
プロパティ の これ バリア 層
できる コントロール その リリース の その 薬 で その 血 .
平 それ は 可能 のように それ ,
それ できる リリース 少し 数週間 その代わり の 少し 時間 .
ここ , 私たちは 意思 話す について その 構成 分析 ,
そして 何 は その ノイズ 分析 の これ 構成 測定 ?
それ 私たちは 意思 話す ここ .
私たちの 問題 は 測定 の アルオックス コーティング 構成 .
私たちの スペック 制限 , お客様 スペック 制限 , は O /アル 比率
で その アルミニウム 酸化物 膜 は 1 .2 -2 .3 .
私たちの 客観的 ここ に 決定する その XPS 方法 もし それ は 十分な
に 差別化する アルオックス プロセス 変化 .
私たちは 意思 決定する ここ , ゲージ R&R 測定 エラー
の XPS のために アルオックス 構成 分析 .
X -レイ 光電子 分光法 できる 測定 定量的に
原子 パーセンテージ の 構成 .
それ できる 測定 アルミニウム そして 酸素 パーセンテージ .
XPS 実は 測定 その 運動学的 エネルギー
の 光電子 放出された から その 要素
そして それ カウント その 電子 .
いつでも それ は 数える その 電子 , それ できる カウント その 面前 の 要素
そして また それ カウント その 要素 どれの は ボンド に それ .
それ の なぜ 私たちは できる 得る その 情報
について アルミニウム そして 酸素 で その アルミニウム 酸化物 膜 .
ほとんど の その ソース の エラー のために XPS , それ できる 追加 それ で ゲージ R&R .
それ できる 再現性 , それ の 来る から その 較正 電子 カウント .
それ できる 追加 再現性 そして 再現性 エラー .
分析 できる 追加 再現性 エラー .
私たちは 意思 話す もっと 詳細 これ 1つ で その 次 スライド .
で 私たちの 手術 意味 , 私たちは 'll 話す について その 違う 手順
の その XPS 測定 そして どうやって それ できる 導入
その エラー で その 測定 エラー うわー , ゲージ R&R エラー .
私たちの 客観的 測定 アルミニウム 酸化物 コーティング 構成 ,
そして に 測定 それ で XPS , 初め 私たちは 必要 に する ベースライン 修正 .
それ は 自動 , そして それから 私たちは 必要 に 行く に その 較正 .
で 較正 , 通常 適用済み 材料 持っている 較正 サンプル ,
特に いつでも 私たちは 持っている いくつかの
発展した テクノロジー のように アルミニウム 酸化物 .
しかし で 私たちの 症例 , 私たちは は コーティング 製薬 粒子
そして 私たちの プロセス ウィンドウ は 完全に 違う
から 私たちの 適用済み 材料 コア テクノロジー プロセス ウィンドウ のために アルミニウム 酸化物 ,
なぜなら コーティング 必要 に なれ 互換性がある と その 製薬 粒子 .
私たちは は コーティング これ 粒子 , で その 同じ 時間 ,
私たちは は コーティング また シリコン ウエハース そして API パレット
なぜなら XPS できない 測定 粒子 .
それ ニーズ いくつかの 平面 基板 .
それ の なぜ 私たちは は 預け入れ の上 シリコン ウエハース そして API パレット .
以来 私たちは ドン 't 持っている 較正 サンプル , 私たちは は 使用して その 2番 オプション
のために 較正 のように 炭素 ピーク 較正 .
左 -手 側 写真 , あなた できる 見る 炭素 ピーク 較正
そして それ は 手動で 必要 に する それ、
そして それ の なぜ それ インパクト の上 その 再現性 .
それから 後 較正 , 私たちは 必要 に する XPS 調査
または 高い 解決 スキャン に 得る その スペクトル。
で その スペクトル 、 あなた できる 見る 酸素 ピーク、 アルミニウム ピーク .
以来 私たちは 必要 に する マニュアル 較正 そして 私たちは 持っている 自動 ベースライン 修正 ,
これ できる インパクト エラー の上 再現性 そして 再現性 .
次 , 私たちは 必要 に する 分析 . 分析 は ピーク フィッティング .
私たちは 必要 に フィット これ ピーク そして それから 私たちは できる ゲージ .
