Heute
Wir
'Re
gehen
Zu
sprechen
um
Wie
Zu
verwenden
JMP
Zu
Tun
dünn
Film
Entwicklung
mit Plasma -erweitert chemisch Dampf Ablagerung .
Das Ist a bisschen anders , I denken ,
als manche von Die typisch arbeiten Das 'S Erledigt In Industrie ,
Wo Es 'S a ständig gerührt Reaktor Und Du dürfen stets mischen Dinge .
Egal von Was passiert , Du dürfen stets messen Ausgänge .
Aber in plasmaverstärkt chemisch Dampf Ablagerung ,
Es 'S Wirklich diskret Taschen von Stabilität Das Du haben Zu arbeiten mit .
Sogar obwohl Wir dürfen Satz hoch ein großes Parameter Raum ,
Dort dürfen Sei Flecken innerhalb Das Parameter Raum
Wo Du Mai nicht Sei fähig Zu schlagen Die Plasma
oder Es könnte Bogen Weil Die Leistung Dichte Ist zu hoch .
Seit Wir haben a groß Nummer von Ablagerung Parameter ,
Wir brauchen Zu verwenden a Design von Experimente
Zu effektiv erkunden Das Parameter Raum .
Sogar Wenn Wir 'Re fähig Zu schlagen Die Plasma ,
Dort Sind Trotzdem Probleme mit dünn Film Gleichmäßigkeit .
Wir 'Re Einzahlung Nanometer Filme
mit fast perfekt Gleichmäßigkeit über a 12 -Zoll Wafer .
Einmal Wir erhalten Das , Wir Trotzdem haben Zu Schlag Die gezielt Film Eigenschaften .
Wir 'Re gehen Zu sprechen um Wie Zu verwenden PECVD
Zu entwickeln neu dünn Filme aus neu Vorläufer .
Der Erste Ding Wir 'Re gehen Zu Tun Ist sprechen um Vorläufer 1 .
Aus Was I War fähig Zu lesen aus Die JMP Tutorials ,
Die Definitiv Screening Design Ist a sehr wirksam Weg
Zu Bildschirm a groß Nummer von hauptsächlich Effekte In Die am wenigsten Nummer von Experimente .
Das 'S Schlüssel Zu Die arbeiten Das Wir Tun.
Wir wollen Zu erhalten Die Rechts Antwort In Die kürzeste Menge von Zeit
mit a Daten -angetrieben Ansatz .
Wir gebraucht a Definitiv Screening DAMHIRSCHKUH Zu erkunden Sieben Faktoren In 26 Läufe .
Was Wir 'll Tun Ist Nur offen hoch Das anfänglich DAMHIRSCHKUH .
Das Ist Die aufstellen Wir kam für Die Definitiv Screening DAMHIRSCHKUH .
Hier Sind Die Sieben anders Faktoren war variierend für Die Ablagerung,
Und unser Ausgabe Ist gehen Zu Sei Das Parameter UND,
Und Wir 'Re versuchen Zu maximieren Es .
Wenn Wir sehen bei Die Reichweite von Parameter für Das Typ von PECVD Verarbeitung ,
Das Ist a sehr breit Reichweite von anfänglich Parameter .
Wieder , Wir 'Re versuchen Zu Bildschirm für hauptsächlich Effekte ,
Und unser Ausgänge Sind Bereich aus, sagen , 9-34 , Und unser Basislinie War 21 .
Wir Tun sehen ein Verbesserung Dort .
Eins von Die Dinge Das I stets wie Zu Tun Wann Wir Tun a DAMHIRSCHKUH
Ist enthalten a Center Punkt replizieren oder a wiederholen laufen
Zu sehen Wie reproduzierbar Die Instrument Ist , als Also als Zu machen Sicher
Das Die Statistiken Wir erzeugen innerhalb Die Design Sind gültig .
Diese Sind Die zwei Center -Punkt Läufe ,
Und Du dürfen sehen Wir erhalten exzellent Reproduzierbarkeit .
Der andere Ding Das 'S Wirklich Hübsch für uns Zu Tun vor Wir erhalten hinein Beschlag Die Modell
Ist Nur Zu sehen bei Die Ausgabe Variablen
Und versuchen Zu identifizieren beliebig Trends Das Wir dürfen sehen .
