Als Lele sich Sorgen um das Geburtstagsgeschenk seiner Mutter machte, besprach er es mit seinem Vater. Papa erwähnte, dass Mama gerne Getränke mit Handkurbel trinkt, also schlug Lele vor, selbst Bubble Milk Tea zuzubereiten. Papa erinnerte ihn jedoch daran, dass die wichtigsten Zutaten für die Herstellung von Jane Milk nicht leicht zu finden sind. Papa erklärte, dass die Versuch-und-Irrtum-Methode viel Zeit in Anspruch nimmt und die Ergebnisse ungewiss sind. Papa schlug außerdem vor, JMP für die experimentelle Gestaltung zu verwenden, um den Bubble-Tea-Geschmack, den Mama mag, auf effizientere Weise zu finden.
Lele: Papa, Mama hat bald Geburtstag, ich möchte ihr ein Geschenk machen, aber ich weiß nicht, was ich ihr schenken soll, damit es ihr gefällt.
Papa: Mama wird mit allem, was du gibst, sehr zufrieden sein. Papa sah sich die Werbung für die Lieferplattform im Fernsehen an und antwortete beiläufig.
Lele sah sich die Anzeige an und sagte mit einem Geistesblitz: Mama trinkt gerne Getränke mit Handkurbel, oder soll ich ihm eine Tasse Perlmilchtee machen?
Papa: Ja, aber weißt du, wie es geht? Zum Beispiel die Temperatur bei der Zubereitung von schwarzem Tee und wie man Perlen kocht?
Lele: Ich kann nicht, du hilfst mir.
Papa: Diese Herstellungsverfahren soll es im Internet geben, aber zur Temperatur und Garzeit dürfte es relativ wenige Angaben geben und die Vorlieben sind bei jedem anders. Da wir meiner Mutter ein besonderes Geburtstagsgeschenk machen wollen, werden wir ein besonderes How machen darüber, ihr als Geburtstagsgeschenk eine Tasse Bubble Tea exklusiv für sie zu machen?
Lele: Okay, aber wie finden wir den Geschmack, den sie mag? Es sollte eine unendliche Vielfalt an Geschmacksrichtungen auf der Welt geben, also sollten wir unendlich viele Tassen herstellen?
Papa: Richtig, die Methode, von der Sie gesagt haben, dass man alle Möglichkeiten ausprobieren soll, ist die sogenannte erschöpfende Methode oder Versuch-und-Irrtum-Methode, aber diese Methode wird lange dauern und ist möglicherweise nicht unbedingt besser. Rezeptkombination. Wir sollten JMP für das experimentelle Design verwenden.
was ist JMP experimentelles Design ?
Lele: Was ist JMP? Was ist experimentelles Design? Es klingt wie ein Ingenieur, der ein Experiment durchführt. Es fühlt sich so kraftvoll an!
Papa: JMP ist eine Software, die viele statistische Analysefunktionen enthält, und Sie haben Recht, eine ihrer leistungsstarken Funktionen kann uns dabei helfen, effiziente Experimente zu entwerfen. Darüber hinaus kann das experimentelle Design von JMP auch die Art und den Bereich der Faktoren entsprechend Ihren Anforderungen festlegen, das Ihrer Meinung nach mögliche Effektmodell und die Anzahl der Experimente hinzufügen, die Sie durchführen können usw., um uns dabei zu helfen, das optimale Experiment unter den Bedingungen zu konstruieren Fähigkeit.
Lele schien es nicht zu verstehen und ihr Blick wanderte zu dem unfertigen Lego-Baumhaus.
Papa sagte weiter: Alles in allem müssen wir ihm einfach sagen, dass wir Welche Optionen gibt es für schwarze Teebeutel, in welchem Bereich kann die Wassertemperatur gesteuert werden, in welchem Zeitraum soll der Tee aufgebrüht werden, und wir möchten, dass er ein paar Experimente durchführt, und er wird uns dabei helfen, eine experimentelle Kombination zu entwerfen Oh.
Lele: Oh, ich verstehe, als würden wir rumhängen, So wie uns die Navigation beim Fahren dabei hilft, Navigationsrouten zu entwerfen, können wir uns dabei helfen, die beste Route zu entwerfen, indem wir ihm sagen, wohin wir fahren und wo wir uns gerade befinden. .
