杰出研究员 Bradley Jones 将于 7 月 31 日退休，此前他在 JMP 度过了 25 年令人惊叹的职业生涯。 在那段时间，Brad 建立了一个强大的 DOE 开发小组，并且可能是 SAS 获得最多专利的小组。 下面，您可以阅读 John Sall 对 Brad 的工作、合作以及对实验设计 (DOE) 和统计领域的贡献的历史致敬。
但首先，请听 Brad 的一些特别的 JMP 同事和热衷统计的朋友的几句话：
马克·贝利（ @马克贝利） ：“Brad 加入 JMP Development 几个月后，我就开始在 SAS Education 工作。 随着 JMP 4 的推出，定制设计还需要几年的时间。 我们很快成为盟友，帮助科学家和工程师使用设计的实验来学习，通过改变设计来适应他们的问题，而不是相反。 我们经常见面交流经验和想法。 现在很难想象反对算法或优化设计方法的意见有多么强烈，尤其是在美国能源部的领先思想家中。 我参加了道格·蒙哥马利在秋季技术会议上教授的短期课程。 Doug 总体上对此类设计持贬低态度，尤其是 JMP。 课程回来后，我与布拉德分享了道格的意见，他决定与道格见面。 剩下的就是能源部的历史了。 这个例子体现了布拉德：始终采取有原则的方法，将对手变成同事和支持者，同时提出切实可行的解决方案，使尽可能多的人受益。”
彼得·古斯： “布拉德利·琼斯是一位极具影响力的研究人员，对实验设计的最新技术和实践水平产生了巨大影响，在备受推崇的学术期刊上发表的论文比许多学者还要多。 我认为影响最大的两篇论文是一篇关于贝叶斯 D 最优设计的论文和一篇关于确定性筛选设计的论文。 当然，另一本有影响力的出版物是古斯-琼斯的书《实验的优化设计：案例研究方法》。 我在很多场合还观察到，JMP 客户中的 DOE 用户非常喜欢 Brad。 另一方面，在西雅图的一次联合跑步期间（联合统计会议之际），布拉德激励我开始更频繁地跑步。 因此，他也对我成为一名马拉松运动员负有责任。”
克里斯·戈特瓦尔特（ @chris_gotwalt1 ） ：布拉德·琼斯对实验设计和分析的贡献是巨大的。 他发明的 Profiler 是“可解释的人工智能”的巅峰之作，尽管它比这个术语早了三十年。 他的另一项伟大贡献是倡导实验的优化设计，直到它变得广泛和主流。 这个想法是，设计和实验应该反映实验的目标，以及直接纳入各种资源约束，例如样本大小、随机化限制以及物理上可能的因素设置的组合。 虽然现在这似乎是一个非常自然和明显的想法，但很长一段时间以来，这个想法一直萎靡不振，实际上甚至被认为是一个冒险的坏主意。 因此，除了克服各种计算和 UI 挑战之外，Brad 还战略性地努力赢得行业从业者以及其他思想领袖的支持，使最佳设计变得可行，并成为行业中可接受的解决问题的方法。 我们每天都在使用许多产品，这些产品是通过 Bradley Jones 开发和倡导的这些工具而变得更好的。
迦勒·金（ @calking ） ：“在加入 JMP 之前，我听说过 Brad，并在会议上见过他几次。 但直到我开始加入 JMP 后，我才意识到他有多么出色！ 我不仅仅是在谈论他的成就。 布拉德是最好的导师。 他一直为我辩护，并为我的职业生涯提供了宝贵的建议和指导。 看到他离开我会很难过，但我知道他的退休是当之无愧的。 不过，如果他退休后和工作时一样高效，我也不会感到惊讶。”
瑞安·莱基维茨（ @Ryan_Lekivetz ） ：“甚至在加入 JMP 公司之前，Brad 在学术界和从业者中的突出地位就给我留下了深刻的印象。 这种突出的地位是我申请 JMP 的主要原因之一。 然而，直到成为他的团队的一员后，我才意识到他的信息对实验进行方式的深远影响。 他强调生成符合每个实验具体要求的实验设计，而不是将实验强加到预先存在的设计中，这完全是变革性的。 我为成为他所组建的团队中的一员感到非常自豪，并且决心发扬他所灌输的创新和好奇精神。 我热切地等待布拉德下一次冒险的消息，并真诚地希望有机会与他在未来的项目上合作。”