Ist Dort irgendetwas Wir dürfen identifizieren schnell Das Wir dürfen Attribut Die hauptsächlich Faktoren Zu ?
Hier, Dort 'S vier Punkte mit a Y Wert von größer als 30 innerhalb Die DAMHIRSCHKUH .
Wenn Wir wählen diese Punkte ,
Es 'S Hübsch Zu sehen Wenn Wir dürfen sehen beliebig Trends verbunden mit diese Daten .
Eins von Die am schnellsten Wege I gefunden Zu Tun Das Ist Zu schnell Tun a multivariat Analyse ,
Und Wir dürfen Tun Das grafisch .
Was Wir 'Re gehen Zu Tun Ist nehmen alle unser Faktoren
Und Dann unser Ausgabe Variable ,
Und Wir 'Re gehen Zu erzeugen a multivariat Analyse .
Hier In Das Graph , Das Ist unser Y Wert .
Du dürfen sehen als Wir gehen aus 10 bis 30 ,
Die vier Werte Das Sind Die höchste Sind hervorgehoben ,
Aber Die Reihen Sind Die verschieden Faktoren .
Hier Wir dürfen sehen für Helium ,
Wir haben Die höchste Werte bei Die hoch Und niedrig Spaltungen .
Für Vorläufer , Wir haben Die hoch Und niedrig Spaltungen .
Aber für Temperatur Und Druck ,
Wir haben Die höchste Werte bei Die niedrigste Spaltungen .
Es 'S Wirklich , I denken ,
a Gut Anzeige anfänglich vor Wir habe Erledigt beliebig Modell Beschlag ,
Das Temperatur Und Druck könnte Sei wichtig Variablen für uns Zu sehen bei .
Wenn Wir gehen zurück Zu Die Tisch,
Die andere Hübsch Ding um JMP , Es 'S sehr leistungsstark Weil...
Wieder , vor Wir Tun Die endgültig Screening ,
Wir dürfen verwenden a Prädiktor Screening
Zu identifizieren Was Sind Die am meisten wichtig Faktoren .
Wieder , Wir verwenden Die Standard Analyse , Eingang unser Faktoren , unser Antwort Ist Y ,
Und Du dürfen sehen Was Die Prädiktor Screening Ist erzählen uns
Ist , Ja , Druck Und Temperatur Sind sehr wichtig .
Aber ein Ding Das Wir nicht 'T fangen
In Das multivariat Analyse Ist Die Vorläufer fließen .
Diese drei Faktoren , Druck , Vorläufer fließen , Und Temperatur
erscheinen Zu Sei dominant In Geben uns Die höchste Werte von Y .
Jetzt I gesucht Zu fit Die Modell Weil I denken
Die real Leistung von Die DAMHIRSCHKUH Ist nicht Die Läufe In Die Tisch ,
Aber Es 'S Die Antwort Oberfläche Modell Das Du dürfen verwenden
Zu erhalten Vorhersagen für Verbesserung als Also als Wegbeschreibung Zu weiter erkunden .
Aber wenn I ging Zu analysieren Es , Es würde 'T arbeiten .
Es dreht sich aus Wir war nur fähig Zu vollständig 25 von Die 26 Läufe ,
Und I War nicht bewusst Das Die Definitiv Screening DAMHIRSCHKUH ,
Die Standard Analyse würde nicht arbeiten Wenn Du tat nicht vollständig alle von Die Läufe .
Bei Das Punkt , I kontaktiert Jed bei JMP Zu helfen Mich verstehen
Wie I könnte erhalten manche Modelle aus von Das Daten
Das Wir sorgfältig gesammelt über a Zeitraum von Zeit .
I 'll drehen Es über Zu Jed .
Wann Rechnung angerufen ,
wie Er sagte ,
Wann Er Schlag Das Skript Das gespeichert Zu Die Daten Tisch
von Fit Definitiv Screening , Nichts passiert .
Wenn Du sehen über Hier ,
Die Protokoll Ist sagen , Dort Sind Läufe Das Sind nicht falten über Center Punkt laufen ,
Und Es 'S laufen 17 , welche Ist offensichtlich Die laufen Das War fehlen
Und konnte 'T Sei vollendet In Die Experiment .
