研讨会旨在为您提供学习基础知识所需的工具，涵盖四个主要领域：数据管理、基础统计、质量方法和实验设计。
研讨会一：数据管理
处理数据
在任何分析问题中，您的大部分时间都花在准备分析数据上。 JMP 凭借强大的数据操作功能使这一过程变得简单。 了解如何管理数据以应对任何分析挑战。
打开文件（文件>打开）
导入多个（文件>导入多个）
连接表（表> 连接）
转置数据（表>转置）
重新编码数据（列>重新编码）
创建公式（列 > 公式）
保存报告（文件>另存为）
日志文件（文件>另存为）
发布报告（文件>发布）
创建仪表板（窗口>组合）
项目文件（窗口>移至）
图形生成器
JMP 生成专门的图表和绘图，并附有支持表格、统计数据和地图。 拖放界面非常直观，可让您快速上手，并提供一系列选项用于选择备用图表类型。 高级功能允许您控制格式和外观以创建有说服力的可视化效果。
混合燃油经济性（帮助>示例数据库）
行标记（行>标记）
图形生成器对话（图形>图形生成器）
图形类型（图形生成器> 连续 v 分类）
抖动限制（图形生成器>点）
统计汇总（条形>平均值）
设置标签格式（选择标签 > 右键单击字体）
设置轴格式（选择轴>双击）
复制图形（工具>选择）
研讨会 2：基础统计
统计方法
如今，统计学已成为发展最快的学科之一，并成为商业的真正差异化因素和价值主张。 我们使用这个制药场景来概述健康和生命科学中使用的一些常见统计方法。
场景：一家制药公司正在开发一种新药来治疗胆固醇的影响。 我们有一群病人；一些人正在接受胆固醇治疗，另一些人则属于对照组。 研究经理收集患者数据并希望了解变量之间是否存在显着关系。
发行版
假设检验
线性回归
多元回归
逻辑回归
抽样计划
视觉分析
JMP 是探索数据的完美工具。 无论您是在寻找关系、模式还是异常值，都可以了解如何查看数据以通过以下方式获得重要见解：
文本浏览器
地理地图
表增强功能
气泡图
发布和分享报告
研讨会 3：质量方法
流程验证
过程验证被定义为通过客观证据证明过程始终产生满足预定要求的结果或产品。
场景：一家跨国生产工厂由工程经理管理。 为了确保生产稳定并受控，经理收集三个关键质量参数时间、温度和压力的过程数据......
- 想要了解数据的分布
- 决定关键参数是否达到目标，
- 确定过程是否稳定且受控，
- 证明参数在规格范围内，并且
- 设计一个实验来模拟输入和输出变量
并优化工艺设置以最大限度地提高密封强度。
可靠性工程
可靠性定义为产品在特定条件下在特定时期/周期内充分执行其功能的概率。
场景：一家跨国石油和天然气生产设施由现场工程经理管理。 两种新泵设计的可靠性正在接受评估。 现场工程经理进行寿命测试并收集时间和故障数据，然后想要...
- 了解生命数据的分布
- 比较两种设计的分布，
- 估计保修期内产品的可靠性，
- 确定哪种设计的失败概率最低
- 确定适当的样本量以进行后续研究。
流程改进
质量控制涉及方法、测量和管理。 这是关于在正确的时间使用正确的技术发现问题并找到解决方案以使事情变得更好。
石川薰在日本教授质量体系并推广质量管理。 他相信大多数问题可以通过使用七个基本质量工具直接解决。
- 直方图
- 检查表
- 帕累托图
- 因果
- 分层
- 散点图
- 控制图
研讨会 4：实验设计
定制设计
使用定制设计平台构建针对您的特定实验设置定制的最佳设计。 定制设计平台构建了多种设计类型，包括：筛选、响应曲面、混合、随机块和分割图。
您的雇主是当地的中型咖啡烘焙商。 您需要解决单独冲泡的 12 盎司咖啡的浓度问题。 您的目标是确定哪些因素会影响咖啡浓度，并找到这些因素的最佳设置。
全析因设计
全因子设计定义了一个实验，其中试验在所有可能的因子设置组合下进行。 全因子设计允许估计所有可能的相互作用。
在全因子设计中，您可以在因子水平的每个组合上执行实验运行。 样本量是因素水平数的乘积。 在此示例中，构建完整的因子设计来研究五个二级因素（进料速率、催化剂、搅拌速率、温度和浓度）对反应器产量的影响。 由于有五个因子，每个因子有两个水平，因此完整因子设计至少包括 2^5 因子 = 2x2x2x2x2 = 32 次游程。
混料设计
使用混合物设计平台以混合物中的组分因子构建实验。 在混合实验中，因子的值是其在混合物中的比例，介于 0 和 1 之间。 混合实验具有三个或更多因子，且因子比例之和等于一 (100%)。 混合实验与其他实验类型的不同之处在于，您不能独立地改变因素。 当你改变一个因素的比例时，一个或多个其他因素的比例也必须改变。
三元图是三个混合分量的二维表示，其总和为常数。 该图是一个等边三角形，每个组件都有一条边。 单纯形质心设计...
