레벨 : 중급
직무 : 분석가 / 과학자 / 엔지니어
Philip Ramsey, North Haven Group 및 University of New Hampshire의 소유주 겸 교수
최우수 공헌 논문 결선 진출 자
공정 / 제품 개발 또는 개선에 중요하지만 제한된 혼합물 및 혼합물 공정 실험은 지역 및 선형 제약으로 인한 큰 효과 상관 관계로 인해 분석하기가 어려웠습니다. 종종 적합하지 않은 작은 과적 합 모델 또는 부풀려진 예측 분산이있는 큰 과적 합 모델이 선택되었습니다. JMP Pro의 Generalized Regression 플랫폼의 고급 모델 선택 방법을 사용하면 잠재적 인 혼합 효과의 큰 세트를 맞추고 평가할 수 있습니다. pruned forward, LASSO 또는 모든 가능한 모델과 같은 모델 선택 기술을 사용하면 잠재적 효과 수가 실험 시도 수 (과포화)를 초과하는 경우에도 많은 후보 풀에서 최상의 효과 하위 집합을 찾을 수 있습니다. 지역 및 선형 제약 조건이 모두있는 10 성분 혼합 실험을 사용하여 일반화 회귀 분석이 대규모 혼합 모델 (예 : Scheffe 완전 입방)도 평가하고 중요한 효과 하위 집합을 식별하는 방법을 보여줍니다. 과적 합을 방지하기위한 Gotwalt 및 Ramsey (2018)의 자동 검증 방법이 설명되어 있습니다. 복잡한 혼합 공정 요인 실험을 분석하기 위해 동일한 방법을 사용합니다. 강연은 주로 라이브 JMP 분석 및 토론입니다. 맞춤 설계에서 혼합물 또는 혼합물 공정 실험 생성에 대해서도 설명합니다.
