你好。 我的 姓名 是 勞拉 蘭開斯特。 I 是 a 統計 開發者 在 這 跳轉 團體。 今天， 我是 這裡 到 演講 到 你 關於 溶解 組合 和 操作 地區 最佳化 為了 批判的 品質 屬性 和 這 跳轉 17 分析器。
一切 是 去 到 演講 關於 今天 有 到 做 和 這 預測分析器， 和 I 希望 那 每個人 是 熟悉的 和 它。 它是 a 精彩的 工具。 但 如果 你是 不是， 這 預測分析器 是 a 工具 在 跳轉 那是 偉大的 為了 互動式地 探索， 視覺化， 和 最佳化 這 模型 那 你 創造 在 跳轉。 具體來說， 是 去 到 演講 關於 二 最近的 新的 特徵 那 是 額外 到 這 預測分析器。 這 第一的 是 這 能力 到 探索 和 最佳化 這 模型 那 你已經 創建 在 美國能源部 在 JMP 中 那 有 已知 不允許 組合 力量。 這 第二 是 這 能力 到 決定 一個 最佳的 操作 地區 為了 你的 製造業 流程 那 確保 兩個都 品質 和 最大限度 生產 靈活性。
讓我們 去 前方 和 得到 開始 說 關於 探索 和 最佳化 模型 從 設計 實驗 和 這 全部 組合 限制。 I t 常 發生 那 什麼時候 你是 設計 實驗， 它是 不是 可能的 或者 它是 不是 理想的 為了 各種各樣的 原因 到 是 有能力的 到 實驗 超過 這 通常 全部的 矩形的 設計 地區。 什麼時候 那 發生， 你 需要 到 是 有能力的 到 申請 約束 到 你的 設計 地區 前 你 創造 這 設計 和 當然 前 你 跑步 這 設計。 值得慶幸的是， 曾經 自從 跳轉 6、 哪個 有 到過 a 長的 時間， 這 風俗 設計 平台 有 到過 有能力的 到 創造 設計 實驗 和 受限 設計 地區。 自從 然後， 約束 支援 有 也 到過 額外 到 快速地， 靈活的 填充 設計 和 覆蓋 大批 設計。
現在， 什麼 類型 的 約束 是 可用的 在 JMP的 能源部平台？ 這 第一的 類型 的 約束 是 這 更簡單 的 這 二。 它是 線性 約束 在 連續的 和 混合物 因素。 H 這裡有 a 圖片 在哪裡 我們 有 二 線性 不等式 約束 那 是 顯示 在 這 灰色的 陰影 地區。 然後 這 設計， 你 能 看 停留 出去 的 這 不允許 線性 受限 地區。
這 下一個 類型 的 約束 是 稱為 a 不允許 組合 約束。 它是 a 更多的 一般的 和 能 是 更多的 複雜的 類型 的 約束。 它 能 組成 的 連續的， 離散的， 數位 和 或者 分類 因素。 什麼 它 是 是 a 約束 那是 a JSL 布林值 表達 那 評估 到 真的 為了 因素 組合 那 是 不是 在 你的 設計 地區。 這是 一個 例子。
我們 有 a 二- 因素 設計 在哪裡 X1 L1 和 X2 L3 不能 是 在 這 設計。 他們是 不允許 和 他們是 書面 作為 a JSL 布林值 表達， 哪個 你 能 看 正確的 這裡。 N 父親 那 這 設計 是 創建 和 停留 出去 的 這 不允許 地區。 現在， 起初， 全部 的 這些 不允許 組合 約束 有 到 是 輸入 作為 JSL 喜歡 這。 但 然後 在 跳轉 12， a 不允許 組合 篩選 曾是 額外 那 製成 它 更輕鬆 到 創造 這些 JSL 表達式 如果 你 有 相當 簡單的 不允許 組合 這樣的 作為 個人 因素 範圍 合併 和 和/ 或者 表達式。 出色地 看 在 一個 例子 的 這 不久。
現在， 什麼 關於 這 預測分析器 和 受限 地區？ 為什麼 是 它 重要的 為了 這 預測分析器 到 是 有能力的 到 服從 約束 什麼時候 你 有 模型 和 限制？ 出色地， 如果 這 分析器 忽略 約束， 然後 它是 可能的 那 這 使用者 可以 導航 到 預測 那 是 不是 可行的 和 他們 可能 不是 意識到 它。 所以 你 可以 結尾 向上 在 一個 區域 那是 不是 可能的， 不是 理想的， 和 你 當然 沒有 經過測試 那裡。 它是 一個 外推， 所以 這 是 壞的。 然後 大概 甚至 更糟的是， 如果 你 想 到 最佳化 你的 模型， 你 可以 結尾 向上 和 一個 不可行 最佳的 解決方案。 如果 那 發生， 這 使用者 會 有 到 任何一個 嘗試 到 手動 尋找 a 可行的 最佳的 解決方案， 哪個 可以 是 真的 難的 或者 甚至 不可能的， 或者 他們 會 有 到 使用 其他 工具。
