Wie in vielen Bereichen von JMP gibt es zu viele neue Funktionen, die die Planung von Experimenten unterstützen, um sie in einem einzigen Blogbeitrag zu behandeln. Also, ich werde nur die ersten paar vorstellen. Wann JMP 11 Der Versand beginnt im September. Ich habe vor, mehr über neue Funktionen und mehr Details zu berichten.
Was ist das coolste neue Werkzeug für das Experimentieren?
Das augenfälligste neue Feature ist für mich das Neue Raumfüllendes Design-Tool Dies unterstützt das Platzieren von Designpunkten in nicht rechteckigen Bereichen. Raumfüllende Designs sind in sehr beliebt Experimentieren mit komplexen deterministischen Computermodellen. Solche Modelle geben die gleiche Antwort, wenn Sie dieselben Eingaben machen. Daher ist die Steuerung der Variabilität kein Problem. Das Ziel von Experimenten mit Computermodellen, die Stunden oder sogar Tage dauern können, um eine einzige Beobachtung zu erzeugen, besteht darin, eine genauere Annäherung an das Computermodell zu finden, die viel schneller ist. Sie können diese Annäherung dann verwenden, um Vorhersagen an ungeprüften Punkten zu treffen. Oder Sie können eine Intuition über die Beziehungen zwischen den Eingaben und Ausgaben des Computermodells entwickeln, indem Sie Diagramme mit dem vereinfachten Approximationsmodell erstellen. Das Erstellen solcher Diagramme mit dem Computercode selbst würde aufgrund der großen Anzahl von Punkten, die für das Erstellen eines solchen Diagramms erforderlich sind, viel Zeit in Anspruch nehmen. Wir nennen die neuen Designs Schnelle flexible Abfüllung Da Konstruktionen schnell erstellt werden können, bieten sie eine große Flexibilität bei der Beschreibung der Experimentierregion und sie füllen den Raum gut aus.
Kannst du uns zeigen, was du meinst?
Hier ist ein illustratives Beispiel. Nehmen wir an, Sie studierten die Luftqualität in North Carolina. Sie sind wahrscheinlich daran interessiert, den gesamten Staat einheitlich abzudecken. Natürlich haben Sie ein begrenztes Budget für Luftqualitätsmonitore, beispielsweise 100. Die Design-Frage ist, wo die Monitore zu finden sind. Abbildung 1 zeigt für dieses Problem das Design mit 100 Punkten (Fast Flexible Filling, FFF oder Triple F oder F Cubed).
Sie können sich selbst davon überzeugen, dass die Punkte den Staat einheitlich abdecken.
Welche anderen neuen Designfunktionen sind bemerkenswert?
Ein zweites Feature, das mir besonders gut gefällt, wurde von Ryan Lekivetz, einem neuen Mitglied des JMP-Entwicklungsteams, implementiert. Ryan hat einen Ph.D. von der Simon Frasier University, und sein Dissertationsthema befasste sich mit der Gestaltung von Experimenten. Außerdem ist er ein Fan von C ++ - Programmierkenntnissen, was ihn perfekt macht, um mir beim Erstellen neuer Werkzeuge für das Experimentdesign zu helfen. Er ist aus Kanada, aber wir werden das nicht gegen ihn halten, oder?
Jedenfalls hat Ryan dem Screening-Design-Tool in JMP eine leistungsstarke neue Funktion hinzugefügt. Zuvor waren Screening-Designs auf Faktoren beschränkt, die nur zwei Stufen hatten (OK, es gab einige Designs für eine begrenzte Anzahl von Faktoren mit drei Ebenen). Die neue Funktion erstellt orthogonale oder nahezu orthogonale Designs für Fälle, in denen Faktoren mehr als drei Stufen haben können. Stellen Sie sich vor, Sie hätten vier Maschinen und sechs Bediener, und jede Maschine hätte 11 Knöpfe für die Steuerung. Wie würden Sie ein Screening-Experiment für dieses Problem entwerfen?
Fig. 2 zeigt das Design, das unter Verwendung des neuen Algorithmus von Ryan zum Auffinden orthogonaler oder nahezu orthogonaler Arrays gefunden wurde. Wie Sie in der Farbkarte für Korrelationen sehen können, ist dieses Design für die Haupteffekte orthogonal.
Noch etwas?
Das letzte große Feature, das neu ist JMP 11 ist Definitive Screening-Designs (DSD). Ich habe ein geschrieben Blogeintrag und ein Zeitschriftenartikel über diese Designs zuvor, aber bisher mussten Ermittler, die diese Designs verwenden wollten, ein Add-In installieren. In JMP 11 ist das DSD-Tool als zweites Element im DOE-Menü verfügbar.
Bisher waren reale Anwendungen von DSDs außerordentlich erfolgreich. Danke an meinen Kollegen Lou Valente Ich hatte das Glück, an einer solchen Anwendung beteiligt gewesen zu sein, mit der das Programm gewonnen wurde Preis der Statistics in Chemistry der American Statistical Association .
DSDs haben einige sehr wünschenswerte Eigenschaften. Sie sind kostengünstig und benötigen nur etwa doppelt so viele Durchläufe, wie Faktoren sind. Da es sich um orthogonale Designs handelt, können Sie die Haupteffekte mit einer sehr hohen statistischen Effizienz abschätzen. Es handelt sich um Designs auf drei Ebenen, sodass Sie auch die Krümmung in der Beziehung zwischen jedem Faktor und der gewünschten Reaktion erkennen können. Die Haupteffekte sind auch unabhängig von jeglichen Zwei-Faktor-Wechselwirkungen, und keine der Zwei-Faktor-Wechselwirkungen wird mit einer anderen Zwei-Faktor-Wechselwirkung verwechselt. Wenn sich herausstellen sollte, dass es nur drei wichtige Faktoren gibt, können Sie für diese drei Faktoren ein vollständiges quadratisches Modell erstellen, unabhängig davon, welche Faktoren sie sind. In gewissem Sinne handelt es sich bei diesen Screening-Entwürfen also auch um gierige Reaktionsoberflächenexperimente.
Abbildung 3 zeigt eine Color Map On Correlations für eine Acht-Faktor-DSD.
Irgendwelche abschließenden Gedanken?
Ich möchte noch einmal sagen, dass dies nur die drei wichtigsten neuen Funktionen sind. Ich möchte erwähnen, dass viele Designer außer dem Custom Designer jetzt mit JSL skriptfähig sind. Es gibt auch überarbeitete Energieberechnungen im Custom Designer, die Gegenstand mindestens eines zukünftigen Beitrags sein werden.
Hinweis: Dieser Beitrag ist Teil einer Vorschau von JMP 11 von JMP-Mitgliedern aus Forschung und Entwicklung sowie technischen Experten. Der JMP-Blog enthält jeden Dienstag eine neue Vorschau, bis JMP 11 im September veröffentlicht wird. Überprüfen Sie alle JMP 11-Vorschauen .