から ピーク エリア , 私たちは できる 計算する その 酸素 アルミニウム パーセンテージ .
以来 それ は セミ 自動 , それ できる 追加 エラー で その 再現性 .
による XPS 測定 , 私たちは は 計算する O /アル 比率
そして 私たちの お客様 スペック 制限 は 1 .2 -2 .3 .
次 , 私たちは 意思 話す について その 原因 そして 効果 図 ,
MSA 原因 そして 効果 図 .
で MSA 原因 そして 効果 図 , 私たちは した いくつかの 詳細 分析、
そして 私たちは 見つかった いくつかの 1つ それ できる インパクト の上 その ゲージ R&R .
私たちは 強調表示 また 選考科目 もの のように 電子 カウント ,
較正 分析 , 私たちは 話した で その 以前 スライド .
今 私たちは 're 追加する 別の 1つ , それ の サンプル 読み込み中 ,
どうやって それ は 追加した エラー で その ゲージ R&R .
サンプル 読み込み中 , 私たちは 必要 に する それ . それ の ない 自動 , それ は ない 満杯 ウエハース .
私たちは は やっている と クーポン ウエハース , それで 私たちは 必要 に 場所 その クーポン .
もし それ は 位置 a 少し 少し 違う または 角度 は 少し 少し 違う ,
それから それ できる インパクト の上 その 測定 .
これ は 影響を与える の上 再現性 .
全て 他の 選考科目 1つ インパクト 私たちは すでに 議論した で その 前の スライド .
他の 1つ は その サンプル . それ 依存する の上 その プロセス .
のために これ プレゼンテーション , それ は 外 の 範囲 .
私たちは 意思 話す について これら 4つ で これ プレゼンテーション .
次 , 私たちの サンプル コレクション プラン .
のために 私たちの サンプル コレクション , 私たちは 使用 六 サンプル のために MSA 分析 ,
そして のために これら 六 サンプル 私たちは 持っている 4つ 複製する .
ここ あなた できる 見る これら 4つ 複製する .
私たちは 測定 それらの サンプル で 二 サイト .
以来 私たちは 持っている その 4つ 複製する , 私たちは は 測定 それらの 順次 .
は それ 可能 それ もし サンプル は 劣化した
それから サンプル 劣化 できた なれ a リスク ?
私たちは 意思 話す について これ リスク 後で の上 もっと 詳細 .
私たちの 期待される 結果 のように それ 私たちは 必要 に 探す 外 XPS 方法
は 十分な に 差別化する プロセス 変化 .
また 、 あなた のように に ゲージ のように それ
いつでも 私たちは は 測定 二 サイト それ 持っている 似ている 結果 .
また 、 私たちは のように に ゲージ のように それ サンプル または 一部 は ない 相互作用する と その サイト .
今 私たちは 必要 に する その MSA デザイン .
で MSA デザイン , 私たちは は 使用して 基板 そして サイト で その 料金 要素 .
これ は その サイト , これ は その 一部 , そして 私たちは 持っている また 二 違う 基板 .
私たちは 言及された それ 前に , API パレット そして シリコン ウエハース .
S 数字 は シリコン ウエハース , A 数字 は API パレット .
私たちは 'll ない なれ できる に 使用 実は 完全に ランダム化 オプション
そして 私たちは 使用 初め 繰り返す .
のために 初め 繰り返す オプション ,
ここ 私たちは は ない 変化 その サンプル 複製する 番号 .
それ できた インパクト の上 サンプル 劣化 問題 .
それ の なぜ 後で の上 私たちは 意思 比較する 初め そして 4番目 複製する
に チェック これ サンプリング リスク .
のために これ MSA 分析 ,
私たちは 順次 使用 いくつかの ジャンプ アプリケーション から ジャンプ プラットフォーム .
私たちは 使用 データ 分布 の MSA サンプル .
それ は から 説明的な 推論的 統計 応用 .
それ は から 分布 フィット Y による X .
それから 私たちは チェック その データ 変動性 使用して コントロール チャート そして 1つ -方法 分散分析 .
それから 私たちは 分析する ゲージ R&R コンポーネント .
それ は から その 変動性 チャート .
