Guten Morgen allerseits. Vielen Dank für Ihre Teilnahme. Ich bin Chris Dennis vom SUMCO Applications Engineering Team. Für alle, die es noch nicht wissen: SUMCO ist ein Hersteller von Siliziumwafern. Wir produzieren die Siliziumwafer, die als Ausgangsmaterial in der Halbleiterproduktion dienen. Heute spreche ich über die praktische Anpassung von Regelkarten zur Verarbeitung kleiner Mengen und großer Datenmengen und über die Ermittlung von Abweichungen mithilfe verschiedener Techniken. Ich erkläre kurz das Konzept und zeige anschließend in einer Live-Demo, wie man die Karten erstellt und Skripte einrichtet, um die Karten für Prozessingenieure nutzbar zu machen.
Heutige Fertigungsprozesse sind äußerst komplex. Die Prozesse entwickeln sich rasant. Täglich finden in der Fabrik zahlreiche Änderungen statt. Hunderte von Produkten und Dutzende von Werkzeugen laufen häufig. Der traditionelle SPC-Ansatz generiert für jede Parameter-Werkzeug-Teile-Kombination ein Diagramm. Daraus können sich schnell Tausende von Diagrammen ergeben. Eine hohe Änderungsfrequenz verkompliziert die Diagramme zusätzlich, da während des Produktlaufs möglicherweise nur wenige Datenpunkte hinzugefügt werden.
Dies ist ein Beispiel für die Zusammenstellung von Regelkarten aus einem unserer Fabrikprozesse. Sie sehen, dass wir viele Teilewechsel haben und in jeder Karte nur wenige Durchläufe. Die Annahmen einer Regelkarte für den Idealzustand versagen sehr schnell, da wir keine langen, konsistenten Durchläufe haben und die Prozessbedingungen ständig wechseln. Dadurch versagen die Annahmen für die Regelkartenerstellung und können in den Karten unwirksam werden. Bei der Betrachtung unseres Prozesses fallen mehrere Parameter auf, die die Komplexität erhöhen. Die Eingaben beeinflussen die Ausgaben und korrelieren miteinander. Wenn Sie sie alle separat in einer Karte darstellen, verlieren Sie möglicherweise den Überblick. Das System kann auf subtile, versteckte Weise abweichen, und klassische SPC wird dies nicht erkennen.
Was wäre, wenn wir das ändern könnten? Anstatt Rohdaten zu erfassen, erfassen wir unerwartete Ereignisse. Wir erstellen ein Modell, das für jeden Datenpunkt eine Vorhersage erstellt, und erfassen dann die Residuen, also die Differenz zwischen der vorhergesagten Realität, der Vorhersage und der Realität. Darin liegen die Überraschungen.
Hier ist ein kurzer Vergleich der Vorteile herkömmlicher SPC- oder Modellkontrollkarten gegenüber herkömmlichen SPC-Karten. Herkömmliche Karten eignen sich hervorragend für stabile Prozesse, einfache Prozesse und die Betrachtung einzelner Produkte. Modellbasierte Diagramme sind multivariat. Sie verarbeiten Korrelationen. Sie entfernen normale Abweichungen und kennzeichnen Unerwartetes. Perfekt. Perfekt für unübersichtliche Daten wie die in unserem Prozess.
Wir können verschiedene Modelle verwenden. Zum Beispiel ein PCA-Modell. Die Hauptkomponentenanalyse eignet sich gut, wenn Sie nur natürliche Strukturen wie Sensoren oder Spektraldaten vergleichen möchten. Das Partial-Least-Squares-Modell eignet sich hervorragend, um ein Qualitätsmerkmal vorherzusagen, und Regressionsmodelle eignen sich gut für einfache bekannte Beziehungen. Der Trick besteht darin, das passende Modell für die eingegebenen Daten auszuwählen und dieses zu verifizieren. Lassen Sie uns darüber sprechen, was wir in JMP erstellen und wie wir vorgehen.
