在高风险制造领域，过程能力分析需要严谨性和一致性——然而，非正态数据、测量噪声、过程不稳定以及统计专业知识的参差不齐常常会阻碍分析的执行。本次演讲将介绍一套全自动的JMP过程能力工作流程和记分卡方法，旨在系统地消除这些障碍。
我们利用 JMP 19 工作流构建器，将 20 个分析平台整合到一个统一的系统中，最大限度地减少了人为错误，并降低了统计学背景有限的用户的使用门槛。我们展示了这种系统化方法如何解决以下四个关键问题：
- 分布智能：通过自动拟合优度、最佳曲线拟合和容差区间分析来处理非正态数据。
- 计量集成：量化量具 R&R 精度对报告能力的隐性影响。
- 稳定性验证：集成控制图生成器，以确保在指数计算之前过程的平稳性。
- 经济模拟：利用模拟功能计算流程改进的投资回报率。
本次会议的亮点之一是我们富有创意的模拟研究。我们提出了一种方法，通过比较测量噪声（P/T 比值）与真实过程偏移（Pp/Cp），来量化改进程度。该方法使管理层能够基于数据做出决策，决定是投资于更先进的计量技术还是基础工艺工程，并通过此投资回报率模拟框架来确定改进投资的优先顺序。
与会者将获得我们分组脚本和工作流程包的蓝图，这是一个经过验证的框架，它改变了半导体环境中的持续改进策略，为大规模能力分析建立了一个可重复、可辩护的标准。
