该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


实验设计指南  • 从实验设计入手 • 实验设计和实验设计工作流程概述
上一个
 • 
下一个
实验设计和实验设计工作流程概述
下面的六步框架提供了用来设计实验、运行试验和分析结果的结构。适当的工程设计与流程知识对于理解所有这些步骤至关重要。
图 3.2 实验设计框架
您可以在实验设计平台中执行前三步。最终结果是一种能够在您的工作环境中运行的设计。有关这三步工作流程的详细说明，请参见实验设计工作流程：描述、指定、设计。
描述
确定实验目标。标识响应和因子。
您的目标可以是标识活跃因子、查找最优因子设置或构建预测模型。
指定
确定或指定您认为能够充分描述实际情形的假设模型。
您的假设模型是一个初始模型，理想情况下包含要评估的所有效应。在某些平台中，您可以明确构建关注的模型。在另一些平台中，模型隐含在您所做的选择中。例如，在“筛选设计”平台中，您可以选择具有给定分辨率的模型。设计的分辨率确定哪些效应混杂。效应混杂很可能导致不能明确哪个效应是真正活跃的。
设计
生成与假设模型一致的设计。评估该设计以了解其优点和局限性，并确保它可以按照您的模型和目标提供您所需的信息。
设计生成平台中的“设计评估”或“设计诊断”分级显示项可让您深入了解关于设计的属性。
下一步进入数据收集阶段，该阶段将在受控条件下运行实验。
收集
执行每次试验并记录响应值。
运行实验之后，借助生成的数据表中的脚本，您可以使用“拟合模型”和“筛选”之类的平台来拟合模型。根据您的目标，该模型可帮助您标识活跃效应或找到最优设置。
拟合
用实验数据来拟合假设模型。
使用 JMP 建模平台拟合并微调模型。在某些情形下，您可能需要扩充设计并执行额外试验来解决模型的不确定性。
预测
使用经过微调的模型来实现实验目标。
确定哪些效应是活跃的、找到可以优化响应的因子水平，或构建预测模型。
设计的实验通常接着用来构造流程知识。设计策略往往从筛选设计入手，用来缩小可能活跃因子的范围。随后要在设计中研究已经确定的因子，这些设计侧重于更好地理解交互作用和二次效应。有时，需要扩充设计来消除与引起效应的因子相关的不确定性。本节概述的步骤涉及如何执行和分析单个实验。不过，您可能需要通过一系列实验来实现目标。
咖啡浓度实验中的示例明确演示了实验设计工作流程中的步骤，还说明了如何使用数据表脚本来分析您的实验数据。《实验设计指南》中的许多示例既演示了支持好设计的工作流程，又提供了对所研究的实验数据的分析。