在我們的免費在線課程中了解更多信息：
解決工業問題的統計思維
在此視頻中，我們展示瞭如何使用文件分析具有多個響應的實驗，以及如何優化多個響應陽極氧化.jmp .
在此示例中，進行了具有五個因子的 12 次試驗定制設計。 實驗目標是找到優化四個響應的因素設置：厚度、L*、a* 和 b*。
為此，我們運行保存到數據表的模型腳本。 有了這些數據，我們可以估計五個主效應和四個雙向交互作用。
不同的效應可能對不同的反應很重要，所以我們想分別分析這四種反應。 為此，我們選擇 Fit Separately 框並單擊 Run。
這會產生四個單獨的分析，這些分析被分組在一個窗口中。
現在，我們使用效果匯總表來簡化每個響應的模型。 我們將刪除 p 值大於 0.10 的影響。
對於每個響應，都會提供一個預測刻畫器。 但我們希望同時優化所有響應。
為此，我們從適合組的紅色小三角中選擇 Profiler。
這將打開一個新的預測刻畫器，底部顯示所有五個因素，側面顯示所有四個響應。
對於每個響應，您會看到每個因子的預測值和起始值的誤差範圍。 在這裡，起始值是每個因素的中間值。
在設計實驗時，響應限和響應目標被保存為數據表中的列屬性。 對於所有四個響應，我們都希望匹配一個目標。
此信息在預測刻畫器中用於優化。
要查看厚度的響應限值和目標，我們雙擊合意性面板。 目標是匹配目標，最理想的Thickness值是0.9。 低值和高值為 Thickness 提供了可接受的範圍，但您可以看到這些值不如匹配目標那麼令人滿意。
這反映在合意性曲線中。 目標的合意性為 1，超出響應限值的合意性為零。
對於每個響應，您可以指定響應相對於其他響應的重要性。 例如，如果優化 Thickness 比優化其他響應重要三倍，我們將在 Importance 字段中輸入 3。
對於這種情況，所有四個響應都同等重要。
讓我們看看如何找到五個因素的最佳設置。
為此，我們從預測刻畫器的紅色小三角中選擇優化意願，然後選擇最大化意願。
提供了最佳設置，以及這些設置下響應的預測值。
查看合意性曲線，您可以看到在這些設置下，我們可以接近匹配所有四個響應的目標。
請注意，有許多可能的優化響應的方法，如果您再次運行最大化意願，JMP 將找到一個新的解決方案。
這是一個常見的場景。 您可能希望將某個因素鎖定在特定值並重新優化。
精彩的影片示範了優化設計實驗的多個回應所需的步驟。 謝謝你！