Als ersten Schritt empfehle ich, die dargestellten Werte zu standardisieren, insbesondere bei kurzfristigen Regelkarten, wenn die Sigmas variieren und die Werte nicht übereinstimmen. Es ist sinnvoll, die Daten zu normalisieren. Meiner Erfahrung nach hilft es auch bei multivariaten Diagrammen, zu verhindern, dass ein Parameter ein Signal dominiert und andere Parameter überlagert. Dadurch werden alle Parameter auf eine gleiche Basis gestellt. Als Nächstes muss das Modell angepasst werden. In diesem Fall zeige ich ein Modell, das in JMP Standard durchgeführt werden kann (JMP Pro wird nicht benötigt): das PCA-Modell. Es wird in der modellbasierten multivariaten Regelkartenplattform verwendet. Wir können dieses Modell ausführen und darin die Residuen und die T²-Statistiken für jeden Datenpunkt darstellen. Diese Residuen erfassen und speichern wir. Wir können daraus eine kurzfristige Regelkarte erstellen, um zu untersuchen, wie sich das ändert und unerwartete Ereignisse zu identifizieren. Im letzten Schritt legen wir Grenzwerte und Alarme für unsere Karte fest.
Lassen Sie uns über einige Dinge sprechen und darüber, warum dieses Diagramm wirklich nützlich sein könnte, oder warum ich es für wirklich nützlich halte. Zunächst einmal stellt jede dieser vertikalen gepunkteten Linien eine Produktänderung dar. Alle Produkte sind in einem Diagramm dargestellt, und ich kann sehen, was los ist, wo es möglicherweise große Abweichungen gibt oder wo Ereignisse außer Kontrolle geraten. Das Schöne an dem modellbasierten multivariaten Kontrolldiagramm ist, dass ich diese Punkte genauer untersuchen und anhand einer univariaten Methode feststellen kann, welche Parameter abweichen. Ich kann nach Gemeinsamkeiten suchen. Und dann kann ich das univariate Diagramm weiter untersuchen. Ich denke, das ist die Stärke der Überwachung der Residuen, die darin besteht, dass ich für das Beispiel, das ich zeigen werde, 20 Parameter in diesem einen Diagramm gestapelt habe, ich glaube, es sind zehn verschiedene Produkte, und ich werde es herunternehmen und bis zu diesem einzelnen Diagramm gelangen, was ich durch Multiplikation von 20 mal 10 erreicht hätte ... Mit jedem Tool erhalte ich eine vereinfachte Ansicht des Diagramms.
Gut. Warum dieser Ansatz? Er scheint sich für Produktlinien mit hoher Produktvielfalt und kurzfristigen Daten gut zu eignen. Modellbasiert und daher weniger verrauscht. Er hilft Ihnen, das Wesentliche zu erkennen. Er lässt sich durch Skripting sehr einfach skalieren. Sie können die Methodik von einem Toolset auf ein anderes Toolset oder ein anderes Szenario übertragen. Und dann für den Prozessingenieur, den Benutzer, der sich das ansehen muss. Die visuellen Tools von JMP, die dynamische Datenverknüpfung. Die Möglichkeit, Diagramme detailliert zu analysieren, ermöglicht eine schnelle und transparente Problembehebung und ermöglicht es, schnell zum Kern der Daten vorzudringen.
Jetzt möchte ich ein Live-Beispiel durchgehen und direkt loslegen. In diesem Beispiel werde ich im Wesentlichen ein Skript zum Erstellen des Diagramms erstellen, dann die Skriptschritte durchgehen und anschließend einige Änderungen an den Skriptschritten vornehmen, um das Erscheinungsbild des Diagramms zu verbessern und es für Prozessingenieure nützlicher zu machen, damit sie ihre Arbeit schneller und einfacher erledigen können.
Alles klar. Gehen wir zu JMP und sehen uns die Live-Demo an.
Für diese Präsentation und die Website habe ich ein Journal beigefügt. Es enthält Beispieldaten. Es enthält Beispiele für die Skripte und die Schritte zu ihrer Entwicklung. Beginnen wir mit der Datentabelle. Ich habe eine Datentabelle. Diese Daten sind alle normalisiert und bereinigt, sodass Sie sie verwenden können. Es gibt 19 oder 20 verschiedene Prozessparameter, die als Eingaben für ein Tool dienen. Das ist ein Teil. Diese Daten wurden bereits vorbereitet, daher werde ich nicht über den Vorbereitungsschritt sprechen. Das ist ein ganz anderer Schritt der Datenaufbereitung und -einrichtung. Wir werden darüber sprechen, wie wir diese Analyse durchführen. Wenn wir beginnen und diese Analyse manuell durchführen, ist dies der grundlegende Ablauf. Ich werde gleich hier mit dem Schritt der modellgesteuerten multivariaten Kontrollkarte beginnen, die Residuen erfassen und dann darauf aufbauend eine kurzfristige Kontrollkarte erstellen.
