안녕하세요. 나의 이름 ~이다 로라 랭커스터. I ~이다 a 통계적 개발자 ~에 그만큼 제이엠피 그룹. 오늘, 나는 여기 에게 말하다 에게 너 ~에 대한 용해되다 조합 그리고 운영 지역 최적화 ~을 위한 비판적인 품질 속성 ~와 함께 그만큼 제이엠피 17 프로파일러.
모든 것 이었다 가고 있다 에게 말하다 ~에 대한 오늘 가지다 에게 하다 ~와 함께 그만큼 예측 프로파일러, 그리고 I 희망 저것 모든 사람 ~이다 친숙한 ~와 함께 그것. 그것은 a 아주 멋진 도구. 하지만 만약에 당신은 아니다, 그만큼 예측 프로파일러 ~이다 a 도구 ~에 제이엠피 그게 엄청난 ~을 위한 대화형으로 탐험, 시각화, 그리고 최적화 그만큼 모델 저것 너 만들다 ~에 제이엠피 구체적으로, 이었다 가고 있다 에게 말하다 ~에 대한 둘 최근의 새로운 특징 저것 ~이었다 추가됨 에게 그만큼 예측 프로파일러. 그만큼 첫 번째 ~이다 그만큼 능력 에게 탐구하다 그리고 최적화하다 그만큼 모델 저것 당신은 생성됨 ~에 암사슴 JMP에서 저것 가지다 알려진 허용되지 않음 콤비네이션 힘. 그만큼 두번째 ~이다 그만큼 능력 에게 결정하다 한 최적의 운영 지역 ~을 위한 당신의 조작 프로세스 저것 보장하다 둘 다 품질 그리고 최고 생산 유연성.
하자 가다 앞으로 그리고 얻다 시작했다 말하는 ~에 대한 탐험하다 그리고 최적화 모델 ~에서 설계됨 실험 ~와 함께 이것 모두 콤비네이션 제약 조건. I t 자주 일어난다 저것 언제 당신은 설계 실험, 그것은 ~ 아니다 가능한 또는 그것은 ~ 아니다 바람직한 ~을 위한 다양한 이유 에게 BE 할 수 있는 에게 실험 ~ 위에 그만큼 평소 전체 직사각형 설계 지역. 언제 저것 일어난다, 너 필요 에게 BE 할 수 있는 에게 적용하다 제약 조건 에게 당신의 설계 지역 ~ 전에 너 만들다 그만큼 설계 그리고 틀림없이 ~ 전에 너 달리다 그만큼 설계. 다행히도, 항상 ~부터 제이엠피 6, 어느 가지다 계속 ~ 이다 a 긴 시간, 그만큼 관습 설계 플랫폼 가지다 계속 ~ 이다 할 수 있는 에게 만들다 설계 실험 ~와 함께 제약된 설계 지역. 부터 그 다음에, 강제 지원하다 가지다 또한 계속 ~ 이다 추가됨 에게 빠른, 유연한 충전재 디자인 그리고 피복 정렬 디자인.
지금, 무엇 유형 ~의 제약 조건 ~이다 사용 가능 ~에 JMP의 DOE 플랫폼? 그만큼 첫 번째 유형 ~의 강제 ~이다 그만큼 더 간단하다 ~의 그만큼 둘. 그것은 선의 제약 조건 ~에 마디 없는 그리고 혼합물 요인들. H 여기 a 그림 어디 우리 가지다 둘 선의 불평등 제약 조건 저것 ~이다 표시됨 ~에 그만큼 회색 그늘진 지역. 그 다음에 그만큼 설계, 너 ~할 수 있다 보다 머물다 밖으로 ~의 그만큼 허용되지 않음 선의 제약된 지역.
그만큼 다음 유형 ~의 강제 ~이다 ~라고 불리는 a 허용되지 않음 콤비네이션 강제. 그것은 a 더 일반적인 그리고 ~할 수 있다 BE 더 복잡한 유형 ~의 강제. 그것 ~할 수 있다 이루어져 있다 ~의 마디 없는, 이산적인, 숫자 그리고 또는 범주적 요인들. 무엇 그것 ~이다 ~이다 a 강제 그게 a 제이에스엘 부울 표현 저것 평가하다 에게 진실 ~을 위한 요인 조합 저것 ~이다 ~ 아니다 ~에 당신의 설계 지역. 여기 있습니다 한 예.
우리 가지다 a 둘- 요인 설계 어디 엑스1 엘1 그리고 X2 L3 할 수 없다 BE ~에 그만큼 설계. 그들은 허용되지 않음 그리고 그들은 쓴 ~처럼 a 제이에스엘 부울 표현, 어느 너 ~할 수 있다 보다 오른쪽 여기. N 아버지 저것 이것 설계 ~이다 생성됨 그리고 머물다 밖으로 ~의 이것 허용되지 않음 지역. 지금, 원래, 모두 ~의 이것들 허용되지 않음 콤비네이션 제약 조건 가졌다 에게 BE 들어갔다 ~처럼 제이에스엘 좋다 이것. 하지만 그 다음에 ~에 제이엠피 12, a 허용되지 않음 콤비네이션 필터 ~였다 추가됨 저것 만들어진 그것 더 쉽다 에게 만들다 이것들 제이에스엘 표현 만약에 너 가지다 꽤 쉬운 허용되지 않음 조합 그런 ~처럼 개인 요인 범위 결합된 ~와 함께 그리고/ 또는 표현. 잘 바라보다 ~에 한 예 ~의 이것 곧.
지금, 무엇 ~에 대한 그만큼 예측 프로파일러 ~와 함께 제약된 지역? 왜 ~이다 그것 중요한 ~을 위한 그만큼 예측 프로파일러 에게 BE 할 수 있는 에게 순종하다 제약 조건 언제 너 가지다 모델 ~와 함께 제약사항? 잘, 만약에 그만큼 프로파일러 무시하다 제약 조건, 그 다음에 그것은 가능한 저것 그만큼 사용자 ~할 수 있었다 탐색하다 에게 예측 저것 ~이다 ~ 아니다 실행할 수 있는 그리고 그들 5월 ~ 아니다 깨닫다 그것. 그래서 너 ~할 수 있었다 끝 위로 ~에 한 영역 그게 ~ 아니다 가능한, ~ 아니다 바람직한, 그리고 너 틀림없이 하지 않았다 테스트됨 거기. 그것은 한 외삽법, 그래서 이것 ~이다 나쁜. 그 다음에 아마 심지어 더 나쁜, 만약에 너 원하다 에게 최적화하다 당신의 모델, 너 ~할 수 있었다 끝 위로 ~와 함께 한 실현 불가능한 최적의 해결책. 만약에 저것 일어난다, 그만큼 사용자 ~일 것이다 가지다 에게 어느 하나 노력하다 에게 수동으로 찾다 a 실행할 수 있는 최적의 해결책, 어느 ~할 수 있었다 BE 정말 딱딱한 또는 심지어 불가능한, 또는 그들 ~일 것이다 가지다 에게 사용 또 다른 도구.