それから 私たちは 'd のように に ゲージ のように それ 何 は その 関係
と プロセス 能力 と ゲージ R&R .
それ 私たちは できる 探す 外 のように それ , インタークラス 相関 対 P /T プロット .
次 、 私たちは した その 根 原因 分析 に プラン のために 改善 その うわー .
私たちは 意思 探す 外 何 は その うわー 選考科目 エラー
そして どうやって 私たちは できる 探す 外 .
それ 私たちは は 使用して のために 箱 プロット , 密度 楕円 ,
一致した ペア , そして フィット ライン
それ は 違う プラットフォーム の ジャンプ プラットフォーム .
させて の 始める と その データ 分布 .
私たちは 発展した プロセス 当初 で その 二 スペック 制限 ,
アッパー スペック 制限 そして より低い スペック 制限 .
で アッパー スペック 制限 , 私たちは 持っている 二 サンプル , 二 部品 そして 4つ 複製する .
全て は 測定された 二 サイト ,
そして 私たちは すでに 言及された 私たちは した その 初め 繰り返す .
同様に , で その より低い スペック 制限 , また 私たちは 持っている 4つ 部品 ,
4つ 複製する そして 二 サイト .
以来 私たちは した その プロセス 発達 で その 二 終わり の その スペック 制限 ,
それ の なぜ 私たちは できる 見る それ 私たちの 分布 は 二峰性 .
それは完全に 二峰性 分布 .
問題 の 二峰性 分布 , それ できる インパクト の上 その うわー コンポーネント .
それ できる インパクト の上 P /テレビ 比率 ,
それ できる インパクト の上 P /PV 比率 そして 誤分類 .
以来 P /T 比率 は ない 関連している と ...
それ は ない 依存 と その 一部 , それ は その 理由 P /T 比率
それ の ない 影響を与える による その サンプル 分布 .
それ の なぜ 私たちは 意思 なれ 使用済み で 私たちの 続く スライド .
私たちの 形 の メリット 私たちは は 使用して として a P /T 比率 .
のために 誤分類 確率 , そこには は 五 確率 .
最後 三つ , それ できた なれ 影響を受けた による その サンプル 分布 もっと ,
そして 初め 二 は 少ない 影響を受けた .
に 最小化 その リスク , また ,
私たちは は 焦点を合わせる の上 その P /T 比率 として a 形 の メリット .
で その 次 時間 , 私たちの プラン に する MSA 分析
使用して 制服 サンプル 分布 .
させて の チェック 今 その 変動性 の データ .
ここ 私たちは できる 見る それ 私たちは 使用 I -氏 チャート ,
個人 動く 範囲 チャート , そして 私たちは 見た それ 多くの データ ポイント
は 外 その コントロール 制限 で その アッパー チャート ,
そして で その より低い 動く 範囲チャート ,
私たちは 見た それ 三つ データ ポイント は 外 その コントロール 制限 ,
そして それ これら 三つ データ ポイント , それ は 突然 シフト .
それ は 突然 シフト , それ の ない 滞在 そこには , それ は 行く 戻る .
それ 手段 それ は その タイプ II シフト
そして そこには は a 混合 の 一般 原因 変化
そして 特別 原因 変化 で その コントロール チャート .
それ の その 理由 ここ コントロール 限界 は 意味がない .
私たちは 必要 に サブグループ化 と 特別 原因
そして それから のみ 私たちは できる 考慮する その コントロール 限界 .
今 私たちは のように に 探す 外 何 は その 特別 原因 .
初め 私たちは 意思 チェック もし 一部 変化 できた なれ a 特別 原因 .
私たちは した それ 使用して その 1つ -方法 分散分析 そして で 1つ -方法 分散分析 ,
私たちは できる 見る そこには は a 変化 の その サンプル .
私たちは した その プロセス 近く アッパー スペック 制限 そして 私たちは した その プロセス より低い スペック 制限 .
それ の なぜ サンプル は 違う .
それ また 私たちは 見つかった による 1つ -方法 分散分析 , そして ここ 私たちは できる 見る それ
内で 変化 は とても 小さい 比較すると に 一部 変化 ,
そして また による 分析 の 分散 は 表示中 のように それ .
