Surface de réponse VS Surface de réponse du mélangeBonjour messieurs,
J'écris parce que je suis un peu confus quant aux options disponibles dans JMP. J'essaie d'évaluer un DOE et la construction du modèle Effet il y a plusieurs option comme la surface de réponse qui est par défaut mais j'ai fait une comparaison avec Minitab et j'ai trouvé des résultats différents entre les deux logiciels mais je pense que le résultat Minitab est le bon parce que c'est plus en fonction des parcelles de facteurs que j'ai précédemment, j'ai donc commencé à jouer un peu avec l'option et j'ai trouvé que la surface de réponse du mélange était la plus proche. Pourquoi cela arrive-t-il? J'ai essayé de trouver plus d'informations à ce sujet dans le tutoriel JMP et il y a un manque d'informations
Remarque : mon DOE est construit par 4 facteurs et j'ai plusieurs réponses
Cordialement
FactorialFactorialFactorielle
ParetoPareto Pareto
Re: surface de réponse VS surface de réponse du mélangeSalut Archi,
Parce que vous pouvez trouver une validation croisée k-fold dans pratiquement toutes les plates-formes de modélisation, il serait préférable de la rechercher par vous-même.Vous pouvez soit rechercher l'aide de JMP, soit effectuer une recherche via Google (validation croisée k-fold JMP) et vous verrez plusieurs liens pour obtenir des informations ainsi que des vidéos YouTube utiles.
Meilleur,
Facture
Re: surface de réponse VS surface de réponse du mélangeBonjour Billy,
Je n'utilise pas JMP pro, où puis-je trouver plus de tutoriels sur Validation croisée K-fold dans JMP ? je ne sais pas comment puis-je modifier k-fold?
Re: surface de réponse VS surface de réponse du mélangeBonjour Archi,
Avec JMP, il existe de nombreuses façons de configurer la validation croisée pour éviter de sur-ajuster votre modèle.Presque toutes les plates-formes de JMP permettent la validation croisée K-fold.Si vous avez un ensemble de données plus petit, utilisez un facteur k pour le nombre d'échantillons (lignes) dans votre ensemble de données.Par exemple, si vous avez 20 lignes, définissez votre k-fold sur 20. Ceci est également appelé validation croisée sans un.
Si vous utilisez JMP Pro, vous pouvez utiliser une colonne de validation et une autre option serait de laisser JMP sélectionner au hasard jusqu'à 20 % de vos données, puis de masquer et d'exclure les données sélectionnées à utiliser comme ensemble d'exclusion pour tester la capacité prédictive. de votre modèle.
Le surajustement est un véritable problème pour de nombreux modèles prédictifs.Vérifiez vos valeurs p pour chaque paramètre.Avec JMP, la valeur de p par défaut pour les variables importantes pour le modèle est de 0,05. Tout ce qui dépasse cette valeur est suspect et vous devez vérifier la capacité prédictive du modèle avec et sans les variables qui ont une valeur de p supérieure à 0,05.
Un autre signe révélateur que vous pourriez être sur-équipé est si vos valeurs ajustées R-carré et R-carré sont significativement différentes l'une de l'autre.Ces deux valeurs seront probablement assez proches l'une de l'autre si le modèle n'est pas surajusté.Il existe plusieurs autres façons de vérifier le surajustement, mais ce qui précède devrait vous aider à décider si JMP ou minitab vous offre le meilleur modèle prédictif.
J'espère que cela t'aides.
Meilleur,
Facture
Re: surface de réponse VS surface de réponse du mélangeBonjour Bill,
Vous avez un bon point ici. Comment puis-je savoir quand un système est trop adapté et quand il ne l'est pas ? Moi non plus je ne sais pas comment minitab fait ça. J'ai dit dans le courriel précédent. Je viens de sélectionner les paramètres par défaut qui sont décrits dans le toturial. Je suis d'accord avec vous à certains moments, mais le problème que je ne peux pas résoudre est que j'ai des paramètres qui ne sont pas évalués par JMP comme la largeur de coupe ou qui semblent ne pas être significatifs. En revanche, minitab considère ce facteur comme significatif. c'est 180 degrés de différence.