무엇 ~이었다 그만큼 도전 ~와 함께 구하는 그만큼 예측 프로파일러 에게 순종하다 제약사항? 왜 했다 그것 가져가다 그래서 많이 더 길게 에게 얻다 이것들 제약 조건 ~에 그만큼 프로파일러 ~ 대 암사슴? 잘, 그만큼 기본 이유 가졌다 에게 하다 ~와 함께 그만큼 제약된 최적화. 그만큼 바람직함 기능 ~이다 a 비선형 기능. 저것 수단 저것 우리의 최적화 가지다 a 비선형 목적 기능 그리고 혹시 둘 다 마디 없는 그리고 범주적 요인 변수 저것 ~할 수 있었다 BE 관련된 ~에 제약 조건. 이것 ~이다 알려진 ~처럼 a 혼합 정수 비선형 프로그램 작성 문제, 그리고 그것은 한 극도로 어려운 유형 ~의 최적화 문제 ~하지 않는 한 너 알다 무엇 유리한 ~에 대한 당신의 목적 기능 또는 당신의 제약된 지역. 그것은 단지 매우, 매우 딱딱한.
하지만 좋은 소식, 그만큼 예측 프로파일러 지금 공장 ~와 함께 모두 그만큼 같은 제약 조건 ~처럼 그만큼 DOE 플랫폼. 회전 밖으로 저것 그만큼 예측 프로파일러 가지다 실제로 순종했다 선의 제약 조건 ~에 마디 없는 변수 모두 그만큼 방법 뒤쪽에 에게 제이엠피 8, j 우스트 a 커플 ~의 출시 ~ 후에 그들 ~이었다 추가됨 ~에 제이엠피 6. 우리 ~이었다 할 수 있는 에게 하다 이것 더 빨리 왜냐하면 이것들 제약 조건, 이것들 선의 제약 조건 ~에 마디 없는 변수 가지다 정말 멋진 속성. B 왜냐하면 ~의 저것, 우리 ~이었다 할 수 있는 에게 구현하다 a 늑대- 줄인 구배 변종 연산. 저것 연산 하다 a 정말, 정말 좋은 직업 ~의 발견 그만큼 글로벌 최적의, 특히 만약에 너 ~하지 않다 가지다 범주적 변수. ~ 안에 저것 사례, 너 ~해야 한다 찾다 그만큼 글로벌 최적.
지금, ~부터 제이엠피 16, 그만큼 예측 프로파일러 지금 또한 복종하다 허용되지 않음 콤비네이션 제약 조건 ~에 둘 다 마디 없는 그리고 범주적 변수. 지금, 이것 ~였다 a 많은 더 어렵다 왜냐하면 이것들 제약 조건 ~이다 매우 일반적인. 너 ~할 수 있었다 놓다 전적으로 아무것 내부에 저것 JSL 부울 표현. 그래서 우리 할 수 없다 추정하다 아무것 유리한 ~에 대한 우리의 제약된 지역 ~에 이것들 사례. 따라서, 우리 가졌다 에게 구현하다 a 유전적 휴리스틱 연산, 어느 ~이다 a 매우 일반적인 유형 ~의 연산 ~을 위한 그만큼 제약된 최적화. B 왜냐하면 ~의 이것, 우리 캔트 보장하다 a 글로벌 최적의 해결책. 하지만 너 ~해야 한다 찾다 a 해결책 그게 매우 닫다 에게 글로벌 최적의, 만약에 ~ 아니다 그만큼 글로벌 최적.
하자 가다 앞으로 그리고 시작 찾고 ~에 일부 예시. 첫 번째, 이었다 가고 있다 에게 바라보다 ~에 a 화학적인 반응 실험. 이것 실험 가지다 하나 응답, 그리고 그만큼 목표 ~이다 에게 최대화하다 생산하다. 우리 가지다 삼 요인들. 둘 ~의 그들을 ~이다 마디 없는, 시간 그리고 온도, 그리고 촉매 ~이다 범주형.
우리 가지다 둘 제약 조건. 언제 촉매 B ~이다 사용된, 온도 ~ 해야 하다 BE ~ 위에 400. 언제 촉매 C ~이다 사용된, 온도 ~ 해야 하다 BE 아래에 650. W e 사용된 관습 DOE에 만들다 a 응답 표면 설계 ~와 함께 디스 허용되는 조합. 왜냐하면 이것들 ~이다 꽤 단순한 제약 조건, 우리 ~이었다 할 수 있는 에게 사용 그만큼 허용되지 않음 조합 필터.
너 ~할 수 있다 보다 여기 저것 언제 I 세트 촉매 에게 비, 온도 할 수 없다 BE 아래에 400. 이것 ~이다 나의 첫 번째 허용되지 않음 지역. 또한 만약에 촉매 ~이다 기음, 그만큼 온도 할 수 없다 BE ~ 위에 650. 그 다음에 한 번 우리 생성됨 그만큼 설계, 너 ~할 수 있다 보다 저것 그만큼 설계 전철기 머무르다 밖으로 ~의 그만큼 제약된 지역 저것 ~이다 회색 여기. 이것들 ~이다 그만큼 용해되다 조합 지역. 그 다음에 우리 달렸다 그만큼 실험 그리고 우리 사용된 최소 적합 사각형 에게 맞다 a 응답 표면 모델 에게 그만큼 데이터.