什麼 是 這 挑戰 和 得到 這 預測分析器 到 服從 限制？ 為什麼 做過 它 拿 所以 很多 更長 到 得到 這些 約束 在 這 分析器 相對 能源部？ 出色地， 這 主要的 原因 有 到 做 和 這 受限 最佳化. 這 可取性 功能 是 a 非線性 功能。 那 方法 那 我們的 最佳化 有 a 非線性 客觀的 功能 和 可能 兩個都 連續的 和 分類 因素 變數 那 可以 是 涉及 在 限制。 這 是 已知 作為 a 混合 整數 非線性 程式設計 問題， 和 它是 一個 極為 難的 類型 的 最佳化 問題 除非 你 知道 某物 有利 關於 你的 客觀的 功能 或者 你的 受限 地區。 它是 只是 非常非常 難的。
但 好的 訊息， 這 預測分析器 現在 作品 和 全部 這 相同的 約束 作為 這 DOE平台。 轉彎 出去 那 這 預測分析器 有 實際上 服從 線性 約束 在 連續的 變數 全部 這 方式 後退 到 跳轉 8、 j 烏斯季 a 夫妻 的 發布 後 他們 是 額外 在 跳轉 6. 我們 是 有能力的 到 做 這 更早 因為 這些 約束， 這些 線性 約束 在 連續的 變數 有 真的 好的 特性。 B 因為 的 那， 我們 是 有能力的 到 實施 a 狼- 減少 坡度 變體 演算法. 那 演算法 做 a 真的嗎， 真的 好的 工作 的 發現 這 全球的 最佳， 尤其 如果 你 不 有 分類 變數。 在 那 案件， 你 應該 尋找 這 全球的 最佳。
現在， 自從 跳轉 16， 這 預測分析器 現在 也 服從 不允許 組合 約束 在 兩個都 連續的 和 分類 變數。 現在， 這 曾是 a 很多 更難 因為 這些 約束 是 非常 一般的。 你 可以 放 絕對地 任何事物 裡面 那 JSL 布林值 表達。 所以 我們 不能 認為 任何事物 有利 關於 我們的 受限 地區 在 這些 案例。 因此， 我們 有 到 實施 a 遺傳 啟發式 演算法, 哪個 是 a 非常 一般的 類型 的 演算法 為了 這 受限 最佳化. B 因為 的 這， 我們 不能 保證 a 全球的 最佳 解決方案。 但 你 應該 尋找 a 解決方案 那是 非常 關閉 到 全球的 最佳， 如果 不是 這 全球的 最佳。
讓我們 去 前方 和 開始 尋找 在 一些 例子。 第一的， 是 去 到 看 在 a 化學 反應 實驗。 這 實驗 有 一 回覆, 和 這 目標 是 到 最大化 屈服。 我們 有 三 因素。 二 的 他們 是 連續的， 時間 和 溫度， 和 催化劑 是 絕對的。
我們 有 二 限制。 什麼時候 催化劑 B 是 用過的， 溫度 必須 是 多於 400. 什麼時候 催化劑 C 是 用過的， 溫度 必須 是 以下 650. W e 用過的 風俗 DOE 創造 a 回覆 表面 設計 和 迪斯 允許的組合。 因為 這些 是 相當 簡單的 約束， 我們 是 有能力的 到 使用 這 不允許 組合 篩選。
你 能 看 這裡 那 什麼時候 I 放 催化劑 到 B, 溫度 不能 是 以下 400. 這 是 我的 第一的 不允許 地區。 也 如果 催化劑 是 C, 這 溫度 不能 是 多於 650. 然後 一次 我們 創建 這 設計， 你 能 看 那 這 設計 點 停留 出去 的 這 受限 區域 那 是 灰色的 這裡。 這些 是 這 溶解 組合 地區。 然後 我們 跑了 這 實驗 和 我們 用過的 最小適應 方塊 到 合身 a 回覆 表面 模型 到 這 數據。
現在， I 想 到 展示 你 如何 你 會 使用 這 預測分析器 到 探索 這 模型 和 尋找 這 最大限度 屈服。 我是 去 到 去 得到 出去 的 微軟幻燈片軟體 和 去 到 跳轉 真的 迅速地。 這裡 是 這 數據 桌子 從 這 化學 反應 實驗 那 我們 創建 和 跳轉 風俗 設計 平台。 我們 已經 跑步 它 和 輸入 全部 這 結果。 這 重要的 事物 I 想 到 觀點 出去 是 那 風俗 DOE 添加 這 數據 桌子 腳本 稱為 不允許 組合。 什麼時候 你 打開 它 向上， 你 看 它是 得到 這 JSL 布林值 表達 的 我的 不允許 組合。 和 這 是 什麼 這 預測分析器 讀 在， 和 那是 如何 它 知道 關於 我的 不允許 組合 限制。
