當解決現實世界的問題時－例如提高產量或減少製造過程中的廢品；了解哪些因素影響產品品質；或對設備故障進行根本原因分析—利用數據可以提供強大的優勢。 然而，答案很少是免費提供的。 在找到解決方案之前，必須存取和匯入數據、清理和組織、視覺化和探索數據，甚至可能透過各種機器學習演算法。 然後必須將結果與有關情況的實踐知識一起進行解釋和考慮。 最後一步，必須以那些將做出決定或執行後續必要行動的人能夠理解的方式傳達所學到的知識。
捕獲未開發的數據並將其轉換為有價值的見解的累積過程稱為分析工作流程。 沿著工作流程的步驟移動時，甚至可能在負責各個方面的個人或部門之間傳遞時，會利用多種功能。
聯合管理計劃包含將原始、混亂的數據轉化為組織的知識和價值所需的一切。 您可以在以下位置找到 JMP 分析工作流程（圖 1）的描述，透過該流程可以從原始資料中提取見解。 JMP 網站。 點擊與軟體中包含的各種分析功能相對應的橙色框，您將進入 JMP 分鐘演示，其中簡要說明瞭如何使用該功能。
Figure 1: The JMP Analytic Workflow, showing all the tools needed to transform raw data into shareable insights for any organization.Figure 1: The JMP Analytic Workflow, showing all the tools needed to transform raw data into shareable insights for any organization.Figure 1: The JMP Analytic Workflow, showing all the tools needed to transform raw data into shareable insights for any organization.Figure 1: The JMP Analytic Workflow, showing all the tools needed to transform raw data into shareable insights for any organization.圖 1：JMP 分析工作流程，顯示了將原始資料轉換為任何組織可共享的見解所需的所有工具。
例如，在資料存取步驟中，來自外部來源的資料可能是：
- 使用 JMP Excel 匯入精靈進行存取。
- 使用重新編碼和表格選單中的各種工具進行清理。
- 繪製以檢查是否存在不規則或奇怪的資料點。
- 建模以探索各種選項的收益/風險，以確定最佳解決方案/權衡。
然後可以使用 JMP Live 傳達結果，讓使用者查看報告並按需存取原始資料以進行進一步分析。 也許這些步驟是使用操作記錄器記錄的，並在新資料可用時自動進行，定期更新（每天/每周等）以使用控製圖監控 KPI，或在流程突然發生偏差時發送電子郵件警報。 在這些分析過程中，可能會發現數據不包含正確的信息，因此有必要收集更多信息，從而提供從實驗設計中受益的機會。
關鍵是，這些分析技術本身並不是完整的解決方案，並且很少相互獨立使用，因此強調了將它們置於單一平台中的便利性和必要性。
另一方面是分析工作流程很少被組織內的任何人完整使用。 許多公司都利用了軟體中的多種分析功能，但這些功能是根據單一使用者的角色來劃分的（參見圖 2）。
Figure 2: Examples of specific capabilities of the JMP Analytic Workflow that may be used by various individual user’s roles within an organization.Figure 2: Examples of specific capabilities of the JMP Analytic Workflow that may be used by various individual user’s roles within an organization.Figure 2: Examples of specific capabilities of the JMP Analytic Workflow that may be used by various individual user’s roles within an organization.Figure 2: Examples of specific capabilities of the JMP Analytic Workflow that may be used by various individual user’s roles within an organization.圖 2：JMP 分析工作流程的特定功能範例，可供組織內的各種個人使用者角色使用。
從哪裡開始：定義問題和解決方案標準
在我們開始確定解決問題所需的步驟之前，我們首先必須定義問題以及判斷問題是否已解決的標準。 我鼓勵您不要過於字面地理解這裡的例子。 用於探索並最終克服本案例研究中提出的問題的分析技術同樣可以應用於各行業的許多不同情況。 因此，請考慮您自己工作中的範例，在這些範例中您可以使用這些功能來為您和您的組織帶來利益。
如何使用本案例研究：
以下列出了用於調查和解決本案例研究中提出的問題的工作流程中的所有步驟。 我還提供了不同職位的人員更常用的步驟範例。 點擊下面的鏈接，根據您當前的角色遵循您自己的工作流程，或通讀所有連結以了解如何在整個組織中使用 JMP。 我已包含起始 Excel 文件，以便您可以複製這些步驟，但請隨意使用您自己的資料進行操作。
研發科學家：2-9、14
製造工程師：2-9、13-14
資料科學家：1-6、10-14
IT 管理員：1-2、14
問題定義
此範例涉及生產藥片的製造過程。 與許多過程一樣，這個過程涉及一系列步驟。 在每個步驟中，都有可以調整的各種設定。 這些可以在每個步驟下面的流程圖（圖 3）中看到。 此外，必須為每個批次選擇幾個標稱變量，這些變量列在步驟上方（來自不同供應商的材料，以及壓縮步驟的壓縮機選擇）。
Figure 3: Tablet manufacturing process flow map used as an example case study.Figure 3: Tablet manufacturing process flow map used as an example case study.Figure 3: Tablet manufacturing process flow map used as an example case study.Figure 3: Tablet manufacturing process flow map used as an example case study.圖 3：用作案例研究的片劑製造流程圖。
過程結束時測量的反應是溶解度，衡量藥片在體內溶解速度的指標。 較高的溶離度值是理想的，較低的規格為 70%；低於該值的批次將被報廢。 目前的任務是確定如何生產片劑並以可靠地低於 5% 的廢品率運行製造過程。
（提醒：這示範如何利用透過 JMP 分析工作流程提供的分析功能來解決問題。 這裡介紹的技術不僅限於製造或製藥。）
1）清除日誌，準備記錄分析以進行自動化
- 前往 JMP 中的「檢視」選單並選擇「日誌」。
- 按一下日誌視窗左上角附近的紅色熱點，然後選擇清除日誌（圖 4）。
Figure 4: Top-left corner of log window, showing menu behind red hotspot with Clear Log indicated.Figure 4: Top-left corner of log window, showing menu behind red hotspot with Clear Log indicated.Figure 4: Top-left corner of log window, showing menu behind red hotspot with Clear Log indicated.Figure 4: Top-left corner of log window, showing menu behind red hotspot with Clear Log indicated.圖 4：日誌視窗的左上角，顯示紅色熱點後面的選單，並指示清除日誌。
2）數據訪問
由於我們的資料包含在 Excel 檔案中，因此我們將使用 Excel 匯入精靈匯入資料。
- 只需將 Excel 檔案從桌面或儲存位置拖曳到任何開啟的 JMP 視窗（例如，主視窗）中即可。 結果如下圖 5 所示。
Figure 5: Excel Import Wizard after dragging Excel file into open JMP window, showing default settings.Figure 5: Excel Import Wizard after dragging Excel file into open JMP window, showing default settings.Figure 5: Excel Import Wizard after dragging Excel file into open JMP window, showing default settings.Figure 5: Excel Import Wizard after dragging Excel file into open JMP window, showing default settings.圖 5：將 Excel 檔案拖曳到開啟的 JMP 視窗後的 Excel 匯入精靈，顯示預設設定。
