透過在活性藥物成分（API）顆粒上進行原子層塗層處理，可以對其表面進行定制，從而提高API顆粒的性能。應用材料公司的硬體團隊自主研發了一種工具，用於對這些高比表面積顆粒進行塗層處理。
作為實驗人員，我們在專案中的主要職責是優化流程，並根據獲得的數據向硬體團隊提供回饋，以改善設計。在本報告中，我們將討論從同一硬體部件的不同設計中獲得的兩組製程數據。目標是比較這兩組數據，並找到偏差最小的設計方案。為此，我們使用 JMP 中的直方圖和連續擬合等工具來觀察兩種情況下製程參數的分佈及其分佈類型。我們使用常態分位數圖來檢查資料集的常態性是否有偏差。我們使用 JMP 中的「探索異常值」功能進行異常值分析，從而實現單因子變異數分析以進行資料比較。根據所獲得的數據，我們選擇最佳方案並提出升級建議。探索異常值有助於確定資料集中的偏差。
大家好，我是Neha Gupta，目前在印度應用材料有限公司工作。在正式開始演講之前，先簡單介紹一下我的背景。我是一名製程工程師，主要負責應用材料公司的研發專案。
本研究的標題與綜述內容相符，其中一項研究是「硬體層變化對製程參數的影響」。在正式開始報告之前，我要感謝JMP團隊，感謝他們給我這次機會來介紹這項工作。
接下來，我將開始我的演講。正如我之前提到的，我目前任職於應用材料印度有限公司，這是一家半導體公司，擁有原子層塗層技術。我們嘗試將這項原子層塗佈技術應用於鄰近的市場領域—製藥領域。
我們嘗試利用自身在藥物顆粒原子層包覆方面的專業知識，來改善藥物垂直顆粒的性能。目前，我們已經初步驗證了這個概念。小規模實驗表明，在顆粒表面進行原子層包覆可以提高其流動性、生物利用度等性能。
現在的任務是擴大規模。就目前而言，在更詳細地介紹JMP之前，我想先說明一下，我們目前所做的是，將JMP作為一種工具來闡述我們的技術領域、技術專長和技術發現，而JMP在這方面為我們提供了支援。正如我之前提到的，對於這種顆粒包覆，我們可以改善顆粒的性能。
我們最終的產品，我們的最終目標是塗層。塗層的品質必須優良。如果塗層品質優良，我們就能做得更好。塗層品質也受到多種參數的影響。在JMP中，我們有一個非常好的工具可以展示這些影響，它被稱為因果圖。
作為一個外行人，如果我想向別人展示最終產品會受到多種參數或因素的影響，我該如何展示呢？這就是方法。這張因果圖展示了我的塗層品質會受到製程和粉末攪拌的影響，因為塗層具有很高的表面積。
傳統的原子層沉積（ALD）製程是在填充層上進行，而不是在粉末層上。粉末的表面積遠大於薄填充層。在這種情況下，製程參數、粉末沉積層厚度（PADL）的影響、粉末的攪拌、反應中化學試劑的添加方式、殘留物的去除方式，以及這兩者之間的距離所起的作用，還有溫度對整個化學反應的影響，都會影響最終結果。
以上是一些影響塗層品質的參數。如果我用一段話來描述，恐怕沒人能理解。但如果我用因果圖來解釋，就能更好地說明問題，而我們現在用的就是這種圖表。
回到我最初的觀點，塗層品質受六個參數的影響。目前，我們專注於頂空，因為工藝已經確定。我們已經在小規模上驗證了這個概念。我們的工藝已經完成。現在，關鍵在於硬體。那麼，硬體將如何發揮作用呢？
假設你有一個顆粒位於基座上，而你有一個氣相輸送注射系統，或者你正在向其中註入某種化學物質。如果物質到達目標位置所需的時間過長或過短，都會影響你的製程參數，例如壓力、殘留物去除率等等，所有這些都會隨著這個距離而改變。這個距離正是我們用測試台來測試的內容。
我們過去稱這個工具為測試平台，我們可以在上面測試不同的結構。這種結構基本上是指腔室室內的引線設計，我們會在其中放置或減少引線頂部空間，第一個引線是空心的，它可以增加頂部空間的大小。頂部空間越大，化學反應越強烈，殘留物去除率可能越低，也可能不會。這需要我們進行驗證。
有鑑於此，我們開始關注引線設計對塗層品質的影響。為此，我們收集了相關數據。在運行此配方時，當我們嘗試對某些顆粒進行塗層處理時，需要輸入一些參數，我們記錄了這些參數並將其用於分析。
首先，壓力變化是需要考慮的因素。如果距離更遠，可能發生更多的反應；如果靜置時間更長，化學物質的停留時間也會更長，從而導致更大的壓力變化。
透過常態性檢查，我們可以觀察到兩個導極之間的壓力變化，也就是我們收集到的數據。我們觀察了壓力變化是否與週期有關，例如，當我們增加週期時，壓力變化是大幅增加還是小幅增加。為此，我們在JMP中使用了常態性檢查和方框標記來識別異常值。
這就是 JMP 的妙處所在。它不僅能偵測出異常值，還能透過擬合 Y 對 X 的關係來找出其根本原因。透過擬合 Y 對 X 的線性多項式，我們可以了解異常值與自身資料集之間的關係。這樣一來，我們就能辨識出異常值的根本原因。
