使用 JMP Pro 18 製作的影片於 2025 年 9 月發布。
您是否需要模擬模型結果，以幫助確定如何衡量和降低缺陷率？您是否旨在比較改變變數值對一個或多個回應目標（例如成本和良率）的影響？您的團隊是否認為了解因子限制對未來運行的預期缺陷率和反應的合格規格（符合規格部分）的影響很有價值？
本課將以一個簡單的四因素雙重響應製造案例為例，向您展示如何：
- 透過互動方式，確定當您變更各個因素的設定時，預測模型將如何變化。
- 找出並研究各種權衡方案，以獲得最佳（理想的）因子設定。
- 定義並最佳化一個或多個回應的期望值。
- 執行複雜的回應最佳化，以處理完成標準並指定不等權重。
- 模擬模型輸出的分佈，作為模型輸入和雜訊的隨機變化的函數。
- 保存模擬值以供進一步評估，包括指示模擬響應是否在規格限值內的值。
- 探討因子限制對未來運作通過反應規範（符合規範部分）的預期比率的影響。
在網路研討會直播中， @Laura_Higgins 、 @DonnyKopp和@PatrickGiuliano回答了以下問題：
Q：能否使用公式篩選模擬值，以便輸入 X 的限制條件？
答：是的，如果你的 JMP 表格中已有公式，或者你也可以在現有公式中加入自己的公式。請觀看有關公式的影片。
Q：對於建構模型所需的連續製程資料採樣，有什麼建議嗎？例如，取樣頻率多少才算合適，以及如何最好地在模型中捕捉過程滯後？
答：這確實取決於具體情況。此外，JMP 提供了一些強大的工具，可以幫助您智慧地對流程進行取樣。例如，您可以使用“表格”>“子集”來提取有意義的“區間”（子集）行，這樣就不會使採樣過程變得混亂。想像一下，如果從一個包含多個批次且批次間存在持續差異（均值偏移被認為是預期的）的流程中完全隨機採樣，那麼您的樣本將不會表現出合理的行為（例如，它看起來不會相當一致，並且可能不符合任何特定的分佈模型，尤其是像正態分佈或威布爾分佈這樣的“基於物理的”分佈模型）。
Q：在 JMP 中，敏感度分析（輸入變數的變化對輸出變數的影響程度）是否有不同的名稱？如何才能最好地找出哪些預測變數不需要過多控制？
一：首先在 JMP 支援文件中搜尋「隨機優化」。
建議先修課程：
資源