지금, I 원하다 에게 보여주다 너 어떻게 너 ~일 것이다 사용 그만큼 예측 프로파일러 에게 탐구하다 그만큼 모델 그리고 찾다 그만큼 최고 생산하다. 나는 가고 있다 에게 가다 얻다 밖으로 ~의 파워포인트 그리고 가다 에게 제이엠피 정말 빠르게. 여기 ~이다 그만큼 데이터 테이블 ~에서 그만큼 화학적인 반응 실험 저것 우리 생성됨 ~와 함께 JMPs 관습 설계 플랫폼. 우리는 이미 달리다 그것 그리고 들어갔다 모두 그만큼 결과. 그만큼 중요한 물건 I 원하다 에게 가리키다 밖으로 ~이다 저것 관습 DOE가 추가했습니다 이것 데이터 테이블 스크립트 ~라고 불리는 허용되지 않음 조합. 언제 너 열려 있는 그것 위로, 너 보다 그것은 갖다 그만큼 제이에스엘 부울 표현 ~의 나의 허용되지 않음 조합. 그리고 이것 ~이다 무엇 그만큼 예측 프로파일러 읽다 안에, 그리고 그게 어떻게 그것 알고있다 ~에 대한 나의 허용되지 않음 조합 제약 조건.
나는 이미 저장됨 나의 응답 표면 모델, 그리고 나는 가고 있다 에게 달리다 그것 그리고 가다 아래에 에게 그만큼 프로파일러. 왜냐하면 I 가지다 저것 허용되지 않음 조합 강제 저장됨 ~에 그만큼 테이블, 그것은 할 수 있는 에게 읽다 저것들 ~에 그리고 그만큼 프로파일러 ~할 수 있다 순종하다 그만큼 제약이 있습니다. 나 f I 세트 촉매 에게 비, 알아채다 저것 I 할 수 없다 얻다 에게 a 온도 400 또는 아래에. 만약에 I 세트 촉매 에게 기음, I 할 수 없다 얻다 에게 a 온도 650 또는 ~ 위에 왜냐하면 저것들 ~이다 허용되지 않음 지역. 또한, 언제 I 최대화하다 생산하다, I 끝 위로 ~와 함께 a 해결책 저것 ~이다 실행할 수 있는, 그것은 ~ 아니다 ~에 a 허용되지 않음 지역.
지금, 무엇 ~일 것이다 가지다 일어났다 ~에 a 버전 ~의 제이엠피 이전의 에게 제이엠피 16살? 잘, 우리 ~할 수 있다 보다 무엇 ~일 것이다 가지다 일어났다 ~에 의해 찾고 ~에 그만큼 정확한 같은 데이터 테이블 없이 그만큼 허용되지 않음 콤비네이션 스크립트. 나는 가고 있다 에게 달리다 그만큼 같은 정확한 모델 그리고 가다 에게 그만큼 프로파일러. 지금 이것 시간, 그만큼 프로파일러 하지 않는다 알다 ~에 대한 나의 제약 조건. 그래서 언제 I 세트 촉매 에게 비, I ~할 수 있다 가다 아래에 ~ 안으로 a 허용되지 않음 지역 아래에 에게 350. 촉매 기음, I ~할 수 있다 떠돌다 위로 ~ 안으로 또 다른 허용되지 않음 지역, 온도 ~ 위에 650. W 암탉 I 하다 그만큼 최적화, I 하다 끝 위로 ~와 함께 한 실현 불가능한 해결책. 나는 ~에 그만큼 허용되지 않음 지역 어디 촉매 ~이다 C 그리고 온도 ~이다 750.
I ~일 것이다 BE 강요된 에게 가지다 에게 노력하다 에게 수동으로 찾다 a 실행할 수 있는 해결책 그게 ~ 아니다 ~에 a 허용되지 않음 지역. 하지만 다행히도, 그게 계속 ~ 이다 해결됨 ~부터 제이엠피 16. 하자 가다 깨끗한 위로 그리고 하자 가다 에게 또 다른 예.
좋아요, 그만큼 다음 예 이었다 가고 있다 에게 바라보다 ~에 ~이다 a 태블릿 생산 실험. 그만큼 목표 ~의 이것 실험 ~이다 에게 최대화하다 용해. 우리 가지다 다섯 요인들. 네 ~이다 마디 없는 그리고 하나 ~이다 범주형. 우리 가지다 둘 제약 조건. 그만큼 첫 번째 강제 ~이다 저것 언제 화면 크기 ~이다 3, 제분 시간 가지다 에게 BE 아래에 16, 그리고 나의 스프레이 비율 그리고 코팅 점도 따르다 이것 비선형 강제.
I 사용된 관습 DOE 다음 에게 만들다 a 응답 표면 설계 ~와 함께 허용되지 않음 조합 사용 중 이것들 둘 제약 조건. 왜냐하면 이것 ~이다 a 복잡한 강제, 우리 ~할 수 있었다 ~ 아니다 사용 그만큼 허용되지 않음 조합 필터, 그래서 우리 가졌다 에게 입력하다 그것 ~처럼 a 스크립트, 어느 ~이다 ~ 아니다 딱딱한 에게 하다. 여기 있습니다 어디 나는 들어갔다 저것 비선형 강제 ~처럼 a 스크립트. 알아채다 나는 뒤집혔다 그만큼 불평등 에게 보여주다 뭐야 허용되지 않음 대신에 ~의 무엇 ~해야 한다 BE 허용됨. T 암탉 나는 또한 추가됨 화면 크기 동등하다 3과 밀 시간 보다 큰 ~보다 16 ~처럼 그만큼 다른 허용되지 않음 지역.
지금, 우리 ~할 수 있다 보다 ~에 의해 찾고 ~에 둘 다른 슬라이스 ~의 나의 설계. 이것 첫 번째 그래프 ~이다 스프레이 비율 ~ 대 코팅 점도. I ~할 수 있다 보다 저것 모두 그만큼 설계 전철기 머무르다 밖으로 ~의 그만큼 허용되지 않음 지역 세트 ~에 의해 이것 비선형 강제. W 암탉 I 바라보다 ~에 화면 크기 ~ 대 밀 시간, 언제 화면 크기 ~이다 3, m 병든 시간 할 수 없다 BE ~ 위에 16. 그 다음에 우리 달렸다 그만큼 실험, 그리고 우리 사용된 최소 제곱법 적합 에게 맞다 a 응답 표면 모델 에게 그만큼 데이터. N 아야 이었다 가고 있다 에게 사용 예측 프로파일러 에게 탐구하다 그만큼 모델 그리고 찾다 그만큼 최고 용해.
