大家好，
我们从大客户那里得到了紧急建议“为什么选择 JM Pro”。
他们是生产LCD、OLED等的显示器制造商。
他们已经使用 JMP 多年，他们希望继续管理
和导演购买 JMP Pro。
JMP Pro 小册子对他们来说还不够
如果您有一些材料、报告和/或成功案例给 JMP Pro，
请让我分享。
谢谢
益州
是的，我同意@马丁德梅尔.FDE 是客户选择 JMP Pro 的最有力理由。
我知道 LCD 制造商使用颜料分散体。 因此，他们可能会以颜料研磨工艺的挑战为例。 正如 Martin 所说，我已经为 JMP Pro 创建了两个以颜料研磨为例的演示。 这是使用 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
您可以询问他们是否有功能数据（例如，作为时间函数测量的传感器）。 如果他们需要了解此功能数据如何与过程输入（“功能 DOE”，上面的示例）或过程输出（“功能机器学习”）相关。
这是功能机器学习的一个例子：
https://community.jmp.com/t5/Phil-Kay-s-Blog/Understanding-Complex-Yield-Issues-with-Sensor-Data-5-Minute/ba-p/84620
我希望这有帮助。
菲尔
嗨益州，
一个主题可能是功能性 DOE。 Phil 的铣削工艺示例（我相信）是基于 LCD 显示器的铣削工艺。 它是关于减少时间（如果你想要能量的话）将粒子研磨成低于数百纳米的阈值。
您可以对进入规范的时间点感到满意。 或者您想研究配置文件以进入规范并长期停留在那里，这会使过程更加稳定。 如果他们像以前那样做，他们可能会忽略所有数据，因此会忽略在流程运行期间收集的信息。 希望他们也有一个他们希望看到铣削发生的理想过程，然后他们可以使用黄金曲线分析来找到最接近他们理想曲线的设置。 所有这些都与函数数据浏览器和广义回归有关。
在研磨示例中，他还指出，由于因子和响应之间存在很强的相关性，您可能无法确定真正的因子以进一步调查（例如，如果温度与研磨颗粒所需的时间有很强的关系，则可能使用标准拟合方法隐藏其他重要因素，如颜料％或beeds％，虽然在技术上非常重要，只是因为多重共线性效应）。您可以解决这个问题，例如使用引导森林等高级方法找到更多潜在的重要预测因子用于DOE （例如 DSD 或定制设计）以找到真正的潜在关系。
@Phil_凯可能会为 JMP Pro 提出额外的理由。
另一个主题可能是（但这是开始）使用 SEM 来更好地理解制造过程中的潜在关系。
