歡迎各位蒞臨，感謝您對我們今天演講的關注。我叫張文迪，今天將與我的同事比爾‧沃利共同為大家帶來演講。我們都服務於那些致力於提升能源部（DOE）在各自組織中影響力的客戶。這個話題對我們來說意義非凡。
你們當中許多人都是科學家和工程師，在各自的機構中進行設計實驗以進行創新。或者，你們的同事可能也在機構中從事這項工作。這些經過統計設計的實驗，通常稱為DOE（實驗設計），是寶貴的學習資源。我們進行DOE的目的正是為了了解新的系統或流程，並利用這些知識來改進和創新。我們如何確保與合作者和利害關係人分享這些寶貴的DOE，從而使整個機構能夠從中獲得最大利益？我們的合作者需要能夠輕鬆方便地存取、互動、提供回饋並使用這些實驗做出決策。在今天的會議中，我們將重點放在如何利用JMP Live共享、使用和協作DOE，從而擴大我們作為科學家和工程師的影響力。
JMP Live 是 JMP 的補充工具，可實現企業範圍內的協作和知識共享。我們將分享兩個案例，這兩個案例都基於使用 JMP Live 擴展 DOE 協作的組織。這兩個案例將以一家虛構的公司——Aquapure——為例進行描述。 Aquapure 是一家化學公司，其工業業務部門為其他公司生產原材料，其消費品業務部門則生產消費品。第一個案例講述了 Aquapure 工業業務部門的產品開發和製程工程師如何利用 JMP Live 進行協作。產品開發部門負責開發新產品的流程並改善現有產品。他們使用 DOE 來識別重要的製程變量，並了解這些變數如何協同作用以實現特定的產品特性。當他們確定了生產高品質產品所需的製程因素和範圍後，他們會將這些知識傳遞給製程工程部門，由後者在試驗階段建立製程流程，以進行中試規模的產品生產。讓我們更深入地了解 Aquapure 的產品開發和製程工程團隊如何協作，將一種新型溶劑 PureSolv 推向市場。
PureSolv 的產品開發負責人使用 JMP 軟體進行了多次實驗設計 (DOE)，以開發 PureSolv 的最終中試流程。如果您不熟悉立方體圖，它們通常用於表示各種類型的實驗設計。立方體代表正在評估的工藝基礎，點代表實驗運行。開發新製程時，通常會進行多次實驗。第一個實驗是篩選實驗，旨在識別關鍵因素。之後，可以擴展實驗，研究各因素之間的相互作用，最終實驗則專注於優化製程空間，以獲得最佳性能。 Aquapure 產品開發工程師的最終實驗設計 (DOE) 專注於最佳化製程變量，以實現始終高於 90% 的收率。產品開發團隊利用此實驗設計 (DOE) 確定了體積、時間、溫度和催化劑的設定點和範圍，使 PureSolv 批次的產率始終高於 90%。讓我們仔細看看產品開發工程師是如何實現這一目標的。
謝謝溫迪，我現在要共享螢幕了。大家都能看到我的螢幕嗎？
是的。
正如Wendy所說，我們完成了最佳化，或者說最佳化DOE已經完成。接下來，我們想進行下一步，於是開發了一個最小平方法模型，該模型看起來很有希望能生產出收率超過90%的批次。我們打開了一個預測分析器，以證明該製程可能符合預期，但我們需要進行一些假設情境分析，以了解最佳製程可能會是什麼樣子。首先，我們需要檢查一些事項，首先想使用預測分析器中的外推控制功能。我們很快就發現，在較低的原料用量和催化劑組合下，我們的DOE運行次數可能不夠，無法確定在這些設定下收率會如何變化。這是產品開發部門希望在製程成熟後進行研究的問題。我們運行了優化步驟，一切看起來都很順利，但生產工程師表示，由於製程變異性，幾乎不可能運行優化中預測的精確設定。
他們詢問是否有辦法在設定上留出一些餘地，以確保安全並實現更穩健的流程。為此，我們決定嘗試預測分析器中的一項名為「設計空間分析器」的新工具，以驗證他們的擔憂。我們首先發現，如果使用原始實驗設計 (DOE) 的輸入範圍，則流程的合格率僅為 6.3% 左右。我們希望確保每個人都了解這一點，因此我們與製程工程師進行了溝通。我們將盡最大努力與他們分享資訊。設計空間分析器的下一步功能是，它允許我們使用包含 10,000 個模擬點的蒙特卡羅模擬來調整實驗設計的範圍，從而使製程工程師能夠以高達 99% 的置信度獲得合格批次。