我已經 已經 已儲存 我的 回覆 表面 模型， 和 我是 去 到 跑步 它 和 去 向下 到 這 分析器。 因為 I 有 那 不允許 組合 約束 已儲存 在 這 桌子， 它是 有能力的 到 讀 那些 在 和 這 分析器 能 服從 這 限制。我 f I 放 催化劑 到 B, 注意 那 I 不能 得到 到 a 溫度 400 或者 以下。 如果 I 放 催化劑 到 C, I 不能 得到 到 a 溫度 650 或者 多於 因為 那些 是 不允許 地區。 也, 什麼時候 I 最大化 屈服， I 結尾 向上 和 a 解決方案 那 是 可行的， 它是 不是 在 a 不允許 地區。
現在， 什麼 會 有 發生了 在 a 版本 的 跳轉 事先的 到 跳轉 16？ 出色地， 我們 能 看 什麼 會 有 發生了 經過 尋找 在 這 精確的 相同的 數據 桌子 沒有 這 不允許 組合 腳本。 我是 去 到 跑步 這 相同的 精確的 模型 和 去 到 這 分析器。 現在 這 時間， 這 分析器 沒有 知道 關於 我的 限制。 所以 什麼時候 I 放 催化劑 到 B, I 能 去 向下 進入 a 不允許 地區 向下 到 350. 催化劑 C, I 能 漫步 向上 進入 其他 不允許 地區， 溫度 多於 650. W 母雞 I 做 這 最佳化, I 做 結尾 向上 和 一個 不可行 解決方案。 我是 在 這 不允許 地區 在哪裡 催化劑 是 C 和 溫度 是 750。
I 會 是 強迫 到 有 到 嘗試 到 手動 尋找 a 可行的 解決方案 那是 不是 在 a 不允許 地區。 但 值得慶幸的是， 那是 到過 已解決 自從 跳轉 16. 讓我們 去 乾淨的 向上 和 讓我們 去 到 其他 例子。
好的， 這 下一個 例子 是 去 到 看 在 是 a 藥片 生產 實驗。 這 目標 的 這 實驗 是 到 最大化 溶解。 我們 有 五 因素。 四 是 連續的 和 一 是 絕對的。 我們 有 二 限制。 這 第一的 約束 是 那 什麼時候 螢幕 尺寸 是 3、 磨機時間 有 到 是 以下 16， 和 我的 噴 速度 和 塗層 黏度 跟隨 這 非線性 約束。
I 用過的 風俗 能源部下一步 到 創造 a 回覆 表面 設計 和 不允許 組合 使用 這些 二 限制。 因為 這 是 a 複雜的 約束， 我們 可以 不是 使用 這 不允許 組合 篩選， 所以 我們 有 到 進入 它 作為 a 腳本， 哪個 是 不是 難的 到 做。 這是 在哪裡 我已經 輸入 那 非線性 約束 作為 a 腳本。 注意 我已經 翻轉 這 不等式 到 展示 什麼是 不允許 反而 的 什麼 應該 是 允許。 T 母雞 我已經 也 額外 螢幕 尺寸 等於 3和 磨 時間 更大 比 16 作為 這 其他 不允許 地區。
現在， 我們 能 看 經過 尋找 在 二 不同的 切片 的 我的 設計。 這 第一的 圖形 是 噴 速度 相對 塗層 黏度。 I 能 看 那 全部 這 設計 點 停留 出去 的 這 不允許 地區 放 經過 這 非線性 約束。 W 母雞 I 看 在 螢幕 尺寸 相對 磨 時間， 什麼時候 螢幕 尺寸 是 3、 m 病痛時刻 不能 是 多於 16. 然後 我們 跑了 這 實驗， 和 我們 用過的 擬合最小平方法 到 合身 a 回覆 表面 模型 到 這 數據。 N 哎喲 是 去 到 使用 預測分析器 到 探索 這 模型 和 尋找 這 最大限度 解散。
我是 去 到 去 後退 到 跳轉。 這 是 這 藥片 生產 實驗 那 曾是 製作 經過 JMP的 風俗 DO平台。 N 父親 那 一次 再次， 它 有 已儲存 這 不允許 組合 數據 桌子 腳本 到 這 桌子。 我是 去 到 看 在 那。 你 看 那 它是 這 JSL 布林值 表達 的 我的 迪斯 允許的組合， 和 這 是 什麼 這 分析器 將要 讀 在。 我已經 已儲存 這 回覆 表面 模型 到 這 桌子。 什麼時候 我們 去 到 這 分析器 到 探索 這 模型， 你 能 看 那 它 服從 我的 不允許的組合 約束。 什麼時候 螢幕 尺寸 是 3、 磨坊時間不能 是 多於 16.
