本资料汇集了关于JMP软件的各种培训记录和学习材料，旨在帮助用户深入了解统计分析与数据可视化技术，适用于科研、工业及学术研究等领域的专业人士。
### JMP培训笔记汇总知识点
#### 一、JMP软件简介
- **背景**: JMP是一款隶属于全球领先的统计分析解决方案提供商SAS集团的桌面软件，专门用于数据分析与可视化。
- **功能特点**:
- 提供直观易用的操作界面，支持数据探索和展示任务。
- 应用领域广泛，包括业务决策辅助、六西格玛管理、质量管理流程优化、试验设计DOE、研发创新以及数据发现等多个方面。
- 支持交互式图形操作，并能帮助用户识别出潜在的数据规律及异常值情况。
- 能够根据变量类型及其角色自动选择合适的分析方法。
- **主要组件**:
- 电子表格：用于查看、编辑和处理数据的工具。
- 图形与统计功能：执行数据分析任务的核心模块。
- 试验设计：包含多种类型的实验设计方案，如部分因子、完全因子等。
- 数据管理工具：提供排序及合并不同来源的数据的功能。
- 计算器：计算表列中的值并进行相关运算操作的工具。
- 分组与汇总统计功能：便于用户对数据集进行分层和聚合操作。
- 质量改进模块：提供了特殊图形、图表以及沟通工具，用于质量提升活动。
- 打印及结果导出工具：帮助分享分析成果。
- 脚本语言：允许保存并执行常用的程序代码。
#### 二、DOE（试验设计）概览
- **定义**: DOE是一种科学方法，旨在研究多个变量与响应之间的关系，并用于优化过程或产品性能。
- **发展历程**:
- 开始于20世纪20年代由费雪(Ronald Fisher)提出的概念。
- 经过近一个世纪的发展，在学术界和工业领域中得到了广泛应用。
- **JMP软件中的DOE模块**:
- 包含传统与高级试验设计方法，如部分因子、完全因子、响应面以及定制化设计等。
- 集成了统计建模技术及图形展示功能，并提供模拟器工具以支持新方案的仿真验证工作。
- 用户界面友好且灵活度高，允许自定义设置实验参数。
#### 三、DOE的基本概念与应用
- **基本概念**:
- 因变量(Y): 连续数值作为输出指标更为理想。
- 自变量(X): 影响因素可以通过鱼骨图或因果矩阵等方法识别出来。
- 响应: 实验中的主要结果衡量标准，还包括因子水平、编码值等多种术语。
- **开展DOE的好处**:
- 定量评估不同输入对输出的影响程度，并确定关键驱动因素。
- 减少实验次数和成本，在研发阶段节省时间与资源投入。
- 根据实际需求调整试验规模并优化参数设定。
- 构建数学模型预测未来结果或性能表现。
- **DOE的“敌人”**:
- 直觉判断、专家意见及传统试错方法等非系统性策略可能会阻碍有效的实验设计和分析过程。
- **基本思路**:
- 从实际问题出发，明确研究目的。
- 收集背景信息并确定因变量Y与自变量X。
- 设定因子水平范围，并建立合理的试验方案。
- 执行计划中的所有测试项目以收集数据资料。
- 对所得结果进行统计分析和解释，得出结论及其后续应用建议。
#### 四、DOE的具体内容
- **试验设计的主要类型**:
- 描述型DOE：涵盖三大基本原则（随机化、重复性和局部控制）、完全析因实验及2k因子设计等概念。
- 筛选型DOE：涉及部分析因实验的设计原则以及关键因素的选择依据等内容。
- 优化型DOE：讨论响应面的概念及其在改进中的应用，包括目标函数的设定和多项式模型展示等技术细节。
- 高级DOE：如扩充设计、定制化方案制定及空间填充方法的应用。
- **具体内容**:
- 描述性统计与图形分析
- 假设检验的方法论介绍
- 回归建模及其验证步骤
- DOE的三大基本原则（随机化、重复性和局部控制）
- 完全析因实验设计详解
- 2k因子设计的应用案例说明
- 部分析因设计方案解析及分辨率表解读技巧
- 关键因素识别技术与响应面优化策略
- 愿望函数构建方法及其应用实例展示
- 多项式模型的图形表示法介绍和解释
- 实验结果预测模拟工具的应用指南
- 扩充设计原理说明以及定制化方案制定流程指导
- 空间填充设计方案特性及可靠性评估概述
通过以上内容可以看出，JMP软件不仅提供了一套完整的DOE解决方案，并且具备强大的数据分析能力，对于需要进行复杂试验设计的企业
5星
