Wenn experimentelle Einschränkungen die Randomisierung der Versuchsreihenfolge begrenzen, ist eine Analyse mithilfe eines Split-Stage-Versuchsmodells erforderlich. Bei übersichtlichen Versuchsdaten wurde dies bisher durch manuelles Umordnen orthogonaler Arrays oder vollständiger ANOVA-Tabellen bewerkstelligt, was jedoch mühsam ist. Bei unstrukturierten Daten ist dies nicht möglich. JMP bietet im Bereich „Modellanpassung“ ausgefeilte Analysefunktionen, die Split-Stage- und verzweigte Experimente mit unstrukturierten Daten verarbeiten können. Dies ist eine Zusammenfassung des JMP-Anwendertreffens vom 2. März 2006. Im Anschluss fanden mehrere „JMP Split-Stage Experiment Study Sessions“ statt, die jedoch nur kurz andauerten. Erfreulicherweise hat sich JMP in den letzten Jahren in der Fertigungsindustrie weit verbreitet, und die Versuchsplanungs- und -analysefunktionen von JMP (DOE) haben zunehmend Beachtung gefunden. In realen Experimenten gibt es stets Einschränkungen hinsichtlich der Randomisierung, doch in der Praxis werden Analysen häufig unter der Annahme vollständiger Zufälligkeit durchgeführt, was zu Fehlinterpretationen der Ergebnisse führt. In Anbetracht dessen, dass sich die Situation seit 20 Jahren nicht verändert hat, möchte ich dies als Einführungskurs vorstellen, der auch die posthum veröffentlichten Schriften des verstorbenen Professors Haga umfasst.