從圖 5 的資料預覽部分可以看出，表格看起來不太正確。 讓我們透過調整單一工作表設定將其轉換為可供分析的格式，如圖 6 所示。
- 將列標題從行開始設定為 2。
- 將帶有列標題的行數設為 2。
- 選擇導入。
Figure 6: Individual Worksheet Settings in Excel Import Wizard after adjusting values to align data properly.Figure 6: Individual Worksheet Settings in Excel Import Wizard after adjusting values to align data properly.Figure 6: Individual Worksheet Settings in Excel Import Wizard after adjusting values to align data properly.Figure 6: Individual Worksheet Settings in Excel Import Wizard after adjusting values to align data properly.圖 6：調整值以正確對齊資料後，Excel 會匯入精靈中的各個工作表設定。
您現在應該有一個名為 TabletDissolution 的表格。
3) 資料探索與視覺化，第 1 部分
立即，我們的桌子似乎出現了一些問題。 看起來好像第二列“API-顆粒大小”中的某些值被輸入為“小”或“s”，大概是指“小”。 向下捲動表格顯示「中」和「大」項目也有類似問題。 其他專欄有類似的問題嗎？ 我們可以透過打開列標題圖來了解這一點。
- 點擊表格左上角的直方圖符號以開啟列標題圖（圖 7）。
Figure 7: Top-left of the table with the Column Header graph button circled in blue.Figure 7: Top-left of the table with the Column Header graph button circled in blue.Figure 7: Top-left of the table with the Column Header graph button circled in blue.Figure 7: Top-left of the table with the Column Header graph button circled in blue.圖 7：表的左上角，其中「列標題」圖形按鈕以藍色圈出。
4) 資料混合與清理，第 1 部分
透過查看列標題圖，MgSt 供應商似乎存在一些資料輸入問題以及 API 顆粒大小問題。 讓我們使用 Recode 來修正這些錯誤。
- 透過點擊列頂部的列名稱來選擇 API-粒度列。
- 選擇列後，轉到“列”選單並選擇“重新編碼”。
- 在「重新編碼」視窗的左上角，將下拉式選單從「新列」變更為「就地」。
- 按住 Shift 鍵的同時點選「重新編碼」視窗前兩行中的 l 和 Large。 釋放 Shift 並按下「群組」按鈕（圖 8）。
Figure 8: Recode window, with Large and l values highlighted, and the Group button highlighted.Figure 8: Recode window, with Large and l values highlighted, and the Group button highlighted.Figure 8: Recode window, with Large and l values highlighted, and the Group button highlighted.Figure 8: Recode window, with Large and l values highlighted, and the Group button highlighted.圖 8：重新編碼窗口，其中突出顯示了 Large 和 l 值，並且突出顯示了 Group 按鈕。
- 反白顯示「中」、「m」、「小」和「s」值並將其分組（請參閱圖 9）。
- 按重新編碼。
- 可選：對 MgSt-Supplier 列重複重新編碼過程。
Figure 9: Recode window with the three groups for API-Particle Size defined.Figure 9: Recode window with the three groups for API-Particle Size defined.Figure 9: Recode window with the three groups for API-Particle Size defined.Figure 9: Recode window with the three groups for API-Particle Size defined.圖 9：重新編碼窗口，其中定義了 API 顆粒大小的三個群組。
你們中的一些人可能已經注意到的另一個問題是，許多應包含連續資料的欄位顯示為分類資料。 這可以在表格左側中間的「列」檢視器中看到（圖 10）。 除了壓縮機和塗料供應商之外，混合時間-小時之後（包括混合時間-小時）的所有列都應該是連續的。 我們可以透過先更改數字格式然後使用標準化屬性功能來輕鬆修正此問題。
注意：這些列之所以是分類的，是因為用句點表示小數位。 我居住在歐洲，因此 Windows 在我的電腦上配置為使用逗號。 如果您的系統設定為使用句點，則資料將已正確匯入，您可以跳過這些步驟。另請注意，對於數字、日期和貨幣格式，可以使用 JMP 語言，而不是系統區域設定；這可以在“Windows Specific”首選項中進行設定。
Figure 10: Columns panel, showing that most columns are categorical, with the exceptions of Mill Time-hr and Screen Size.Figure 10: Columns panel, showing that most columns are categorical, with the exceptions of Mill Time-hr and Screen Size.Figure 10: Columns panel, showing that most columns are categorical, with the exceptions of Mill Time-hr and Screen Size.Figure 10: Columns panel, showing that most columns are categorical, with the exceptions of Mill Time-hr and Screen Size.圖 10：「列」面板，顯示大多數列都是分類的，但「研磨時間 - 小時」和「螢幕尺寸」除外。
- 從編輯選單中，選擇搜尋 --> 尋找。
- 在尋找內容：中輸入句點符號，在替換為：中輸入逗號符號。
- 取消選取匹配整個單元格值複選框。
- 按全部替換。
- 關閉搜尋對話框視窗。
單元格中的所有句點都將替換為逗號。 現在，我們可以轉換受影響列的資料類型和建模類型。
- 按一下“混合時間-小時”以選擇“列面板”。
- 按住 Shift 鍵的同時，按一下「列面板」中的「溶出度」以選取所有列。
- 釋放 Shift 鍵，按住 Control 鍵，然後按一下「壓縮機」和「塗層供應商」以取消選取這些列。
- 從列選單中，選擇標準化屬性...
- 在「標準化列屬性」視窗中，從要標準化的屬性的下拉式選單中選擇「資料類型」和「建模類型」。
- 將資料類型變更為數字，將建模類型變更為連續。
- 按確定。
機器感測器列現在都是數位且連續的。 我們將更改另一列的建模類型：螢幕尺寸。 JMP 識別了數字並將建模類型預設為“連續”，但我們知道 3、4 和 5 代表不同的形狀。 如果我們想要比較大小之間的溶離度以確認存在差異，則序數會更合適。
- 點選列面板中螢幕大小前面的藍色三角形。
- 將建模類型變更為序數。
5) 資料探索與視覺化，第 2 部分
我們可以使用列檢視器以與每列相關的摘要統計資料的形式快速取得資料快照。 對於名目資料或序數數據，我們會顯示每列中不同類別的數量。 對於連續數據，我們看到範圍、平均值和標準差。 如果這些在我們的預期之內，我們應該可以做一些分析。 另一方面，如果它們離得很遠，我們可能需要做更多的清潔工作。
- 從“列”選單中，選擇“列檢視器”。
- 在“列視圖選擇器”視窗中，選擇所有列並按下“顯示摘要”。
立刻，看起來一切都很好。 我們分別擁有名目資料、序數資料和連續資料的正確類別數和近似範圍。 然而，看到這一點，我們想到我們可能需要包含一個「接受/拒絕」欄位來指示接受或拒絕的批次（溶出度值高於或低於 70 的批次）。
6) 資料混合與清理，第 2 部分
我們可以透過多種方式建立接受和拒絕批次的新欄位。 如果您知道一種適合您的好方法，請隨意使用它。 或者您可以跟著我一起使用 JMP 16 中引入的新功能，建立分箱公式...
- 選擇溶離度列。
- 從“列”選單中，選擇“實用程式”-->“製作分箱公式...”