Ich möchte das Skript schreiben. Einer meiner Tricks, der mir beim Skripten hilft und es mir erleichtert (ich bin kein Experte darin), ist der Workflow-Builder. Ich aktiviere ihn und öffne das Fenster hier. Ich stelle es jetzt auf Aufzeichnung und minimiere es, da ich es jetzt nicht brauche.
Lassen Sie uns über die Erstellung eines einfachen Skripts sprechen. Als Erstes kopiere ich eine Gliederung für die drei Schritte. Ich öffne ein neues Skriptfenster und lege die Gliederung fest. Als Erstes erstellen wir das Modell, dann die Residuen und dann die Kurzzeit-Kontrollkarte. Das machen wir. Kehren wir zu unserem Beispiel für eine modellbasierte multivariate Kontrollkarte für den Qualitätsprozess der Datenanalyse zurück. Die Plattform ist recht benutzerfreundlich. Wir nehmen einfach alle Eingaben und fügen sie in unsere Prozessparameter ein. Den Teil fügen wir in einen By-Parameter ein und klicken auf OK.
Wir haben hier ein Diagramm. Es wurde erstellt. Das ist das Diagramm, über das wir gesprochen haben. Es enthält Links zu den einzelnen Parametern. Als Nächstes erfassen wir die Residuen. Dazu gehe ich einfach zu jedem Diagramm und speichere die Spaltenwerte. Es ist etwas mühsam, mir beim Klicken zuzusehen, um diese 9 oder 10 Teile durchzugehen, also entschuldigen Sie das. Ich würde gerne singen und tanzen, aber ich singe nicht und tanze nur mit meiner Frau, weil ich nicht besonders gut darin bin. Wir gehen das noch durch und holen uns noch ein paar übrige. Dadurch wurde eine neue Spalte in der Datentabelle für T² nach Teil erstellt und der Residuenwert in jede Zeile der Datentabelle eingetragen. Jetzt haben wir für jeden Punkt ein Residuum, das wir darstellen können.
Im nächsten Schritt gehen wir zurück zum Menü „Qualitätsprozess“. Wir öffnen den Kontrolldiagramm-Generator. Wir ändern das, da wir mehrere Produkte haben. Wir platzieren sie im selben Diagramm. Wir fügen sie in ein Kurzzeit-Kontrolldiagramm ein. Wir beginnen mit den einzelnen Teilen. Nehmen Sie das und übernehmen Sie es. Anstatt die Eingaben an diesen einzelnen Punkten darzustellen, zeichnen wir die Residuen auf. Ziehen Sie das auf die Y-Achse. Jetzt haben wir ein Kurzzeit-Kontrolldiagramm mit … Sehen Sie die verschiedenen Teileänderungen. Es gibt „unter Kontrolle“ und „außer Kontrolle“. Wir haben sie für alle diese verschiedenen Teile. Das ist im Wesentlichen das, was wir von Anfang an vorhatten. Ich schließe das jetzt und dann gehen wir zurück. Nehmen wir unseren Workflow-Generator und beenden die Aufzeichnung. Im Workflow-Generator haben wir alle Schritte zur Erstellung dieses Diagramms erfasst.
Ich möchte diese Schritte nun in mein Skript integrieren. Ich habe den Schritt „Modellresiduen im Kurzlauf“. Jeder dieser Schritte im Workflow-Builder unterscheidet sich von den Schritten, die wir bereits ausgeführt haben. Ich kann sie einfach nehmen, das Skript von hier kopieren und hier einfügen. Werfen wir einen kurzen Blick auf das Ergebnis. Wir haben die modellbasierte Multiparameter-Kontrollkarte. Wir haben eine ganze Reihe teilespezifischer Informationen. Da ich daraus ein allgemeines Skript machen möchte, entferne ich diese Informationen. So kann ich es auf eine andere Gruppe von Teilen übertragen. Ich mache es weniger spezifisch und später übertragbarer. Jetzt habe ich diese Aufrufzeile.
Der nächste Schritt, den wir durchgehen, ruft auch dieses modellgesteuerte multivariate Kontrolldiagramm auf, aber am Ende sehen wir hier, dass wir das als Objekt gespeichert haben und wir haben die Werte aus dem T²-Diagramm gespeichert.
