Questa presentazione è un'estensione del discorso "Measurement Systems Analysis for Curve Data Using Functional Random Effects Models", presentato a JMP Discovery Europe 2023. In questo caso, è stato utilizzato un modello funzionale a effetti casuali per eseguire un'analisi R&R di Functional Gauge su dati che contenevano una serie di curve come risposta.In questa applicazione, il modello funzionale è stato ampliato utilizzando le autofunzioni e quindi è stato espresso come modello a effetti casuali, in cui i componenti della varianza sono stati stimati utilizzando metodi standard. Questa analisi è stata eseguita utilizzando le piattaforme Functional Data Explorer e Fit Mixed.
Nella versione aggiornata di questa presentazione, mostro che è possibile includere effetti fissi in questo tipo di analisi utilizzando lo stesso approccio di espansione del modello. Il modello funzionale è ancora espanso utilizzando le autofunzioni, ma è invece espresso come modello misto generalizzato. Discuto anche delle idee per utilizzare l'espansione wavelet in contrapposizione all'espansione delle autofunzioni e di come ciò potrebbe migliorare l'adattamento del modello per determinati tipi di dati.