也, 噴 速度 和 塗層 黏度 服從 那 非線性 不等式 約束。 什麼時候 I 最大化 這 解決方案， I 結尾 向上 和 一個 最佳的 解決方案 那是 可行的 和 注意 那 它是 實際上 在 這 約束 邊界。 T 有 告訴 我 那 如果 I 有 不是 到過 認識到 這 約束， I 幾乎 當然 會 有 結束 向上 和 一個 最佳的 解決方案 那 不是 可行的， 和 I 會 有 有 到 嘗試 到 手動 尋找 它， 哪個 會 有 到過 非常 難的， 如果 不是 不可能的。
全部 正確的 . 讓我們 移動 在 到 這 下一個 話題。 這裡 我們 去。 後退 到 微軟幻燈片軟體。 好的 . 我們的 下一個 話題 是 操作 地區 最佳化 為了 批判的 品質 屬性。 這 是 在哪裡 我是 去 到 介紹 這 新的 設計空間分析器 那是 新的 到 跳轉 17.
什麼 做 我們 意思是 經過 設計 空間 什麼時候 是 說 關於 這 設計空間分析器？ 出色地， 這 是 一個 重要的 概念 那是 用過的 在 製藥 發展 那 識別 這 最佳的 操作 地區 那 給出 最大 靈活性 的 你的 生產 儘管 仍然 保證 品質. 這 概念 曾是 介紹 經過 這 FDA 和 這 國際的 會議 在 協調 什麼時候 那些 機構 決定 到 採納 品質 經過 設計 原則 為了 發展， 製造業， 和 規定 的 藥物。 W 母雞 他們 做過 那， 他們 放 出去 一些 真的 重要的 指南 文件， ICH Q8-Q12， 那 最多 藥物 公司 跟隨。
具體來說， 我們 想 到 看 在 ICH Q8（ R2） , 哪個 封面 設計 空間。 它 定義 設計 空間 作為 這 多維 組合 和 交互作用 的 材料 屬性 和 過程 參數 那 有 到過 證明 到 提供 保證 的 品質.
現在， 那裡 是 a 數位 的 步驟 那 需要 到 是 採取 到 決定 設計 空間 為了 a 產品， 和 一些 的 他們 需要 到 是 完畢 前 你 能 得到 到 這 設計空間分析器 和 跳轉。 一 的 這 第一的 事物 那 你 需要 到 做 是 你 需要 到 決定 什麼 你的 批判的 品質 屬性 是 和 什麼 這 合適的 規格 限制 是 到 維持 品質. 出色地 參考 到 這些 批判的 品質 屬性 作為 品質保證體系。 這 ICH文件 定義 a 批判的 品質 屬性 作為 a 身體的， 化學品， 生物， 或者 微生物的 財產 或者 特徵 那 應該 是 之內 一個 合適的 限制， 範圍， 或者 分配 到 確保 這 期望 產品 品質. 這 是 這 重要的 第一的 步。
下一個， 我們 想 到 使用 設計 實驗 到 決定 什麼 是 我們的 批判的 製造業 過程 參數 那 影響 那些 批判的 品質 屬性。 出色地 參考 到 這些 作為 消費者保護計劃（CPPs）， 批判的 過程 範圍， 因為 ICH Q8 定義 a 批判的 過程 範圍 作為 a 過程 範圍 誰 變異性 有 一個 影響 在 a 批判的 品質 屬性 和 所以 應該 是 監控 或者 受控 到 確保 這 過程 生產 這 期望 品質. 然後， 一次 你已經 決定 你的 關鍵品質保證 和 你的 消費者保護計劃（CPPs）， 然後 你 想 到 尋找 a 真的 好的 預言 模型 為了 你的 關鍵品質保證 在 條款 的 你的 批判的 過程 參數。 一次 你已經 完畢 全部 的 那， 你 能 使用 這 設計空間分析器 到 決定 a 好的 設計 空間 為了 你的 產品。
讓我們 演講 a 小的 更多的 具體來說 關於 這 設計空間分析器 和 跳轉。 這 目標 的 這 設計空間分析器 是 到 決定 a 好的 設計 空間 經過 嘗試 到 尋找 這 最大的 亢奮 長方形 那 適合 進入 這 可接受 地區 那是 定義 經過 你的 批判的 品質 屬性 規格 應用 到 那 預言 模型 那 你 成立。 一次 你 成立 那 亢奮 長方形， 它 將要 給 這 降低 和 上 限制 的 你的 批判的 過程 參數 那 決定 a 好的 設計 空間。