ここ 私たちの 仮説 は 全て 部品 は 同じ ,
しかし それ は 拒否する その 仮説 なぜなら P -価値 は 少ない よりも 0 .05 .
それ の 伝える 私たち それ は 大幅 違う .
それ 手段 一部 変化 は a 特別 原因 ,
それで 私たちは できる 使用 として a 候補者 のために サブグループ化 .
また , 同様に 私たちは チェック と その サイト 変化 もし それ は a 特別 原因 または ない .
私たちは 考慮して 二 サイト 測定 近く アッパー スペック 制限
として 良い として 近く より低い スペック 制限 .
私たちは 見た それ ここ 私たちの 仮説 は 二 サイト は 測定 似ている、
そして 私たちは 見つかった それ その P -価値 は より高い よりも 0 .05 .
のために アッパー スペック 制限 ,
そこには は いいえ 証拠 それ 私たちは できる 拒否する その 仮説 .
それ は 似ている , の上 その 他の 手 , のために より低い スペック 制限 .
それ は わずかに 拒否された なぜなら それ は 少ない よりも 0 .05 .
のために サイト 変化 , どちらか それ は わずかに 拒否された
または そこには は いいえ 証拠 に 拒否する .
それ の なぜ サイト 変化 は ない a 良い 候補者
そして 一部 変化 は その より良い 候補者 .
何 私たちは した 次 , 私たちは 作る 私たちの コントロール チャート また と 段階 オプション そして A ここ ,
サンプリングされた 一部 で a 違う 段階 .
いつ 私たちは する それ , 私たちは 見た それ で a 動く 範囲 チャート ,
私たちは 見つかった 変化 で その 変化 で その 測定 で その 動く 範囲 ,
そして それ 計算された その コントロール 限界 のために その 底 チャート そして その アッパー チャート .
今 私たちは 見た それ 全て その ポイント ,
全て その 測定 ポイント は 内部 その コントロール 制限 .
これら は その バリエーション の それぞれ サンプル . それ は その 再現性 .
いつ 私たちは 考慮する サイト A そして サイト B ,
そして 私たちは 見た また サイト B もっている また 再現性 .
しかし 比較すると に サイト A そして サイト B , そこには は いくつかの 変化 の 再現性 .
それ は と呼ばれる 再現性 .
今 私たちは 計算する その ゲージ R&R , 全て その コンポーネント で その 次 スライド ,
そして 私たちは 'll 探す 外 何 は その 支配的な エラー で ゲージ R&R .
初め 、 私たちは した 主要 効果 .
私たちは しなかった 't 考慮する のために その 主要 効果 一部 そして サイト 変化 交流 ,
それで のみ その 主要 効果 .
ここ , 私たちは 見た その 再現性 , 再現性 .
再現性 は 22 % そして 再現性 は 15 %。
I すでに 言及された として a ゲージ R&R , 私たちは は 考慮して P /T 比率
なぜなら 私たちの サンプル 分布 は 二峰性 ,
そして 私たちは 見た それ P /T 比率 は 26 %。
それ は 合格した , それ は 少ない よりも 30 %。
それ は わずかに 合格した 、 そして 選考科目 エラー は 22 % 再現性 .
1つ もっと もの I すべき 言及 ここ , 私たちは は 考慮して P /T 比率
しかし P /テレビ または P /PV 比率 は とても 近い のために 私たちの 測定 症例
なぜなら 私たちの サンプル 分布 は 二峰性 そして で その 二 終わり の その スペック 制限 .
それ は その 理由 これ 比率 T または テレビ は とても 近い または PV は とても 近い .
それ は その 理由 私たちは 持っている これ ゲージ R&R .
これ 形 の メリット は とても 近い .
また 、 私 すべき 言及 ここ タイプ I エラー アルファ そして タイプ II エラー ベータ .
タイプ I エラー , 全て 私たちの データ ポイント 内で その コントロール 制限 .
それ の その 理由 私たちの タイプ I エラー 良い 一部 は 誤って 拒否された .
それ の とても 小さい . それ は 少ない よりも 6 %。
の上 その 他の 手 , タイプ II エラー , それ は 6 %, それ は 失敗した .
