众多周知，使用安全带能大大降低交通事故中的死亡率。因此，安全带的功能性和舒适度也就非常重要。而安全带的拔出力和收缩力则是影响安全性和舒适度的重要因素。 为了研究在不同弹簧厚度时，紧固不同类型的安全带的舒适性能，从而为需要特定紧固性能的客户制定弹簧指南，世界领先的汽车安全零部件制造商Autoliv联合JMP开展了针对安全带性能和舒适度研究的测量系统分析(MSA)，通过运用力与距离的曲线数据来开展量具重复性和再现性（GRR）的研究，最终证实JMP Pro的FDE（函数数据分析器）和混合模型是将 MSA 研究推广到曲线数据非常重要且行之有效的方法，并将此详细的研究过程和成果转换为白皮书——《曲线数据的测量系统分析》。 测量系统分析 (MSA) 是一个测量过程，不仅包括测量系统、设备和部件，还包括进行测量的整个过程涉及的操作员、方法和技术。 为了测试拔出力和收缩力这两种力，研究人员使用了拔出力/收缩力测试装置来模拟车辆中的安全带性能，此装置用来输出力与距离的关系曲线。 汽车行业指南调查了每项检验的一维输出，但并没有描述如何处理输出为曲线数据的情况。而在此项研究中，大多数过程和检验都有曲线为输出。由于尚无使用完整的曲线数据来标准化MSA的过程，因此，研究人员不得不使用曲线的最大值或曲线之间的面积作为每项检验的测量输出，因而丢失了大量信息。 而JMP Pro 中强大的函数数据分析器（FDE）专为分析函数数据而设（通过它可以轻松探索任何类型的函数数据，比如函数、曲线、刻画等），因此快速简便地解决了带曲线数据的MSA这类复杂却又重要的质量难题。任何其他出版物都还未展示过使用商业软件将这类 MSA 推广到曲线数据。 函数数据分析器（FDE）使用 B 样条、P 样条或傅里叶基函数来拟合函数模型。它还可以执行函数主成分分析，并将数据转换为可由JMP中的其他统计平台分析的形式，从而减少数据的维数。