Papa: Das stimmt, aber die Navigation kennt normalerweise unser Ziel. Geht es darum, möglichst wenig Zeit zu verbringen? Oder den kürzesten Weg zu nehmen? Geben Sie mir die am besten vorgeschlagene Kombination entsprechend den Anforderungen. Und was wir jetzt tun werden, ist Datenerhebung in einem frühen Stadium, aber unter Verwendung der festgelegten Anzahl von Experimenten alle Möglichkeiten so umfassend wie möglich berücksichtigen und die Ergebnisse sammeln. Verwenden Sie diese Daten dann, um das Modell zu berechnen und die beste Vorhersage zu erhalten .
Lele: Jetzt sind wir also wie Navigationsingenieure, die JMP verwenden, um Experimente für die Analyse zu entwerfen und dann anhand der beobachteten Daten herauszufinden, wie wir am schnellsten ans Ziel gelangen?
Papa: Genau, das ist alles, lasst uns jetzt JMP verwenden, um mit unserem experimentellen Design zu beginnen, Bubble-Tea-Ingenieur.
Lele und ihr Vater beschlossen, die Design Of Experiment DOE-Funktion (Design of Experiment) von JMP zu nutzen, um herauszufinden, wie man köstlichen schwarzen Tee zubereitet.
Papa: Lassen Sie uns zuerst das Rezept für die Zubereitung von schwarzem Tee finden und sehen, welche wichtigen Einflussbedingungen es gibt.
Papa: Schauen wir uns auf der Webseite die empfohlenen Methoden zur Zubereitung von schwarzem Tee an, finden zunächst heraus, welche Schlüsselbedingungen den Geschmack beeinflussen, und legen die vorgeschlagenen Bedingungen fest, damit wir den Umfang unseres Experiments eingrenzen können.
Deshalb haben Papa und Lele zunächst anhand von Informationen im Internet die passende Einweichtemperatur und Einweichzeit des Tees sowie das empfohlene Wasser-/Tee-Volumenverhältnis herausgefunden. Darüber hinaus fand Papa in einem nahe gelegenen Geschäft zwei Teemarken und wählte Leitungswasser oder Mineralwasser als Wasser für die Teezubereitung. Die wichtigsten Parameter sind wie folgt organisiert (Tabelle 1):
Parameter
|
Datentyp
|
Wert (Bereich/Typ)
|
Schwarztee-Marke
|
Kategorie
|
Marke A
|
Marke B
|
Teewasser
|
Kategorie
|
Leitungswasser
|
Mineralwasser
|
Verhältnis Wasser/Tee-Volumen
|
kontinuierlich
|
20~60
|
Einweichtemperatur (⁰C)
|
kontinuierlich
|
70~100
|
Einweichzeit (m)
|
kontinuierlich
|
5~20
|
Tabelle 1, Schlüsselparameter und Sortiment von Schwarztee
Nachdem sie nach den Schlüsselparametern und Parameterbereichen gesucht hatten, gingen Lele und Dad zurück ins Wohnzimmer und setzten sich.
Lele: Können wir dann jetzt mit der Zubereitung von schwarzem Tee beginnen?
Papa: Noch nicht, denn wir kennen die tatsächlichen Werte der Parameter, die in jedem Experiment eingestellt werden müssen, noch nicht und brauchen noch einen kleinen Helfer, der uns bei der Gestaltung des Experiments hilft.
Papa: Wir brauchen JMP, um uns bei der Gestaltung der Kombination von Experimenten zu helfen.
Also öffnete Papa die JMP-Statistiksoftware auf dem Computer.
Was ist ein benutzerdefiniertes Experiment? Maßgefertigtes Design
Papa: Schauen Sie, wenn wir JMP brauchen, um uns bei der Gestaltung von Experimenten zu helfen, können Sie in der Menüoption auf die Spalte „DOE“ klicken. Es gibt viele DOE-Methoden und verwandte DOE-Funktionen, die hier verwendet werden können. Wenn Sie mit den Prinzipien und anwendbaren Objekten hinter jedem DOE nicht so vertraut sind, empfehle ich Ihnen, zunächst ein benutzerdefiniertes Design, also benutzerdefinierte Experimente, zu verwenden.
Lele: Warum dieses benutzerdefinierte Experiment verwenden?
Papa: Die Idee hinter benutzerdefinierten Experimenten ist dies Optimierungsexperiment , entsprechend den Bedingungen, die wir ihm gegeben haben, einschließlich der Schlüsselbedingungen, die wir für wichtig halten, ob sich diese Schlüsselbedingungen gegenseitig beeinflussen, welche Art von Ergebnissen wir erzielen möchten, wie viele Experimente wir durchführen können usw., um unser Bestes zu geben Experimenteller Mix.
