使用自动验证分析筛选 DOE_Peter Hersh(2020-US-30MP-541_DSJ2020级别：中级
（使用机器翻译）
在实验设计过程中，通常会识别出许多潜在的重要因素。理想情况下，应该尽可能多地研究这些重要因素。有很多不同类型的筛选设计可以用来最大限度地减少研究大量因素所需的实验次数。筛选设计的主要目标是找到值得进一步研究的活性因素。由于从噪声中分离信号可能很困难，因此选择一种分析这些设计的方法至关重要。本次演讲将演示如何使用 Chris Gotwalt 和 Phil Ramsey 开发的自动化验证技术来分析各种筛选设计。重点将放在组正交过饱和设计 (GO-SSD) 和确定性筛选设计 (DSD) 上。演讲将展示自动化验证方法与其他分析这些筛选设计的技术的比较结果。
要观看带有日语文字稿的演示文稿，请点击这里。
前往“美洲探索峰会”下的会议页面。
（请注意，您将被要求登录您的SAS个人资料。）
以下视频提供英文字幕。
高级统计建模自动化和脚本编写基础数据分析与建模消费者和市场研究数据融合与清理实验设计预测建模和机器学习质量与工艺工程可靠性分析分享和交流结果