- 選擇所有預設剪切點並按 - 號將其刪除（請參閱圖 11）。
Figure 11: Binning dialog window, with all default cut points selected and the remove button (-) indicated by a blue circle.Figure 11: Binning dialog window, with all default cut points selected and the remove button (-) indicated by a blue circle.Figure 11: Binning dialog window, with all default cut points selected and the remove button (-) indicated by a blue circle.Figure 11: Binning dialog window, with all default cut points selected and the remove button (-) indicated by a blue circle.圖 11：分箱對話框窗口，其中選擇了所有預設切割點，並以藍色圓圈表示刪除按鈕 (-)。
- 將分割點的值變更為 70，如果需要，可以透過雙擊值標籤並鍵入「Reject」和「Accept」將值標籤重新命名為 Reject 和 Accept，如圖 12 所示。
請注意，也可以使用「切點」旁邊的紅色小三角選單並選擇「Bin 標籤樣式 -> 自訂」來變更標籤類型。
Figure 12: Binning dialog window, with cut point value changed to 70 and value labels changed to Reject and Accept.Figure 12: Binning dialog window, with cut point value changed to 70 and value labels changed to Reject and Accept.Figure 12: Binning dialog window, with cut point value changed to 70 and value labels changed to Reject and Accept.Figure 12: Binning dialog window, with cut point value changed to 70 and value labels changed to Reject and Accept.圖 12：分箱對話框窗口，切點值變更為 70，值標籤變更為拒絕和接受。
- 按建立公式列。
- 若要重新命名新列，請雙擊列頂部的名稱，將名稱變更為接受/拒絕，然後按確定。
現在我們已經清理並格式化了數據，並添加了一個列來指示批次是被接受還是被拒絕，我們現在可以開始理解了數據背後的故事。 具體來說，我們有興趣了解接受/拒絕批次的比例以及影響該比例的因素（以及不產生任何影響的其他因素）。 最終，我們想知道如何調整流程以最大程度地減少拒絕批次的發生。
7) 基礎資料分析與建模，第 1 部分
為了開始獲得這些問題的答案，我們需要知道去哪裡尋找。 創建視覺效果以了解答案在哪裡，甚至我們應該問什麼問題的過程稱為探索性資料分析 (EDA)。
- 從分析選單中選擇分佈。 在彈出的對話方塊視窗中，將「接受/拒絕」列拖曳到「Y，列」方塊中，然後按一下「確定」（圖 13）。
Figure 13: Distribution dialog window, with column Accept/Reject in the Y, Columns box.Figure 13: Distribution dialog window, with column Accept/Reject in the Y, Columns box.Figure 13: Distribution dialog window, with column Accept/Reject in the Y, Columns box.Figure 13: Distribution dialog window, with column Accept/Reject in the Y, Columns box.圖 13：分發對話框窗口，Y 列框中包含接受/拒絕列。
產生的「分佈」報告（如圖 14 所示）包括一個「頻率」表，顯示總共 90 個批次中有 14 個被拒絕，對應的比例約為 15.6%。
Figure 14: Distribution report for column Accept/Reject.Figure 14: Distribution report for column Accept/Reject.Figure 14: Distribution report for column Accept/Reject.Figure 14: Distribution report for column Accept/Reject.圖 14：接受/拒絕列的分佈報告。
我們可以追蹤表中因素的直方圖，這些因素可能對接受/拒絕比有任何影響，也可能沒有任何影響。 我們還將包括響應欄“溶解”。
- 從分析選單中選擇分佈。 這次，將所有欄位從 API-顆粒大小拖曳到「溶解拒絕」欄位中到「Y」列框中。
- 在按一下「確定」之前，請勾選對話方塊視窗左下角的「僅直方圖」方塊以隱藏摘要統計資料。 稍後可以使用紅色小三角選單開啟這些功能。
- 按一下“確定”。
注意：如果您在選取“僅直方圖”之前按“確定”，則沒有問題。 只需關閉分佈報告並返回分析 --> 分佈即可。 按此處的「Recall」將按照您上次使用「Distribution」時的方式設定對話方塊。 如果您需要重做分析，這是一個很好的技巧，可以節省您幾次點擊的時間。
產生的報告顯示所有因素以及回應的直方圖。 您可以向右捲動以查看每個因素的所有值的分佈。 例如，最左邊的圖顯示中型 API 粒子略多於小型或大型粒子。 此圖右側是 Mill Time 的直方圖，直到大約 30 小時為止，數值的分佈大致均勻。 透過簡單地查看這些數字並考慮這些分佈是否符合我們對批次運作方式的理解，我們可以學到很多東西。
與 JMP 中創建的所有視覺物件一樣，它們動態連結到資料表。 我們將使用此屬性進一步深入研究圖像，以揭示有關我們流程的更多資訊。
- 點選接受/拒絕分佈報告中「拒絕」旁的綠色直方圖矩形，如圖 14 所示。
- 請注意，資料表中拒絕批次的所有行現在都已選取。
- 因子的對應值也以嵌入直方圖（深綠色）的形式在分佈報告中可見，如圖 15 所示。
Figure 15: Left-most three histograms of the Distribution report, which indicate embedded histograms for rejected batches.Figure 15: Left-most three histograms of the Distribution report, which indicate embedded histograms for rejected batches.Figure 15: Left-most three histograms of the Distribution report, which indicate embedded histograms for rejected batches.Figure 15: Left-most three histograms of the Distribution report, which indicate embedded histograms for rejected batches.圖 15：「分佈」報告最左側的三個直方圖，表示拒絕批次的嵌入直方圖。
嵌入的直方圖表示包含所選行的資料子集。 將它們與整體資料的直方圖（圖中淺綠色）進行對比，可以在存在巨大差異時發出顯著性訊號。 反之亦然：具有相同形狀的嵌入直方圖和整體直方圖表明該因素對響應沒有影響 - 在這種情況下，無論批次是被接受還是拒絕。 請注意，對於 Mill Time，整體分佈是均勻的，而對於被拒絕的批次，它是右偏的。 從螢幕尺寸來看，尺寸 5 似乎在拒絕中所佔比例過高，而尺寸 3 和 4 似乎所佔比例不足。 這很奇怪，值得仔細檢查這些因素與溶解的確切關係。
Distributions 是一個強大的工具，只需點擊幾下即可提供我們需要在哪裡尋找答案的線索。 請隨意進一步探索，看看是否還有其他內容需要更仔細的檢查。
8）資料探索與視覺化，第 3 部分
現在我們已經發現了可能影響流程的兩個因素，我們可以使用圖形產生器進一步深入研究它們。
- 從圖形選單中，選擇圖形產生器。
- 在「圖形產生器」視窗中，拖曳「研磨時間-小時」列並將其放入標有 X（中下）的矩形區域中。
- 向下捲動列至“溶出度”。 將其拖曳到 Y 區域。
結果是溶離度與研磨時間（小時）的散佈圖，其中一條藍色樣條曲線蜿蜒穿過數據。 此樣條線旨在幫助引導查看者了解資料的形狀。 我們不使用它，而是將平滑器更改為擬合線。
- 右鍵單擊圖表的中間。
- 選擇平滑器 --> 變更為 --> 擬合線。 （注意：我們也可以使用圖表標題上方的方框來完成此操作。）
- 按完成。
現在我們已經產生如下圖 16 所示的圖表。 從該圖可以看出，在我們的歷史批次中，研磨時間和溶離度之間確實存在正相關關係。 這在統計上是否顯著（這是詢問這是真實的可能性而不僅僅是僥倖的另一種方式）？