Lele: Genau wie die Navigation.
Papa: Dieser Vorteil eignet sich sehr gut für normale Leute wie uns, die sich mit DOE nicht so gut auskennen, aber einen guten experimentellen Entwurf erstellen möchten.
Lele: Ich werde in Zukunft ein DOE-Experte werden. Ich bin jetzt noch ein Kind, also werde ich das nicht tun. Das werde ich, wenn ich groß bin.
Papa: Okay, aber selbst DOE-Experten verwenden oft maßgeschneiderte Experimente als Einstiegspunkt für das experimentelle Design, wenn das Ziel darin besteht, die effektivsten Experimente zu entwerfen. Schauen wir uns das jetzt mit einem benutzerdefinierten experimentellen Design an.
Verwenden Sie ein benutzerdefiniertes Versuchsdesign und geben Sie Parameternamen, Bereiche und Anzahl der Experimente an
Dann gab Papa die Parameter und den Bereich in die benutzerdefinierte Designplattform ein (Abbildung 1).
JMP Custom DesignKundenspezifisches JMP-Design
Abbildung 1: Eingabeantwortergebnisse und Parameter für die benutzerdefinierte Designplattform
Der Haupteffekt des Parameters, der quadratische Term des kontinuierlichen Parameters und der Effektterm des Kreuzterms des kontinuierlichen Parameters wurden dem Modell hinzugefügt (Abbildung 2).
Abbildung 2: Geben Sie die entsprechenden Effektelemente in das Modell ein
Lele: Was sind quadratische Terme und Kreuzterme und warum sollten sie hinzugefügt werden?
Papa: Der Grund für das Hinzufügen des quadratischen Termeffekts besteht darin, zu bestätigen, ob der Schlüsselparameter ein Recurve-Phänomen aufweist, das heißt, es gibt einen Wert in der Mitte des Bereichs, der dazu führt, dass das Ergebnis einen Maximal- oder Minimalwert erzeugt. Durch das Hinzufügen des Kreuzterms soll bestätigt werden, ob diese Parameter einen multiplikativen Effekt aufeinander haben, d. h. zusätzlich zum Einfluss des Haupteffekts selbst haben bestimmte Bedingungen bei Kombination zusätzliche Effekte.
Lele sah das Bild unten und fragte: Lele: Ist dies die Einstellung für wie viele Experimente wir durchführen wollen?
Abbildung 3: Mittelpunkt- und Wiederholungseinstellung sowie Eingabe der Experimentnummer
Papa: Ja, hier können wir festlegen, ob wiederholte Experimente hinzugefügt werden sollen oder ob dem Experiment ein Mittelpunkt hinzugefügt werden soll. Die Anzahl der Durchläufe unten kann die Anzahl der Experimente auswählen. Hier beträgt die Mindestanzahl der Durchläufe 12 (Minimum). Die Die JMP-Empfehlung beträgt 16 Mal (Standard). Sie können auch eine erschwingliche Anzahl von Experimenten festlegen (vom Benutzer angegeben). Wir verwenden weiterhin die Standardanzahl von 16 Mal (Abbildung 3).
Lele: Warum 16 Mal? Ist nicht je öfter desto besser?
Papa: Ja, aber normalerweise haben wir aus Zeit- oder Geldmangel eine vorgegebene Anzahl an Experimenten, die durchgeführt werden können. Und das ist auch der Vorteil des kundenspezifischen Designs: Das kundenspezifische Design kann Experimente gemäß dieser Anforderung entwerfen, während andere experimentelle Designs die angegebene Anzahl von Experimenten erreichen müssen. Ein weiterer wichtiger Grund ist, dass man keinen Tee trinken kann, also muss ich diese 16 Tassen trinken. Papa ist bereits nach 16 Tassen angespannt und kann nachts möglicherweise nicht schlafen, wenn er noch ein paar Tassen mehr trinkt.
Generieren Sie die Parameterkombination für die Zubereitung von schwarzem Tee und schließen Sie die Datenerfassung ab
Lele und sein Vater stellten dann das individuelle Design fertig und erstellten die Parameterkombination für die Zubereitung von schwarzem Tee (Abbildung 4).