這 問題 是 那 那 可接受 地區 是 通常 非 線性， 和 發現 這 最大的 亢奮 長方形 在 a 非 線性 地區 是 a 非常非常 難的 數學 問題。 因為 的 那， 我們 想知道 如何 做 這 設計空間分析器 實際上 決定 設計 空間 然後？ 出色地， 反而 的 嘗試 到 尋找 這 最大的 亢奮 長方形 從數學上講， 我們 使用 a 模擬 方法。 什麼 它 做 是 它 產生 數千 的 統一 分散式 點 自始至終 這 空間 定義 經過 你的 最初的 加拿大共產黨 限制。 然後 它 用途 那 預言 模型 那 你 成立 到 模擬 回應 為了 你的 關鍵品質保證。 筆記， 因為 你的 預言 模型 是 不是 沒有 錯誤， 你 應該 總是 添加 回覆 錯誤 到 你的 模擬。
一次 你已經 得到 你的 模擬 放， 它 計算 一個 符合規格 部分， 會計 這 全部的 數位 的 點 在 那 放 那 是 符合規格 為了 全部 你的 關鍵品質保證 從 全部 這 點 那 是 之內 這 目前的 加拿大共產黨 因素 限制。 這 是 最容易 到 看 經過 實際上 尋找 在 一個 例子 和 去 到 跳轉 和 尋找 在 這 設計空間分析器。 那是 什麼 是 去 到 做 下一個。
是 去 到 看 在 一個 例子 的 a 疼痛 奶油 學習。 這 目標 的 這 學習 曾是 到 重新利用 a 習慣- 成型 口服 阿片類藥物 藥物 進入 a 奶油 那 提供 這 相同的 寬慰 作為 這 口服 藥物. T 他 第一的 事物 那 我們 需要 到 做 曾是 決定 我們的 批判的 品質 屬性 為了 這 藥物. 我們 決定 那 那裡 是 三 的 他們 誘捕 效率， 囊泡 尺寸， 和 在- 體外 發布。 我們 也 需要 到 決定 什麼 是 這 規格 限制 那 保證 品質. 那是 什麼 這些 數位 是。
下一個， 我們 跑了 實驗 到 決定 哪個 的 我們的 製造業 過程 因素 影響 這些 批判的 品質 屬性。 它 轉彎 出去 那裡 是 三 的 他們。 他們 是 乳化劑， 脂質， 和 卵磷脂， 和 這些 是 這 最初的 因素 限制 為了 這些 基本公共政策 (CPP)。
下一個， 我們 用過的 風俗 設計 和 擬合最小平方法 到 尋找 回覆 表面 模型 為了 我們的 三 批判的 品質 屬性 在 條款 的 我們的 三 批判的 過程 參數。 一次 我們 做過 全部 的 那， 現在 是 有能力的 到 去 到 這 設計空間分析器 和 跳轉 到 決定 a 設計 空間 為了 這 疼痛 奶油。 讓我們 去 後退 到 跳轉。
我是 去 到 打開 向上 我的 疼痛 奶油 學習。 T 他的 曾是 我的 回覆 表面 模型 設計 創建 在 JMP的 DO平台。 我已經 得到 我的 設計 在 條款 的 我的 三 批判的 過程 參數 這裡， 和 這些 是 我的 三 批判的 品質 屬性 回應 這裡。 這 重要的 事物 I 想 到 觀點 出去 是 那 為了 每個 的 這些 批判的 品質 屬性 回覆 我已經 已儲存 規格 限制 作為 柱子 特性。 T 有 是 因為 這 設計空間分析器 有 到 知道 什麼 這 規格 限制 是 為了 你的 批判的 品質 屬性。 所以 如果 你 不 進入 他們 作為 柱子 特性， 你會 是 提示 到 進入 他們 一次 你 發射 這 設計空間分析器， 除非 你已經 額外 他們 這裡。
我已經 已經 已儲存 我的 回覆 表面 模型 作為 a 腳本。 我是 去 到 跑步 那 腳本。 它 發射 擬合最小平方法， 和 I 有 它 放 向上 到 自動地 展示 這 預測分析器。 這 是 這 相同的 預測分析器 那 你是 大概 用過的 到 看到。 I 有 我的 三 回覆 我的 批判的 品質 屬性 這裡， 我的 三 批判的 過程 參數， 我的 因素 這裡， 和 I 能 探索 這 模型 作為 通常。 但 現在 I 想 到 嘗試 到 數位 出去 a 設計 空間 為了 我的 製造業 過程。