So möchte ich diese Residuen erfassen. Ich werde ein wenig schummeln, da ich beim Eintippen wahrscheinlich einen Fehler mache. Ich werde hier eine Zeile verwenden, die im Grunde eine Schleife zum Abrufen dieser Residuen einrichtet. Es ist also derselbe T²-Befehl zum Speichern von Werten. Der einzige Unterschied ist, dass ich hier ein Objekt habe, das ich durchlaufe und anpasse. Ich werde diesen Objektnamen hier oben eingeben, wenn ich diese multivariaten Diagramme erstelle.
Der letzte Schritt besteht darin, hierher zurückzukehren und die Kurzzeit-Kontrollkarte zu erstellen. Ich kopiere sie einfach und füge sie hierher zurück. Ich füge sie dem Abschnitt der Kurzzeit-Kontrollkarte hinzu. Ich werde hier ein wenig aufräumen. Stellen Sie sicher, dass diese Befehlsanweisungen mit einem Semikolon abgeschlossen sind.
Ich führe diese Zeile hier nicht weiter, deshalb entferne ich das Komma. Das ist mein Basisskript. Ich habe alles aus dem Workflow Builder übernommen und in das Skript eingefügt. Jetzt kann ich loslegen und das Skript ausführen. Ich habe hier das multivariate Diagramm und das Kurzzeitkontrolldiagramm. Genau das wollte ich erreichen. Wenn ich mir das als Benutzer anschaue und sage: „Mir ist aufgefallen, dass ich zwischen Diagrammen hin- und herspringen muss, um Dinge zu finden. Dieses hier gefällt mir sehr gut, da ich in die Tiefe gehen und verschiedene Vorgänge sehen kann.“ Diese Funktionalität möchte ich direkt in dieses Diagramm integrieren. Mit JMP geht das ganz einfach. Wir können einfach hier rübergehen und das Skript für dieses Diagramm in die Zwischenablage speichern. Dann können wir es als Hover-Ebene einfügen und Graphlet einfügen.
So, das haben wir. Ganz einfach. Ich möchte es meinem Skript hinzufügen, habe aber vergessen, den Workflow Builder zu aktivieren. Als ich das zum ersten Mal durchgearbeitet habe, habe ich mich echt schlecht gefühlt und dachte: „Oh.“ Der Workflow Builder hat es trotzdem nicht erfasst, aber es gibt eine einfache Lösung. Wir können zum Skript für dieses Diagramm gehen. Wir können das Skript speichern und es in einem Skriptfenster speichern. Wir können es dann importieren. Ich kann nachsehen, was sich zwischen diesem und meinem Skript unterscheidet. Es befindet sich hier unten im kurzfristigen Kontrolldiagramm. Der Unterschied bzw. die Unterschiede liegen darin, dass ich nach der Anzeige des Kontrollfelds alle Informationen habe, um sie an den Bericht zu senden und das Graphlet zu erstellen. Ich nehme das alles, füge es hier ein und füge es ein.
Ich habe wieder alle Teileinformationen erfasst. Ich lösche die Zeilen wie zuvor. Achte auf den richtigen Abstand. Jetzt sollte ich ein Skript haben, das das Diagramm mit einem Graphlet erstellt. Gehen wir zurück. Schließen wir das, ich möchte das nicht noch einmal machen. Schließen wir das, ich muss es nicht sehen. Schauen wir uns unser Skript an. Führen wir es aus und sehen wir, ob wir das gewünschte Ergebnis erhalten haben. Schauen wir hier. Boom. Das habe ich. Super. Jetzt ist es ein Graphlet. Ich habe es eingefügt und ... natürlich habe ich dasselbe Ergebnis erhalten. Sehen Sie sich das an, das ist okay, aber ich persönlich hätte gerne nur das Diagramm für das Teil, das ich mir ansehe, wenn ich klicke, und müsste nicht durch all das scrollen und alles an einem Ort haben.
