比较复杂多维过程中的优化策略已有大量研究表明策略在流程优化中的有效性。通常进行的比较是“一次一个因素”或 OFAT 实验与“实验设计”方法。当面对不熟悉的高维过程空间（例如 >10 个因素）时，研究人员通常会求助于 OFAT 方法，因为它们易于解释。通常，运行多个针对同一目标的实验只是为了评估哪种策略优于其他策略，这会成本高昂且在后勤方面具有挑战性。为了规避这些问题，我们使用了带有 12 个不熟悉的连续和分类因子的聚合酶链反应 (PCR) 模拟器来探索这些问题。
我们的团队在电子材料行业的工艺优化方面拥有数十年的经验（曾就职于 Apple 等公司）。我们特意寻找并选择了一个完全陌生的研究领域的模拟器，该模拟器能够模拟大量因素及其对许多响应的复杂相互作用。为了使实验自动化，我们使用了 Python Web 自动化脚本。通过使用模拟器和我们的脚本，我们可以进行许多实验，同时模拟我们自己职业生涯中遇到的实际约束和实验预算。在遵守预算规则的同时，我们比较了五种策略的效率和准确性；两种 OFAT 类型策略是行业常用的，三种策略来自 DOE 和高级 DOE 类型。JMP 用于所有实验分析和建模，并尝试客观地比较这些策略。
实验设计质量与工艺工程
