比較複雜多維過程中的最佳化策略大量研究顯示流程優化策略的有效性。常見的比較通常是在「一次一個因素」或 OFAT 實驗與「實驗設計」方法之間進行。當面對不熟悉的高維度過程空間（例如>10個因素）時，研究人員經常求助於OFAT方法，因為它們易於解釋。一般來說，為了評估哪種策略優於其他策略而針對同一目標進行多次實驗不僅成本高昂，而且在邏輯上也具有挑戰性。為了規避這些問題，我們使用聚合酶鍊式反應 (PCR) 模擬器和 12 個不熟悉的連續和分類因子來探索這些問題。
我們的團隊來自電子材料產業數十年的製程優化經驗（蘋果等公司的前員工）。我們特意從我們完全未知的研究領域中尋找並選擇了一個模擬器，它能夠模擬大量因素及其對許多反應的複雜相互作用。為了自動化實驗，我們使用了 python Web 自動化腳本。透過使用模擬器和我們的腳本，我們可以運行許多實驗，同時模仿我們自己職業生涯中看到的現實生活中的限制和實驗預算。在遵守預算規則的同時，我們比較了五種策略的效率和準確性；兩種業內常用的 OFAT 類型策略，以及來自 DOE 和高級 DOE 類型的 3 種策略。 JMP 用於所有實驗分析和建模，並客觀地嘗試比較這些策略。
實驗設計品質和工藝工程