Ich werde das so machen – und ich entschuldige mich noch einmal, dass ich es nicht durchgehe –, aber aus Zeitgründen werde ich einen Klickfilter hinzufügen. Um diesen Klickfilter hinzuzufügen, gehe ich hier hinein, der Bildanweisung im Graphlet. Ich füge einen anderen Befehl hinzu und definiere den Teil basierend auf dem Klick. Anschließend erstelle ich das Diagramm erneut und füge einen lokalen Datenfilter hinzu, sodass nur das Diagramm für dieses eine Element angezeigt wird. Damit sollte es hoffentlich soweit sein. Ich habe jetzt ein Skript, das ich durchgehen und hier einen Punkt auswählen kann. An diesem Punkt kann ich darauf klicken und das Kontrolldiagramm mit nur einem Klick generieren. Vergleichen wir das mit dem Original. Dies ist Teil 22. Mal sehen. Dieses Diagramm und jenes sehen nicht gleich aus. Es könnte also etwas schiefgehen.
Hier zeige ich zwei Diagramme, die ziemlich stark außer Kontrolle geraten sind. Hier habe ich nur eines. Der große Unterschied ist die Anzahl der Hauptkomponenten in diesem Diagramm: fünf Hauptkomponenten. Hier sind es acht. Als ich diesen Filter hinzufügte, ging in diesem multivariaten Diagramm der Teil verloren, der die Hauptkomponenten für jeden Teil auf ein anderes Niveau reduzierte. Wenn Sie sich die Diagramme ansehen, werden Sie feststellen, dass sie jetzt alle bei acht liegen, während vorher keines bei acht lag. Das können wir beheben. Aus Zeitgründen füge ich hier nur das Skript hinzu. Das ist jedoch ein Brute-Force-Ansatz, und ich bin sicher, es gibt einen besseren. Im Originalskript werde ich die Residuen, nachdem ich sie in der Tabelle gespeichert habe, manuell abrufen. Ich mache das so, dass ich nur einen unabhängigen Hauptkomponentenwert ausführe.
Ich ermittle den Wert dieser Komponente basierend auf dem ermittelten Eigenwert. Die Routine verwendet im Wesentlichen die Anzahl der Hauptkomponenten, die größer oder gleich 85 % ist. Ich erfasse diese Daten und trage sie in eine Tabelle ein. Anschließend kann ich diese Tabelle zum Filtern verwenden. In meinem Klickfilter muss ich hier unten auch einige Befehle hinzufügen. Als Erstes greife ich Folgendes zu und erkläre es. Aus der Hauptkomponententabelle wähle ich den Wert aus, bei dem der Teil gleich p ist. Das ist der Wert von Interesse. Als Zweites füge ich dann beim Erstellen der multivariaten Kontrollkarte die Anzahl der Komponenten hinzu und lege sie fest. Diesen Teil habe ich bisher immer gelöscht, um die Anpassung der Teileanzahl zu vereinfachen. Damit ist die Anzahl der Teile nun flexibler und anpassbarer.
Damit kann ich jetzt zu allem übergehen. Mal sehen, ob ich alles richtig kopiert und eingefügt habe. Hier würde ich erwarten, dass die Dinge auseinanderfallen, aber mal sehen, ob es funktioniert hat. Wissen Sie was? Ich werde das zweimal machen, weil ich es nicht weiß. Ich habe ein paar Dinge gezeigt, die auf dem Bildschirm auftauchen. Als Erstes möchte ich zeigen, dass ich diese Teile- und Komponententabelle habe. Teil 22 ist das, das wir uns vor den fünf Komponenten angesehen haben. Ich habe das ein paar Mal überprüft, und die sind alle in Ordnung. Das ist großartig, ich habe diese Tabelle. Es ist dieser Klickfilter, der für jedes Teil verwendet wird. Greifen Sie auf diesen Wert zu, um sicherzustellen, dass ich das richtige Diagramm erhalte. Hier ist mein Diagramm. Jetzt habe ich wieder dieses Kurzzeit-Kontrolldiagramm. Jedes Mal, wenn die vertikalen gestrichelten Linien verschwinden, ändere ich Teile.
Ich sehe, dass ich eine Reihe von OCs habe und auch einige, die nicht OCs sind. Schauen wir uns an, was uns dieses Diagramm vielleicht sagt. Gehen wir einfach hinein und nehmen uns eins und legen es auf meinem anderen Bildschirm ab. Ich habe dieses Diagramm und kann es genauer untersuchen. Ich sehe, dass es einige Punkte gibt, bei denen das univariante Kontrolldiagramm außer Kontrolle geraten würde. Das ist durch die rote Farbe gekennzeichnet. Ich kann auf einen dieser Balken klicken und das Diagramm genauer untersuchen. Ich kann mir das einzelne Diagramm ansehen und sagen: „Okay, das ist es. Was auch immer das bedeutet.“ Ich lasse dieses hier geöffnet, gehe aber hinein und sehe drei Dinge. Was ist hier los? Ich klicke hinein und öffne das Diagramm und wähle die drei außer Kontrolle geratenen Punkte aus, die ich hier gesehen habe.