Was Rechnung gesucht War a Weg Zu Trotzdem fit Das Definitiv Screening Modell .
Wir kam hoch mit zwei anders Ansätze
Und hatte drei Modelle Das kam um aus diese zwei anders Ansätze .
Der Erste eins Ist verwandt Zu Die Definitiv Screening .
Der Entwürfe von diese Typen von Modelle, von diese Experimente,
Sind stets falten -über Paare , Wo Dort 'S a Paar von Gegensätze .
Wenn Wir dürfen finden Das falten -über Paar , oder Die Zwilling , I erraten , von Das Reihe 17 ,
Wir sollen Sei fähig Zu ausschließen beide Reihen
Und Dann fit Die endgültig Screening Design .
Wir Nur benötigt a einfach Weg Zu Tun Das .
Was Wir kam hoch mit War grundsätzlich Zu verwenden a Paar von Verknüpfungen .
I 'M gehen Zu Erste standardisieren Die Attribute von diese Spalten
Und ändern Die Modellieren Typ Zu Ordinal- .
Als I Tun Das , Du 'll beachten Das Mein Fähigkeit Zu wählen hat geändert .
Das hilft Wann I sehen bei a Daten Filter .
Jetzt I haben Boxen eher als Histogramme , Also Es Nur macht Es Schneller Zu wählen .
Was Wir brauchen Zu Tun Ist finden Die Gegenteil Reihe von Das .
I haben Das Reihe 17 ausgewählt , Und Du sehen Das Es 'S hoch , hoch , hoch ,
niedrig , niedrig , niedrig , Und Dann I 'M aus von Erinnerung Raum .
I 'M Erinnern hoch , hoch , hoch , niedrig , niedrig , niedrig .
I brauchen Zu finden Die Gegenteil von Das ,
welche Ist gehen Zu Sei niedrig , niedrig , niedrig , hoch , hoch , hoch .
Wenn I Nur kommen über Hier Und Start Arbeiten Mein Weg runter , niedrig , niedrig , niedrig , hoch ,
von Die Zeit I erhalten Zu Nur vier von Die Läufe
Also Nur mehr als Hälfte von Die Faktoren ausgewählt ,
Jetzt I 'M runter Zu Nur eins passend Reihe .
Es Nur Also passiert Das Die sehr nächste laufen War Die Umschlag Paar In Das Experiment .
Wir dürfen wählen beide von diese Läufe , ausschließen ihnen ,
Und Dann gehen zurück in in Die Spalte Eigenschaften
Und ändern Das Modellieren Typ zurück Zu kontinuierlich .
Jetzt Wann Wir Schlag Das Definitiv Screening Taste ,
Es Werke .
Wir dürfen laufen Das Modell Und sehen Das Es 'S Vorhersagen ziemlich Also .
Wir dürfen sehen Die Profiler , Aber Wir Auch war Wirklich bewusst
Das eins von Die Läufe aus von 26 , Das 'S fast 4 %.
Wir 'Re Werfen weg rund 4 % von Die Information von ausschließlich Das .
Was Wir 'D Wirklich wie Zu Tun Ist nicht werfen Das Information weg ,
finden a Weg Zu verwenden Das .
Wir gebraucht Die Modellscreening Plattform In JMP Pro Zu laufen a Bündel von Modelle
Und Dann wählen Die am besten .
Der zwei Das kam aus Die am besten war a Neuronale Und Schrittweise Modell ,
Und I dürfen gehen durch diese Wirklich schnell .
Der Neuronale Modell War mit unser Antwort Und unser Faktoren .
Seit Das War a DAMHIRSCHKUH , Wir 'Re gehen Zu Tun Die Minimum Zurückhaltung ,
Und I 'M Nur gehen Zu wählen a zufällig Samen Also Das Ist wiederholbar .
Der Modellscreening Plattform allgemein schlägt vor um 20 steigert .
Wenn I Schlag Gehen Hier , I erhalten a hübsch Gut Rsquare über Das.
Vielleicht I könnte versuchen Zu Melodie Das Modell von Hinzufügen manche mehr Parameter ,
Aber Wann I Tun , I dürfen sehen Das R Quadrat Ist nicht Wirklich Ändern .
I Don 'T denken I wollen Zu hinzufügen mehr Parameter
Und Risiko Überanpassung Die Modell .