現在 I 能 容易地 做 那 經過 去 到 這 生產 分析器， 小的 紅色的 三角形 選單， 和 一些 向下。 I 看 有 a 新的 選項 為了 設計空間分析器， 和 如果 I 選擇 那 正確的 以下 這 預測分析器， 這 設計空間分析器 將要 出現。
作為 I 著名的， 如果 I 沒有 已經 有 規格 限制 隨附的 到 我的 回覆 它 會 迅速的 我 為了 那。 但 現在 I 能 看 那 它是 帶來 他們 在 從 我的 柱子 特性。 你 能 看 正確的 向下 這裡。 它是 也 帶來 在 一個 錯誤 標準 偏差。 這些 價值觀 是 未來 從 這 根 意思是 平方 錯誤 的 我的 最小平方法 模型。 Y 或者 能 看 這裡， 均方根誤差 是 這裡， 是 這 相同的 價值 為了 體外 發布 作為 這 錯誤 標準 偏差 這裡。 的 課程， 你 能 改變 這些， 你 能 甚至 刪除 他們。 但 我們 高度 推薦 那 你 有 一些 錯誤 為了 你的 預測 自從 你的 預測 模型 是 不是 完美的， 不是 沒有 錯誤。
好的。 這 第一的 事物 你 可能 注意 關於 這 分析器 是 那 它 看起來 a 小的 不同的 在 那 每個 因素 細胞 有 二 曲線 反而 的 這 通常 一 曲線。 那是 因為 是 嘗試 到 尋找 因素 限制。 W 是 嘗試 到 尋找 一個 間隔， 是 嘗試 到 尋找 這 操作 地區， 這 設計 空間 在哪裡 是 最佳化 我們的 操作 地區。 這 藍色的 曲線- 我們 有 a 傳奇 到 幫助 我們- 這 代表 這 符合規格 部分 作為 這 降低 限制 變化， 和 這 紅色的 曲線 代表 這 符合規格 部分 作為 這 上 限制 變更。
你 能 看 如何 如果 I 是 到 改變 這 上 限制 的 乳化劑， 它 會 增加 我的 符合規格 部分。 那 會 是 a 好的 事物。 那是 如何 那 作品。 也 這 符合規格 部分， 你 不 看 這 價值 超過 這裡 在 這 左邊 喜歡 你 通常 做， 但 它是 正確的 超過 這裡 到 這 正確的 的 這 細胞。 它是 最初， 79.21% 的 我的 點 是 符合規格 和 那是 符合規格 為了 全部 的 這 回應 到 全部 的 這 關鍵品質保證。 如果 你 想 到 看 這 個人 符合規格 份量， 你 能 尋找 他們 向下 這裡 下一個 到 這 具體的 回覆.
也, 你 能 注意 這 體積 部分 是 告訴 我 那 I 是 現在 使用 全部 的 我的 模擬 數據 和 那是 因為 這 因素 限制 是 放 在 他們的 滿的 範圍 最初。 到 是 有能力的 到 改變 這 因素 限制 或者 嘗試 到 改變 這 操作 地區， 你 能 任何一個 移動 這 標記 作為 通常 或者 你 能 進入 不同的 因素 限制 價值觀 這裡 在 這 桌子 或者 正確的 這裡 以下 這 細胞 或者 你 能 使用 這些 按鈕 . I 真的 喜歡 這些 按鈕。 如果 I 點選 在 移動 向內， 它是 去 到 尋找 這 最大 增加 在 符合規格 部分。 它是 去 到 尋找 這 移動 那 給出 我 這 最大 增加。 它是 去 到 尋找 這 最陡峭 向上 小路 . 移動 向外 會 做 這 對面的。 它 會 尋找 這 最陡峭 小路 向下。
如果 I 點選 移動 向內， 注意 那 我的 乳化劑 降低 限制 有 增加 從 700 到 705， 和 我的 符合規格 部分 有 增加 到 81.95。 如果 I 點選 它 再次， 現在 我的 卵磷脂 降低 限制 有 增加 從 三十 到 31歲， 和 我的 符合規格 部分 有 走了 向上 到 84.5。 I 能 保持 正在做 這。