Figure 16: Dissolution vs Mill time-hr with a Line of Fit depicting a positive correlation between the variables.Figure 16: Dissolution vs Mill time-hr with a Line of Fit depicting a positive correlation between the variables.Figure 16: Dissolution vs Mill time-hr with a Line of Fit depicting a positive correlation between the variables.Figure 16: Dissolution vs Mill time-hr with a Line of Fit depicting a positive correlation between the variables.圖 16：溶離度與研磨時間（小時）的關係，而擬合線描繪了變數之間的正相關性。
我們將在下一節中嘗試回答這個問題。 同時，您可能還記得，在探索直方圖時，螢幕尺寸也是一個令人感興趣的因素。 讓我們將螢幕尺寸添加到該圖表中，看看我們是否可以更多地了解它如何影響溶解。”
- 從圖形產生器旁的紅色小三角形中，選擇顯示控制面板。
- 將「螢幕大小」拖曳（但不要放下！）到「圖形產生器」視窗的「X 組」、「Y 組」、「環繞」、「疊加」和「顏色」區域。 這樣做可以預覽將列放置在該放置區域中時圖表的外觀。
- 使用「螢幕尺寸」探索各種拖放區域後，將該列拖曳到「Group X」拖放區域中。
- 按完成。
圖形產生器的本質允許拖曳列，產生各種其他圖形，直到人們偶然發現一些關於我們的資料的有用資訊。 透過將「螢幕尺寸」放入 X 組，我們並排創建了三個散佈圖，每個散佈圖都有自己的擬合線（圖 17）。 從圖中我們可以清楚地看到，溶離度和研磨時間-小時之間的正相關性受到所用尺寸的影響；使用尺寸 3 或 5 時有很強的效果，但使用尺寸 4 時沒有效果。 這裡的建議是，這兩個因素和我們的反應之間存在相互作用。 當我們進入分析的建模階段時，我們將進一步研究這一點，但現在，讓我們單獨仔細研究這些變數。
Figure 17: Dissolution vs Mill time-hr for all three values of Screen Size, with Lines of Fit depicting positive correlations for Sizes 3 and 5, but no correlation for Size 4.Figure 17: Dissolution vs Mill time-hr for all three values of Screen Size, with Lines of Fit depicting positive correlations for Sizes 3 and 5, but no correlation for Size 4.Figure 17: Dissolution vs Mill time-hr for all three values of Screen Size, with Lines of Fit depicting positive correlations for Sizes 3 and 5, but no correlation for Size 4.Figure 17: Dissolution vs Mill time-hr for all three values of Screen Size, with Lines of Fit depicting positive correlations for Sizes 3 and 5, but no correlation for Size 4.圖 17：螢幕尺寸的所有三個值的溶離度與研磨時間（小時）的關係，擬合線描繪了尺寸 3 和 5 的正相關性，但與尺寸 4 沒有相關性。
9) 基礎資料分析與建模，第 2 部分
研磨時間對溶離度的影響是否具有統計顯著性？ 我們對增加研磨時間確實會導致溶離度增加有多大信心？ 使用螢幕尺寸 5 運行的批次測得的較低溶出度又如何呢？ 這只是一場意外嗎？ 如果我們繼續使用尺寸 5，我們是否可能會繼續看到品質比使用尺寸 3 或 4 低的批次？ 這些都是我們將在這部分分析中使用 Fit Y by X 平台回答的問題。
- 從「分析」選單中選擇「用 X 擬合 Y」（從頂部數第二個，在「分佈」之後）。
- 在對話方塊視窗中，將「溶離度」拖曳到「Y，回應」列框中。
- 接下來，將「研磨時間-小時」和「螢幕尺寸」拖曳到「X，因子」列框中。
- 按確定。
您可能注意到的第一件事是，兩個結果圖除了看起來非常不同之外，還被稱為不同的東西：左邊的圖稱為…的二變量擬合，而右邊的圖稱為…的單因子分析。 這是因為它們是使用不同類型的資料製作的，某些分析可能適用也可能不適用。 對於研磨時間-小時的情況，連續資料繪製在 x 軸上，溶出度連續資料繪製在 y 軸上，繪製一條適合資料並描述溶離度如何變化的迴歸線可能是有意義的。研磨時間所有值的函數。 然後，我們可以透過檢查擬合線的斜率是否與 0 顯著不同（零是在響應平均值處繪製的平坦線的斜率）來計算這是真實的還是數據中的畸變的可能性。 另一方面，如果螢幕尺寸 3 和 4 之間沒有尺寸，則螢幕尺寸 3 和 4 之間的連續擬合線是無意義的。 在本案例研究中，螢幕尺寸是一個謹慎的變數。 一個合理的問題是，當將使用一種尺寸得出的值與使用另一種尺寸得出的值進行比較時，我們的反應是否存在真正的差異？ 我們感興趣的是研究這些比較的分析，而不是計算大小之間的斜率。
讓我們從左側的雙變量擬合開始：
- 從「二元擬合」圖窗的紅色三角形中，選擇「擬合線」。
產生的圖和報告如下圖 18 所示。 有很多關於這條線以及它與數據的擬合程度的信息。 沒有必要了解這份報告的各個方面來回答我們的問題，就像沒有必要閱讀天氣預報的所有細節來知道是否要帶雨傘一樣。 如果有人有興趣，可以在 JMP 線上文件中找到所有這些內容的描述。 現在，讓我們提取一下回答有關流程的問題所需的內容。
Figure 18: Bivariate Fit of Dissolution vs Mill time-hr, with a linear fit and accompanying details indicating that the effect is likely real.Figure 18: Bivariate Fit of Dissolution vs Mill time-hr, with a linear fit and accompanying details indicating that the effect is likely real.Figure 18: Bivariate Fit of Dissolution vs Mill time-hr, with a linear fit and accompanying details indicating that the effect is likely real.Figure 18: Bivariate Fit of Dissolution vs Mill time-hr, with a linear fit and accompanying details indicating that the effect is likely real.圖 18：溶離度與研磨時間-小時的雙變量擬合，線性擬合和隨附的詳細資訊表明該效果可能是真實的。
我們可以看到散點圖中的線向上傾斜，表明使用較長的研磨時間可獲得較高的溶出值，而使用較短的時間可獲得較低的溶出值。 這條線的方程式可以在線性擬合下找到，斜率的值約為 0.165 %/hr。 這很重要嗎？ 報告的「參數估計」部分中重複了對斜率的估計及其相關的 p 值 (0.0004)，這意味著萬分之四的可能性是偶然獲得如此陡峭的斜率。 當然，磨坊時間可能對溶解沒有真正的影響，但更安全的賭注是這種影響是真實的。
現在讓我們轉向右側單因子分析圖旁邊的紅色小三角選單。 您會立即註意到沒有適合線條的選項。 如所討論的，透過離散資料擬合連續線是沒有意義的。 然而，我們確實有很多選擇來比較這些批次。 讓我們使用一種非常常見的方法，即 t 檢定。
- 從「單因子分析」紅色小三角選單中，選擇比較平均值 -> 每對，學生 t。
就這樣，t 檢定完成。 當然，現在我們來解讀這份報告（圖19）。 再次強調，這裡有很多細節，但我們只需要很少的細節就可以確定這些螢幕尺寸是否相等。
Figure 19: Oneway Analysis of Dissolution vs Screen Size, with a means comparison done using Student’s t-test. The results suggest a significant negative effect of using Screen Size 5.Figure 19: Oneway Analysis of Dissolution vs Screen Size, with a means comparison done using Student’s t-test. The results suggest a significant negative effect of using Screen Size 5.Figure 19: Oneway Analysis of Dissolution vs Screen Size, with a means comparison done using Student’s t-test. The results suggest a significant negative effect of using Screen Size 5.Figure 19: Oneway Analysis of Dissolution vs Screen Size, with a means comparison done using Student’s t-test. The results suggest a significant negative effect of using Screen Size 5.圖 19：溶離度與螢幕尺寸的單因子分析，並使用 Student t 檢定進行平均值比較。 結果顯示使用螢幕尺寸 5 會產生顯著的負面影響。
