在生物制药研发中，一个反复出现的挑战是如何利用分析结果来建立和优化方法。本案例研究重点介绍一种特定的色谱技术，其基本原理已成功应用于制剂和生物工艺开发等其他领域。
为了完成这项任务，研究人员将各个实验设计（DOE）的数据合并，方法是将目标变量作为附加因子引入模型，或者在之后通过模型集成来生成统一的预测函数。关键挑战在于确保跨项目评估的一致性，从而实现模型的可比性。JMP 的广义回归功能在构建稳健且易于解释的模型方面发挥了重要作用。
基于这些模型，我们定义了优化目标和范围。利用 JMP 的 Profiler 和 Simulation 功能，我们进行了均值预测和蒙特卡罗模拟，以探索关键性能指标的设计空间。战略可视化同时揭示了多个输入和输出变量的最佳参数组合，使复杂的数据对领域专家而言变得直观易懂。
由此，我们识别出了类似的输入输出趋势，从而能够推导出可推广的过程知识。在某些情况下，不确定性量化能够对拟议的设定点进行风险评估，为方法开发中的知情决策提供支持。对于更复杂的场景，我们应用了诸如人工神经网络（ANN）和其他机器学习方法等代理建模技术来揭示更深层次的模式。
本案例研究表明，JMP 如何支持多学科协作，并在药物开发中实现战略性统计思维。
