在我们的免费在线课程中了解更多信息：
解决工业问题的统计思维
在此视频中，我们展示了如何使用文件分析具有多个响应的实验，以及如何优化多个响应阳极氧化.jmp .
在此示例中，进行了具有五个因子的 12 次试验定制设计。 实验目标是找到优化四个响应的因素设置：厚度、L*、a* 和 b*。
为此，我们运行保存到数据表的模型脚本。 有了这些数据，我们可以估计五个主效应和四个双向交互作用。
不同的效应可能对不同的反应很重要，所以我们想分别分析这四种反应。 为此，我们选择 Fit Separately 框并单击 Run。
这会产生四个单独的分析，这些分析被分组在一个窗口中。
现在，我们使用效果汇总表来简化每个响应的模型。 我们将删除 p 值大于 0.10 的影响。
对于每个响应，都会提供一个预测刻画器。 但我们希望同时优化所有响应。
为此，我们从适合组的红色小三角中选择 Profiler。
这将打开一个新的预测刻画器，底部显示所有五个因素，侧面显示所有四个响应。
对于每个响应，您会看到每个因子的预测值和起始值的误差幅度。 在这里，起始值是每个因素的中间值。
设计实验时，响应限和响应目标被保存为数据表中的列属性。 对于所有四个响应，我们都希望匹配一个目标。
此信息在预测刻画器中用于优化。
要查看厚度的响应限值和目标，我们双击合意性面板。 目标是匹配目标，Thickness 最理想的值为 0.9。 低值和高值为 Thickness 提供了一个可接受的范围，但您可以看到这些值不如匹配目标那么令人满意。
这反映在合意性曲线中。 目标的合意性为 1，超出响应限值的合意性为零。
对于每个响应，您可以指定响应相对于其他响应的重要性。 例如，如果优化 Thickness 比优化其他响应重要三倍，我们将在 Importance 字段中输入 3。
对于这种情况，所有四个响应都同等重要。
让我们看看如何找到五个因素的最佳设置。
为此，我们从预测刻画器的红色小三角中选择优化意愿，然后选择最大化意愿。
提供了最佳设置，以及这些设置下响应的预测值。
查看合意性曲线，您可以看到在这些设置下，我们可以接近匹配所有四个响应的目标。
请注意，有许多可能的优化响应的方法，如果您再次运行最大化意愿，JMP 将找到一个新的解决方案。
这是一个常见的场景。 您可能希望将某个因素锁定在特定值并重新优化。
精彩的视频演示了优化设计实验的多个响应所需的步骤。 谢谢你！
