應用多種 JMP 工具進行流程改善：以純化製程為例 (2026-EU-30MP-2782)本次示範將展示 JMP 工具如何支援製程優化和線上近紅外光譜 (NIR) 監測，從而實現可靠的產品品質監控。演示中包含一個案例研究，其中應用統計製程控制 (SPC) 和能力分析來評估產品純度，同時利用實驗設計 (DOE)、Genreg/SVEM 建模和設計空間分析器來定義製程控制範圍。
對於基於近紅外光光譜的純度建模，PCA 和 FDA 分數可作為 PLS、Genreg、SVEM 和 ANN 模型的輸入。結果表明，Genreg 和機器學習方法明顯更優。當使用 SVEM 進行模型校準時，具有非常態純度分佈的製程能力模擬效果最佳。然而，預測結果顯示純度波動過大且產能不足，凸顯了現有模型的限制。
該研究得出結論，收集額外的近紅外光譜對於填補 PCA 和 FPCA 得分空間的空白至關重要，從而能夠開發出更穩健、更可靠的機器學習模型。
進階統計建模品質與工藝工程