それ は もっと よりも 10 %。
なぜ タイプ II エラー は より高い ?
私たちの 再現性 は その 選考科目 問題 .
いつでも 私たちは は 測定 その サンプル , それ は 内で その スペック 制限 .
しかし それ は 可能 のように それ いつでも a お客様 は 測定 それ .
それ できた なれ 超えて その スペック 制限 なぜなら 再現性 は 高い ここ .
で これ ポイント , 以来 私たちは は 現像 その 製品 ,
私たちは は で その イニシャル 実現可能性 チェック 段階 .
お客様 は ハッピー と これ ベータ タイプ II エラー ,
しかし 私たちは 持っている オプション .
もし 私たちは できる 改善する その 再現性 , それから それ できる 改善する これ 一部 また .
の上 その 他の 手 , もし 私たちは できる 考慮する それ 一部 そして サイト 交流 ,
それから 私たちは 見た それ 一部 そして サイト 交流 は 6 %,
ない それ 多くの ,
しかし そこには は a 少し 少し 交流。
そして いつ 私たちは しなかった 't 考慮する その 交流 で その 主要 効果 モード ,
それから これ 交流 は 追加した で その 再現性 .
それ の なぜ 私たちは 見つかった それ いつでも 私たちは は 考慮して その 交差した 効果 ,
私たちは 見た 再現性 少し 少し 減少
なぜなら 私たちの 交流 は とても 小さい , ない それ 多くの 減少 .
以来 これ 交流 は とても 小さい ,
私たちの 形 の メリット は ない 変化 それ 多くの .
それ は 変化 から 少し 少し .
今 から ここ ,
私たちは 知る それ 私たちの 支配的な エラー は 再現性 .
前に 行く について その もっと 議論 と 再現性 ,
初め 別の もの I だろう のように に 言及 ,
プロセス 能力 と ゲージ R&R .
効果 の ゲージ R&R の上 その プロセス 能力 .
ここ , プロセス 能力 私たちは は プロット で ICC 対 P /T プロット .
ICC は その 一部 変化 に 合計 変化
そして P /T は その 六 シグマ ゲージ , そして USL マイナス LSL .
私たちは 計算された から ここ Cₚ , そして で 私たちの 症例 ,
で 私たちの プロセス 現在 状態 , Cₚ は 0 .93 .
それ は 少ない よりも 1つ .
それ は で その 赤 ゾーン , そして 私たちは 必要 に 行く Cₚ ...
のために a 良い プロセス 能力 , 私たちは 必要 に 行く 間 Cₚ 1 .33 -2 .
それ は その 黄色 ゾーン .
に 改善する これ Cₚ , 何 私たちは 必要 に する ?
で これ 一部 , これ は その プロセス 一部
そして で これ 方向 , それ は その 測定 一部 .
プロセス 変動性 または 一部 変動性 は とても 高い .
のために 私たちの 測定 , 私たちは 見た それ 私たちの P /T は 24 %。
もし 私たちは だろう のように に 増加 , もし 私たちは だろう のように に 改善する その P /T
から 24 に 仮定する 15 % または 10 %, それから 私たちは 持っている に 改善する 30 % -50 %,
そして 内で それ , 私たちの 再現性 は その 主要 問題 .
それ は その 理由 私たちは 必要 に 改善する その 再現性 .
今 それ は 質問 .
もし 私たちは 必要 に 改善する その 再現性 , する 私たちは 必要 に 変化 私たちの 測定 道具 ?
それ は また 依存する の上 その 投資収益率 それ は 質問 に 私たちの 管理する レベル ,
または 私たちは できる 住所 その 再現性 で 違う 方法 .
それ の なぜ 私たちは 'd のように に 探す 外 その 根 原因 なぜ 再現性 は より高い .
ここ 私たちは は 考慮して 変動性 チャート と 分析 の 分散 .
ここ 私たちは できる 見る それ 私たちは プロット 全て その サンプル 変動性 一緒に
と サイト A そして サイト B 測定 .
あなた できる 見る それ 仮定する , のために a サンプル A0 ,
これ は その 測定 再現性 , そして それ は 変化 .
これ 再現性 は 変化 のために 全て その 部品 .