道格拉斯·蒙哥马利： “自 20 世纪 80 年代末以来，我一直是 Brad Jones 的朋友和同事。 实验设计界的每个人都应该承认他对我们领域的巨大贡献。 其中包括响应优化（JMP 中的预测刻画器）、非常规部分因子设计的构建和分析方法、最优设计、裂区设计、多响应实验的最优设计以及明确的筛选设计。我很荣幸能在其中一些领域与他合作，包括共同撰写一本关于现代实验设计教学方法的教科书，该教科书围绕最佳设计方法构建。 他还慷慨地花时间与我的几位博士生一起工作。学生们进行他们的研究。我们都受益于他在该领域的知识和经验。”
约瑟夫·摩根（ @约瑟夫_摩根2 ） ： 2006 年，也就是我加入 JMP 团队一年后，我们几个人吃完午饭后从 T 楼的自助餐厅走回 S 楼的办公室。 Brad 和我一起散步，我提出了因子覆盖设计的主题，这是统计学家 Colin Mallows 在一篇 Technometrics 论文中为覆盖数组提出的名称。 Brad 不知道这些设计，但他很感兴趣，因此，令我惊讶的是，我们最终花了几天时间研究坐标交换算法是否是构建此类设计的合理通用算法。 我们最终得出的结论是，坐标交换并不是一种有前途的方法。 几年后，从 JMP 转到 SAS 研发部门，我收到 Brad 发来的一封电子邮件，询问我是否有兴趣实施 JMP Pro DOE 平台来构建覆盖数组。 我毫不犹豫地接受了。 对我来说，这一事件的弧线体现了布拉德是谁。 对 DOE 的所有事物都充满好奇，愿意研究与 DOE 相关的完全不同的结构和想法，并且特别专注于使 JMP DOE 成为同类中最好的。 这就是我现在与同事 Caleb、Ryan 和 Peng 一起工作的环境，他们都拥有这个独特的愿景。 谢谢，布拉德。
克里斯·纳赫茨海姆： 40 年前，当洛斯阿拉莫斯统计科学小组试图雇用布拉德·琼斯时，我和布拉德·琼斯在新墨西哥州（奇马约牧场）进行了一次思想交流，从那时起我们就一直密切合作。布拉德对能源部和数据科学界的影响是巨大的，甚至是无与伦比的！ 几个亮点：
· 预测刻画器的发明，这是一个令人惊叹的交互式工具，用于研究响应面和相互作用的性质。
· 贝叶斯 D 最优设计。 Brad 和 Bill DuMouchel 发表的这篇被广泛引用的论文使贝叶斯 D 最优性的使用变得实用且可供实验者使用，同时提供了一种简单的方法来使最优设计对模型错误指定具有鲁棒性。 除其他外，这篇论文导致了布拉德后来对贝叶斯过饱和设计的发展。
· JMP 中定制设计工具的发明。 这第一次以简单易懂的方式为实践者带来了优化设计的世界。
· 确定性筛选设计的发明和发展（全面披露：和我一起）。 DSD 已在全球范围内被从业者热情采用，并正在迅速取代部分因子设计和探索性的主要工具
实验。
· 用于计算机实验的快速、灵活的填充设计的发明及其被数据科学界广泛采用。
· 他与 Peter Goos 合作撰写了关于优化设计案例研究的创新书籍，与 Doug Montgomery 合作撰写了关于现代实验设计的创新书籍。
总之，我会引用布拉德的福音派主张，即通过实验设计来实施科学方法。
英萨安吉 ( @mysaan ） ：布拉德利·琼斯是一位良师益友。 在冷漠的外表下，我有幸亲身体验到了善良和体贴。 他对能源部的广泛了解，以及他在该领域已经和继续产生的影响非常鼓舞人心。布拉德，我衷心感谢您的所有帮助，特别是您在我还是学生期间抽出时间回答我的问题。 您的支持和见解确实非常宝贵。很难相信我将无法再跑到你的办公室问问题或简单地打个招呼，也无法听到你明确无误的敲门声叫我吃午饭。 对我来说很难，离开这个二十多年来在个人和职业上经历了巨大成长的地方对你来说一定更难。 借用JRR的话 托尔金，“我不会说：不要哭泣；因为并非所有的眼泪都是邪恶的”。我向你致以深情的告别。
-------------------------------------------------- ----------------------------------------------------
布拉德利·琼斯退休致敬
作者：约翰·萨尔
Bradley Jones 在 JMP 工作 25 年后现已退休，他的职业生涯非常出色。 Brad 的专业知识是实验设计 (DOE)，他和他的团队使 JMP 成为 DOE 世界上最好的软件。 世界上没有其他软件产品可以与之媲美。