나는 가고 있다 에게 가다 뒤쪽에 에게 제이엠피 이것 ~이다 그만큼 태블릿 생산 실험 저것 ~였다 생산됨 ~에 의해 JMP의 관습 DO 플랫폼. N 아버지 저것 한 번 다시, 그것 가지다 저장됨 그만큼 허용되지 않음 조합 데이터 테이블 스크립트 에게 그만큼 테이블. 나는 가고 있다 에게 바라보다 ~에 저것. 너 보다 저것 그것은 그만큼 제이에스엘 부울 표현 ~의 나의 디스 허용되는 조합, 그리고 이것 ~이다 무엇 그만큼 프로파일러 ~ 할 것이다 읽다 안에. 나는 저장됨 그만큼 응답 표면 모델 에게 그만큼 테이블. 언제 우리 가다 에게 그만큼 프로파일러 에게 탐구하다 그만큼 모델, 너 ~할 수 있다 보다 저것 그것 복종하다 나의 허용되지 않는 조합 강제. 언제 화면 크기 ~이다 3, 밀 시간은 할 수 없습니다 BE ~ 위에 16.
또한, 스프레이 비율 그리고 코팅 점도 순종하다 저것 비선형 불평등 강제. 언제 I 최대화하다 그만큼 해결책, I 끝 위로 ~와 함께 한 최적의 해결책 그게 실행할 수 있는 그리고 알아채다 저것 그것은 실제로 ~에 그만큼 강제 경계. T 가지다 말한다 나 저것 만약에 I 가졌다 ~ 아니다 계속 ~ 이다 인식하다 그만큼 제약 조건, I 거의 틀림없이 ~일 것이다 가지다 끝났다 위로 ~와 함께 한 최적의 해결책 저것 아니었다 실행할 수 있는, 그리고 I ~일 것이다 가지다 가졌다 에게 노력하다 에게 수동으로 찾다 그것, 어느 ~일 것이다 가지다 계속 ~ 이다 매우 어려운, 만약에 ~ 아니다 불가능한.
모두 오른쪽 . 하자 이동하다 ~에 에게 그만큼 다음 주제. 여기 우리 가다. 뒤쪽에 에게 파워포인트. 좋아요 . 우리의 다음 주제 ~이다 운영 지역 최적화 ~을 위한 비판적인 품질 속성. 이것 ~이다 어디 나는 가고 있다 에게 소개하다 그만큼 새로운 디자인 공간 프로파일러 그게 새로운 에게 제이엠피 17.
무엇 하다 우리 평균 ~에 의해 설계 공간 언제 이었다 말하는 ~에 대한 그만큼 디자인 스페이스 프로파일러? 잘, 이것 ~이다 한 중요한 개념 그게 사용된 ~에 제약 개발 저것 식별하다 그만큼 최적의 운영 지역 저것 준다 최대 유연성 ~의 당신의 생산 ~하는 동안 아직 확신하다 품질. 이것 개념 ~였다 소개했다 ~에 의해 그만큼 식품의약국 그리고 그만큼 국제적인 회의 ~에 조화 언제 저것들 기관 결정했다 에게 입양하다 품질 ~에 의해 설계 원칙 ~을 위한 개발, 조작, 그리고 규제 ~의 약제. W 암탉 그들 했다 저것, 그들 놓다 밖으로 일부 정말 중요한 지침 서류, ICH Q8-Q12, 저것 최대 의약품 회사들 따르다.
구체적으로, 우리 원하다 에게 바라보다 ~에 무형문화유산 Q8( R2) , 어느 커버하다 설계 공간. 그것 정의하다 설계 공간 ~처럼 그만큼 다차원적 콤비네이션 그리고 상호 작용 ~의 재료 속성 그리고 프로세스 매개변수 저것 가지다 계속 ~ 이다 입증했다 에게 제공하다 보증 ~의 품질.
지금, 거기 ~이다 a 숫자 ~의 단계 저것 필요 에게 BE 취했다 에게 결정하다 설계 공간 ~을 위한 a 제품, 그리고 여러 개의 ~의 그들을 필요 에게 BE 완료 ~ 전에 너 ~할 수 있다 얻다 에게 그만큼 디자인 공간 프로파일러 그리고 제이엠피 하나 ~의 그만큼 첫 번째 것들 저것 너 필요 에게 하다 ~이다 너 필요 에게 결정하다 무엇 당신의 비판적인 품질 속성 ~이다 그리고 무엇 그만큼 적절한 투기 제한 ~이다 에게 유지하다 품질. 잘 나타내다 에게 이것들 비판적인 품질 속성 ~처럼 CQAS. 그만큼 무형문화유산 문서 정의하다 a 비판적인 품질 기인하다 ~처럼 a 물리적, 화학적인, 생물학적, 또는 미생물학적 재산 또는 특성 저것 ~해야 한다 BE 이내에 한 적절한 한계, 범위, 또는 분포 에게 보장하다 그만큼 원하는 제품 품질. 이것 ~이다 그만큼 중요한 첫 번째 단계.
다음, 우리 원하다 에게 사용 설계됨 실험 에게 결정하다 무엇 ~이다 우리의 비판적인 조작 프로세스 매개변수 저것 영향을 미치다 저것들 비판적인 품질 속성. 잘 나타내다 에게 이것들 ~처럼 CPP, 비판적인 프로세스 매개변수, 왜냐하면 무형문화유산 Q8 정의하다 a 비판적인 프로세스 매개변수 ~처럼 a 프로세스 매개변수 누구의 변동성 가지다 한 영향 ~에 a 비판적인 품질 기인하다 그리고 그러므로 ~해야 한다 BE 모니터링됨 또는 통제된 에게 보장하다 그만큼 프로세스 생산하다 그만큼 원하는 품질. 그 다음에, 한 번 당신은 단호한 당신의 CQAs 그리고 당신의 CPP, 그 다음에 너 원하다 에게 찾다 a 정말 좋은 예측 모델 ~을 위한 당신의 CQAs ~에 자귀 ~의 당신의 비판적인 프로세스 매개변수. 한 번 당신은 완료 모두 ~의 저것, 너 ~할 수 있다 사용 그만큼 디자인 공간 프로파일러 에게 결정하다 a 좋은 설계 공간 ~을 위한 당신의 제품.
