级别：中级职位职能：分析师/科学家/工程师菲利普·拉姆齐（Philip Ramsey），North Haven Group 和新罕布什尔大学所有者兼教授
最佳投稿论文入围
尽管对工艺/产品开发或改进很重要，但由于区域和线性约束导致的效应相关性较大，约束混合和混合工艺实验的分析一直具有挑战性。通常会选择拟合度不足的小型欠拟合模型或预测方差夸大的大型过拟合模型。借助 JMP Pro 广义回归平台中的高级模型选择方法，现在可以拟合和评估大量潜在混合效应。前向剪枝、LASSO 或所有可能模型等模型选择技术允许人们从大量候选者中找到最佳效应子集，即使潜在效应的数量超过实验次数（过饱和）。使用具有区域和线性约束的 10 组分混合实验，我们展示了广义回归如何评估甚至大型混合模型（例如 Scheffe 全立方）并识别重要的效应子集。说明了 Gotwalt 和 Ramsey (2018) 的自动验证方法，以防止过度拟合。我们使用相同的方法来分析复杂的混合工艺因子实验。本次演讲主要涉及实时 JMP 分析和讨论。此外，还讨论了在定制设计中生成混合物或混合物工艺实验。