這樣一來，我們就能獲得每次生產運作合格率達到 90% 或更高的製程設定。您可以看到，我們最初的規格下限是 90%，然後透過調整設計空間分析器或修改設置，我們能夠將這個值提高到大約 99%，從而確保每次都能獲得合格批次。現在我來做一個簡單的示範。我先退出這個窗口（按 Esc 鍵），最小化窗口，然後把資料表拖過來。這是設計實驗的數據。我們利用這些數據幾乎完成了所有需要的操作，並根據需要將其傳達給製程工程師。我想建立一個模型，我們這裡使用的是標準最小平方法。我們已經設定好了所有因素，現在要運行模型，而且我們得到了一個相當不錯的設定。我快速清理一下，以便我們更好地進行操作。
我把它去掉。可能再去掉幾個，然後就應該可以了。我們的模型、預測分析器和期望值都設定好了。我們把這個拉低一點，這樣看得更清楚些。首先，我們要檢查一下外推控制。它在預測分析器裡。這是 JMP Pro 的工具，但我們覺得應該要讓你們了解它的功能。它對交互分析器很重要。這部分我負責。好了，交互外推控制。我們先打開警告，看看哪些地方可能有點問題。看看我們的體積，把它拉低一點，溫度也拉低一點。然後我們就能看出有些地方不太對勁，催化劑也是如此，如果我們把它降到 5 左右。
當然，它不起作用。好了，它顯示的是外推結果。我們在較低層級得到了可能的外推結果。這是我們接下來需要調查的內容。我們把它關掉。回到預測分析器，啟用設計空間分析器。如果我們手動操作或讓 JMP 自動完成，這可能會有點耗時。我將向您展示一些可以啟用的功能，我們將建立一個隨機表並連接它。我們將使用 10,000 個點，並嵌入因子空間散點圖。現在我們可以看到…我們不需要這個表格。當然，這會很麻煩。好了。抱歉。我們搞定了。現在我們要試試這些工具。我們有 10,000 個點的空間。
我們想看看如何讓 InSpec 部分達到我們非常有信心至少 99% 的情況下都能獲得 90% 或更高的收益率。我們來稍微調整一下。微調一下。如果我們真的想的話，我們其實可以直接輸入我們知道有效的值。我們只是來示範一下。如你所看到的，散佈圖和因子空間中的空間越來越小。隨著我們進一步調整，你可以看到情況越來越好。我們已經達到了 58%，接近 59%。我們可以再調整一下，以便更深入地了解。我們來試試。我們把催化劑稍微往外移一點。我們已經達到了 86%，也許還能再高一點。我們最終將收益率提高了 95% 甚至更高，99%。
我們看看能不能再提高一點，達到我承諾的 99% 的價值。不行，方向錯了。好了，我們快到了。現在我們得到了這些值，比之前精確多了。這些數值就是我們要調整的，或者說，我們會透過 JMP Live 與工程師分享的數值。接下來，我把麥克風交還給 Wendy。
太好了。讓我來搶一下螢幕。比爾的示範展示了產品開發工程師如何使用 JMP 來推導製程範圍。這項工作完成後，產品開發負責人可以直接從 JMP 將這些結果分享到 JMP Live 中的製程工程師。除了分享具體的製程參數和建議範圍外，他們還以互動式輸出的形式向製程工程師提供了 DOE 的結果。您在 JMP 預測分析器中看到的互動式輸出也同樣會分享給製程工程師，他們可以透過瀏覽器存取此互動式輸出和 JMP Live。
在 Aquapure 尚未啟用 JMP Live 之前，製程工程師只能透過電子郵件和 PowerPoint 接收有限的靜態資訊。現在，讓我們進入 JMP Live，深入了解製程工程師如何利用互動式 DOE 結果進行資料驅動決策。我們使用網頁瀏覽器存取 Aquapure 的 JMP Live 入口網站。接下來，我們將查看其工業業務部門文件夾中 PureSolv 專用文件夾內的 DOE 文件。所有參與 PureSolv 專案的工程師均可存取此資料夾。