但 前 I 保持 正在做 這 直到 I 尋找 這 期望 符合規格 部分 那 I 喜歡- 和 我是 快樂的 和 這 因素 限制， I 思考 它是 a 合理的 操作 地區- 那裡 是 一些 選項 在 這 設計 空間 分析器 選單 那 I 喜歡 到 看 在。 這 第一的 一 是 製作 和 連接到 隨機的 桌子。 W 有 這 做 是 它 創建 a 新的 隨機的 桌子 的 統一 分散式 點。 你 總是 想 到 添加 隨機的 噪音。 它是 去 到 使用 這 相同的 隨機的 錯誤 我們 用過的 前。 我是 去 到 點選 好的。 現在， I 得到 這 桌子 的 10,000 新的 隨機的 點， 和 他們 是 顏色- 已編碼。 這 一 那 是 標記 作為 綠色的 是 在- 規格， 這 一 那 是 紅色的 是 出去 的 規格， 和 這 一 那 是 已選擇 是 之內 我的 目前的 因素 限制， 我的 目前的 操作 地區。
它是 有用 到 看 在 這 桌子， 但 I 真的 喜歡 到 看 在 這些 圖表 那 是 製作 經過 一些 的 這些 已儲存 腳本。 如果 I 跑步 散點圖 矩陣 和， 它 將要 給 我 a 回覆 看法 的 全部 我的 數據 . 這 陰影 地區 那是 綠色的 這裡 是 這 規格 限制。 T 母雞 I 也 喜歡 到 看 在 這 散點圖矩陣 X， 哪個 給出 我 這 因素 空間 看法。 它是 好的 如果 I 能 看 在 他們 兩個都 在 這 相同的 時間。 儘管 我是 改變 我的 因素 限制， 如果 I 點選 在 移動 向內 再次， 你 能 看 如何 這 點 改變 . I 尋找 它 甚至 更多的 有用。 你 也 看 如何 這 因素 空間 變更。 I 尋找 它 甚至 更多的 有用 到 隱藏 全部 這 點 那 是 不是 在 我的 目前的 操作 地區， 然後 I 不 甚至 有 到 看 在 他們。
現在， 作為 I 保持 點選 在 移動 向內， 你 能 看 如何 那 操作 地區 是 萎縮。 如果 你 僅有的 想 到 是 擔心的 和 這 出去- 的- 規格 點， 你 能 點選 在 Y 出去 的 規格， 和 那 將要 僅有的 展示 這 出去 -的- 規格 點 那 是 正在發生。 注意 那 我的 符合規格 部分， 作為 I 保持 移動 我的 因素 限制 在， 是 增加 .
我是 去 到 保持 去 直到 I 任何一個 打 100% 或者 我的 操作 地區 看起來 喜歡 某物 I 不能 那 不是 可行的， 那 I 只是 慣於 是 有能力的 到 達到。 我是 去 到 保持 點選 移動 向內。 事物 仍然 看 好的。 移動 向內， 只是 去 到 保持 點選 它。 好的， I 打 100， 和 I 仍然 思考 那 這些 因素 限制 代表 一個 操作 地區 那 I 思考 I 應該 是 有能力的 到 達到。
到 是 有能力的 到 看 在 那 更遠， I 能 傳送 這 中點 的 這些 因素 限制 到 這 原來的 分析器， 看 什麼 那 看起來 喜歡。 I 思考 那 看起來 漂亮的 好的。 I 能 也 傳送 這 限制 到 這 模擬器 在 這 預測分析器， 和 I 能 決定 到 使用 不同的 分佈。 I 實際上 思考 那 我的 批判的 過程 參數 跟隨 普通的 分佈。 我是 去 到 選擇 這 普通的 和 限制 在 3 Sigma . 它 轉彎 在 這 模擬器， 和 它 套 我的 分佈 到 普通的， 和 它 數位 出去 這 意思是 和 標準 偏差 為了 這些 限制 和 西格瑪， 3 西格瑪。
的 課程， 你 能 改變 全部 這些 價值觀 作為 你 思考 似乎 合身 為了 你的 自己的 情況， 為了 你的 自己的 製造業 過程。 你 能 改變 這 分配， 你 能 改變 這 意思是 雪松 偏差。 我是 只是 去 到 離開 它， 和 我是 去 到 看 什麼 模擬， 什麼 這 普通的 分佈 看起來 喜歡。 它 看起來 真的 好的。 你 能 看 我的 缺點 速度。 什麼時候 I 保持 擊中 模擬， 它是 常 0.
