使用 JMP 功能資料瀏覽器進行多趨勢最佳化 (2026-EU-30MP-2860)一個好的小規模模型（SSM）是指在實驗室規模下進行的、能夠代表生產規模製程的流程。建立一個真正具有生產規模代表性的小規模模型對於進行小規模製程特性研究至關重要。以往，對時間序列資料的分析方法是基於平均生產資料的±3個標準差進行評估，但有時我們無法獲得所需的至少三次生產運行資料。
JMP Pro 的功能數據分析功能雖然能夠幫助我們優化小規模模型，但它無法同時優化多個時間進程趨勢（例如，乳酸濃度和活細胞密度）。我們的工作流程旨在新增此功能。
我們透過現場演示，在一個包含多個時間序列曲線的資料集上展示了這個工作流程。利用DOE研究的時間序列數據，我們使用函數資料瀏覽器來確定多個趨勢的形狀函數。然後，我們將這些形狀函數合併到一個結果表中，並設定各因素的期望值。接下來，我們以形狀函數作為DOE的輸出產生一個模型，從而能夠最佳化模型以匹配多個目標趨勢。現在，我們能夠客觀地確定最佳條件。
進階統計建模實驗設計