Illustration by Ryan DeWitt瑞安·德威特插图实验设计是在实验中跨次运行安排因子设置以从给定次数的运行中获得最多信息的艺术。 它已成为产品研究的重要工具，是现代化试错过程的关键，以制造更好的产品、更好的制造技术和更好的工艺。
研究生涯
在 20 世纪 80 年代，能源部被认为是一门昏昏欲睡的学科，其中所有最有价值的突破都已经发生，人们期望任何额外的改进都是渐进的。 这种态度很快被证明是错误的，在接下来的 30 年里出现了许多巨大的突破。 当时推动美国能源部最有价值研究的统计学家是我们自己的布拉德利·琼斯，他的许多合作者也提供了意见。
Brad 多年来一直从事实验设计工作，从 20 世纪 80 年代领先的工业统计软件供应商 BBN 软件开始。 然后，他与他人共同创立了一家新公司 Catalyst，该公司开发了创新的实验设计软件，包括分析器。 然后，他转到领先的工程数学软件产品 MathWorks，并在那里编写了统计工具箱。
1997 年，他来到 JMP，在那里他看到了 JMP 成为工业统计软件领导者的潜力。 JMP 刚刚开始改进其为工程师提供的产品，而 DOE 是打开该市场的三个关键专业之一，另外两个专业是质量和可靠性。
布拉德最初的贡献是平台定制设计。 计算机功能强大，所以为什么不利用这种能力来生成针对给定情况（领域）进行定制优化的实验设计？优化设计？ 以前，最优设计是为专家处理的专门问题而保留的，而不是针对主流挑战，但布拉德看到每个工程师都可以从最优设计中受益。 优化设计还可以使过程变得更容易、更直接。 前定制设计，工程师会查看教科书设计生成器，其中您必须了解分辨率数和混杂模式等概念，并且您将仅限于大小为 2 的幂或从目录中选择的设计。 定制设计后，您所要做的就是描述因素、您希望能够估计的效果以及您可以承受的运行次数。
为了使优化设计切实可行，需要一种优化算法。 当时大多数优化设计软件（例如 SAS 的 PROC OPTEX）要求用户生成大量候选运行，算法从中确定运行的最佳子集以优化标准。 但这给施工带来了负担。 Chris Nachtsheim 和 Ruth Meyer 在 1995 年取得的突破是坐标交换算法，它不需要候选集，因此更加直接、简单和高效。 Brad 利用它创建了定制设计平台，首先是在 JMP 4 中。
这是一系列创新中的第一个。
早期的创新是模型中标记效应的概念，其“可估计性”属性为“必要”或“如果可能”。在运行次数有限的情况下，几乎不可能估计所有所需的效果，尤其是高阶相互作用。 通过“如果可能”设置，算法首先使“必要”效应可估计，然后尝试使尽可能多的“如果可能”效应可估计。 该选项是贝叶斯最优设计的实现，该设计是 Brad 与 BBN 合作者 Bill DuMouchel 发明的，并于 1994 年在《Technometrics》上发表，这是 Brad 在参考期刊上与人合着的众多 DOE 文章中的第一篇。
Dennis Lin and Brad丹尼斯·林和布拉德实施贝叶斯 D 最优后不久，布拉德开始修改一种称为“过饱和”的极端设计，其中因子的数量大于运行的数量，这通常是无法拟合的。 但在给定的实验中，通常会出现某些因素比其他因素强得多的情况，筛选实验的目标是找出哪些因素很重要。 那么为什么不使用超饱和设计，然后使用专门的方法，例如逐步回归，来找到重要因素呢？ 为了进行超饱和设计，Brad 意识到一个好方法是使用贝叶斯 D 最优方法，并只需声明所有因素“如果可能”。这催生了其他论文，其中一篇是丹尼斯·林（Dennis Lin）发表的，他也是超饱和设计的先驱。 只需几次运行就能筛选许多因素，这是一个强大的进步。
另一个早期的挑战是处理裂区设计。 许多实验都有一种限制，即运行组必须处于某些因子的相同水平。 一个典型的例子是在烘箱中加热运行，其中所有运行都需要在相同的温度下进行处理。 这里的特征是一些因素是很难改变，而其他人则容易改变。 目标是创建一个实验设计，其中难以改变阻断组内的因素是恒定的。 安特卫普大学统计学家 Peter Goos 在裂区优化设计方面取得了一些突破，并发表了他的研究结果。 Brad 将这些想法与坐标交换结合起来，以获得定制设计的实际实现。 当彼得和布拉德在秋季技术会议上见面时，布拉德向他展示了坐标交换如何使裂区设计变得实用，从而开始了两人之间的长期合作。