從連接字母報告來看，不同字母連接的水平有顯著差異。 與螢幕尺寸 3 和 4 相對應的等級旁邊都有字母 A，而字母 B 顯示在尺寸 5 旁邊。 因此，這意味著尺寸 3 和尺寸 4 彼此等效，但與尺寸 5 不同。 這種情況並非偶然發生的相關機率在有序差異報告的 p 值中表示。 可以非常安全地得出結論，尺寸 3 和 5 以及尺寸 4 和 5 之間的差異是真實的（p 值分別 <0.0001 和 0.0017）。 相反，尺寸 3-4 之間的比較不太可能是真實的（偶然發生的可能性為 5.79%，這聽起來可能很小，但高於通常接受的舉證責任 5%）。
如果我們不確定，我們可以繼續嘗試收集更多數據來確定。 或者，如果我們立即停止使用螢幕尺寸 5 並將研磨時間延長至 30 小時，我們應該會開始看到溶離度值有所改善。 我們也將繼續沿著高階統計建模的分析工作流程，首先確定我們在 EDA 期間可能遺漏的可能重要因素。 我們還希望使用所有這些因素建立一個統計模型，以揭示它們之間的任何潛在相互作用，並且理想情況下，在我們的流程中找到一個最佳點，使我們能夠可靠、一致地生產盡可能最高質量的批次，同時減少廢品的發生。最低限度。
10) 進階統計建模
讓我們從第一個問題開始：除了研磨時間和螢幕尺寸之外，還有哪些我們可能忽略的因素需要仔細考慮？
- 從分析選單中，選擇預測建模 --> 分割區。
- 從分區對話方塊視窗的列清單中選擇溶離度，然後按 Y、回應。
- 選擇從 API-粒度到原子的所有欄位。 壓力-Pa 並按 X，係數。
- 選擇確定。
- 在彈出的新「溶解分區」報告視窗中，選擇「拆分」。
再次，本報告中包含大量信息，但我們不需要所有資訊來認識到螢幕尺寸是最重要的變數。 這並不奇怪，因為我們在 EDA 期間已經注意到了這一點。 請注意，報告現在包含兩個框，分別為「螢幕尺寸(3, 4)」和「螢幕尺寸(5)」。 分區演算法在這個重要因素中確定了一個切點，該切點對資料進行劃分或分區，以盡可能多地捕獲流程中的變更。 顯然，它得出的結論與我們使用「Fit Y by X」來探索這個因素時得出的結論相同。
我們繼續吧：
工廠時間已成為我們流程中第二重要的因素。 再說一次，這並不是一個巨大的驚喜。 但我們又發現了另一個切入點（11 小時）。 另外，您可能已經注意到，「研磨時間-小時」框植根於「螢幕尺寸(5)」框。 這意味著切割點僅在使用尺寸 5 時適用，因此如果我們一直堅持使用它，就會給我們一個規格限制。 尺寸 5 並不理想，但如果我們必須使用它，我們至少應該確保研磨 11 小時或更長時間。 這將使我們能夠最好地生產合格的批次。
哈！ Blend Time-hr 並不是我們之前註意到的。
- 一次又一次選擇“分割”，直到葉子不再添加到我們的決策樹中。 （你應該還能再進行 11 次劈腿。）
嗯，現在已經將許多因素添加到樹中。 事實上，有一些因素已經被多次添加。 這棵樹中的每個葉子都是一個配方，上面的葉子（父葉子，靠近樹幹）中的因子設置在上方或下方（如果適用），所有其他因子都設置為其平均值（或在分類的情況下隨機分配）變數）。 葉子內給出了用該配方產生的溶解的預測平均值。 我們可以做的一件事是瀏覽所有葉子以找到最佳配方，即具有最高預測平均值的配方。 花一點時間看看你是否能找到它...... 提示：它位於樹的中心底部附近：螢幕尺寸（3 或 4）、混合時間（≥15.9 小時）、乳糖供應商 (Bond Inc.) 和塗層黏度 (≥99.3 cp)，所有其他因素設定為他們的平均值。 正如您所看到的，預計生產的批次平均溶出度約為 79。
我們可以嘗試運行配方並監控生成的批次，以查看我們的模型是否準確以及生成的批次的溶出度值是否接近我們的預測值 79。 如果生產這種品質的批次可以解決我們的問題，那麼在這裡停下來檢查這是否有效是完全可以的。 在這種情況下，我們可以繼續解決接下來需要解決的任何問題。 然而，在這種情況下，這還不夠好。 我們需要找到一種方法來獲得更高的結果，這意味著從這些數據中提取更多資訊來嘗試找出我們的解決方案。
- 從「溶離度分區」的紅色小三角選單中，選擇「列貢獻」。
此操作將「列貢獻」報告新增至我們的「分區」視窗中，如圖 20 所示。 報告從頂部開始，按降序告訴我們每個因素的重要性。 螢幕尺寸似乎是最重要的因素，其次是研磨時間、混合時間、混合速度等。 繼續往下讀，我們最終會發現任何葉子中都沒有出現的因素（從 API 粒徑開始及以下），因此似乎對溶解沒有任何影響。
Figure 20: Column Contributions from the Partition for Dissolution report, showing the significance of the factors in descending order. Spray Rate is seen to be the last significant factor; everything below it is considered not to have any effect on Dissolution.Figure 20: Column Contributions from the Partition for Dissolution report, showing the significance of the factors in descending order. Spray Rate is seen to be the last significant factor; everything below it is considered not to have any effect on Dissolution.Figure 20: Column Contributions from the Partition for Dissolution report, showing the significance of the factors in descending order. Spray Rate is seen to be the last significant factor; everything below it is considered not to have any effect on Dissolution.Figure 20: Column Contributions from the Partition for Dissolution report, showing the significance of the factors in descending order. Spray Rate is seen to be the last significant factor; everything below it is considered not to have any effect on Dissolution.圖 20：溶離度分區報告中的列貢獻，依降序顯示因素的重要性。 噴霧速率被認為是最後一個重要因素；下面的所有內容都被認為對溶解沒有任何影響。
因此，我們可以將精力集中在八個重要因素上增加溶解度，而我們可以在很大程度上忽略其餘九個不重要的因素。
- 從色譜管貢獻報告中，選擇八個重要因素（螢幕尺寸到噴霧速率）。 請注意，現在在表中選擇了這些列。
- 從“分析”選單中，選擇“擬合模型”。 現在將出現「擬合模型」對話方塊窗口，其中已選取列（圖 21）。
Figure 21: Fit Model dialog window, with columns of significant factors selected.Figure 21: Fit Model dialog window, with columns of significant factors selected.Figure 21: Fit Model dialog window, with columns of significant factors selected.Figure 21: Fit Model dialog window, with columns of significant factors selected.圖 21：「擬合模型」對話方塊窗口，其中選擇了重要因素的欄位。
- 按下「擬合模型」對話方塊視窗中的「巨集」按鈕並選擇「響應曲面」。
- 最後，選擇「溶離度」列並按 Y（對話方塊視窗中上部的按鈕）。
- 按運轉。
注意：響應曲面模型包括所有主效果（在本例中為八個重要因素）、所有雙向交互作用以及所有平方項。 事實已經多次證明，這種類型的模型是解決最佳化問題的一個很好的起點，試圖在我們的流程設定中找到最佳點。 除非進行一些模型改進（我們將在下面討論），否則它通常也是一個足夠好的終點，這意味著它捕獲了有關我們的流程的足夠資訊來解決我們試圖解決的任何問題。
彈出響應溶出度報告視窗。 再次強調，資訊量很大，所有資訊都在 JMP 線上文件中進行了詳細解釋，但其中大部分都不是解決我們的問題所需的知識。
我們可以從上到下檢查這份報告，跳過不特別感興趣的內容。 我們遇到的第一件事是實際與預測圖，如圖 22 所示。 這裡重要的是所有點大部分都落在深紅色直線上。 他們永遠不會完全沿著這條線倒下；我們的流程中總是會存在一些模型未捕捉到的變化。 那麼問題就變成有多少變化是被模型捕捉？ 該圖下方的 RSq 值提供了該資訊：0.88（或 88%）。