Cordialement
Re: surface de réponse VS surface de réponse du mélangeMerci pour les images et il semble que vous soyez plus que probablement dans une situation de surajustement avec votre modèle minitab.Le résumé des effets JMP montre les facteurs les plus importants et les plus actifs dans le modèle en fonction de la valeur p et de la valeur logworth.Sur la base des résultats de JMP, les effets quadratiques semblent avoir peu d'influence sur le meilleur modèle global.Je ne sais pas comment minitab aide à trouver les facteurs les plus importants pour leurs modèles, mais cela pourrait être un bon point de départ pour vous assurer que votre modèle n'est pas surajusté.
Re: surface de réponse VS surface de réponse du mélangeBonjour Bill,
Oui, j'ai modifié mes facteurs de catégorique à continu et j'ai vu les résultats mais je n'ai trouvé aucune différence dans la réponse de surface, voir l'image ci-jointe. À votre question, Minitab fonctionne en mode quadratique complet comme option par défaut, voir également l'image ci-jointe.
Cordialement
Re: surface de réponse VS surface de réponse du mélangeSi vous me le permettez, j'aimerais ajouter à ce que @Dan_Obermiller a écrit.
La méthode que vous avez utilisée pour analyser vos données dans JMP n'était pas une comparaison équitable avec minitab, car vous n'aviez que des facteurs catégoriels.Vous ne pouvez pas estimer les termes quadratiques ou au carré avec des facteurs catégoriels, il n'y a donc pas de surface de réponse.C'est pourquoi Dan disait de changer les facteurs en continu.Avec des facteurs continus, vous pouvez obtenir les estimations quadratiques souhaitées si elles existent effectivement et sont importantes pour le modèle.Il serait bon de voir la sortie de votre modèle minitab pour voir s'il y a des termes au carré dans votre modèle.S'il y en a, cela aiderait à expliquer la différence entre les modèles que vous avez vus au départ.
La dernière image que vous avez partagée donnait l'impression que vous vous rapprochiez de ce qu'était Dan.
HTH
Facture
Re: surface de réponse VS surface de réponse du mélangeBonjour, merci pour vos tableaux et vos retours. J'ai examiné les tableaux et les images que vous avez téléchargés et j'ai quelques difficultés techniques pour développer les expériences du tableau RMS. Tout simplement parce que l'outil qui est noté O ne peut pas dépasser plus de 1. C'est une restriction que nous avons. Nous avons développé un dépistage au préalable et nous avons établi les paramètres opérationnels. En effet, nous avons développé toutes les expériences et nous cherchons à analyser les données et à avoir un diagramme de Pareto d'effet standardisé et à faire l'ANOVA et à voir quels paramètres ont l'effet le plus significatif. Je n'ai pas encore essayé l'outil Excel JMP parce que je pensais que le modèle Fit était assez puissant pour le faire. Cependant, j'ai encore quelques questions.
Que vouliez-vous dire par là " La seule raison de les spécifier comme discrets est de FORCER certains niveaux dans la conception. Si vous voulez vraiment faire cela, spécifiez un modèle d'ordre supérieur et/ou utilisez l'option Discrete Numeric »
Comment avez-vous obtenu le facteur RS dans l'option d'ajustement du modèle ?
Enfin, reprenant le dernier point,
"N'oubliez pas que JMP est conçu pour créer l'expérience la mieux conçue possible, et non pour correspondre à un tableau spécifique d'exécutions. Le tableau des pistes n'est peut-être pas le meilleur choix. La seule façon de faire en sorte que JMP « crée » un tableau correspondant au tableau Excel consiste à utiliser DOE > Classique > Factoriel complet. Spécifiez tous les facteurs et créez la conception. Ensuite, vous devez supprimer manuellement la combinaison indésirable. Notez que la dernière pièce doit être manuelle car si vous ne faites pas cette combinaison, vous n'exécutez PAS un plan factoriel complet. C'est pourquoi JMP ne crée pas cette conception automatiquement. C'est le but du design personnalisé : créer des designs pour votre situation spécifique plutôt que d'essayer de forcer un design qui n'est pas vraiment approprié.