Brad Jones' doctoral oral examination布拉德·琼斯博士口试由于布拉德没有博士学位。当时，彼得建议布拉德可以在安特卫普大学在他手下获得一份学位，这导致他断断续续地前往安特卫普几个月，以进一步发展他对能源部的想法。 在他的论文中，布拉德提出了四个重要想法，在布拉德的期末口试之前，除了一个之外，所有这些想法都被接受在审稿期刊上发表。 最后一篇后来被顶级期刊Biometrika接收。 Peter在安特卫普组织了DOE会议，邀请了许多来自欧洲和美国的DOE专家 这次会议很像一系列对布拉德及其合作者的贡献表示敬意的会议。 会议的亮点是布拉德在他穿着长袍的博士的仔细审查下进行的口试。委员会成员们以成功的判决和彼得的致悼词作为结束。
然后布拉德更加忙于研究。
Chris Nachtsheim and Brad.克里斯·纳赫茨海姆和布拉德。模型拟合的问题之一是效应与模型中没有的其他效应的“混叠”。 例如，如果设计可以很好地估计模型中的主效应，但模型中不存在强二阶交互作用，该怎么办？ 在这种情况下，交互作用可能会导致对主效应的估计产生偏差。 但通常可以以主效应与二阶相互作用正交的方式构建设计，因此强二阶相互作用无法使主效应估计产生偏差。 这种情况开始了一系列“最小混叠”设计的研究，这些设计修改了优化算法，使主要影响与交互作用尽可能不相关，同时仍然保持其可估计性和功效。 Brad 与明尼苏达大学的 Chris Nachtsheim 合作完成了这项工作。
在研究涉及三级因素的最小锯齿设计时，Brad 注意到一些最终的设计具有奇怪的折叠结构。 折叠运行与其他运行的符号相反。 这一发现促使布拉德和克里斯开发出明确的筛选设计（DSD）。 由于多种原因，DSD 的发现非常重要：
- 它们是三级设计，允许对效果中的任何曲率进行建模。
- 主效应与交互作用正交，这意味着任何未建模的交互作用都不会影响主效应估计。
- 它们很容易构建，无需经过优化。
- 它们具有非常好的投影特性，因此如果某些因素不活跃，则可以估计与活跃效果的大量相互作用。
- 它们允许发现其他设计无法发现的强相互作用。
- 而且它们规模很小，所需的运行预算不会大于传统的部分因子设计，而传统的部分因子设计不具备这些理想的属性。
丹尼斯·林后来用折叠的方式来描述这些会议矩阵。 DSD 在短时间内变得非常流行。
Brad 职业生涯的下一章让他回到了超饱和设计，其中因子的数量大于游程的数量，并且您希望效应稀疏性将使您能够找到大的效应。 Brad 注意到，如果您将 Hadamard 矩阵与另一个 Hadamard 矩阵的行子集进行克罗内克矩阵乘积，您将获得具有所需属性的超饱和设计。 这些是群正交过饱和设计 (GO-SSD)。 因素被分配到组中，各组的效应是不相关的，但每个组内都存在依赖性。 您可以检测组何时处于活动状态，并且很有可能检测组内的哪个因素很重要。 但 GO-SSD 的神奇之处在于，您可以通过将一些未分配的因子（假因子）集中在一组中来获得误差的独立估计，并且该组的误差估计误差方差。 这项工作是与 JMP Advanced Analytics 研发经理 Ryan Lekivetz、Chris Nachtsheim 和另外两人合作完成的。
Brad with Doug Montgomery.布拉德与道格·蒙哥马利。除了职业生涯中的这些重大创新之外，布拉德还继续致力于许多其他项目。 目前，他正在与其他人合作进行混合关卡设计，利用早期工作中的一些克罗内克产品经验。 在最优设计下，Brad 追求几个最优标准：通过连续响应面进行更好预测的 I 最优设计，以及允许加权并具有其他所需属性的 A 最优设计。 布拉德（Brad）与彼得（Peter）合作撰写了一本书，《实验的可选设计：案例研究方法》。布拉德 (Brad) 与流行统计学教科书作者道格·蒙哥马利 (Doug Montgomery) 共同撰写了多篇关于各种主题的论文，并共同撰写了《现代实验设计方法及其使用方法》。他与 Advanced Analytics 研发高级总监 Chris Gotwalt 合作研究最佳球形设计和最佳非线性设计，并与 Ryan 合作研究最佳空间填充设计。
