大家好，
我們從大客戶那裡得到了緊急建議“為什麼選擇 JM Pro”。
他們是生產LCD、OLED等的顯示器製造商。
他們已經使用 JMP 多年，他們希望繼續管理
和導演購買 JMP Pro。
JMP Pro 小冊子對他們來說還不夠
如果您有一些材料、報告和/或成功案例給 JMP Pro，
請讓我分享。
謝謝
益州
是的，我同意@馬丁德梅爾.FDE 是客戶選擇 JMP Pro 的最有力理由。
我知道 LCD 製造商使用顏料分散體。 因此，他們可能會以顏料研磨工藝的挑戰為例。 正如 Martin 所說，我已經為 JMP Pro 創建了兩個以顏料研磨為例的演示。 這是使用 FDE 的其中之一：
https://community.jmp.com/t5/Phil-Kay-s-Blog/Learn-More-from-Your-Experiments-with-Functional-Data-Explorer-3/ba-p/82777
您可以詢問他們是否有功能數據（例如，作為時間函數測量的傳感器）。 如果他們需要了解此功能數據如何與過程輸入（“功能 DOE”，上面的示例）或過程輸出（“功能機器學習”）相關。
這是功能機器學習的一個例子：
https://community.jmp.com/t5/Phil-Kay-s-Blog/Understanding-Complex-Yield-Issues-with-Sensor-Data-5-Minute/ba-p/84620
我希望這有幫助。
菲爾
嗨益州，
一個主題可能是功能性 DOE。 Phil 的銑削工藝示例（我相信）是基於 LCD 顯示器的銑削工藝。 它是關於減少時間（如果你想要能量的話）將粒子研磨成低於數百納米的閾值。
您可以對進入規範的時間點感到滿意。 或者您想研究配置文件以進入規範並長期停留在那裡，這會使過程更加穩定。 如果他們像以前那樣做，他們可能會忽略所有數據，因此會忽略在流程運行期間收集的信息。 希望他們也有一個他們希望看到銑削髮生的理想過程，然後他們可以使用黃金曲線分析來找到最接近他們理想曲線的設置。 所有這些都與函數數據瀏覽器和廣義回歸有關。
在研磨示例中，他還指出，由於因素和響應之間存在很強的相關性，您可能無法確定真正的因素以進一步調查（例如，如果溫度與研磨顆粒所需的時間有很強的關係，則可能使用標準擬合方法隱藏其他重要因素，如顏料％或beeds％，雖然在技術上非常重要，只是因為多重共線性效應）。您可以解決這個問題，例如使用引導森林等高級方法找到更多潛在的重要預測因子用於DOE （例如 DSD 或定制設計）以找到真正的潛在關係。
@Phil_凱可能會為 JMP Pro 提出額外的理由。
另一個主題可能是（但這是開始）使用 SEM 來更好地理解製造過程中的潛在關係。
