级别：中级职位职能：分析师/科学家/工程师菲利普·拉姆西（Philip Ramsey），北黑文集团和新罕布什尔大学的所有者兼教授
最佳论文入围奖
尽管对于过程/产品开发或改进很重要，但是受限的混合物和混合物过程实验由于区域和线性约束导致的大的效果相关性，一直难以分析。通常会选择缺乏拟合的小型欠拟合模型或具有夸大的预测方差的大型过度拟合模型。通过JMP Pro的Generalized Regression平台中的高级模型选择方法，现在可以拟合和评估大量潜在的混合效果。诸如前瞻修剪，LASSO或所有可能的模型之类的模型选择技术，即使潜在效应的数量超过了实验试验的数量（过饱和），也可以从大量候选对象中找到最佳的效应子集。通过使用具有区域约束和线性约束的10组分混合实验，我们证明了通用回归如何评估大型混合模型（例如，Scheffe全立方）并确定重要的影响子集。说明了Gotwalt和Ramsey（2018）的自动验证方法以防止过度拟合。我们使用相同的方法来分析复杂的混合过程因素实验。演讲主要是现场JMP分析和讨论。还讨论了在“定制设计”中生成混合物或混合物过程的实验。