Figure 22: Actual by Predicted Plot for a full response surface model with eight main effects, capturing 88% of the variation in Dissolution (RSq = 0.88).Figure 22: Actual by Predicted Plot for a full response surface model with eight main effects, capturing 88% of the variation in Dissolution (RSq = 0.88).Figure 22: Actual by Predicted Plot for a full response surface model with eight main effects, capturing 88% of the variation in Dissolution (RSq = 0.88).Figure 22: Actual by Predicted Plot for a full response surface model with eight main effects, capturing 88% of the variation in Dissolution (RSq = 0.88).圖 22：具有八個主要效應的完整響應曲面模型的實際與預測圖，捕捉了 88% 的溶離度變化 (RSq = 0.88)。
實際與預測圖下方是效果摘要（圖 23），其中按重要性降序列出了我們模型中包含的所有效果。 當然，這都是基於表中包含的歷史資料。 最右邊的一列標記為 PValue，它提供瞭如果我們要收集更多數據（假設該效應沒有任何影響），我們將看到對相應效應的溶出產生更大影響的可能性。 看起來好像有 0% 的機會（四捨五入到小數點後五位），額外的運行會顯示螢幕尺寸似乎有更大的影響，如果沒有的話。 實際上，我們所看到的影響大小並不是隨機的，這在數學上是確定的。 因此，我們可以得出結論，螢幕尺寸確實會影響溶解度值。
Figure 23: Effects Summary for a full response surface model with eight main effects.Figure 23: Effects Summary for a full response surface model with eight main effects.Figure 23: Effects Summary for a full response surface model with eight main effects.Figure 23: Effects Summary for a full response surface model with eight main effects.圖 23：具有八個主要效應的完整響應曲面模型的效應摘要。
另一個極端是乳糖供應商和混合速度之間的相互作用，這是清單最底部的因素。 p 值約為 0.959，遠高於可接受的截止值 0.05，我們可以放心地得出結論，這種效應對溶離度沒有任何影響。 讓我們繼續將其從模型中刪除。
- 按一下“效果摘要”表中的“乳糖供應商*混合速度-rpm”，然後按其下方的“刪除”底部。
您是否注意到報告中的所有 p 值以及其他所有內容都略有變化？ 與 JMP 中的許多報告一樣，變更會導致所有值立即重新計算，這使我們能夠透過消除所有不顯著的影響來完善模型，而無需重新啟動分析。
- 逐一刪除最不顯著的效應（效應摘要報告底部的最後一個效應），直到所有剩餘效應的 p 值都大於 0.05，如圖 24 所示。
Figure 24: Effect Summary for a refined RSM model containing only effects with a p-value greater than 0.05.Figure 24: Effect Summary for a refined RSM model containing only effects with a p-value greater than 0.05.Figure 24: Effect Summary for a refined RSM model containing only effects with a p-value greater than 0.05.Figure 24: Effect Summary for a refined RSM model containing only effects with a p-value greater than 0.05.圖 24：僅包含 p 值大於 0.05 的效應的精煉 RSM 模型的效應摘要。
注意：不要刪除 p 值右側有 ^ 符號的效應。 該符號旨在讓您意識到該效果包含在其他更重要的效果中。 通常，我們將它們保留在模型中，只有在所有包含效果均已先刪除後才將其刪除。
低於預測圖實際值的 RSq 值下降至 0.83，這意味著這個新的改進模型捕捉到的響應變化較小。 沒關係。 原始 RSq 為 0.88，這個值高得具有誤導性，因為其中包含了適合隨機噪音而非我們實際過程的非顯著項。 從模型中刪除高 p 值因子自然會導致較低的 RSq，但更有可能為未來批次提供更準確的預測。
那麼，能夠解釋我們流程中 83% 的變異是好事還是完全不夠呢？ 讓我們提醒自己整個練習的目標：我們正在嘗試解決如何可靠地生產溶出度高於 70 的批次的問題，以將廢品率從 15% 降低到 5% 以下。 一旦我們足夠理解並弄清楚如何做到這一點，我們就完成了並可以繼續處理下一個問題。 如果這個模型允許我們做到這一點，那麼它就是夠好了。 我們可以透過向下捲動到預測刻畫器的擬合最小二乘報告的最末尾來找到答案，如圖 25 所示。
Figure 25: Prediction Profiler for our refined RSM model.Figure 25: Prediction Profiler for our refined RSM model.Figure 25: Prediction Profiler for our refined RSM model.Figure 25: Prediction Profiler for our refined RSM model.圖 25：我們改良的 RSM 模型的預測刻畫器。
預測刻畫器是模型的圖形表示形式，可用來查看設定組合的預測結果。 例如，在圖 25 中，使用這些設定（研磨時間為 17.011 小時，螢幕尺寸為 3 等）生產的批次的平均值預計為 77.49%。 我們也可以從曲線中看到，根據模型，增加研磨時間、混合時間和塗層黏度，同時降低噴霧速率，將導致批次的溶解度更高。
- 點擊設定檔內的垂直紅色虛線並將其向右或向左拖曳。
- 繼續手動移動線條以找到模型預測將實現最高溶出度的設定。
除了嘗試手動找到最佳設定之外，我們還可以使用預測刻畫器的最大化意願功能：
- 點選預測刻畫器的紅色小三角選單。
- 選擇優化和意願 --> 最大化意願。
- 返回紅色小三角選單，然後選擇優化和意願 --> 最大化意願。
最大化期望值後，可以看到最終的最佳設定（圖 26）。
Figure 26: Prediction Profiler with Desirability Functions enables on, with factors at optimum settings resulting in highest value of Dissolution, 86.5% (y-axis adjusted from default).Figure 26: Prediction Profiler with Desirability Functions enables on, with factors at optimum settings resulting in highest value of Dissolution, 86.5% (y-axis adjusted from default).Figure 26: Prediction Profiler with Desirability Functions enables on, with factors at optimum settings resulting in highest value of Dissolution, 86.5% (y-axis adjusted from default).Figure 26: Prediction Profiler with Desirability Functions enables on, with factors at optimum settings resulting in highest value of Dissolution, 86.5% (y-axis adjusted from default).圖 26：具有意願函數的預測刻畫器啟用，因子處於最佳設置，導致溶出度最高值 86.5%（y 軸從預設值調整）。
預測值高於我們的 70% 里程碑。 當然，真正的考驗還是要等到我們在工廠裡嘗試這些設定的時候才會到來。
11) 預測建模與機器學習 (JMP Pro)
在 JMP Pro 中，使用 Formula Depot 簡化了將模型部署到生產中的流程。 從那裡，我們可以輕鬆生成評分代碼以將我們的模型部署到生產中。
- 從「擬合最小平方法」報告頂部「響應溶離度」旁邊的紅色小三角選單中，選擇儲存列 --> 發布預測公式。
