JMPが持っている統計的な利点に加えて、設計の観点から見ると、JMP設計プラットフォームとしての利点は、式ベースのシミュレータとデータベースのダッシュボード構築の柔軟性にあります。 CAE（Computer Aided Engineering）と実験（Test）を含むすべての課題は、プロセス統合を通じてデータを取得する過程と取得したデータを持ってどれほど有用な結果を引き出すかということで帰結する。このような観点から最近、Pythonの工学分野での驚くべき拡張性とJMPが持っている工学分野での意思決定プラットフォームとしての利点を生かし、すべての設計プロセスを「Pythonプロセス統合およびJMP機械学習最適設計」と定義して課題を進めることになった。
「Pythonプロセス統合とJMPマシンラーニング最適設計」プロセスは、「Pythonプロセス統合」、「JMPマシンラーニング」、「JMP最適設計」の3つの設計項目で定義した。が適用され、機械学習モデルが構築できない場合は、「JMP最適設計」の「擬似決定ダッシュボード」を適用すればよい。
本研究では、「機械学習シミュレータ」と「医師決定ダッシュボード」の観点から、海軍、航空、CAE、実験分野などでの様々な成功事例を取り上げてみよう。
