使用 JMP Pro 18 制作的视频于 2025 年 9 月发布。
您是否需要模拟模型结果，以帮助确定如何衡量和降低缺陷率？您是否旨在比较改变变量值对一个或多个响应目标（例如成本和良率）的影响？您的团队是否认为了解因子限制对未来运行的预期缺陷率和响应的合格规格（符合规格部分）的影响很有价值？
本节课将以一个简单的四因素双响应制造案例为例，向您展示如何：
- 通过交互方式，确定当您更改各个因素的设置时，预测模型将如何变化。
- 找出并研究各种权衡方案，以获得最佳（理想的）因子设置。
- 定义并优化一个或多个响应的期望值。
- 执行复杂的响应优化，以处理完成标准并指定不等权重。
- 模拟模型输出的分布，作为模型输入和噪声的随机变化的函数。
- 保存模拟值以供进一步评估，包括指示模拟响应是否在规格限值内的值。
- 探讨因子限制对未来运行通过响应规范（符合规范部分）的预期比率的影响。
在网络研讨会直播中， @Laura_Higgins 、 @DonnyKopp和@PatrickGiuliano回答了以下问题：
问：能否使用公式筛选模拟值，以便输入 X 的约束条件？
答：是的，如果你的 JMP 表格中已有公式，或者你也可以在现有公式中添加自己的公式。请观看有关公式的视频。
问：对于构建模型所需的连续过程数据采样，有什么建议吗？例如，采样频率应该如何把握？如何才能最好地捕捉模型中的过程滞后？
答：这确实取决于具体情况。此外，JMP 提供了一些强大的工具，可以帮助您智能地对流程进行采样。例如，您可以使用“表格”>“子集”来提取有意义的“区间”（子集）行，这样就不会使采样过程变得混乱。想象一下，如果从一个包含多个批次且批次间存在持续差异（均值偏移被认为是预期的）的流程中完全随机采样，那么您的样本将不会表现出合理的行为（例如，它看起来不会相当一致，并且可能不符合任何特定的分布模型，尤其是像正态分布或威布尔分布这样的“基于物理的”分布模型）。
问：在 JMP 中，敏感性分析（输入变量的变化对输出变量的影响程度）是否有不同的名称？如何才能最好地找出哪些预测变量不需要过多控制？
一个：首先在 JMP 支持文档中搜索“随机优化”。
建议先修课程：
资源
