Kann ein raumfüllendes Design meinen Weg zur Arbeit erleichtern? (Foto von Geoffrey Arduini über Unsplash: https://unsplash.com/geoffreyarduini)
Immer, wenn ich mich auf die Arbeit vor oder von der Arbeit vorbereite, habe ich immer die Vorstellung, dass meine Fahrt durch eine geringere Verkehrslage ruhiger wird, wenn ich zu einer bestimmten Zeit abreiste. Selbst wenn ich jeden Tag zur gleichen Zeit absteige, wird sich meine Fahrzeit immer noch ändern. Als Google Maps kürzlich die Funktion zur Angabe einer geschätzten Reisezeit für eine zukünftige Reise zur Verfügung stellte, entschied ich mich zu prüfen, ob ich etwas Interessantes über meinen täglichen Weg zur Arbeit finden könnte. Dies schien auch eine perfekte Gelegenheit zu sein, um das auszuprobieren neue raumfüllende Designmerkmale in JMP 12.
Obwohl ich nicht alle Details darüber kenne, wie die Zeit geschätzt wird, kann ich die Antwort so behandeln, als würde sie von einem Computersimulator mit einer deterministischen Antwort kommen: Wenn ich immer und immer wieder dieselbe Abfahrtszeit / Tag einsetze, werde ich immer weiter die gleiche erwartete Zeit. Es ist also eine Verschwendung von Ressourcen, Replikationsläufe zu verwenden. Ich habe alle Daten in einer Sitzung gesammelt, da mir unklar ist, wie und wann Google Maps diese Schätzungen aktualisiert.
Um die Nützlichkeit des raumfüllenden Designs zu demonstrieren, nehmen wir an, dass mir nur die Gesamtfahrzeit zur Verfügung steht, die sich aus der Zeit, die ich am Morgen verlasse, und der Zeit, die ich abends arbeite, abrechnet (dh ich nicht individuelle morgendliche / abendliche Fahrtzeiten zur Verfügung haben). Ich möchte dann ein Design, das eine gute Mischung aus morgendlichen und abendlichen Abfahrtszeiten hat, idealerweise über verschiedene Wochentage. Meine morgendliche Abreise kann zwischen 7:30 Uhr stattfinden und 9.00 Uhr, während die Abendabfahrt zwischen 16.30 Uhr ist und 18:00 Uhr Der Einfachheit halber lasse ich die Zeitvariablen im Bereich von 0 bis 90 liegen, was die Anzahl der Minuten ab dem Beginn des Bereichs darstellt.
Angenommen, ich habe nur die Ressourcen, um Daten von 150 Punkten zu sammeln. Warum sogar ein raumfüllendes Design verwenden, wenn ich die Punkte nur in gleichmäßigen Abständen verteilen könnte? Da ich Abfahrtszeiten in Schritten von ganzen Minuten angeben kann, würde das Sammeln von Daten über den gesamten Bereich 91 x 91 x 5 = 41.405 Punkte erfordern. Selbst in 10-Minuten-Schritten würde ich 11 x 11 x 5 = 605 Punkte benötigen, und ich habe keine Chance zu beobachten, ob sich die Fahrzeiten zwischen den 10-Minuten-Intervallen ändern. Ich möchte auch sicherstellen, dass ich nicht an jedem Tag die gleichen Zeiten verwende. Wenn es keine Unterschiede zwischen den Tagen gibt, würde ich jedes Mal die gleichen Ergebnisse erzielen.
Im JMP , Gehe ich zu DOE -> Space Filling Design und ändere die kontinuierlichen Faktoren auf Morgen und Abend mit Bereichen von 0 bis 90. Ich füge einen fünfstufigen kategorialen Faktor für den Tag hinzu (beachten Sie, dass diese Funktion erst ab JMP 12 verfügbar ist):
Wenn Sie auf Weiter klicken, um zum nächsten Bildschirm zu gelangen, ist die einzige Option mit kategorialen Faktoren die Funktion Fast Flexible Filling, bei der das MaxPro-Kriterium in JMP 12 verwendet wird, um die Grenzen besser zu erkunden. Die Morgen- und Abendzeiten werden als Bruchteile ausgegeben, die ich beim Abholen der Daten abrunden muss, aber werfen wir einen Blick auf das 150-Run-Design, das ich gefunden habe. Wenn wir die Tage ignorieren, erhalten wir eine gute Mischung aus Abfahrtszeiten:
Und wenn wir uns Tag für Tag die Abfahrtszeiten ansehen, sehen wir auch eine gute Streuung:
Der aufmerksame Leser bemerkt möglicherweise, dass die Skala auf den Achsen nicht mehr zwischen 0 und 90 liegt. Dies ist eine Frage des Änderns der Spalteninformationen und sollte am besten für einen anderen Blogeintrag verwendet werden, wenn Interesse besteht (lassen Sie mir einfach einen Kommentar, um mich wissen zu lassen).
Nachdem wir nun ein Design erstellt haben, ist es an der Zeit, Daten zu sammeln. Mein nächster Blogeintrag zeigt die Analyse, um zu sehen, ob etwas interessante Ergebnisse ergeben.