布拉德研究的一个共同主题是，所有研究都是与其他研究人员合作、分享和扩展想法的范围。 拥有合作者也极大地帮助了期刊文章的完整性和润色，这些文章赢得了许多奖项。
布拉德受到美国能源部资深研究人员的高度评价。 Brad 与 Stu Hunter 有着密切的工作关系，并在 Stu 90 多岁时与他共同撰写了一篇论文。 布拉德 (Brad) 共同主持了庆祝斯图·亨特 (Stu Hunter) 诞辰 100 周年的庆祝活动th USCOTS 会议上的生日。 乔治·博克斯也高度评价布拉德，送给他一个乔治在教学中多次使用过的美国能源部立方体以示敬意。 布拉德写了一篇向乔治·博克斯致敬的文章，这成为我们曾经主办过的阅读次数最多的博客。
软件职业
对于 Brad 来说，重要的部分不仅仅是进行研究，而是将能源部最好的技术交给实践者：使用我们的软件来设计实验的科学家和工程师。 JMP 4 于 2000 年左右首次推出，JMP 的每个版本都将在 DOE 中实现更多功能和其他改进。 后来，布拉德开始组建一个团队来进一步改进我们的软件。 Ryan Lekivetz 是从不列颠哥伦比亚大学聘请的。 首席研究统计学家开发人员 Joseph Morgan 从 SAS 受聘从事覆盖阵列方面的工作。 桑迪亚国家实验室聘请了高级研究统计学家开发人员 Caleb King，负责可靠性和能源部其他方面的工作。 该团队在短时间内积累的专利数量比 SAS 的任何其他团队都多。 最新版本推出了 Easy DOE，将整个实验过程包装到一个易于使用的包中。
我们的 DOE 设施拥有丰富的诊断设备，例如设计空间图的分数、相关性彩色图、预测方差刻画器、功率分析和各种效率测量。
Brad 在帮助 JMP 招募其他领导者方面也发挥了重要作用，其中包括前 JMP 销售和营销主管 John Leary 和销售副总裁 Dave Richardson。
凭借 Brad 建立的团队，我们将继续在 DOE 领域保持领先地位。
专业组织工作
布拉德经常自愿为统计期刊做同行评审工作。 他曾担任《质量技术杂志》(JQT) 的主编以及《Technometrics》、《JQT》和《质量工程》的副主编。
Brad 曾受邀在专业会议上发表演讲，例如联合统计会议和秋季技术会议，以及许多 JMP 会议。 他曾在许多大学和企业校园发表演讲。
荣誉资质
布拉德获得了许多荣誉，从他办公室墙上的牌匾就可以看出：
Brad shares many of his accomplishments and honors on the wall of his office at SAS world headquarters.Brad 在 SAS 全球总部办公室的墙上分享了他的许多成就和荣誉。美国统计学会（ASA）院士- 休哈特奖章 (ASQ)
- 威廉·G·亨特奖 (ASQ)
- WJ Youden 纪念地址（ASQ、ASA）
- 美国质量协会（ASQ）高级会员
- 上一年技术计量学领域最佳评论书籍获得齐格尔奖
- 尤登技术计量学最佳说明性论文奖
- ASQ Lloyd S. Nelson 奖最直接的实际应用论文（两次）
- 美国统计协会化学统计奖
- ASQ Brunbaugh 奖，授予对质量控制工业应用做出最大贡献的论文（三次）
在业余时间
- 布拉德的学士学位不是统计学，而是辛辛那提大学的音乐专业。 他主修小提琴，并作为小提琴手参加过一些专业演出、志愿者演出和一些 JMP 活动，并且仍然定期练习。
- Brad 是一名长期围棋棋手，业余水平相当高。
- 多年来，布拉德一直是一名专业的狗饲养员，专门饲养罗德西亚脊背犬，并获得了很高的评价。 布拉德经常参加狗展。
- 布拉德还参加过几次马拉松比赛。
Brad 计划在退休后继续他的研究，我们希望他能够经常访问 JMP 并继续与我们合作。 他离开 Ryan Lekivetz，继续担任能源部和可靠性小组经理。
Brad 为我们的用户以及整个实验设计行业带来了巨大的价值。 DOE 是工业的一项关键技术，布拉德和他的合作者引领了一代人的技术进步。 布拉德，谢谢你所做的一切，感谢你成为我们的好朋友。
