在医药研发与生产的过程中，您是否常常遇到这样的数据？
- 随时间变化的溶离曲线或细胞生长曲线
- 分析化学中常见的近红外光谱(NIR)或层析图谱(Chromatography)
这些数据并非单一的「数字」，而是「连续曲线」。传统的方法常只撷取最大值、曲线下面积或特定时间点来分析。不仅耗时，更忽略了曲线斜率、时间漂移等关键的动态趋势。
试试Functional Data Explorer (FDE ，功能性数据探查器) 。 FDE能将复杂的曲线浓缩为数个FPC 分数（功能性主成分得分) ，以捕捉其变化。
提示：分析 -> 专业建模 -> 函数式数据浏览器
FDE有以下三大应用，
1. 理解曲线变异的驱动因素
FDE透过功能性主成分分析（ FPCA ），识别曲线中主要的变异模式并浓缩成FPC 分数 。还能结合实验设计(Functional DOE) ，将FPC 分数作为响应进行美国能源部分析。
:pushpin: Tips:建立模型后，模型旁的红三角选单->函数实验设计分析。
2.功能性回归（ Functional Regression ）的利用
提取出的FPC 分数与回归模型或机器学习结合。透过分析因子与FPC 分数的关系，了解对曲线的影响。
提示：建立模型后，函数汇总表旁的红三角选单->保存汇总。可获得原资料中每笔的FPC 分数。
3. 曲线与目标标准的比对
利用得分图，将每条曲线在各个FPC 分数绘制成空间座标，借此将复杂的曲线形状精简为图上的一个点，以便直观比对批次间的形状变异或与目标曲线的差异