Das War eins Extra Weg Zu Tun Es .
Dann Die zweite Modell Das zeigte hoch leicht für uns
mit Die Modellscreening Plattform War Zu Tun Schrittweise .
Der Weg Wir tat Das War Wir setzen unser Ausgabe Hier
Und Dann verwenden Die Abkürzung Zu Tun a Antwort Oberfläche .
Das beinhaltet alle hauptsächlich Faktoren ,
alle kariert Bedingungen , Und alle zwei -Weg Wechselwirkungen .
Dann Wenn Wir ändern Das Zu Schrittweise Hier , Wir dürfen Schlag Die Laufen Taste Und Gehen .
Jetzt JMP Ist gehen Zu eingeben Und Ausfahrt alles
bis Es Funde Die Modell Das passt Die am besten .
Wir dürfen gehen voraus Und laufen Das .
Jetzt Wir haben drei Modelle Das Wir wollen Zu vergleichen .
Was I 'M gehen Zu Tun Ist I 'M gehen Zu nehmen Das Erste Modell Und speichern .
I 'M gehen Zu veröffentlichen Das Vorhersage Formel
Zu Die Formel Depot .
I 'M gehen Zu geben Es a Wirklich schnell Name , Und Wir Wille Anruf Das DSD .
Was auch immer , I dürfen 'T Typ .
Wir 'll Anruf Es DSD , Und Dann schließen Es .
Wir 'll Tun Das mit Die Neuronale als Also .
Wir Wille veröffentlichen Das Vorhersage Formel ,
geben Es a Name ,
Und Tun Die Dasselbe mit Das Finale Modell
Wo Wir Wille veröffentlichen Das Vorhersage Formel .
Das zuletzt eins War , Wir angerufen Es Schrittweise .
Jetzt I haben diese drei Modelle Und I dürfen vergleichen ihnen .
Wir dürfen laufen Die Modell Vergleich Plattform für alle drei von ihnen
aus innerhalb Die Formel Depot.
Wir dürfen erhalten a Rang von Die Rsquares von diese Modelle .
Wir dürfen sehen bei Die tatsächlich gegen vorhergesagt ,
Und Wir dürfen sehen Das Sie 'Re alle Vorhersagen um Die Dasselbe .
Wir dürfen Auch sehen bei Die vorhergesagt von Reihe ,
Und Wir dürfen sehen Das eins Punkt aus Die Definitiv Screening Design
Ist Die eins Das War links aus Wann Wir fit Die Original Definitiv Screening Design .
Es scheint Zu Sei wichtig , Und wahrscheinlich am meisten wichtig ,
Wir dürfen sehen bei a Profiler für alle von diese gegen jede andere .
Wenn I drehen aus Die Erwünschtheit , Wir dürfen sehen Wie diese Modelle vergleichen Zu jede andere .
Für Beispiel , Wir dürfen sehen bei Das Definitiv Screening Design
Und sehen Das Es 'S zeigt manche Krümmung Wo Die andere zwei Modelle Sind nicht .
Vielleicht Wir dürfen sehen Und sehen über Hier
Das Die Krümmung Ist anders für jede von diese .
Dann Die Frage wird , welche Modell Ist am besten Und Wie Tun I wissen ?
Dann Das bringt uns zurück Zu Rechnung .
Danke , Jed .
Lassen Mich Aktie Mein Bildschirm .
Kann Du sehen Mein Bildschirm ?
Ja .
I 'M gehen Zu Nur ...
Jed gespeichert alle Das Zu Die Formel Depot, also ich 'M Nur gehen Zu ausführen Die Skript
Das Wille nehmen uns Zu Die Formel Depot Das Er 'S bereits gespeichert .
Wieder , Wir 'll Dann Nur gehen Rechts Zu Die Profiler .
Wir 'Re gehen Zu fit alle drei von diese .
Dann Wir haben Die Profiler .
Das Ist Was Die real Leistung , I denken , von Die DAMHIRSCHKUH Ist,
Weil Die Vorhersage-Profiler , Wir dürfen optimieren Und maximieren Die Erwünschtheit .
Der Antwort Oberfläche Modelle Wille erzählen uns Was Kombination von Faktoren Wir brauchen
Zu erhalten Die höchste elastisch oder höchste Wert von Die Ausgabe Parameter .
