陆军狙击弹药优化：使用自定义分裂图设计，对数线性方差和图形分析进行全面的色散响应分析克里斯托弗德雷克，统计学家，美国陆军 Douglas Ray博士，美国陆军首席统计师
美国陆军寻求不断改进用于高性能步枪的7.62毫米狙击弹药的下行目标扩散。这个交互式案例研究说明了在JMP中使用几个强大的分析平台来实现这一目标。该过程从使用Custom DOE平台和设计比较实用程序开始，以在给定样本大小约束的情况下选择整个图的数量和预期功率之间的最佳交易。响应数据是向下范围的色散（测量为水平和垂直方向的变化），其本身是有噪声的。为了分析响应数据，我们在JMP中使用了Loglinear Variance，这是一种有效分析逐次变异数据的回归技术。将使用汇总的目标色散数据，在Loglinear Variance派生的预测和更常见的最小二乘拟合之间进行比较。使用基于DOE的预测模型，执行基于蒙特卡罗模拟的灵敏度分析，以根据目标组大小比较最佳情况预测设计配置，最坏情况和其他感兴趣配置。然后使用Graph Builder平台将这些配置与客户需求方面的现有弹药设计配置进行比较，从而允许可视化下行组大小与相关目标大小，以及命中概率与目标距离。Pareto Frontier分析使视觉决策支持能够确定下行命中概率改善与实施与最佳预测设计配置相关的制造过程变化的成本之间的权衡。
预测建模
