请参阅如何：
- 以有助于实现理想应力应变行为的方式分析实验设计数据
- 了解案例研究，其目标是为产品提供新的、更硬的塑料
- 实验因素为 1) 玻璃珠、碳酸钙的添加量和 2) 压力和温度过程变量
- 测试实验室提供的数据包括应力（力/面积）和应变（长度/长度变化）
- 通常用于分析的汇总数据有模量（弹性区域的斜率）、屈服应力（应力与应变呈非线性的点）、拉伸应力（最大应力）和失效点（断裂点处的应力）。进行实验以帮助实现案例研究的理想应力应变行为。
- 使用 JMP Pro 功能数据浏览器了解整个曲线上的应力与应变并对其进行建模，而不是总结为曲线上的几个关键点
- 设计塑料配方实验，收集测试样本的拉伸数据，对应力和应变数据进行建模
- 使用 Predition Profiler 帮助识别理想的应力应变行为
Stress vs. Strain应力与应变
杰森回答的问题@杰森_维金斯和彼得@彼得_赫什演示后。
问：每个因素与多少个水平相关？
答：三个级别，所以这是一个最终的筛选设计。
Definitive Screening Design Used in the Example示例中使用的确定性筛选设计
问：是否可以使用自动调整选项来代替反复试验？
答：Functional Date Explorer 为您提供了直接功能 PCA，它基本上是一个自动调整选项。然而，在某些情况下，您会通过不同的贴合类型获得更好的贴合度。这实际上取决于您的数据的复杂程度以及它有多少个峰值和谷值。
Q：没有目标函数可以分析吗？
答：当然。 目标函数确实可以帮助我们解决优化问题，但这并不是绝对必要的。 它只是为我们节省了大量时间，而不是使用预测刻画器来尝试调整我们想要的形状。
问：对于意愿分析，您是否必须首先设置意愿？
答：不，无需首先设置意愿，因为您已经使用目标函数定义了理想曲线，并且 JMP 尝试最小化来自该目标函数的积分空气，这就是底部。
问：对于意愿分析，您是否必须首先设置意愿？
答：不，无需首先设置意愿，因为您已经使用目标函数定义了理想曲线形状，并且 JMP 会尝试最小化该目标函数的积分误差。 如果您打开意愿函数图，您就会看到。如果您有不同的目标，您可以设置“渴望度”。了解控制这可能如何以及如何影响您的结果。
问：对于意愿分析，您是否必须首先设置意愿？
答：不，无需首先设置意愿，因为您已经使用目标函数定义了理想曲线形状，并且 JMP 会尝试最小化该目标函数的积分误差。 如果您打开意愿函数图，您就会看到。 如果您有不同的目标，您也可以设置意愿。 了解控制这可能如何以及如何影响您的结果。
问：实际模型在哪里？
答：它是一个基于您拥有的数量或形状参数的广义回归模型。 在本例中我们有三个。 JMP 会查看这些内容，为您进行变量选择以创建 JMP 所谓的最佳子集。 在此示例中，您看到模型中未包含几个因素。 因为它们不影响该形状，所以不包括在内。
Generalized Regression Models for Each Shape每种形状的广义回归模型
Q：对话中的ID和Z选择的目的是什么？
答：ID是批次的。 我们正在研究每一批次的应力与应变曲线，它们必须分开，因为它不是一个
曲线。 Z 参数是我们正在研究的 DOE 因子。 它们在整个应力应变曲线中是一致的，我们使用它们来进行功能分析，因此，如果您查看数据，它们不会改变，而是设置在该曲线分析的水平上。
ID and Z Value OptionsID 和 Z 值选项
问：您是如何选择 P 样条进行建模的，还是只是反复试验？
答：这是一点点试验和错误，当您运行这些基本函数模型时，最好的线索就是查看拟合情况。 如果拟合描述了每个批次的曲线形状，那么您就完成了，并且做得很好。 B 样条给出的结果有点奇怪。 其中一些曲线变平并偏离了收集的实际数据，这就是 B 样条不起作用的原因。 所以，我们确实进行了迭代。 P 样条是我们的下一个选择，它们最终更好地匹配了信号数据。
问：在创建 DOE 曲线的数据中，您上传了测试数据还是仅上传了您提到的 4 个摘要点？
答：我们使用了所有的应力应变曲线数据。 通常，您去实验室，运行我的每个测试，然后我会得到一个应力应变信号，就像我在图形生成器中用图表显示的那样。 然后我们必须将其与我们的 DOE 表相匹配。 因此，我只有一批 287，但如果我查看应力应变曲线数据，就会发现我已经沿着 DOE 试验的应力应变曲线收集了 8 个数据点。 因此，我们必须将测试数据与DOE表合并。
问：是否有一个函数可以描述任何 Z 变量占方差的比例？
答：我们绝对可以将其导出并在摘要中单独运行模型。 我们还可以通过交互分析器评估变量的重要性。 在这种情况下，从变量重要性总结报告中，我们看到应变将成为顶部，因为它是有意变化的，但我们看到压力和玻璃总体上有很大的影响，而钙几乎没有任何影响碳酸盐的温度。 它与通常看起来有点不同，因为应变始终是最主要的贡献者。 我们至少可以了解其他因素相对于彼此的影响，并忽略顶线，因为它是响应。