讓我們像製程工程師一樣，來看看最終的良率最佳化實驗設計 (DOE)。設計空間分析器展示了製程範圍的確定方式，並有助於增強對這些範圍的信心。例如，透過查看設計空間分析器，我們可以了解為什麼建議的體積範圍在 2.5 到 5.2 之間。下圖專門展示了體積的圖表，我們可以看到垂直虛線代表了建議的 2.5-5.2 範圍。我們可以看到，在這個範圍內，InSpec 的百分比最高。在這種情況下，InSpec 實際上反映了產品良率始終高於 90% 的目標。向上捲動查看預測分析器。預測分析器使製程工程師能夠探索由實驗設計 (DOE) 繪製的製程空間。對於那些不熟悉預測分析器的人來說，它是一種模型表示。您有機會看到 Bill 使用擬合模型和標準最小二乘法建立了這個模型。在這種情況下，該模型表示了 DOE 的結果，即體積、時間、溫度和催化劑如何與產量相關。
這使得製程工程師能夠向實驗設計（DOE）提出問題，並了解更改製程變數所帶來的權衡取捨。讓我們來看看效能分析器，看看能從中了解什麼。例如，從斜率可以看出，溫度和催化劑的變化比體積和時間的變化陡峭得多。這意味著與體積和時間相比，產率對溫度和催化劑的變化非常敏感。我們不僅可以從斜率看出這一點，還可以透過滑鼠移動來改變溫度值，並觀察其如何影響預測的產率值。現在，讓我們像製程工程師一樣，使用性能分析器來解決遇到的兩個具體挑戰。第一個挑戰出現在中試生產 PureSolv 的初始製程設定階段。製程工程師希望將起始體積從建議的上限 5.2 提高，以便在單次運行中生產更多產品。現在，我正在使用效能分析器移動滑桿來改變體積值。
他們發現，即使將催化劑用量提高到 6 左右（高於建議的 5.5），產率仍能保持在 90% 以上。第二個挑戰出現在製程工程部門即將把製程移交給生產部門時。由於製程中使用的催化劑價格大幅上漲，領導階層要求製程工程部門嘗試在不顯著影響產率的情況下減少反應中催化劑的用量。他們再次利用性能分析儀，降低了催化劑的用量，並預測了產率的變化。結果表明，即使將催化劑用量降低到低於建議值 8.5，同時提高反應溫度，也能保持接近 90% 的產率。
讓我們總結一下製程工程師如何在 JMP Live 中利用 DOE 結果。借助設計空間分析器，他們可以看到製程輸入範圍是如何確定的，該分析器將製程範圍與規格百分比關聯起來。他們還可以了解產量對產量增量變化的敏感性，並自信地獨立進行調整。
他們還可以迅速做出基於數據的決策，降低催化劑用量，因為他們可以看到催化劑用量每單位變化對產量的影響，以及催化劑對溫度的依賴。在公司採用 JMP Live 之前，考慮替代方案和進行更改的流程十分緩慢，因為製程工程師無法查看 DOE 結果中超出他們所獲範圍的部分。他們想要進行的任何調整都必須主要依靠與產品開發部門的電子郵件溝通，因此，製程工程師缺乏決策權。讓我們回到 JMP Live，看看這兩個團隊是如何在 JMP Live 中進行溝通的。我們回到 JMP Live，查看最終的優化 DOE。如果我們點擊這些註釋，就可以看到在試點製程設定期間產品開發和製程工程部門之間的對話。
您可以提及您的合作者，他們會收到電子郵件通知，告知您有人提出了問題。讓我們回顧一下第一個故事。
在第一個案例中，產品開發工程師在 JMP Live 中與製程工程師互動，共同分享了 DOE 結果。製程工程師深入研究了 DOE，並能夠有效地做出決策，因為他們可以獨立進行假設分析並理解各種權衡取捨。產品開發工程師和製程工程師在 JMP Live 中合作，所有團隊成員都能清楚了解他們的工作進度。第二個案例來自 Aquapure 消費品業務的研發配方師。研發配方師利用 DOE 開發新產品並改進現有產品配方，而 JMP Live 則將這些 DOE 轉化為知識來源和協作平台。若要了解第二個案例，請點擊二維碼連結觀看點播網路研討會。本次演講到此結束。
