Los avances en big data, inteligencia artificial y ciencia de datos han contribuido en gran medida a las actividades de toma de decisiones basadas en datos. En industrias donde se pueden recopilar diversos datos, o en la etapa de producción en masa de productos, los datos adquiridos se pueden procesar en diversas formas y las actividades de análisis de datos se pueden realizar mediante el desarrollo o la aplicación de modelos de análisis apropiados. Sin embargo, en la etapa de investigación y desarrollo de nuevas tecnologías o condiciones de proceso, es difícil obtener diversos tipos de información debido a limitaciones de tiempo y recursos. En este entorno, nos gustaría aprender sobre el método de diseño experimental, una técnica de análisis de datos que puede obtener varios resultados experimentales a partir de una pequeña cantidad de datos, basada en JMP. Este contenido proporciona una breve introducción a los principios de la planificación experimental, así como varias estadísticas que se pueden obtener a través de la planificación experimental de JMP. Con base en las variables experimentales, niveles y variables de respuesta obtenidas de las condiciones de diseño experimental planificadas, se procede con una prueba de significancia y una explicación de la estimación de intervalos de confianza y explicaciones de parámetros y factores aleatorios. En particular, el método de diseño experimental JMP, junto con el método experimental factorial completo, el método experimental factorial parcial y el método de análisis de superficie de respuesta ampliamente utilizados, tiene como objetivo proponer un método para utilizar un diseño personalizado que tenga en cuenta las limitaciones del entorno experimental. . A través de este contenido, esperamos que el método de diseño experimental se utilice en el lugar correcto en las industrias reales.
