2019年10月,JMP 15全新发布。JMP 15新增和改进了许多令大家耳目一新的功能。其中最让小编喜爱的,一个是能够实现企业内数据实时共享的JMP Live, 另一个就是今天我们要介绍的实验设计(DOE)新功能——组正交超饱和设计(GO SSD)了。作为筛选设计中的一员,组正交超饱和设计体现了它在因子筛选上独特的优势。
通常当我们开始一个新系统或新流程的研究,往往会采用头脑风暴的形式列出多达十几到几十个的潜在影响因素,然后希望通过测试筛选出其中重要的因素。 这时如果采用标准筛选设计的话,至少要完成因素数量+1次实验,才可估算每个因素的线性主效应。
许多经验告诉我们,筛选实验中通常一半以上的因素都对响应没有影响,基于帕累托准则也提到通常80%的重要影响是由于20%的潜在原因所致。问题在于,在进行实验之前,我们并不知道哪些是重要因素。
如果实验预算有限(通常都会),并且还希望应用标准筛选设计的话, 实验者通常根据个人经验保留少量潜在因素(一般6-12个)用于设计和执行实验,以节省拟合模型所需的实验次数,而剩下的潜在因素就直接被忽略了。如果其中包含对系统和流程影响重要的因素,则最终的模型很可能会与实际不符,造成后续实验资源的极大浪费,这是我们都不愿意看到的。
这时候你可以考虑超饱和设计啦!超饱和设计是一类实验次数可以少于因素数的设计方法。如果测试的目的是从很多潜在的影响因素中找出少量最显著的因素,应用超饱和设计就有可能极大地节省资源和时间。
回顾超饱和实验的历史,1959年