在工业研发中，如何在保证多种性能指标的同时最大限度地减少实验工作量是一项常见的挑战。贝叶斯优化为在复杂的非线性响应空间中进行自适应的、顺序的实验提供了一个强大的框架。本次报告将使用为PPG的Sigma Logic™实验设计培训项目开发的实际模型模拟，对JMP Pro中的贝叶斯优化平台进行评估。
Sigma Logic成立于1998年，每年通过基于JMP的入门级和高级课程，为全球约130名研究人员提供培训。高级课程的一大特色是使用模拟系统进行的团队竞赛，本次评估的模拟系统是三个课程中16支队伍的重点。当前的配方挑战包含12个可控因素和4个关键性能指标，目标是在有限的实验预算内，以六西格玛质量和最低成本实现性能目标。
在 JMP Pro 中进行了多次优化实验，每次实验均以标准筛选设计为初始步骤，随后进行多轮贝叶斯优化推荐的实验运行。我们跟踪了各次实验的优化进度，并将其与课程参与者采用的传统顺序 DOE 策略进行了比较。结果表明，贝叶斯优化能够高效地处理非线性响应面，并在显著减少的实验次数内找到可接受的解决方案。最后，我们总结了如何将贝叶斯优化集成到基于 JMP 的实验工作流程中，以加速工业研究中的配方开发。