Was War Wirklich Auge -Öffnung für Mich Ist Wenn Du sehen bei Die Werte Das Wir erhalten
Wann Wir Tun Das Optimierung , zwei von Die Vorhersagen ,
Die Neuronale netto Und Die Definitiv Screening DAMHIRSCHKUH,
Sind Geben uns Werte von Die Y Parameter
Das Sind größer als irgendetwas Wir gesehen In unser anfänglich Daten Tisch .
Wir hatte a maximal Wert von 34 .
Lassen 'S sehen.
I 'M Entschuldigung , I Nur bekommen Zu erhalten Das Bildschirm zurück .
Typischerweise , Es 'S sehr ungewöhnlich für Mich Zu sehen Das mit Die DAMHIRSCHKUH .
Typischerweise , Die Modell , Wenn Du maximieren Es ,
Ist allgemein schließen Zu Was Du sehen als In Die Tisch .
Aber in Das Fall , Es Aussehen wie Wir Wirklich haben manche niedrig -hängend Obst .
Wir benötigt Zu prüfen Das Kombination von Parameter
Und Wirklich sehen Wenn Das Vorhersage War gültig oder nicht .
Wenn Wir gehen zurück Zu unser JMP Zeitschrift...
I Nur wollen Zu zeigen Du Was passiert .
Wir nahm , I denken Das Ist Die Vorhersage aus eins von Die Neuronale Netzwerk passt .
Wieder , Die höchste Wert In Die Definitiv Screening DAMHIRSCHKUH War 34 .
Der Modell Vorhersage War 42 , Aber Wann Wir Genau genommen lief Es ,
Wir gesehen manche Artefakte In Die Film Das war nicht akzeptabel .
Der Plasma selbst War stabil .
Dort War NEIN Weg Zu sehen Das bis Die Wafer kam aus von Die Reaktor .
Aber du dürfen sehen Dort 'S a Volltreffer Muster ,
welche Ist fällig Zu Film nicht -Gleichmäßigkeit .
In Das Fall , Es 'S sehr dick In Die Mitte Und dünn bei Die Rand ,
welche gibt uns Das Volltreffer Muster .
Dann Wenn Du sehen sorgfältig ,
Du dürfen sehen alle diese klein Punkte über Die Wafer ,
welche Sind Genau genommen Die Löcher unter Die Duschkopf .
Der Duschkopf hat Tausende von klein Löcher Wo Die Gas kommt aus .
In Das Fall , Wir haben a Dusche Kopf Muster Und a Volltreffer .
I denken Die Modell Ist erzählen uns Was Richtung Zu gehen .
Aber nochmal , Plasmen Sind herausfordernd Zu verwenden .
Sogar obwohl Die Modell War erzählen uns
Das Film sollen haben Die höchste Wert von Y ,
Die Film selbst War inakzeptabel .
Dann Wir haben Zu verlassen An unser Verfahren Und theoretisch Wissen von Die Verfahren .
Wir wissen Das Argon hat a untere Ionisierungsenergie,
Und Wenn Wir Ersatz Argon für Helium Und Die Plasma ,
Wir dürfen erhalten a höher Plasma Dichte ,
welche Mai helfen uns überwinden diese Herausforderungen .
Was Wir tat Ist schalten Zu Argon , Und Du dürfen sehen ,
Obwohl Die Film Ist nicht perfekt , Es 'S viel mehr Uniform
Und sicherlich Gut genug für uns Zu erhalten Die physisch Eigenschaften
von Die Film Das Wir dürfen verwenden .
In Das Fall , Wir war fähig Zu Schlag a Y Wert von 46 ,
welche wieder , Ist viel größer als 34 .
Wir 'Re sicherlich Trends In Die Rechts Richtung .
Was Wir Wirklich gesucht Zu Tun Ist ,
Sind Dort beliebig Gelegenheiten für uns Zu weiter verbessern Die Film ?
Wieder , Das 'S Wo Die Vorhersage-Profiler
oder Die Antwort Oberfläche Modelle Sind sehr leistungsstark .
Wenn Wir Nur sehen bei Die Trends Das Wir sehen Hier...
I 'M Nur gehen Zu Schlag diese hoch
Also Wir dürfen sehen ihnen a wenig bisschen besser für jede von diese Fälle .