I 也 喜歡 到 模擬 到 這 桌子 到 是 有能力的 到 只是 得到 a 看法 的 什麼 我的 能力 分析 會 看 喜歡 只是 作為 a 理智 查看。 I f 你 來 向下 這裡， 你 能 模擬 這 桌子， 和 它是 去 到 使用 這些 普通的 分佈 為了 這 批判的 過程 參數。 它是 去 到 使用 這 相同的 錯誤 為了 你的 預測 作為 我們 用過的 前。
我是 去 到 點選 製作 桌子， 和 什麼時候 I 做 那， 它 自動地 創建 一些 腳本。 一 的 他們 是 分配。 如果 I 跑步 那， I 能 非常 容易地 看 在 我的 能力 報告 因為 I 已儲存 我的 規格 限制 作為 柱子 特性。 I 看 那 這 能力 看起來， 在 至少 為了 這 模擬 數據， 它 看起來 真的 相當 好的。 所以 我是 漂亮的 快樂的 和 這， 甚至 儘管 這 是 只是 在 這 模擬 數據。 的 課程， I 需要 到 查看 這 真實的 數據， 但 我是 真的 快樂的 和 什麼 我是 看到 所以 遠的。 I 思考 我是 去 到 使用 這些 限制 作為 我的 設計 空間。
現在， 只是 到 筆記 前 I 去 更遠， I 有 a 好的 情況 這裡， 但 讓我們 說 那 你 沒有 有 a 好的 情況 在哪裡 你的 符合規格 部分 不是 在哪裡 你 通緝 它 到 是， 和 你 真的 不能 調整 你的 因素 限制 不再。 你 可以 做 什麼- 如果 場景 經過 改變 你的 規格 限制 或者 你的 錯誤 如果 你 思考 那 是 某物 那 可以 合理地 發生。 但 I 有 a 好的 情況， 和 我是 快樂的。
I 是 去 到 使用 這 選項 節省 X 規格限制，這將節省 這些 因素 限制 後退 到 我的 原來的 數據 桌子， 到 我的 批判的 過程 參數， 所以 I 能 節省 這些 因素 限制。 什麼時候 I 做 那， 什麼時候 I 去 後退 到 我的 原來的 桌子， 你 能 看 那 那些 因素 限制 設定 有 到過 已儲存 作為 規格 限制 到 我的 批判的 過程 參數。
I 尋找 它 真的 有幫助的 到 是 有能力的 到 看 在 這 設計 空間 在 條款 的 這 輪廓 回應 和 這 可接受 地區。 我已經 已經 已儲存 我的 預測 作為 公式 和 I 有 a 腳本 已儲存 到 跑步 這 輪廓輪廓儀。 我是 去 到 跑步 那 . 這 是 去 到 給 我 我的 輪廓 回應 為了 全部 組合 的 我的 因素， 我的 批判的 過程 參數。 I 不 知道 如果 你 能 看 這 頭暈的 矩形， 但 那 是 我的 設計 空間 作為 定義 經過 那些 因素 限制 那 得到 已儲存 作為 規格 限制 在 我的 批判的 過程 參數。 這 陰影 有色 區域， 這些 是 我的 規格 限制 回覆 輪廓。
你 能 看 那 我的 設計 空間 是 很好 之內 一個 可接受 地區 為了 全部 這些 輪廓 . 它是 甚至 更遠 在。 它是 不是 接觸 他們。 那是 因為 我們 額外 那 錯誤結束 為了 我們的 預測。 我是 真的 快樂的 和 這。
好的， 讓我們 得到 後退 到 微軟幻燈片軟體。 I 只是 想 到 給 你 a 很少 外賣 關於 這 設計空間分析器 前 我們 裹 向上。
第一的 的 全部， 那 符合規格 部分 那 我們 鋸 在 這 設計空間分析器 不應該 是 採取 作為 a 可能性 陳述 除非 你 相信 那 你的 因素， 你的 批判的 過程 範圍 因素， 實際上 跟隨 a 制服 分配 因為 那是 什麼 曾是 用過的 到 散佈 他們。 也, 這 設計空間分析器 是 不是 意思是 為了 模型 那 有 a 大的 數位 的 因素 或者 非常 小的 因素 範圍 因為 的 這 模擬 方法 那 它 需要。
它是 也 受到推崇的， 作為 我已經 提及 一些 次， 到 總是 添加 隨機的 錯誤 到 你的 回應 因為 你的 預言 模型 是 不是 沒有 錯誤。 和 最後， I 只是 通緝 到 製作 a 陳述 那 甚至 儘管 這 曾是 有動力 經過 製藥 行業， 它 真的 是 適用的 很多 更遠 比 那。 在任何 案件 在哪裡 你 想 到 尋找 一個 最佳的 操作 地區 和 你 想 到 維持 靈活性 和 品質, 然後 這 能 是 有幫助的。
那裡 是 許多 事物 關於 這 設計 空間 分析器 I 沒有 有 時間 到 展示。 I 真的 希望 那 你 將要 查看 它 出去。 任何 問題？
