Fortschritte in den Bereichen Big Data, künstliche Intelligenz und Datenwissenschaft haben wesentlich zu datenbasierten Entscheidungsaktivitäten beigetragen. In Branchen, in denen verschiedene Daten gesammelt werden können, oder in der Massenproduktionsphase von Produkten können die erfassten Daten in verschiedenen Formen verarbeitet und Datenanalyseaktivitäten durch die Entwicklung oder Anwendung geeigneter Analysemodelle durchgeführt werden. Allerdings ist es in der Forschungs- und Entwicklungsphase der Entwicklung neuer Technologien oder Prozessbedingungen aufgrund von Zeit- und Ressourcenbeschränkungen schwierig, verschiedene Arten von Informationen zu erhalten. In diesem Umfeld möchten wir etwas über die experimentelle Entwurfsmethode lernen, eine Datenanalysetechnik, die auf der Grundlage von JMP verschiedene experimentelle Ergebnisse auf der Grundlage einer kleinen Datenmenge erzielen kann. Dieser Inhalt bietet eine kurze Einführung in die Prinzipien der experimentellen Planung sowie verschiedene Statistiken, die durch die experimentelle Planung von JMP erhalten werden können. Basierend auf den experimentellen Variablen, Niveaus und Antwortvariablen, die sich aus den geplanten experimentellen Designbedingungen ergeben, führen wir einen Signifikanztest und eine Erläuterung der Schätzung von Konfidenzintervallen sowie Erläuterungen zu Parametern und Zufallsfaktoren durch. Insbesondere soll die experimentelle JMP-Entwurfsmethode zusammen mit der weit verbreiteten vollfaktoriellen experimentellen Methode, der teilweise faktoriellen experimentellen Methode und der Antwortoberflächenanalysemethode eine Methode zur Verwendung eines benutzerdefinierten Designs vorschlagen, das die Einschränkungen der experimentellen Umgebung berücksichtigt . Wir hoffen, dass die experimentelle Designmethode durch diesen Inhalt an der richtigen Stelle in tatsächlichen Branchen eingesetzt wird.