また 再現性 は 変化 と その サイト に サイト
なぜなら ここ あなた できる 見る 再現性 は 0 .06 標準 偏差 ,
しかし で これら 症例 いつ 彼らは 測定 彼らの 再現性 は 0 .03 .
それ は その 理由 これ 再現性 は 変化
と 一部 に 一部 また サイト に サイト .
いつでも それ は 変化 と サイト に サイト ,
それ の と呼ばれる 再現性 .
ここ もし あなた できる 考慮する その 分析 の 分散 ,
それから 私たちは できる 見る それ サイト に サイト 変化 は 多くの 小さい
よりも 内で 変化 .
これ は その 再現性 , 内で 変化 , そして サイト に サイト .
サイト に サイト 変化 , それ は 再現性 , それ の 多くの 小さい .
再現性 また から ここ また 私たちは 探す 外 それ それ は その 大きい 問題 .
今 で その 次 に 探す 外 その 根 原因 ,
私たちは プロットされた 全て その 再現性 側 による 側 一緒に ,
そして のために 両方 その 症例 , USL , アッパー スペック 制限 そして より低い スペック 制限 ,
そして 全て その 症例 私たちは 見つかった それ その 再現性 は 違う .
次 私たちは のように に 相関する または 探す 外 どれでも 関係
もし それ は 現在 サイト A そして サイト B 測定 .
理想的には , サイト A 測定 意思 等しい に サイト B 測定 すべき なれ .
しかし で 私たちの 症例 , 私たちは した いくつかの リニア フィット そして 私たちは 見つかった それ 私たちは 持っている 傍受
として 良い として 私たちは 持っている リニア フィット スロープ , それ は ない 1つ , それ は ない ゼロ .
ここ 私たちは 見つかった それ リニア スロープ は 少ない よりも 0 .4
そして 傍受 は より高い よりも 0 .9 .
私たちの フィッティング ポイント は 分散型 広く .
それ の その 理由 私たちの R -平方 は また 貧しい .
私たちは また した その 密度 楕円
そして 密度 楕円 また 伝える それ これ 相関 は 少ない よりも 0 .5 .
もし 彼らは 持っている a とても 良い 相関 関係 ,
それから それ すべき なれ 0 .9 .
もし それ は 0 .6 , それから それ 意思 なれ 適度に 相関関係 .
しかし で 私たちの 症例 , それ の ない それ .
それ の なぜ 私たちは 知る それ サイト A 測定 は ない サイト B 測定 .
それ の その 再現性 影響を受けた の上 その 再現性 .
問題 の 再現性 は 影響を受けた の上 その 再現性 .
今 私たちは チェック もっと 密接に どうやって それ は 違う .
私たちは は 比較する による マッチ ペア その サイト A そして サイト B 変化 .
ここ 私たちの 仮説 は サイト A 等しい に サイト B ,
それ 手段 サイト A マイナス サイト B 等しい に ゼロ .
私たちは 見た それ 私たちの 確率 のために これ 仮説 ,
サイト A マイナス サイト B 等しい に ゼロ , は 少ない よりも 0 .05 で 両方 その 症例 .
それ は アッパー スペック 制限 そして より低い スペック .
両方 その 症例 あなた できる 見る それ それ は 確率 は 少ない よりも 0 .05 .
それ 手段 サイト A そして サイト B 測定 は 違う ,
そして あなた できる 見る 私たちの 違い の 平均 価値
そして 自信 間隔 は その上 その ゼロ ポイント ライン .
それ 手段 けれど これ は
サイト A 測定 は いつも より高い のために サイト B 測定 .
今 から ここ , 私たちの 質問 登場 , 以来 私たちは した その 初め 繰り返す 分析
のために 私たちの MSA デザイン は 初め 繰り返す , それ できた なれ 可能 のように それ
もし サンプル は 劣化した , のように O /アル 構成 は 劣化した .
それ の なぜ 私たちは した また マッチ ペア テスト
と 初め そして 4番目 測定
両方 で サイト A そして サイト B のために 全て 六 サンプル ,
そして 私たちは 見つかった それ ここ ,
初め 測定 マイナス 4番目 測定 等しい ゼロ .
それ は 私たちの 仮説 .
