除了JMP的统计优势之外，从设计角度来看，JMP作为设计平台的优势在于其在构建基于公式的模拟器和数据驱动的仪表板方面的灵活性。所有任务，包括 CAE（计算机辅助工程）和测试，都归结为通过流程集成获取数据的过程以及如何从获取的数据中得出有用的结果。从这个角度出发，我们近期利用Python在工程领域卓越的可扩展性和JMP作为工程领域决策平台的优势，将整个设计流程定义为“Python流程集成与JMP机器学习优化设计”来进行任务。
“Python工艺集成与JMP机器学习优化设计”流程由“Python工艺集成”、“JMP机器学习”、“JMP优化设计”三个设计项定义。具体来说，从“JMP机器学习”的角度，决定是否建立机器学习模型，若建立机器学习模型，则应用“JMP优化设计”的“机器学习模拟器”，若未建立机器学习模型，则应用“JMP优化设计”的“决策仪表板”。
在本研究中，我们将从“机器学习模拟器”和“决策仪表板”的角度介绍海军、航空、CAE和实验领域的各种成功案例。
