等級：中級職位職能：分析師/科學家/工程師菲利普·拉姆齊（Philip Ramsey），North Haven Group 和新罕布什爾大學所有者兼教授
最佳投稿論文入圍
儘管對於流程/產品開發或改進至關重要，但由於區域和線性約束導致的效應相關性較大，約束混合和混合過程實驗一直難以分析。通常會選擇適合度不足的小型欠擬合模型或預測方差過大的大型過度擬合模型。借助 JMP Pro 廣義回歸平台中的高級模型選擇方法，現在可以擬合和評估大量潛在的混合效應。模型選擇技術（例如前向剪枝、LASSO 或所有可能模型）允許人們從大量候選對像中找到最佳的效果子集，即使潛在效應的數量超過了實驗次數（過飽和）。使用具有區域和線性限制的 10 組分混合實驗，我們展示了廣義回歸如何評估甚至大型混合模型（例如，Scheffe 全立方）並識別重要的效應子集。說明了 Gotwalt 和 Ramsey (2018) 的自動驗證方法，以防止過度擬合。我們用同樣的方法來分析一個複雜的混合過程因子實驗。演講主要涉及現場 JMP 分析和討論。我們還討論了在客製化設計中生成混合物或混合物過程實驗。
