陸軍狙擊彈藥優化：使用自定義分裂圖設計，對數線性方差和圖形分析進行全面的色散響應分析克里斯托弗德雷克，統計學家，美國陸軍 Douglas Ray博士，美國陸軍首席統計師
美國陸軍尋求不斷改進用於高性能步槍的7.62毫米狙擊彈藥的下行目標擴散。這個交互式案例研究說明了在JMP中使用幾個強大的分析平台來實現這一目標。該過程從使用Custom DOE平台和設計比較實用程序開始，以在給定樣本大小約束的情況下選擇整個圖的數量和預期功率之間的最佳交易。響應數據是向下範圍的色散（測量為水平和垂直方向的變化），其本身是有噪聲的。為了分析響應數據，我們在JMP中使用了Loglinear Variance，這是一種有效分析逐次變異數據的回歸技術。將使用匯總的目標色散數據，在Loglinear Variance派生的預測和更常見的最小二乘擬合之間進行比較。使用基於DOE的預測模型，執行基於蒙特卡羅模擬的靈敏度分析，以根據目標組大小比較最佳情況預測設計配置，最壞情況和其他感興趣配置。然後使用Graph Builder平台將這些配置與客戶需求方面的現有彈藥設計配置進行比較，從而可以顯示下行組大小與相關目標大小的對比，以及命中概率與目標距離。Pareto Frontier分析使視覺決策支持能夠確定下行命中概率改善與實施與最佳預測設計配置相關的製造過程變化的成本之間的權衡。
預測建模