JMP DOE參數組合JMP DOE-Parameterkombinationen
Abbildung 4, die experimentelle Kombinationstabelle
Dann beendeten Papa und Lele das Experiment gemäß dieser Parameterkombinationstabelle, und Papa bewertete der Reihe nach und vervollständigte 16 Bewertungsergebnisse (Abbildung 5).
Abbildung 5. Sammlung entsprechender experimenteller Kombinationsergebnisse
Nachdem er zu viele Tassen Tee getrunken hatte, bekam Papa einen Schluckauf und sagte: „Wir haben endlich die Datenerfassung für das Experiment abgeschlossen.“
verwenden JMP-Fit-Modell Führen Sie eine Regressionsanalyse durch, um Modellvorhersagen zu treffen
Dann können wir im Skriptspeicherbereich oben links auf „Modell“ klicken, um die nachfolgende Analyse durchzuführen. JMP ist sehr rücksichtsvoll und hilft uns dabei, die nachfolgende Analyse in dieses Programm zu packen, das heißt, wir können es direkt tun existieren JMP Modell anbauen Plattform zur Durchführung von Regressionsanalysen , können wir im DOE-Formular direkt auf „Modell“ klicken, um es zu analysieren (Abbildung 6).
Abbildung 6, das Modellskript im Datenblatt der DOE-Experimentkombination
Nachdem er auf „Modell“ geklickt hatte, sagte Papa weiter: „Hier können wir auswählen, ob wir dem Modell Effektelemente hinzufügen möchten, und die Analysemethode auswählen.“ verwenden „Schrittweise“ Methode bitte JMP Helfen Sie uns, das richtige Modell auszuwählen (Abbildung 7).
JMP Fit ModelJMP-Fit-Modell
Abbildung 7, die Ausgangsplattform des Regressionsmodells
Nachdem er die Maus ein paar Mal gedrückt hatte, vervollständigte Papa den Bericht (Abbildung 8) und zeigte mit seinen Fingern auf die Ergebnisse der Wirkungszusammenfassung und der Zusammenfassung der Anpassung am Computer.
Papa: Ich schließe einige Elemente aus dem Modell aus, deren p-Wert 0,05 überschreitet, um ein genaueres Modell zu erhalten, denn statistisch gesehen bedeutet ein p-Wert über 0,05, dass das Effektelement nur einen geringen Einfluss auf das Modell hat Behalten Sie das bei? Die Wirkungsbedingungen unterscheiden sich nicht. Zusätzlich, kann gesehen werden Zusammenfassung der Passform Hier ist die Genauigkeit des Modells (R-Quadrat) 0,997 erreicht Dies bedeutet, dass dieses Modell die Stichprobenpunkte gut erklären kann, was bedeutet, dass es sich um ein gutes Vorhersagemodell für diese Daten handelt .
JMP Fit ModelJMP-Fit-Modell
Abbildung 8, Bericht zur Regressionsmodellanalyse
Lele sah es sich an und sagte: „Warum ist der P-Wert der Einweichzeit größer als 0,05, wurde aber nicht gelöscht?“ Und daneben befindet sich ein Aufwärtsindikator.
Papa: Da es andere Unterelemente gibt, die im Modell beibehalten werden müssen, können Sie sehen, dass die Einweichzeit * Einweichzeit dieses Elements kleiner als 0,05 ist und beibehalten werden muss, da sein übergeordnetes Element auch eine Einweichzeit haben muss beibehalten, und dieser Aufwärtsindikator zeigt Ihnen lediglich an, welche übergeordneten Projekte dieses Problem haben und beibehalten werden müssen.
Papa drehte weiter mit dem Mausrad und präsentierte die untere Hälfte des Berichts.
prüfen Vorhersage-Profiler Meldet beobachtete Änderungen für jeden Parameter in den Ergebnissen
Papa fuhr fort: Wir gingen hinunter, um den Bericht zu finden. Vorhersageprofiler( Marker) Bericht Hier wird das Modell mit interaktiven Bildern präsentiert, die uns helfen können, es schneller zu verstehen Wie verändert die Änderung jedes Parameters den Geschmack? . Sie können den Namen des Parameters unten sehen, seine Achse (X-Achse) stellt den von uns festgelegten Parameterwert dar und die linke Achse (Y-Achse) stellt den vorhergesagten Wert der Geschmacksbewertung dar. Wenn Sie die Bewertungen verschiedener Bedingungen erfahren möchten, müssen Sie nur den Parameterwert unten an den von Ihnen festgelegten Wert anpassen, um das vorhergesagte Geschmacksergebnis zu erhalten. Ich wähle beispielsweise einen Tee, tränke ihn mit Leitungswasser und dann Wassermenge/Teemenge Ich wähle 40 für das Verhältnis, 80 für die Einweichtemperatur und 15 für die Einweichzeit, und wenn ich es so ändere ... sehen Sie, Prognoseergebnis Das Ergebnis waren nur 4,83 Punkte (Abbildung 9).