第三步是[聽不清楚 00:06:14]，我們比較了這兩個設計資料集，也就是我們收集到的資料。然後我們驗證了我們的假設，也就是我們從技術上得出的結論，即假設是否正確，或接下來會如何發展。接下來，我將介紹我的結果。
首先，正如我之前提到的，我們有兩種設計方案。第一種方案的頂空容積較大，我們稱之為方案一。另一種方案是方案二，您可以在這裡看到，其資料分佈更均勻或更接近常態分佈。您會發現兩者之間的差異非常小。
但是，如果您查看設計圖以及相應的箱線圖，您會發現其中有許多異常值。現在，回到正題，我們已經進行了異常值檢驗，這是 JMP 中一個非常強大的工具，我們可以更改 Q 因子和尾部分位數來檢查或縮小規格範圍，從而確定您所說的異常值。這些異常值可能是邊緣異常值、製程異常值或極端異常值。
就我們而言，我們正在尋找極端異常值。這個極端異常值只能在設計方案一中找到，而無法在設計方案二中找到，因為設計方案二的頂部空間較小。頂部空間較小的設計方案二沒有顯示任何異常值。我們稍後會討論這個問題。
但在此之前，我想說，對於這個極端異常值，我們只是試著找出根本原因。我們嘗試了 Y 對 X 的線性擬合、多項式擬合以及不同階數的多項式擬合。但我們發現，對於這兩個特定原因，線性擬合和多項式擬合都行不通。然後，我們注意到還有一點要用到，那就是非參數聚類密度分析，也就是顯著性分析。
雖然它是非參數檢驗，所以置信區間為 95%，與參數檢定相比，這沒問題。但就目前而言，這表明本研究存在兩種不同的模型，因為存在兩個不同的聚類，正如您在這裡看到的那樣。這兩個聚類彼此不同，並且該聚類基本上表明存在兩種機制在起作用。
如果我將此與我的技術理論聯繫起來，那就好比最初製程流程應該是線性增長或以特定斜率增長，但後來卻發生了偏移。總的來說，工藝流程發生了偏差。這就是我們技術上關注的問題。作為一名技術人員，如果你考慮到，在反應室中，如果頂部空間過大，意味著從粉末到化學藥劑的移除或註入點之間的距離過長，那麼化學藥劑和殘留物的停留時間就會非常長，這可能不會影響初始循環，但會對後續循環產生顯著影響。
它可以逐漸形成一個完整的過程，因為這是一個層層遞進的過程。一層會形成，然後第二層會形成，以此類推。如果這是分層結構，第一層有很多凝聚物，那麼上層就會發生很大的漂移。這就是我們提出的假設。基於此，我們藉助控製圖（又一個非常棒的工具）繪製了圖表，觀察了週期內的移動範圍。
如果你在這裡觀察移動區間，你會發現初始週期處於不同的水平，然後突然發生了突然的變化，實際上，應該說是突然下降，移動區間突然下降，這再次證實了過程中的漂移。
基本上，假設和數據總體上表明該製程初始階段運作正常。前幾個循環的運作也正常。但由於頂部空間較大，停留時間較長，因此工藝出現了偏差。這就是為什麼塗層品質出現諸多問題的原因。我們將此結果與變異數分析（ANOVA）進行比較，發現我們的實驗數據也印證了這一點。
這是對同一假設的統計證明，揭示了正在發生的機制。雖然在設計一的情況下塗層品質越來越差，但其機制是什麼？為了證明這個機制，我們可以從移動極差圖中看出，這個過程已經發生了偏移。
最後，我們採用單因子變異數分析（ANOVA）比較了這兩個線索，試圖從統計角度判斷它們是否相同。從統計學角度來看，單因子分析結果顯示這兩個線索差異很大。該分析表明，我們關於這兩個變異體相同的假設不成立。因此，我認為這兩個線索並不相似。
總的來說，本研究的結論是，我們使用JMP作為工具來證明我們的假設，即設計一中的塗層品質較差是由於工藝漂移造成的。這一點可以得到證實，移動極差圖也證實了這一點。圖中存在大量異常值，這再次印證了我們先前展示的多模型擬合結果。最後，這兩個結論並不相同。
最後，如果我總結整個簡報內容，我會說，作為一名製程工程師，我做了一些工作，收集了數據，分析了數據，了解了它的運作方式，但我該如何將這些成果傳達給我的利害關係人或客戶呢？從這個意義上講，因為我必須展示一些數據，或者說，我應該有一些佐證數據。
我有這些數據，憑藉這些數據，我能夠確信由於較高的頂部空間而導致的漂移過程的假設，並且我們能夠據此做出決定，即當新的工具問世時，頂部空間應該減少，並且將與設計相匹配。
JMP 的這款工具幫助我展示或驗證了我的假設，並最終確定了正確的設計方案。以上就是關於這款工具的全部內容。最後，我要感謝我的團隊成員、我的指導老師 Charles 和我的指導教授 Sukhti。再次感謝 JMP 團隊給我這次機會。謝謝！