Der Daten Ist Wirklich erzählen uns,
In bestimmt Fälle , Dort 'S Dinge Das Wir Wirklich wollen Zu untersuchen .
Untere Temperaturen
sehen wie Es 'S definitiv Begünstigung Die höchste Wert von Y ,
Druck erscheint Zu Sei a Schlüssel Parameter ,
Und niedrig -Frequenz Leistung für Das anfänglich DAMHIRSCHKUH
Aussehen wie In zwei Fälle ,
Du wollen Zu gehen Zu höher niedrig -Frequenz Leistung .
Der Schrittweise Ist Geben uns Die Gegenteil .
Aber du dürfen sehen Das Das Ist Wirklich a Entwurf
für uns Zu Tun ein zusätzlich Design Zu sehen Wie weit Wir dürfen drücken Es .
Kann Wir gehen Zu untere fließen Preise, dürfen Wir gehen Zu untere Temperaturen,
dürfen Wir gehen Zu untere Drücke Und weiter verbessern Die Film Eigenschaften ?
Es 'S Wirklich sequentiell Lernen ,
Und Das für Mich , Ist Die real Leistung von Die DAMHIRSCHKUH .
Wir Don 'T Wirklich haben Zeit Zu gehen durch alle von Das ,
Aber Was I tat Ist setzen zusammen a neu JMP Tisch mit Die Ergebnisse
aus unser sequentiell Lernen für Das Satz von Experimente .
Hier Ist Die Dasselbe Daten Wir gesehen In Die Definitiv Screening DAMHIRSCHKUH .
Hier Sind unser Y Werte , Und Wir 'Re Bereich aus 9 bis 34 .
Der anders Farben Sind Die anders DAMHIRSCHKUH .
Hier 'S Die nächste DAMHIRSCHKUH Das Wir tat .
Was Du dürfen sehen Ist basierend An Die Trends In Die Vorhersage Profiler
Und Die Antwort Oberfläche Modelle ,
Wir behoben Die niedrig -Frequenz Leistung bei Die höchste Einstellung Wir könnte .
Es dreht sich aus physisch Einschränkungen für Das Plasma Chemie verhindert uns
aus Hinzufügen beliebig mehr als 20 % niedrig -Frequenz Leistung .
Wir Auch behoben Die Temperatur .
Wir dürfen 'T arbeiten für Das Chemie unten 200 .
Wir wissen Das untere Temperatur gab uns Die höchste Wert ,
Also Wir behoben diese zwei
Und Dann tat a fünf -Faktor DAMHIRSCHKUH Fokussierung An untere Vorläufer fließt ,
verschieden Abstände , Die höher Befugnisse , Und sicherlich Die untere Drücke ,
welche War angegeben als eins von Die am meisten wichtig Parameter .
Wenn Du sehen bei Die Y Werte Hier ,
Du dürfen sehen Wir 'Re definitiv Trends In Die Rechts Richtung .
Jetzt Wir 'Re gehen aus Mitte 20er Jahre hoch Zu 56 .
Wir 'Re sicherlich über Die 46 Wir gesehen Dort .
Dann Wir tat Die Dasselbe Lernen .
Wieder , Die Vorhersage-Profiler angegeben Was Parameter Wir sollen erkunden .
Wir tat ein anderer DAMHIRSCHKUH .
In Das Fall , Wir behoben anders Parameter ,
Aber Du dürfen sehen Das Die Trend Ist Die Dasselbe .
Jetzt Wir 'Re Schlagen hoch Zu 66 In Bedingungen von unser Y Wert ,
Und Wir tat eins Finale Experiment ,
Und In Das Fall Du dürfen sehen grundsätzlich Die Summe von alle Die Wissen
Das Wir gewonnen .
Es gedreht aus Wann Wir geschaltet Zu Argon , Du könnte hinzufügen mehr niedrig -Frequenz Leistung .
Du könnte gehen aus null Zu 40 %.
In unser Finale Analyse , Das DAMHIRSCHKUH zeigte Das im Gegensatz zu Die Erste DAMHIRSCHKUH ,
nach Wir fein abgestimmt alles Und geschaltet Gase ,
Die niedrig -Frequenz Leistung hatte keine statistische Auswirkungen An Die Y Wert .
