Outre les atouts statistiques de JMP, du point de vue de la conception, les atouts de JMP en tant que plate-forme de conception résident dans sa flexibilité dans la création de simulateurs basés sur des formules et de tableaux de bord pilotés par les données. Toutes les tâches, y compris l'IAO (ingénierie assistée par ordinateur) et les tests, se résument au processus d'acquisition de données par l'intégration de processus et à la manière de tirer des résultats utiles des données acquises. De ce point de vue, nous avons récemment profité de l'extensibilité remarquable de Python dans le domaine de l'ingénierie et des avantages de JMP en tant que plate-forme de prise de décision dans le domaine de l'ingénierie, et avons défini l'ensemble du processus de conception comme « l'intégration des processus Python et la conception optimale de l'apprentissage automatique JMP » pour procéder à la tâche.
Le processus « Intégration des processus Python et conception optimale de l'apprentissage automatique JMP » est défini par trois éléments de conception : « Intégration des processus Python », « Apprentissage automatique JMP » et « Conception optimale JMP ». En particulier, du point de vue de « JMP Machine Learning », il détermine si un modèle d'apprentissage automatique est construit ou non. Si un modèle d'apprentissage automatique est construit, le « Simulateur d'apprentissage automatique » de « JMP Optimal Design » est appliqué. Si le modèle d'apprentissage automatique n'est pas construit, le « Tableau de bord de décision » de « JMP Optimal Design » est appliqué.
Dans cette étude, nous aborderons divers cas réussis dans les domaines de la marine, de l’aviation, de l’IAO et de l’expérimentation du point de vue du « simulateur d’apprentissage automatique » et du « tableau de bord décisionnel ».