JMP Prediction ProfilerJMP Prediction Profiler
Abbildung 9, Vorhersageprofiler
Papa sagte, während er die Maus zog, um die Parametereinstellungen zu ändern, weiteten sich Leles Augen, als ob sie sich unglaublich fühlen würden.
Lele: Er wird die vorhergesagte Geschmacksbewertung auf dem Bild entsprechend Ihren Anpassungen direkt ändern, das ist cool.
Papa: Ja, diese interaktive Funktion ist einfacher zu bedienen und macht es für jeden einfacher, das Modell zu verstehen. Werfen wir einen genaueren Blick auf diese Grafik. Tatsächlich kann Ihnen diese Grafik grob sagen, in welche Richtung Sie sich anpassen müssen, um eine höhere Geschmacksbewertung zu erhalten, was bedeutet, dass es besser schmeckt. Schauen wir uns zum Beispiel die erste Teekarte an: B Tee ist besser als A Tee ist hoch, kann B wissen Tee hat ein Verhältnis A Trend zu köstlichem Tee , ähnlich, Tee aus Mineralwasser schmeckt besser als Tee aus Leitungswasser ,ebenso gut wie Die Einweichzeit beträgt ca 10~15 In wenigen Minuten wird es besser sein , damit Sie damit herumspielen können.
JMP Prediction ProfilerJMP Prediction Profiler
Abbildung 9, Vorhersageprofiler
Lele konnte es kaum erwarten, verschiedene Parametereinstellungen vorzunehmen. Nachdem er eine Weile gespielt hatte, stellte er eine Frage.
Lele: Papa, schau mal, wenn ich das Verhältnis von Wasservolumen/Teevolumen ändere, ändern sich andere Parameter ein wenig, einige werden insgesamt höher und niedriger und einige ändern ihre Form leicht, was so seltsam ist.
Papa: Hey, du bist großartig, du hast diese kleine Veränderung bemerkt. Diese kleinen Veränderungen kommen von Die Auswirkung der Anpassung von Parametern , sodass andere Parameter in derselben Form zunehmen. Wenn Sie feststellen, dass mit der Änderung des ursprünglichen Parameterwerts die Form anderer Parameter offensichtliche Abweichungen aufweist, z. B. werden die ursprüngliche obere linke und untere rechte Seite zu der unteren linken und oberen rechten Seite, Das bedeutet, dass die Schnittmenge dieser Elemente einen starken Einfluss hat. Darüber hinaus können Sie sehen, dass die Trendlinie einiger Parameter keine gerade Linie, sondern eine gekrümmte Linie ist. Wenn es einen Maximal- oder Minimalwert gibt, bedeutet dies, dass die Wirkung seines sekundären Termes sehr einflussreich ist.
Lele nickte halbverstanden und fragte dann: Also kann ich auf diese Weise alle möglichen Ergebnisse vorhersagen?
Papa antwortete: Das ist eine gute Frage. Wir haben JMP gerade gebeten, uns ein geschätztes Modell basierend auf den von uns gesammelten Daten bereitzustellen, aber diese Daten basieren auf breiten und einheitlichen Punkten innerhalb des Bereichs, den wir zu Beginn definiert haben. Versuchen Sie es Um die Leistung aller Punkte innerhalb des Bereichs so weit wie möglich zu betrachten, ist die Vorhersagefähigkeit dieses Modells für Parameterkombinationen außerhalb des Bereichs jedoch gering. Daher ist es für uns besser, keine Vorhersagen außerhalb des ursprünglichen experimentellen Designbereichs zu treffen so viel wie möglich, aber für Parameter innerhalb des Bereichs Für die meisten Parameterkombinationen können wir mit diesem Modell ein genaues Ergebnis vorhersagen.
Als nächstes werden wir die wichtigsten Schritte des heutigen Tages durchführen: Finden Sie die beste Kombination von Parametern und Bedingungen , können Sie die Parametereinstellungen am Anreißer anpassen, um zu sehen, welche Art von Kombination Sie mit der höchsten Punktzahl finden.