Wir Satz Das Zu null .
Wir gefunden aus Die niedrigste Abstand War Die am meisten wichtig .
Unser süß Stelle für Druck War 2 .3 Torr ,
Und Wir tat wollen Zu arbeiten bei Die niedrigste Temperatur .
Wirklich Wir hatte a drei -Faktor DAMHIRSCHKUH zwischen gesamt Leistung , Vorläufer fließen ,
Und Argon Verdünnung Zu Wirklich wählen In Die Filme ,
Und Wir könnte Schlag a maximal Wert von 84 .
I zusammengefasst alle Das In a Kasten Handlung Hier , welche I denken Wirklich zeigt
Die Fähigkeit von Die DAMHIRSCHKUH Und sequentiell Lernen ,
Wo Wir gestartet aus mit a Sieben -Faktor Definitiv Screening DAMHIRSCHKUH mit 26 Läufe
Und beendet hoch mit a drei -Faktor I -optimal Design mit 16 Läufe ,
Aber Du dürfen sehen unser Fortsetzung Verbesserung .
Das War unser Referenz Ziel , Also Wir Trotzdem haben mehr arbeiten Zu Tun .
Aber das Ist a sehr leistungsstark Weg für uns Zu Bildschirm Sieben Faktoren
mit drei -Ebene Entwürfe In a sehr kurz Zeitraum von Zeit .
I Tun denken Es 'S lohnenswert Nur Zu Punkt aus
Wie effizient diese neu modern DAMHIRSCHKUH s Sind .
Wenn Wir sah bei Was Wir 'Re Wirklich tun ,
Wir haben Sieben Faktoren Das Wir gestartet mit .
Alle von diese Sind drei -Ebene Entwürfe .
Für a drei -Ebene , Sieben -Faktor Design , Das würde Sei über 2 ,100 Läufe .
Wir könnte laufen 90 aus von Die Experimental- Entwürfe
Und erreichen Das Zunahme In Die Y Wert .
I denken diese modern Entwürfe ,
Die optimal Entwürfe kombiniert mit Die Definitiv Screening DAMHIRSCHKUH s
Sind ein sehr leistungsstark Werkzeug für uns Zu erhalten Die am meisten Wert
mit Die am wenigsten Nummer von Experimente .
Der Finale Ding I wollen Zu berühren An
Ist Wann Wir geschaltet Zu a anders Vorläufer .
Das Ist Wirklich a anders Herausforderung Wir konfrontiert .
Der Ziel Hier War Zu auswerten anders Vorläufer
Zu vergleichen Wie Es gestapelt hoch gegen Die anfänglich Basislinie Film .
Was Wir versucht Zu Tun Ist verwenden alle von unser Lernen aus diese vier Tut
Und werden sogar mehr effizient.
Stattdessen von 90 läuft, dürfen Wir Tun Das In 52 Läufe ?
Mit Jed 'S helfen , Wir setzen zusammen ein acht -Faktor A -optimal Design ,
Aber Was Wir gefunden Ist Das Die Chemie War schockierend anders .
Alle von Die Parameter Raum Das Wir könnte arbeiten leicht mit Vorläufer 1
War nicht Die Fall Hier .
In Tatsache , I setzen zusammen a gleiten Zu zeigen Du
Wie schlecht manche von diese Filme könnte sehen , Also Wir könnte erhalten perfekt Filme .
Du 'D Sei hart -gedrückt Zu erzählen Dort 'S a Film .
Das Ist a Nanometer -dick Film ,
Rand Zu Rand An a 12 -Zoll Silizium Wafer , perfekt Uniform .
Dann Wir würde haben Filme Das sehen wie Das .
Offensichtlich , Das 'S nicht a Design Das Wir gesucht .
Aber die Herausforderung Das Wir konfrontiert War , Wir 'Re tun ein acht -Faktor DAMHIRSCHKUH ,
Und Wir 'Re versuchen Zu Tun Das schnell Und effizient ,
Und 30 % von Die Läufe fehlgeschlagen .
I 'M suchen bei a Tisch mit acht anders Faktoren .
Wie Tun I wählen aus Die Faktoren Das Sind beitragen Zu Das ?
Was Wir tat Ist Wir erstellt a Tisch für unser acht Eingang Faktoren
Und Dann identifiziert alle von Die Filme
Das hatte Delamination , Lichtbogenbildung , oder andere Probleme ,
Und Dann erstellt a metrisch , Nur a Film metrisch, passieren oder scheitern .
Es dreht sich aus Wir dürfen fit Das kategorisch Variable
Und sehen Wenn Wir dürfen erhalten a Modell Das Wille helfen uns verstehen
Was Ist Wirklich verursacht diese Probleme durch alle diese Filme .
Der Erste Ding Wir dürfen Tun schnell
Ist wieder gehen Zu unser Modell-Screening-Plattform,
Prädiktor Screening ,
Und erhalten a handhaben An Was Faktor , Wenn beliebig , Ist Wirklich Kontrolle Film Qualität .
Wenn Wir sehen bei Das , Es 'S hübsch klar Und Es 'S schockierend,
Weil Das War nicht Die Fall mit Vorläufer 1 .
Der fließen Rate von Die Vorläufer War von weit Und weg
Die am meisten dominant Faktor Auswirkungen Film Qualität .
Aber was Wir benötigt Zu laufen diese Experimente
Ist nicht Nur Wissen Das Faktor ,
Aber Was Wert dürfen Wir sicher laufen Zu erzeugen Qualität Filme.
Das 'S Wo Wir tat Die Neuronale netto .
Wieder , Wir 'll gehen hinein Prädiktiv Modellieren, Neuronale netto,
Wir 'll nehmen unser Faktoren ,
Und Wir 'Re gehen Zu fit Film Qualität als a kategorisch Variable .
I 'M gehen Zu gehen Zu Steigerung von 20 , als Jed erwähnt .
Das 'S typischerweise Was Die Modellscreening kommt hoch mit ,
Und Wir 'll erzeugen unser Modell ,
Und Du dürfen sehen Wir erhalten exzellent Rsquare Werte .
Das Ist a kategorisch Modell .
I glauben Das suchen bei Die Republik China Kurve
bietet Einblick hinein Wie Also Die Modell passt .
Wenn Die Kurve Ist entlang Das Diagonale , Es 'S Nur grundsätzlich a erraten .
Das Aussehen wie a Hälfte Quadrat Welle .
Diese Sind grundsätzlich perfekt passt In Die Republik China Kurve .
Dann Die Frage Ist , Wie dürfen Wir nutzen Das Daten ?
Der Hübsch Ding um Die Neuronale netto Ist Das Du haben a Kategorischer Profiler.
I dürfen ausführen Die Kategorischer Profiler ,
Und Jetzt I Satz Das hoch Wo wir wissen Wir wollen Zu arbeiten bei untere Drücke .
Wir wissen aus Die vorherige arbeiten Wir wollen Zu arbeiten bei untere Abstände .
Wir wollen Zu gehen Zu Die niedrigste möglich Temperatur.
Wir 'll Nur Satz Das In Die Mitte .
Dann grundsätzlich Wir haben Das Profiler Das erzählt uns
Die primär Faktor beeinflussen Das Ist Wirklich Die Argon fließen Rate .
Wenn Wir dürfen halten unser fließen Rate unten 400 sccms ,
Wir dürfen haben a 100 % Erfolg Rate
für Die Filme Das Wir 'Re versuchen Zu optimieren .
Mit Das , Wir Satz hoch a neu DAMHIRSCHKUH ,
Begrenzung Die gesamt fließen Rate Zu 400 sccms .
Wir 'll gehen zurück Zu unser JMP Zeitschrift .
Wir war fähig Zu kommen hoch mit a neu Design
Und vollständig 41 von Die 42 Läufe , Und Wir 'Re Trotzdem Ausführen Das Studie .
Aber es Nur zeigt Wie leistungsstark
Die Neuronale Netzwerk Ist für a kategorisch Variable
Wo Wir dürfen Tun Das In ein Nachmittag,
Wo bei eins o 'Uhr Wir gefunden diese Filme waren 'T Arbeiten .
Drei Std. später , Wir hatte a Modell Das erzählt uns Wie Zu Satz hoch a neu Design
Und Wir war Ausführen Das später Das Tag .
I denken Das 'S Die Material Wir gesucht Zu Abdeckung .