하자 말하다 a 작은 더 구체적으로 ~에 대한 그만큼 디자인 공간 프로파일러 그리고 제이엠피 그만큼 목표 ~의 그만큼 디자인 공간 프로파일러 ~이다 에게 결정하다 a 좋은 설계 공간 ~에 의해 견딜 수 없는 에게 찾다 그만큼 가장 큰 하이퍼 구형 저것 맞는다 ~ 안으로 그만큼 수용 가능 지역 그게 한정된 ~에 의해 당신의 비판적인 품질 기인하다 명세서 적용된 에게 저것 예측 모델 저것 너 설립하다. 한 번 너 설립하다 저것 하이퍼 구형, 그것 ~ 할 것이다 주다 그만큼 낮추다 그리고 높은 제한 ~의 당신의 비판적인 프로세스 매개변수 저것 결정하다 a 좋은 설계 공간.
그만큼 문제 ~이다 저것 저것 수용 가능 지역 ~이다 대개 비 선의, 그리고 발견 그만큼 가장 큰 하이퍼 구형 ~에 a 비 선의 지역 ~이다 a 매우, 매우 어려운 매우 정확한 문제. 왜냐하면 ~의 저것, 우리 궁금하다 어떻게 하다 그만큼 디자인 공간 프로파일러 실제로 결정하다 설계 공간 그 다음에? 잘, 대신에 ~의 견딜 수 없는 에게 찾다 그만큼 가장 큰 하이퍼 구형 수학적으로, 우리 사용 a 시뮬레이션 접근하다. 무엇 그것 하다 ~이다 그것 생성하다 수천 ~의 균일하게 분산된 전철기 ~ 내내 그만큼 공간 한정된 ~에 의해 당신의 초기의 CPP 제한. 그 다음에 그것 사용 저것 예측 모델 저것 너 설립하다 에게 시뮬레이션하다 응답 ~을 위한 당신의 CQAs(고객품질보증기관) 메모, 왜냐하면 당신의 예측 모델 ~이다 ~ 아니다 없이 오류, 너 ~해야 한다 언제나 추가하다 응답 오류 에게 당신의 시뮬레이션.
한 번 당신은 갖다 당신의 시뮬레이션 세트, 그것 계산하다 한 사양에 맞는 부분, 회계 그만큼 총 숫자 ~의 전철기 ~에 저것 세트 저것 ~이다 사양에 맞는 ~을 위한 모두 당신의 CQAs ~에서 모두 그만큼 전철기 저것 ~이다 이내에 그만큼 현재의 CPP 요인 제한. 이것 ~이다 가장 쉬운 에게 보다 ~에 의해 실제로 찾고 ~에 한 예 그리고 가고 있다 에게 제이엠피 그리고 찾고 ~에 그만큼 디자인 공간 프로파일러. 그것이다 무엇 이었다 가고 있다 에게 하다 다음.
이었다 가고 있다 에게 바라보다 ~에 한 예 ~의 a 통증 크림 공부하다. 그만큼 목표 ~의 이것 공부하다 ~였다 에게 재활용하다 a 습관- 형성 경구 오피오이드 의약품 ~ 안으로 a 크림 저것 제공합니다 그만큼 같은 안도 ~처럼 그만큼 경구 의약품. T 그 첫 번째 물건 저것 우리 필요했다 에게 하다 ~였다 결정하다 우리의 비판적인 품질 속성 ~을 위한 이것 의약품. 우리 단호한 저것 거기 ~이었다 삼 ~의 그들을 함정 능률, 소낭 크기, 그리고 안에- 시험관내 풀어 주다. 우리 또한 필요했다 에게 결정하다 무엇 ~이다 그만큼 투기 제한 저것 확신하다 품질. 그것이다 무엇 이것들 숫자 이다.
다음, 우리 달렸다 실험 에게 결정하다 어느 ~의 우리의 조작 프로세스 요인들 영향을 미치다 이것들 비판적인 품질 속성. 그것 회전하다 밖으로 거기 ~이었다 삼 ~의 그들을. 그들 ~이다 유화제, 지질, 그리고 레시틴, 그리고 이것들 ~이다 그만큼 초기의 요인 제한 ~을 위한 이것들 CPP(국민연금)
다음, 우리 사용된 관습 설계 그리고 최소 제곱법 적합 에게 찾다 응답 표면 모델 ~을 위한 우리의 삼 비판적인 품질 속성 ~에 자귀 ~의 우리의 삼 비판적인 프로세스 매개변수. 한 번 우리 했다 모두 ~의 저것, 지금 이었다 할 수 있는 에게 가다 에게 그만큼 디자인 공간 프로파일러 그리고 제이엠피 에게 결정하다 a 설계 공간 ~을 위한 이것 통증 크림. 하자 가다 뒤쪽에 에게 제이엠피
나는 가고 있다 에게 열려 있는 위로 나의 통증 크림 공부하다. T 그의 ~였다 나의 응답 표면 모델 설계 생성됨 ~에 JMP의 DO 플랫폼. 나는 갖다 나의 설계 ~에 자귀 ~의 나의 삼 비판적인 프로세스 매개변수 여기, 그리고 이것들 ~이다 나의 삼 비판적인 품질 기인하다 응답 여기. 그만큼 중요한 물건 I 원하다 에게 가리키다 밖으로 ~이다 저것 ~을 위한 각 ~의 이것들 비판적인 품질 기인하다 응답, 나는 저장됨 투기 제한 ~처럼 열 속성. T 가지다 ~이다 왜냐하면 그만큼 디자인 공간 프로파일러 가지다 에게 알다 무엇 그만큼 투기 제한 ~이다 ~을 위한 당신의 비판적인 품질 속성. 그래서 만약에 너 ~하지 않다 입력하다 그들을 ~처럼 열 속성, 당신은 할 것이다 BE 촉구했다 에게 입력하다 그들을 한 번 너 시작하다 그만큼 디자인 공간 프로파일러, ~하지 않는 한 당신은 추가됨 그들을 여기.
나는 이미 저장됨 나의 응답 표면 모델 ~처럼 a 스크립트. 나는 가고 있다 에게 달리다 저것 스크립트. 그것 출시하다 최소 제곱법 적합, 그리고 I 가지다 그것 세트 위로 에게 자동으로 보여주다 그만큼 예측 프로파일러. 이것 ~이다 그만큼 같은 예측 프로파일러 저것 당신은 아마 사용된 에게 봄. I 가지다 나의 삼 응답, 나의 비판적인 품질 속성 여기, 나의 삼 비판적인 프로세스 매개변수, 나의 요인들 여기, 그리고 I ~할 수 있다 탐구하다 그만큼 모델 ~처럼 평소. 하지만 지금 I 원하다 에게 노력하다 에게 수치 밖으로 a 설계 공간 ~을 위한 나의 조작 프로세스.