Lele nickte und es gab eine weitere Reihe von Parameteranpassungen im Prediction Profiler.
existieren Vorhersage-Profiler , um die beste Kombination von Parametern zu finden
Lele: Papa, ich habe einen mit einer Punktzahl von 9,47 gefunden. Ich habe B-Teeblätter ausgewählt und sie in Mineralwasser eingeweicht. Ich habe 60 für das Verhältnis von Wassermenge zu Teemenge gewählt, die Einweichtemperatur war 89,5 und die Einweichzeit war 11,9 Das Ergebnis ist eine Geschmacksnote von 9,47, was sehr gut ist. Großartig.
Papa: Nicht schlecht, schon sehr hoch. Glaubst du, dass es noch höhere Punktzahlen geben wird?
Lele: Vielleicht wird es das geben, weil ich nicht alle so eingestellt habe, dass sie seine Ergebnisse sehen können.
Papa: Jetzt ist es an der Zeit, die Magie von JMP zu zeigen. Sehen Sie, ich kann im JMP Prediction Profiler die Wünschbarkeit festlegen und Ziele festlegen. wählen Maximal Das Ergebnis als hoffnungsvoll festlegen, d. h. je größer, desto besser . und nutzen Maximieren Sie die Attraktivität Funktion, um die beste Kombination von Parametern für das erreichte Ziel zu erhalten (Abbildung 10). Oder wählen Sie „Maximieren und Merken“, um die beste Kombination von Parametern zu finden und diese im Bericht aufzuzeichnen.
Abbildung 10, (links, Mitte) Funktion „Wünschbarkeit festlegen“ zum Festlegen des Bereitschaftswerts, (rechts) „Wünschbarkeit maximieren“.
Papa drückt im Profiler auf „Maximieren“ und „Erinnern“, um schnell die beste Parameterkombination zu finden und sie im Bericht aufzuzeichnen (Abbildung 11).
Abbildung 11: Ergebnisse „Maximieren und Merken“.
Lele: Das ist zu schnell und zu bequem!
Papa: Ja, Normalerweise nimmt die Datenanalyse die meiste Zeit in Anspruch, um Daten zu sammeln. JMP Dadurch kann mehr Analysezeit eingespart werden. Daher werden viele Unternehmen, die Daten für statistische Analysen verwenden müssen, diese Software verwenden, um die Analysezeit zu verkürzen . Tatsächlich ist der Vergleich der manuell erhaltenen Parameterkombination nur geringfügig schlechter als die beste Kombination, und Sie sind auch sehr gut. Darüber hinaus sind kontinuierliche Parameter wie die Einweichtemperatur 91,02894 tatsächlich nicht einfach zu steuern. Vielleicht können wir 91 oder 90 verwenden, um die Einstellung zu ersetzen.
Lele und Papa diskutierten dann die Einstellung verschiedener Parameterbedingungen und verwendeten schließlich B-Teeblätter, Mineralwasser, das Verhältnis von Wasservolumen zu Teevolumen betrug 55, die Einweichtemperatur betrug 90 °C und die Einweichzeit betrug 12,5, das Finale Einstellung der wichtigsten Parameterbedingungen (Abb. zwölf).
Abbildung 12. Das beste Vorhersageergebnis gemäß dem experimentellen Design
Lele: Ja! Sollen wir dann als nächstes Milchtee und Perlen zubereiten?
Papa schaute auf die Uhr und sagte dann: Mama kommt bald zurück. Wenn wir es als Überraschung zum Geburtstag meiner Mutter behandeln wollen, räumen wir die Versuchsausrüstung so schnell wie möglich weg, sonst werden wir entdeckt. Das nächste Mal werden wir mit Milchtee und Perlen experimentieren, um eine gute Formelkombination zu finden, die andere DOE-Fähigkeiten nutzt.
Lele sagte glücklich: „Okay, dann lass es uns so schnell wie möglich abholen, ich freue mich darauf.“
Papa und Lele beeilten sich, das Experiment aufzuräumen, bevor Mutter nach Hause kam, aber in Leles Herzen keimte langsam ein kleiner DOE-Samen.
>>In der nächsten Folge erfahren Sie, wie Sie mit der experimentellen Designplattform JMP DOE köstliche Perlen herstellen. <<
Weitere Ressourcen zum Thema Versuchsplanung des DOE erhalten Sie:
