JMP 中文用戶群 | JMP Chinese User Group Discussions
在醫藥研發與生產的過程中，您是否常常遇到這樣的數據？
- 隨時間變化的溶離曲線或細胞生長曲線
- 分析化學中常見的近紅外光譜 (NIR)或層析圖譜(Chromatography)
這些數據並非單一的「數字」，而是「連續曲線」。傳統的方法常只擷取最大值、曲線下面積或特定時間點來分析。不僅耗時，更忽略了曲線斜率、時間漂移等關鍵的動態趨勢。
試試Functional Data Explorer (FDE，功能性數據探查器)。FDE能將複雜的曲線濃縮為數個FPC Scores (功能性主成分得分)，以捕捉其變化。
:pushpin: Tips: Analyze -> Specialized Modeling -> Functional Data Explorer
FDE有以下三大應用，
1. 理解曲線變異的驅動因素
FDE 透過功能性主成分分析（FPCA），識別曲線中主要的變異模式並濃縮成FPC Scores。還能結合實驗設計 (Functional DOE)，將FPC Scores作為響應進行DOE分析。
:pushpin: Tips: 建立模型後，模型旁的紅三角選單 ->函數實驗設計分析。
2. 功能性迴歸（Functional Regression）的利用
提取出的FPC Scores與迴歸模型或機器學習結合。透過分析因子與FPC Scores的關係，了解對曲線的影響。
:pushpin: Tips: 建立模型後，函數匯總表旁的紅三角選單 -> 保存匯總。可獲得原資料中每筆的FPC Scores。
3. 曲線與目標標準的比對
利用得分圖，將每條曲線在各個FPC Scores繪製成空間座標，藉此將複雜的曲線形狀精簡為圖上的一個點，以便直觀比對批次間的形狀變異或與目標曲線的差異
