JMPによる実験計画

全因子計画では、2つの因子によって点を長方形に配置することで、機会空間を探索します。 しかし、探索する空間が長方形でないことが分かっている場合、古典的な実験計画を利用せざるを得ません。 Custom Designerは、実験の予算を妥協することなく活用します。 コンピュータが生成する計画により、ユーザーは統合されたフレームワークの中で、さらに広い範囲の計画の課題に取り組むことができます。 JMPでは、ある計画内にプロセスと混合因子を混在させ、無作為化が制限された環境で、容易に変わらない因子を使用できます。 また、多数の因子を精査するための、過飽和の計画のみ（可能であれば）を作成するよう評価できる、特定のモデル項目を定義できます。 Custom Designerは、最終的にはサンプルサイズの計算を行い、実験への投資が見合ったものであるかの判断を可能にします。

Ronald Fisherは、実験計画法の4つの原則が、因子原則、無作為化、反復、ブロック化であると定めました。 しかしごく最近まで、これらの原則を探索する計画の作成と分析は、手計算に頼っていました。 負荷の大きさにもかかわらず、80年以上にわたる熟練者の創造力は、特定の条件や実験の目的に応じた、広く適用できる数々の計画を編み出しました。JMPは全因子、スクリーニング、応答曲面、混合、タグチ行列といった、古典的計画のすべてのタイプを備えています。 因子と応答を定義した後、これらのリストから適切な計画を選び、予測分散プロファイルやFDSプロットなどの多様な評価ツールにより、リソースを決定する前に選択内容を評価できます。 いったん計画が決定すれば、計画プロセスでデータテーブルに保存されたJMPスクリプトにより、分析は容易に進行します。

応答が可変性を持たない場合であっても、DOEは高次元な因子空間を効率的に探索するアプリケーションを発見します。 状況に対応するために、JMPはGaussian Process smootherで分析される空間充填計画により、予測バイアスや分散を低く保った状態で代理モデルを作成できます。 さらにJMPでは、消費者やユーザーの好みの変化を反映するChoice Designの生成や分析が可能であり、必要に応じて価格も因子に加えることができます。 また、加速寿命試験や非線形モデルの計画も可能です。 JMPスクリプト言語により、新たに計画を作成して追加することもできます。

計画は、DOEにおいて重大ですが、その半分でしかありません。 どの計画を適用する場合でも、JMPではその後の分析が可能な限り容易になります。 状況にもよりますが、通常はスクリーニングプラットフォームまたはモデルのあてはめプラットフォームにより、計画を含むテーブルは結果を分析する正しいスクリプトを含みます。 複数の応答がある場合は、停止規則を適用したステップワイズ法により、それぞれに異なるモデルを並行してあてはめることが可能です。 作成したモデルが有効な場合は、JMPのさまざまなプロファイラを用いて、対話的な作業や、実行可能な操作領域や因子の設定点を視覚的に識別することができます。 問題がどんなに複雑でも、JMPに組み込まれた最適化機能により、応答間の不可避なトレードオフを1回のクリックで実行できます。 いったん適切な点を発見すれば、統合されたシミュレータを用いて実際にはどれだけロバストなのかを見ることができます。