Jetzt kann ich hineingehen und mir statt Zeigen und Klicken das Beitragsdiagramm über das Menü ansehen, aber ich kann alle Diagramme auf einmal aufrufen. Ich muss nicht einzeln auf die Diagramme klicken. Das gefällt mir sehr gut, besonders wenn ich mir mehrere Dinge ansehe, weil es die Diagramme für jede Stichprobe übereinander stapelt, nicht wahr? Ich kann schnell erkennen, was los ist und ob es Gemeinsamkeiten gibt. Dieses hier hat etwas. Diese hier nicht, aber genau hier in der Mitte sind diese vier Dinge alle unterschiedlich. Das finde ich interessant. Das sollte ich mir genauer ansehen. Als ich mir dieses hier angesehen habe, hatten dieselben vier Eingänge das gleiche Signal, hier waren sie anders. Vielleicht habe ich ein systematisches Problem. Außerdem kann ich natürlich in dieses Diagramm gehen und mir einige davon einzeln ansehen, und das ist interessant, weil sie alle unterschiedlich waren.
Keiner von ihnen hatte ein OC, aber sie sind in verschiedene Richtungen OC. Zwei sind hoch, einer niedrig. Das ist interessant. Das gibt mir ein Werkzeug, mit dem ich von einem Stopp aus in dieses Diagramm hineingehen und schnell nach Gemeinsamkeiten suchen und sehen kann, wo ich etwas untersuchen sollte.
Das gefällt mir, und ich werde ein paar Einblicke dazu geben. Beim Betrachten dieser Diagramme sind uns verschiedene Probleme aufgefallen. Wir haben Probleme mit Ventilen festgestellt, die sich nicht richtig öffnen und schließen ließen. Wir haben Probleme mit den Prozesseinstellungen festgestellt, bei denen möglicherweise mehr Gas fließt als nötig. Wir verschwenden im Grunde Geld, das wir nicht brauchen, und wir haben Probleme gefunden, oder ich sollte nicht Probleme sagen, sondern Probleme, bei denen wir die Eingaben bis zu einem Punkt der Instabilität gebracht haben, was dann zu Instabilitäten im Produkt führen könnte, die wir vielleicht an anderer Stelle nicht messen. Wir wissen es nicht.
Es berücksichtigt lediglich diese Situation, in der Sie sich die Eingaben ansehen und sehen können, wie gut Ihre Eingaben funktionieren, und nach Anomalien in Ihren Eingaben suchen können. Dies kann Ihnen dabei helfen, Geld zu sparen und potenzielle Probleme zu vermeiden.
Das war die Demo. Ich möchte noch eine Folie mit Ihnen teilen und besprechen. Ich hatte mehrere Referenzen. Ich habe Mike Andersons Präsentation zu Kurzzeit-Regelkarten letztes Jahr auf der Discovery gesehen und sie auch bei JMP online noch einmal durchgesehen. Das war sehr hilfreich für mich. Auch Don Wheelers Buch „Short Run SPC“ ist sehr hilfreich, falls Sie sich dafür interessieren: Es ist sehr nützlich und sehr einfach zu verstehen. Es enthält viele tolle Inhalte. Innovative Regelung, Diagrammerstellung, klug und fair. Es ist außerdem eine wahre Fundgrube an Ressourcen und passt zu vielen Themen der Jump-Anwendungen. Ich empfehle es. Außerdem habe ich in der JMP-Community eine Präsentation zu multivariaten Methoden gefunden. Auch diese fand ich sehr nützlich und hilfreich. Und dann möchte ich mich ganz besonders bei Jed Campbell vom Rocky Mountain JMP-Team bedanken, der mich ermutigt hat, diese Idee weiterzuverfolgen und mir bei einigen Skripting-Herausforderungen geholfen hat. Vielen Dank für Ihre Zeit und ich wünsche Ihnen einen schönen Rest des Tages.
