Simon Stelzig, Responsable du département Intelligence Produit chez Lohmann
JMP, plus tard JMP Pro, a été utilisé pour guider le développement d'un nouveau ruban adhésif structurel, depuis les premières expériences jusqu'à un produit optimisé prêt à la vente. La base était un mélange de 7 composants créé par la fonction de conception personnalisée de JMP. Malheureusement, près de 40 % des exécutions ont pu être formulées mais pas traitées. Même avec cette conception paralysée, les prédictions d'optima traitables pour les demandes changeantes des clients ont été possibles en utilisant une nouvelle réponse et la plate-forme de modèle de JMP. Une augmentation nécessaire du DoE à l'aide de la fonction de conception augmentée a continuellement augmenté le nombre d'expériences, permettant un réglage fin du modèle et finalement la prédiction d'un ruban et d'un produit prototypes fonctionnels. En passant de JMP à JMP Pro, dans le cadre d'un projet de suivi basé sur les expériences originales, la modélisation est devenue considérablement plus efficace et fiable grâce à sa meilleure protection contre la mauvaise modélisation, comme celle rencontrée sans l'utilisation de JMP Pro.la version Pro. Le nombre croissant d'exécutions et les capacités de JMP Pro ont ouvert la voie à l'utilisation de méthodes de Machine Learning, au lieu d'analyses DoE classiques. De cette façon, la vitesse de développement a été encore augmentée, presque jusqu'à la prédiction et la vérification, afin de répondre aux demandes des clients, en s'approchant de notre formulation.
Note de l'éditeur : La présentation à laquelle @shs fait référence au début de sa présentation est Utilisation de l'API REST via une requête HTTP et des cartes JMP pour comprendre la densité des brasseries allemandes (2020-EU-EPO-388)
