I progressi nei big data, nell’intelligenza artificiale e nella scienza dei dati hanno contribuito notevolmente alle attività decisionali basate sui dati. Nelle industrie in cui è possibile raccogliere vari dati, o nella fase di produzione di massa dei prodotti, i dati acquisiti possono essere elaborati in varie forme e le attività di analisi dei dati possono essere condotte sviluppando o applicando modelli di analisi appropriati. Tuttavia, nella fase di ricerca e sviluppo di nuove tecnologie o condizioni di processo, è difficile ottenere vari tipi di informazioni a causa delle limitazioni di tempo e risorse. In questo ambiente, vorremmo conoscere il metodo del disegno sperimentale, una tecnica di analisi dei dati che può ottenere vari risultati sperimentali sulla base di una piccola quantità di dati, basata su JMP. Questo contenuto fornisce una breve introduzione ai principi della pianificazione sperimentale, nonché varie statistiche che possono essere ottenute tramite la pianificazione sperimentale di JMP. Sulla base delle variabili sperimentali, dei livelli e delle variabili di risposta ottenute dalle condizioni di progettazione sperimentale pianificate, si procede con un test di significatività e una spiegazione della stima degli intervalli di confidenza e spiegazioni di parametri e fattori casuali. In particolare, il metodo di progettazione sperimentale JMP, insieme al metodo sperimentale fattoriale completo, al metodo sperimentale fattoriale parziale e al metodo di analisi della superficie di risposta ampiamente utilizzati, intende proporre un metodo per l'utilizzo della progettazione personalizzata che tenga conto dei vincoli dell'ambiente sperimentale . Attraverso questo contenuto, speriamo che il metodo di progettazione sperimentale venga utilizzato nel posto giusto nelle industrie reali.