지금 I ~할 수 있다 쉽게 하다 저것 ~에 의해 가고 있다 에게 그만큼 생산 프로파일러, 작은 빨간색 삼각형 메뉴, 그리고 여러 개의 아래에. I 보다 있다 a 새로운 옵션 ~을 위한 디자인 공간 프로파일러, 그리고 만약에 I 선택하다 저것 오른쪽 아래에 그만큼 예측 프로파일러, 그만큼 디자인 공간 프로파일러 ~ 할 것이다 나타나다.
처럼 I 유명한, 만약에 I 없었다 이미 가졌다 투기 제한 첨부된 에게 나의 응답, 그것 ~일 것이다 즉각적인 나 ~을 위한 저것. 하지만 지금 I ~할 수 있다 보다 저것 그것은 가져왔다 그들을 ~에 ~에서 나의 열 속성. 너 ~할 수 있다 보다 오른쪽 아래에 여기. 그것은 또한 가져왔다 ~에 한 오류 기준 편차. 이것들 가치 ~이다 오는 ~에서 그만큼 뿌리 평균 제곱 오류 ~의 나의 최소제곱법 모델. Y 또는 ~할 수 있다 보다 여기, RMSE ~이다 여기, ~이다 그만큼 같은 값 ~을 위한 시험관내 풀어 주다 ~처럼 그만큼 오류 기준 편차 여기. 의 강의, 너 ~할 수 있다 변화 이것들, 너 ~할 수 있다 심지어 삭제 그들을. 하지만 우리 고도로 추천하다 저것 너 가지다 일부 오류 ~을 위한 당신의 예측 ~부터 당신의 예측 모델 ~이다 ~ 아니다 완벽한, ~ 아니다 없이 오류.
좋아요. 그만큼 첫 번째 물건 너 ~할 것 같다 알아채다 ~에 대한 이것 프로파일러 ~이다 저것 그것 외모 a 작은 다른 ~에 저것 각 요인 셀 가지다 둘 곡선 대신에 ~의 그만큼 평소 하나 곡선. 그것이다 왜냐하면 이었다 견딜 수 없는 에게 찾다 요인 제한. W 오히려 견딜 수 없는 에게 찾다 한 간격, 이었다 견딜 수 없는 에게 찾다 그만큼 운영 지역, 그만큼 설계 공간 어디 이었다 최적화 우리의 운영 지역. 그만큼 파란색 곡선- 우리 가지다 a 전설 에게 돕다 우리를- 이것 대표하다 그만큼 사양에 맞는 부분 ~처럼 그만큼 낮추다 한계 변화, 그리고 그만큼 빨간색 곡선 대표하다 그만큼 사양에 맞는 부분 ~처럼 그만큼 높은 한계 변화.
너 ~할 수 있다 보다 어떻게 만약에 I ~이었다 에게 변화 그만큼 높은 한계 ~의 유화제, 그것 ~일 것이다 증가하다 나의 사양에 맞는 부분. 저것 ~일 것이다 BE a 좋은 물건. 그것이다 어떻게 저것 공장. 또한 그만큼 사양에 맞는 부분, 너 ~하지 않다 보다 그만큼 값 ~ 위에 여기 ~에 그만큼 왼쪽 좋다 너 대개 하다, 하지만 그것은 오른쪽 ~ 위에 여기 에게 그만큼 오른쪽 ~의 그만큼 세포. 그것은 처음에는, 79.21% ~의 나의 전철기 ~이다 사양에 맞는 그리고 그게 사양에 맞는 ~을 위한 모두 ~의 그만큼 응답 에게 모두 ~의 그만큼 CQAs(고객품질보증기관) 만약에 너 원하다 에게 보다 그만큼 개인 사양에 맞는 부분, 너 ~할 수 있다 찾다 그들을 아래에 여기 다음 에게 그만큼 특정한 응답.
또한, 너 ~할 수 있다 알아채다 이것 용량 부분 ~이다 말함 나 저것 I ~이다 현재 사용 중 모두 ~의 나의 시뮬레이션 데이터 그리고 그게 왜냐하면 그만큼 요인 제한 ~이다 세트 ~에 그들의 가득한 범위 처음에는. 에게 BE 할 수 있는 에게 변화 그만큼 요인 제한 또는 노력하다 에게 변화 그만큼 운영 지역, 너 ~할 수 있다 어느 하나 이동하다 그만큼 마커 ~처럼 평소 또는 너 ~할 수 있다 입력하다 다른 요인 한계 가치 여기 ~에 이것 테이블 또는 오른쪽 여기 아래에 그만큼 세포 또는 너 ~할 수 있다 사용 이것들 버튼 . I 정말 좋다 이것들 버튼. 만약에 I 딸깍 하는 소리 ~에 이동하다 안으로, 그것은 가고 있다 에게 찾다 그만큼 가장 큰 증가하다 ~에 사양에 맞는 부분. 그것은 가고 있다 에게 찾다 그만큼 이동하다 저것 준다 나 그만큼 가장 큰 증가하다. 그것은 가고 있다 에게 찾다 그만큼 가장 가파른 상승 길 . 이동하다 외부 ~일 것이다 하다 그만큼 반대. 그것 ~일 것이다 찾다 그만큼 가장 가파른 길 하향의.
만약에 I 딸깍 하는 소리 이동하다 안으로, 알아채다 저것 나의 유화제 낮추다 한계 가지다 증가했다 ~에서 700 에게 705, 그리고 나의 사양에 맞는 부분 가지다 증가했다 에게 81.95. 만약에 I 딸깍 하는 소리 그것 다시, 지금 나의 레시틴 낮추다 한계 가지다 증가했다 ~에서 30 에게 31, 그리고 나의 사양에 맞는 부분 가지다 다 쓴 위로 에게 84.5. I ~할 수 있다 유지하다 행위 이것.
하지만 ~ 전에 I 유지하다 행위 이것 ~까지 I 찾다 그만큼 원하는 사양에 맞는 부분 저것 I 좋다- 그리고 나는 행복하다 ~와 함께 그만큼 요인 제한, I 생각하다 그것은 a 합리적인 운영 지역- 거기 ~이다 여러 개의 옵션 ~에 그만큼 설계 공간 프로파일러 메뉴 저것 I 좋다 에게 바라보다 에. 그만큼 첫 번째 하나 ~이다 만들다 그리고 연결하다 무작위의 테이블. W 가지다 이것 하다 ~이다 그것 만든다 a 새로운 무작위의 테이블 ~의 균일하게 분산된 전철기. 너 언제나 원하다 에게 추가하다 무작위의 소음. 그것은 가고 있다 에게 사용 그만큼 같은 무작위의 오류 우리 사용된 전에. 나는 가고 있다 에게 딸깍 하는 소리 좋아요. 지금, I 얻다 이것 테이블 ~의 10,000 새로운 무작위의 전철기, 그리고 그들 ~이다 색상- 코드화됨. 그만큼 1들 저것 ~이다 두드러진 ~처럼 녹색 ~이다 안에- 투기, 그만큼 1들 저것 ~이다 빨간색 ~이다 밖으로 ~의 투기, 그리고 그만큼 1들 저것 ~이다 선택된 ~이다 이내에 나의 현재의 요인 제한, 나의 현재의 운영 지역.
그것은 유용한 에게 바라보다 ~에 그만큼 테이블, 하지만 I 정말 좋다 에게 바라보다 ~에 이것들 그래프 저것 ~이다 생산됨 ~에 의해 일부 ~의 이것들 저장됨 스크립트. 만약에 I 달리다 산점도 행렬 그리고, 그것 ~ 할 것이다 주다 나 a 응답 보다 ~의 모두 나의 데이터 . 그만큼 그늘진 지역 그게 녹색 여기 ~이다 그만큼 투기 한계. T 암탉 I 또한 좋다 에게 바라보다 ~에 그만큼 산점도 행렬 엑스, 어느 준다 나 그만큼 요인 공간 보다. 그것은 멋진 만약에 I ~할 수 있다 바라보다 ~에 그들을 둘 다 ~에 그만큼 같은 시간. 하는 동안 나는 변경 나의 요인 제한, 만약에 I 딸깍 하는 소리 ~에 이동하다 안으로 다시, 너 ~할 수 있다 보다 어떻게 그만큼 전철기 변화 . I 찾다 그것 심지어 더 유용한. 너 또한 보다 어떻게 그만큼 요인 공간 변화. I 찾다 그것 심지어 더 유용한 에게 숨다 모두 그만큼 전철기 저것 ~이다 ~ 아니다 ~에 나의 현재의 운영 지역, 그 다음에 I ~하지 않다 심지어 가지다 에게 바라보다 ~에 그들을.
지금, ~처럼 I 유지하다 클릭 ~에 이동하다 안으로, 너 ~할 수 있다 보다 어떻게 저것 운영 지역 ~이다 줄어들고 있다. 만약에 너 오직 원하다 에게 BE 관심 있는 ~와 함께 그만큼 밖으로- 의- 투기 전철기, 너 ~할 수 있다 딸깍 하는 소리 ~에 Y 밖으로 ~의 투기, 그리고 저것 ~ 할 것이다 오직 보여주다 그만큼 밖으로 -의- 투기 전철기 저것 ~이다 발생하고 있습니다. 알아채다 저것 나의 사양에 맞는 부분, ~처럼 I 유지하다 움직이는 나의 요인 제한 안에, ~이다 증가하다 .
나는 가고 있다 에게 유지하다 가고 있다 ~까지 I 어느 하나 때리다 100% 또는 나의 운영 지역 외모 좋다 무엇 I 캔트 저것 아니다 실행할 수 있는, 저것 I 단지 습관 BE 할 수 있는 에게 달성하다. 나는 가고 있다 에게 유지하다 클릭 이동하다 안으로. 것들 아직 바라보다 좋은. 이동하다 안으로, 단지 가고 있다 에게 유지하다 클릭 그것. 좋아요, I 때리다 100, 그리고 I 아직 생각하다 저것 이것들 요인 제한 대표하다 한 운영 지역 저것 I 생각하다 I ~해야 한다 BE 할 수 있는 에게 달성하다.
에게 BE 할 수 있는 에게 바라보다 ~에 저것 더 나아가, I ~할 수 있다 보내다 그만큼 중간점 ~의 이것들 요인 제한 에게 그만큼 원래의 프로파일러, 보다 무엇 저것 외모 좋다. I 생각하다 저것 외모 예쁜 좋은. I ~할 수 있다 또한 보내다 그만큼 제한 에게 그만큼 모의 실험 장치 ~에 그만큼 예측 프로파일러, 그리고 I ~할 수 있다 결정하다 에게 사용 다른 분포. I 실제로 생각하다 저것 나의 비판적인 프로세스 매개변수 따르다 정상 분포. 나는 가고 있다 에게 선택하다 이것 정상 ~와 함께 제한 ~에 3 시그마 . 그것 회전하다 ~에 그만큼 모의 실험 장치, 그리고 그것 세트 나의 분포 에게 정상, 그리고 그것 수치 밖으로 그만큼 평균 그리고 기준 편차 ~을 위한 이것들 제한 ~와 함께 시그마, 3시그마.
의 강의, 너 ~할 수 있다 변화 모두 이것들 가치 ~처럼 너 생각하다 보인다 맞다 ~을 위한 당신의 소유하다 상황, ~을 위한 당신의 소유하다 조작 프로세스. 너 ~할 수 있다 변화 그만큼 분포, 너 ~할 수 있다 변화 그만큼 평균 삼나무 편차. 나는 단지 가고 있다 에게 떠나다 그것, 그리고 나는 가고 있다 에게 보다 무엇 시뮬레이션, 무엇 그만큼 정상 분포 외모 좋다. 그것 외모 정말 좋은. 너 ~할 수 있다 보다 나의 결함 비율. 언제 I 유지하다 타격 시뮬레이션, 그것은 자주 0.
I 또한 좋다 에게 시뮬레이션하다 에게 그만큼 테이블 에게 BE 할 수 있는 에게 단지 얻다 a 보다 ~의 무엇 나의 능력 분석 ~일 것이다 바라보다 좋다 단지 ~처럼 a 제정신 확인하다. I f 너 오다 아래에 여기, 너 ~할 수 있다 시뮬레이션하다 그만큼 테이블, 그리고 그것은 가고 있다 에게 사용 이것들 정상 분포 ~을 위한 그만큼 비판적인 프로세스 매개변수. 그것은 가고 있다 에게 사용 그만큼 같은 오류 ~을 위한 당신의 예측 ~처럼 우리 사용된 전에.
