如何在 JMP 中使用 DOE 來模擬製程輸入對變異數的影響您好 JMP 社區，
我的「快速」問題是找到有關如何在 JMP 中設計和分析 DOE 的信息，用於對輸入和方差輸出之間的關係進行建模？
典型的實驗設計用於對過程的平均輸出進行建模，以確定重要的輸入（篩選設計）並可能量化效果（響應面模型）。 我發現越來越需要能夠對模型因子與方差項之間的關係進行建模，該方差項是根據每次運行測量的多個觀測值創建的。 抽樣分佈有所不同，因為標準差通常遵循卡方分佈而不是常態分佈（用於平均值）。 這些設計可能是資源密集型的，因為實驗的目標通常是能夠量化效果並優化模型以最小化運行中的變異數。 我認為非線性 DOE 可能是可行的方法，並且我對在哪裡找到更多資訊和任何示例的任何提示感興趣。
實驗設計回覆：如何在 JMP 中使用 DOE 來模擬製程輸入對變異數的影響謝謝菲爾。
我預計，由於需要重複，即使是少量因素所需的運行也不會微不足道。 我將利用提供的連結來整理一些試驗設計。
回覆：如何在 JMP 中使用 DOE 來模擬製程輸入對變異數的影響這應該是一個很好的起點：
http://www.jmp.com/support/help/Loglinear_Variance_Models.shtml
」筆記：這些估計要求很高，需要大量精心設計、擬合良好的數據。 你需要比你實際想要的更多的數據來適應差異。”
問候，
菲爾