- 在 Formula Depot 報告中，點選「擬合最小平方法 - 溶離度」紅色小三角選單，然後選擇產生...（見圖 27）。
注意：Formula Depot 可用於產生 C++、Python、JavaScript、SAS 或 SQL。
Figure 27: Formula Depot with the Fit Least Squares model for Dissolution (left), with automatically generated Python code (right).Figure 27: Formula Depot with the Fit Least Squares model for Dissolution (left), with automatically generated Python code (right).Figure 27: Formula Depot with the Fit Least Squares model for Dissolution (left), with automatically generated Python code (right).Figure 27: Formula Depot with the Fit Least Squares model for Dissolution (left), with automatically generated Python code (right).圖 27：Formula Depot 具有適合溶離度的最小平方法模型（左），以及自動產生的 Python 程式碼（右）。
12) 自動化和腳本編寫
現在是時候儲存用於將表格匯入 JMP 並使其採用正確格式的腳本了。 這將使新數據可用時更容易重複。 我們不必擔心保存此時所做的所有分析的說明，因為我們不太可能必須像以前那樣完全重做。 最終，我們將希望監測在未來批次中實施新配方的效果，並確保一切保持穩定並且過程不會漂移。 現在，我們只從日誌中的操作記錄器擷取資料表操作。
- 在「日誌」視窗中，按一下左上角的紅色小三角選單，然後選擇「操作記錄器」。
- 選擇平台啟動以取消選擇此選項。
- 重複操作以取消選擇“關閉時報告快照”，以便僅顯示選取“資料表操作”，如圖 28 所示。
Figure 28: Log window, showing the Action Recording options within the red triangle menu, with only Data Table Operations selected.Figure 28: Log window, showing the Action Recording options within the red triangle menu, with only Data Table Operations selected.Figure 28: Log window, showing the Action Recording options within the red triangle menu, with only Data Table Operations selected.Figure 28: Log window, showing the Action Recording options within the red triangle menu, with only Data Table Operations selected.圖 28：日誌窗口，顯示紅色小三角選單中的「操作記錄」選項，僅選擇了「資料表操作」。
- 再次點擊“日誌”視窗中的紅色小三角選單。 選擇儲存腳本 --> 到腳本視窗。
- 從腳本視窗中，選擇檔案 --> 另存為。 將腳本命名為“平板電腦資料導入”並將其保存在桌面上方便的位置。
現在我們已經儲存了腳本，您可以關閉 JMP 資料表，包括所有開啟的報表。 我們只剩下原始 Excel 表格，以及將其匯入 JMP 並準備進行分析所需的所有說明。 我們也提交了工廠開始使用新配方生產產品的說明。 讓我們清除日誌，然後休息一下，等待新資料可用。
13) 品質與製程工程
想像一下，一段時間過去了，使用我們新的和改進的工藝配方的多次運行已經完成。 這些新運行已作為新行新增至 Excel 工作；這可能是自動完成的，也可能是手動新增行然後重新儲存檔案。 新流程稱為 B，以區別於舊流程（稱為 A）。
- 將 Tablet Data Updated.xlsx 檔案保存在與先前使用的 Tablet Data.xlsx 檔案相同的位置。
- 刪除平板電腦資料.xlsx。
- 將新檔案重新命名為 Tablet Data.xlsx。
- 開啟已儲存的Tablet Data Import.jsl腳本文件第12條並按下“運行”按鈕（圖 29）。
Figure 29: Script window with the Run button near the top of the window circled in blue.Figure 29: Script window with the Run button near the top of the window circled in blue.Figure 29: Script window with the Run button near the top of the window circled in blue.Figure 29: Script window with the Run button near the top of the window circled in blue.圖 29：腳本窗口，窗口頂部附近的「運行」按鈕以藍色圈出。
請注意，我們在匯入該表時已自動對原始JMP 表進行的格式更改，包括重新編碼列API-Particle Size 和MgSt-Supplier、將「螢幕大小」的建模類型更改為序數、使用逗號作為小數符號並將受影響的列轉換為數字，並在末尾添加“接受/拒絕”列。 另請注意，表中已新增 25 次運行（對應於我們的新運行），以及指示每個批次配方的列。 簡要檢查該表，看來導入和格式化腳本成功地容納了這些添加內容。 這是個好消息，因為隨著新資料的不斷出現，我們仍然可以依賴這個腳本。
捲動到表底部，新運行已在「配方」列中指示為 B。從「接受/拒絕」欄位（最後，最右邊），我們可以看到所有新批次都已被歸類為「接受」。 當然，這也是一個好消息。 您可能已經注意到配方設定點與表中的內容不符。 例如，模型確定「研磨時間」的最佳設定為 25.7 小時，但表中的值與此設定略有不同。 這是因為該表包含每個批次期間測量的實際值，這些值並不總是與設定值完全對應。 透過更好地控制製程變數來收緊這些值可能是我們過程的未來改進途徑。
同時，我們可以使用控製圖來查看實施新配方後我們的流程發生了怎樣的變化。 我們還可以使用它來追蹤和監控該過程，並提醒我們任何需要幹預的逐漸漂移或突然變化。
- 從分析選單中，選擇品質和流程 --> 控制圖產生器。
- 在「控製圖產生器」視窗中，向下捲動至列面板中的「溶離度」列。 按一下「溶解」並將其拖曳至 Y 放置區域。
- 將配方列拖曳到控制圖頂部的階段放置區域。
- 選擇完成。
現在，我們有兩個並排的「單獨和移動極差」圖表，配方 A 的圖表位於配方 B 的左側，如圖 30 所示。 我們注意到的第一件事是配方 B 的分數較高，對應於其較高的溶離值。 穿過圖表中間的綠色實線表示每個過程的平均值，而平均值之上和之下的紅色實線分別是控制上限和控制下限。 它們的計算值在控製圖右側的溶出限摘要中提供。
Figure 30: Individual & Moving Range chart for both recipes, A (left) and B (right), with Limit Summaries providing the calculated means (Avg) and lower/upper control limits (LCL/UCL).Figure 30: Individual & Moving Range chart for both recipes, A (left) and B (right), with Limit Summaries providing the calculated means (Avg) and lower/upper control limits (LCL/UCL).Figure 30: Individual & Moving Range chart for both recipes, A (left) and B (right), with Limit Summaries providing the calculated means (Avg) and lower/upper control limits (LCL/UCL).Figure 30: Individual & Moving Range chart for both recipes, A (left) and B (right), with Limit Summaries providing the calculated means (Avg) and lower/upper control limits (LCL/UCL).圖 30：兩種配方 A（左）和 B（右）的單獨和移動極差圖表，極限摘要提供計算平均值 (Avg) 和下/上控制限 (LCL/UCL)。
使用新配方 B 生產的批次比使用舊配方 A 生產的批次差異更大。 我們可以這麼說，因為點本身分佈在更廣泛的溶解值中。 我們也注意到，紅線距離較遠，表示標準差較大。 然而，正如我們所指出的，請查看“接受/拒絕”列，所有配方 B 批次都是可接受的，這是我們的主要目標。 86.76% 的平均值比我們原始配方的平均值 72.86% 高很多； 86.76% 也非常接近我們模型預測的 86.5% 值。