나는 가고 있다 에게 딸깍 하는 소리 만들다 테이블, 그리고 언제 I 하다 저것, 그것 자동으로 만든다 일부 스크립트. 하나 ~의 그들을 ~이다 분포. 만약에 I 달리다 저것, I ~할 수 있다 매우 쉽게 바라보다 ~에 나의 능력 보고서 왜냐하면 I 저장됨 나의 투기 제한 ~처럼 열 속성. I 보다 저것 그만큼 능력 외모, ~에 최소 ~을 위한 그만큼 시뮬레이션 데이터, 그것 외모 정말 상당히 좋은. 그래서 나는 예쁜 행복하다 ~와 함께 이것, 심지어 그렇지만 이것 ~이다 단지 ~에 그만큼 시뮬레이션 데이터. 의 강의, I 필요 에게 확인하다 그만큼 진짜 데이터, 하지만 나는 정말 행복하다 ~와 함께 무엇 나는 봄 그래서 멀리. I 생각하다 나는 가고 있다 에게 사용 이것들 제한 ~처럼 나의 설계 공간.
지금, 단지 에게 메모 ~ 전에 I 가다 더 나아가, I 가지다 a 좋은 상황 여기, 하지만 하자 말하다 저것 너 하지 않았다 가지다 a 좋은 상황 어디 당신의 사양에 맞는 부분 아니었다 어디 너 원했다 그것 에게 BE, 그리고 너 정말 캔트 조정하다 당신의 요인 제한 더 이상. 너 ~할 수 있었다 하다 무엇- 만약에 시나리오 ~에 의해 작고 보기 어리석은 동물 당신의 투기 제한 또는 당신의 오류 만약에 너 생각하다 저것 ~이다 무엇 저것 ~할 수 있었다 합리적으로 일어나다. 하지만 I 가지다 a 좋은 상황, 그리고 나는 행복하다.
I ~이다 가고 있다 에게 사용 이것 옵션 구하다 X 사양 제한, 그리고 그것은 저장될 것입니다 이것들 요인 제한 뒤쪽에 에게 나의 원래의 데이터 테이블, 에게 나의 비판적인 프로세스 매개변수, 그래서 I ~할 수 있다 구하다 이것들 요인 제한. 언제 I 하다 저것, 언제 I 가다 뒤쪽에 에게 나의 원래의 테이블, 너 ~할 수 있다 보다 저것 저것들 요인 한계 설정 가지다 계속 ~ 이다 저장됨 ~처럼 투기 제한 에게 나의 비판적인 프로세스 매개변수.
I 찾다 그것 정말 도움이 되는 에게 BE 할 수 있는 에게 바라보다 ~에 이것 설계 공간 ~에 자귀 ~의 그만큼 윤곽 응답 그리고 그만큼 수용 가능 지역. 나는 이미 저장됨 나의 예측 ~처럼 방식 그리고 I 가지다 a 스크립트 저장됨 에게 달리다 그만큼 윤곽 프로파일러. 나는 가고 있다 에게 달리다 저것 . 이것 ~이다 가고 있다 에게 주다 나 나의 윤곽 응답 ~을 위한 모두 조합 ~의 나의 요인들, 나의 비판적인 프로세스 매개변수. I ~하지 않다 알다 만약에 너 ~할 수 있다 보다 그만큼 희미한 직사각형, 하지만 저것 ~이다 나의 설계 공간 ~처럼 한정된 ~에 의해 저것들 요인 제한 저것 갖다 저장됨 ~처럼 투기 제한 ~에 나의 비판적인 프로세스 매개변수. 그만큼 그늘진 색깔이 있는 지역, 이것들 ~이다 나의 투기 한계 응답 윤곽선.
너 ~할 수 있다 보다 저것 나의 설계 공간 ~이다 훌륭하게 이내에 한 수용 가능 지역 ~을 위한 모두 이것들 윤곽선 . 그것은 심지어 더 나아가 안에. 그것은 ~ 아니다 만지다 그들을. 그것이다 왜냐하면 우리 추가됨 저것 오류 끝 ~을 위한 우리의 예측. 나는 정말 행복하다 ~와 함께 이것.
좋아요, 하자 얻다 뒤쪽에 에게 파워포인트. I 단지 원하다 에게 주다 너 a 약간의 테이크아웃 ~에 대한 그만큼 디자인 공간 프로파일러 ~ 전에 우리 포장하다 위로.
첫 번째 ~의 모두, 저것 사양에 맞는 부분 저것 우리 봤다 ~에 그만큼 디자인 공간 프로파일러 안 돼 BE 취했다 ~처럼 a 개연성 성명 ~하지 않는 한 너 믿다 저것 당신의 요인들, 당신의 비판적인 프로세스 매개변수 요인들, 실제로 따르다 a 제복 분포 왜냐하면 그게 무엇 ~였다 사용된 에게 분배하다 그들을. 또한, 그만큼 디자인 공간 프로파일러 ~이다 ~ 아니다 의미했다 ~을 위한 모델 저것 가지다 a 크기가 큰 숫자 ~의 요인들 또는 매우 작은 요인 범위 왜냐하면 ~의 그만큼 시뮬레이션 접근하다 저것 그것 걸립니다.
그것은 또한 추천, ~처럼 나는 말하는 여러 개의 타임스, 에게 언제나 추가하다 무작위의 오류 에게 당신의 응답 왜냐하면 당신의 예측 모델 ~이다 ~ 아니다 없이 오류. 그리고 마지막으로, I 단지 원했다 에게 만들다 a 성명 저것 심지어 그렇지만 이것 ~였다 동기 부여 ~에 의해 제약 산업, 그것 정말 ~이다 해당되는 많이 더 나아가 ~보다 저것. 어떤 사례 어디 너 원하다 에게 찾다 한 최적의 운영 지역 그리고 너 원하다 에게 유지하다 유연성 그리고 품질, 그 다음에 이것 ~할 수 있다 BE 도움이 되는.
거기 ~이었다 많은 것들 ~에 대한 그만큼 설계 공간 프로파일러 I 하지 않았다 가지다 시간 에게 보여주다. I 정말 희망 저것 너 ~ 할 것이다 확인하다 그것 밖으로. 어느 질문?
