級別：中級工作職能：分析師/科學家/工程師North Haven Group 和新罕布什爾大學所有者兼教授 Philip Ramsey
最佳貢獻論文入圍
儘管對過程/產品開發或改進很重要，但由於區域和線性約束導致的大效應相關性，受約束的混合物和混合物過程實驗一直難以分析。 通常會選擇缺乏擬合的小型欠擬合模型或具有膨脹預測方差的大型過擬合模型。 借助 JMP Pro 廣義回歸平台中的高級模型選擇方法，現在可以擬合和評估大量潛在混合效應。 模型選擇技術，如前向修剪、LASSO 或所有可能的模型，允許人們從大量候選對像中找到最佳效果子集，即使潛在效果的數量超過實驗試驗的數量（過飽和）。 使用具有區域和線性約束的 10 分量混合實驗，我們展示了廣義回歸如何評估甚至大型混合模型（例如，Scheffe 完全立方）並識別重要的效應子集。 說明了 Gotwalt 和 Ramsey（2018）防止過度擬合的自動驗證方法。 我們使用相同的方法來分析一個複雜的混合過程因子實驗。 演講主要是現場 JMP 分析和討論。 還討論了在定制設計中生成混合物或混合物過程實驗。
