使用自動驗證分析篩選 DOE_Peter Hersh(2020-US-30MP-541_DSJ2020等級：中級
（使用機器翻譯）
在實驗設計過程中，通常會辨識出許多潛在的重要因素。理想情況下，應該盡可能多地研究這些重要因素。有許多不同類型的篩選設計可以用來最大限度地減少研究大量因素所需的實驗次數。篩選設計的主要目標是找到值得進一步研究的活性因素。由於從噪音中分離訊號可能很困難，因此選擇分析這些設計的方法至關重要。本次演講將示範如何使用 Chris Gotwalt 和 Phil Ramsey 開發的自動化驗證技術來分析各種篩選設計。重點將放在組正交過飽和設計 (GO-SSD) 和確定性篩選設計 (DSD) 上。演講將展示自動化驗證方法與其他分析這些篩選設計的技術的比較結果。
若要觀看帶有日文文字稿的簡報，請點擊這裡。
前往「美洲探索高峰會」下的會議頁面。
（請注意，您將被要求登入您的SAS個人資料。）
以下影片提供英文字幕。
進階統計建模自動化和腳本編寫基礎資料分析與建模消費者與市場研究資料融合與清理實驗設計預測建模和機器學習品質與工藝工程可靠度分析分享和交流成果