私たちは 見た それ P -価値 は より高い よりも 0 .05 両方 その 症例 .
それ 手段 私たちの サンプル 劣化 は ない 一つの 問題 .
初め サンプル , そこには は いいえ 証拠 .
初め 測定 そして 4番目 測定 は 異なる .
それ 手段 それ は その 測定 問題 .
のために それ , これ は 要約 で その ダッシュボード テーブル ,
で その ダッシュボード , のように 私たちの 形 の メリット
のために ゲージ R&R 24 % そして 再現性 は 21 %
そして それ 再現性 は 変化 から 一部 に 一部 そして サイト に サイト ,
そして 私たちは 持っている いつも より高い 再現性 のために サイト A 比較すると に その サイト B .
今 のために 私たちの 次 プラン ,
私たちは プラン のために a 議論 それぞれ サイト として 良い として と その プロセス チーム .
サイト もっている a 問題 のように 再現性 として 良い 一部 -サイト 交流 .
私たちは 知る それ 何 エラー できた なれ 紹介された で その 測定
のように 背景 /ベースライン 修正 , 電子 カウント , ピーク デコンボリューション .
私たちは 'll 話し合う それらの 方法 ソース の エラー と サイト A 人 ,
サイト A 施設 , そして 私たちは 意思 探す 外
どうやって 私たちは できる する その 合理化 プロセス のために 改善する 私たちの MSA .
また 私たちは 持っている a プラン セット 上 a 較正 サンプル
または 私たちは できる セット 上 a セット 上 サンプル
それ 私たちは できる 測定 で 通常 間隔 で その 両方 サイト .
の上 その 他の 手 , と その プロセス チーム , 私たちは 'll 話す に 改善する MSA 次 時間
に MSA データ コレクション 制服 .
その代わり の 二峰性 , 私たちは すべき 集める その データ 均一に .
それから また 私たちは 見た 一部 に 一部 再現性 変化 .
そこには は 1つ 理由 それ できた なれ 測定 問題 .
別の 理由 できた なれ プロセス は ない 制服 .
私たちは 必要 に 検証する 私たちの 熱 数学 に チェック 私たちの プロセス 均一 .
ついに , I だろう のように に 言及 それ 何 は その インパクト
の上 私の 学ぶ のために これ MSA 分析 .
今 私たちは 知る それ いくつかの ジャンプ プラットフォーム または ジャンプ 応用 できる ヘルプ 自分 に 知る
何 は その 信号 変化 から その ノイズ 変化 ,
そして それから 私たちは できる 識別する 何 形 の メリット 私たちは できる 使用
に 正当化する 私たちの 測定 方法 .
で 私たちの 症例 , 私たちは 見つかった P /T は その 最高 方法 ,
最高 形 の メリット に 分析する それ .
それから どうやって 誤分類 リスク できる 関係する に その MSA 成分
として 良い として サンプル 分布 それ 私たちは 学ぶ .
根 原因 分析 , 私たちは した いくつかの ジャンプ 応用
それ できる ヘルプ 私たち に プラン に 改善 MSA .
以来 それ は とても 役立つ のために 特定の プログラム 応用 ,
それ の なぜ I だろう のように に 導入
これ データ 駆動 決断 作る のために 全て その プログラム I 関与する で
に 改善する その プロジェクト 品質 , 料金 , そして 時間 .
ついに , I だろう のように に 推進する データ 駆動 決断 使用して ジャンプ
で 私たちの 高度な テクノロジー グループ のように 最高技術責任者 チーム ,
または 他の 違う プロジェクト .
これ は 私の ファイナル スライド .
I だろう のように に 言及 私の 旅 .
I 開始 ジャンプ 学ぶ 始まり の その 年 ,
そして それ 時間 私たちは した A0 , A1 , A2 . これ は 私の 財団 .
それから 後 I 仕事 と MSA 分析 そして SPC .
I また 得た 私の 証明書 , ジャンプ ステップ 証明書 5月 2023 .
今 I 午前 インストラクター で 過激 ジャンプ インストラクター .
I 'm 計画 に で 人 プレゼンテーション で 10月 2023 ,
そして また I 午前 働く のために 私の 黒 ベルト の上 2024 .
感謝 あなた のために リスニング .