儘管標準差較大導致控制限較寬，但乍看之下我們的製程是穩定的。 話雖如此，配方B可能正在呈上升趨勢。 「品質和流程」選單中提供的一個選項可能是使用累積和圖表來密切關注它，以便儘早確定它是否是真正的趨勢。
一個簡單的穩定性測試以及某些內容可能變化的指示是其中一個點超出紅線。 還有其他測試，可以啟動它們作為製程監控的警報。
- 右鍵點選「個體和移動極差」圖表的中間。
- 選擇警告 --> 測試 --> 所有測試。
A 中出現一個警告（將滑鼠停留在警告上以查看詳細資訊），而 B 則沒有出現。然而，我們可以而且絕對應該更新控製圖，以在新數據可用時監控變化，並且只要產品在我們的工廠生產，就定期這樣做。
- 從「控製圖產生器」旁的紅色小三角選單中，選擇儲存腳本 --> 到剪貼簿。
- 前往平板電腦資料匯入腳本並在腳本的最後一行之後貼上（右鍵單擊 --> 貼上或 ctrl-v）。
- 儲存更新的腳本檔案 --> 儲存。
我們現在可以關閉控製圖和表格而不儲存。 運行腳本將重新匯入表並建立控製圖。 由於更新分析所需的工作現在已減少到只需按一下按鈕即可，因此無需費力即可根據需要定期重複此操作。 它甚至可以透過使用 Windows 中的任務規劃程式或 Mac 中的 iCal（或任何其他用於自動化規劃的免費工具）來自動化。 但是，如果我們負責監控流程的同事不熟悉 JMP 該怎麼辦？ 我們如何讓他們了解最新情況並即時了解情況？
14) 分享和交流結果
JMP Live 是一款工具，科學家和工程師可以透過安全的 Web 連線存取 JMP 報告，而無需使用 JMP。 甚至可以在控製圖中觸發過程警報時發送警告電子郵件。 匯入資料、重現分析、將報告發佈到 JMP Live（在我們的例子中是控製圖）以及在過程失控的情況下發送電子郵件警告的整個過程都可以輕鬆自動化以進行定期更新。
JMP Live 是 JMP 系列中的獨立產品，允許將機密或敏感報告上傳到安全伺服器並在封閉圈內共用。 JMP Public 是 JMP Live 的公開版本。 擁有 Web 瀏覽器的任何人都可以查看報告（可在 public.jmp.com 上取得），而擁有 JMP 15 或更高版本的任何人都可以免費發佈到 JMP Public。
首先，我們將報告發佈到 JMP Live：
注意：如果您無法存取 JMP Live，您可以發佈到 JMP Public。 或者，您可以簡單地閱讀這些步驟，然後嘗試按照步驟操作。 如果這是您第一次發佈到 JMP Live 或 JMP Public，請先建立連線（檔案 --> 發布 --> 管理連線...）。 詳細資訊可以參見這篇博文以及自動發布的操作方法。
- 從控制圖產生器報告視窗中，選擇檔案 --> 發布 --> 發佈到 JMP Live...
- 選擇要發布的報告，然後按「下一步」。
- 確保選取啟用警告複選框，表示在啟動控製圖警告時將發送電子郵件（請參閱圖 31）。
- 選擇將被允許存取報告的群組（先前儲存的電子郵件清單）。
- 按發布。
Figure 31: JMP Live new post configuration window, with the Enable Warnings box checked, for Control Chart warning emails. Toward the bottom, we can see that access to the report will be limited to the Engineering group.Figure 31: JMP Live new post configuration window, with the Enable Warnings box checked, for Control Chart warning emails. Toward the bottom, we can see that access to the report will be limited to the Engineering group.Figure 31: JMP Live new post configuration window, with the Enable Warnings box checked, for Control Chart warning emails. Toward the bottom, we can see that access to the report will be limited to the Engineering group.Figure 31: JMP Live new post configuration window, with the Enable Warnings box checked, for Control Chart warning emails. Toward the bottom, we can see that access to the report will be limited to the Engineering group.圖 31：JMP Live 新後配置窗口，選取「啟用警告」框，用於傳送控製圖警告電子郵件。 在底部，我們可以看到對報告的存取將僅限於工程組。
完成這些步驟後，將顯示一則訊息，指示報告已成功發布。
注意：出於本部落格的目的，該報告的副本已發佈在JMP 公共。
既然報告已經發布過一次，那麼隨著新數據的出現更新線上報告就很簡單了。 如上所述，可以找到詳細資訊和有用的提示這裡。 簡而言之，需要三項資訊：
- JMP 中報表的名稱。
- JMP Live 連線的名稱。
- 我們在 JMP Live 中發布的報告的報告標識符。
報表的名稱（在我們的範例中為「控製圖產生器」報表）是用來引用 JSL 中的物件的名稱。 早在第 13 條當我們複製腳本並將其貼到 JSL 視窗中時，我們沒有為它命名。 現在讓我們回去這樣做。
- 在用於在 JSL 腳本視窗中建立控製圖的 Control Chart Builder 函數之前，請放置一個等號並為其指定一個唯一的名稱（請參閱圖 32）。
Figure 32: JSL script window with the Control Chart Builder, now referenced by the name ccb.Figure 32: JSL script window with the Control Chart Builder, now referenced by the name ccb.Figure 32: JSL script window with the Control Chart Builder, now referenced by the name ccb.Figure 32: JSL script window with the Control Chart Builder, now referenced by the name ccb.圖 32：帶有 Control Chart Builder 的 JSL 腳本窗口，現在由名稱 ccb 引用。
接下來，可以使用檔案 --> 發佈選單的管理連線...功能找到 JMP Live 連線的名稱。 首次建立與 JMP Live 的連接時會顯示此信息，詳細資訊請參見JMP Live 管理技巧：自動化發布部落格文章。
最後，報告標識符是已發布報告網址中最後一個正斜線 (/) 後面的代碼。 例如，在 JMP Public 中看到的報告中，它對應於圖 33 中藍色圓圈中的代碼。
Figure 33: JMP Public report with the report identifier code circled in blue.Figure 33: JMP Public report with the report identifier code circled in blue.Figure 33: JMP Public report with the report identifier code circled in blue.Figure 33: JMP Public report with the report identifier code circled in blue.圖 33：JMP Public 報告，報告識別碼以藍色圈出。
有了這些訊息，剩下要做的就是將以下四行程式碼添加到腳本中：
liveconnection = 新 JMP Live( 連線( *JMP Live 連線名稱* ) );
webreport = 新的網路報告();
webreport<<新增報告(*JMP 報告名稱*);
jmpliveresult=liveconnection<
這些行可以完全按照上面顯示的方式複製到腳本中，並將星號 (*) 結尾的佔位符名稱替換為其實際名稱。
最後的評論
此時，該流程正在按照規範運行，並且已經設定了帶有電子郵件警報的自動監控。 我們終於準備好繼續解決下一個問題，所有未解決的挑戰和未解答的問題都提供了提高效能、加速開發、降低成本或提高效率的新機會，也許是一次性完成。 為了實現這些目標，我們需要透過 JMP 分析工作流程採取新的路線，並在過程中發現新的見解。
但是，我們剛剛解決的問題呢？ 能否進一步提高產量？ 有沒有辦法將溶解度推得更高？ 如果機器損壞或供應商發生變化怎麼辦，這將如何影響我們的流程？ 當我們透過 JMP Live 設定的控製圖電子郵件警報被觸發時，我們應該如何回應？
真正的價值來自於將 JMP 分析工作流程視為持續改善週期的指南，而不是從問題開始到解決方案結束的單向旅程。 每一輪循環都會逐步提升績效，進而帶來更好的產品或流程，進而增強我們的業務。
要詳細了解 JMP 分析工作流程如何幫助您應對挑戰，請訪問我們的網站。