En fait, je l'ai fait au début de cette discussion et j'ai trouvé que les résultats ne sont pas corrects si je compare les résultats par exemple avec Minitab ; cependant, je me suis souvenu que vous m'aviez dit que je fais juste correspondre le DOE avec le modèle.
Cordialement et bonne journée
Re: surface de réponse VS surface de réponse du mélangeMerci d'avoir fourni les fichiers. Cela aide énormément.
Tout d'abord, vous indiquez que vous DEVEZ répliquer le fichier Excel. Si tel est le cas, vous n'êtes pas vraiment intéressé par la création d'une expérience conçue. Vous souhaitez exécuter les essais spécifiques dans la feuille Excel. Pourquoi ne pas simplement ouvrir le tableau Excel dans JMP, exécuter ces essais, saisir les réponses et les analyser ?
Vous aurez TOUJOURS des difficultés à faire correspondre JMP à votre tableau Excel, car JMP peut faire mieux que ce tableau d'exécutions.
Quelques problèmes que j'ai vus dans votre tableau :
Lorsque vous spécifiez vos facteurs, si le facteur est continu (comme l'avance par dent, la vitesse de coupe et la largeur de coupe), spécifiez ce facteur comme continu plutôt que catégoriel. La seule raison de les spécifier comme discrets est de FORCER certains niveaux dans la conception. Si vous voulez vraiment faire cela, spécifiez un modèle d'ordre supérieur et/ou utilisez l'option Discrete Numeric.
Lorsque j'ai rendu les facteurs continus (à l'exception du nom de l'outil), j'ai créé un plan à 45 cycles pour le modèle à effets principaux uniquement (plan joint). J'ai ensuite comparé la conception personnalisée générée par JMP au tableau Excel. La conception personnalisée de JMP avait une puissance équivalente ou supérieure sur tous les termes du modèle. La conception JMP avait une variance de prédiction inférieure à celle du tableau Excel pour une grande majorité de l'espace de conception (et là où c'était pire, c'était extrêmement proche). Je joins le résultat en photo. L'essentiel est que JMP ne vous donnera pas une conception inférieure s'il existe une meilleure conception.
Créer la conception de cette manière avec JMP limite les facteurs à deux niveaux. L'expérimentation est synonyme d'EFFICACITÉ. Faites le moins d'essais possible pour estimer le modèle souhaité. Ensuite, vous utilisez le modèle pour déterminer les paramètres optimaux. Vous n'avez pas besoin d'essayer toutes les combinaisons d'une grille pour optimiser un processus. Avec cette approche, comme vous ne spécifiiez qu'un modèle d'effets principaux, il n'est pas nécessaire d'avoir plus de deux niveaux pour aucun des facteurs continus. Mener des expériences à plus de deux niveaux est un gaspillage.
Pourquoi insister sur un troisième niveau ? Souvent, c'est parce que vous vous attendez à une réponse incurvée. Ainsi, le modèle à utiliser pour estimer la courbure est un modèle de surface de réponse. Dans JMP, j'ai cliqué sur le bouton RSM pour obtenir un modèle de surface de réponse (conception jointe en tant que JMP RSM Design). Cela forcera un 3ème niveau car il est nécessaire d'estimer un effet quadratique. J'ai ensuite comparé cette conception RSM personnalisée de 45 exécutions au tableau Excel. Encore une fois, la conception RSM personnalisée de JMP est supérieure, comme le montre l'image ci-jointe.
N'oubliez pas que JMP est conçu pour créer l'expérience la mieux conçue possible, et non pour correspondre à un tableau d'exécutions spécifique. Le tableau des pistes n'est peut-être pas le meilleur choix. La seule façon de faire en sorte que JMP « crée » un tableau correspondant au tableau Excel consiste à utiliser DOE > Classique > Factoriel complet. Spécifiez tous les facteurs et créez la conception. Ensuite, vous devez supprimer manuellement la combinaison indésirable. Notez que la dernière pièce doit être manuelle car si vous ne faites pas cette combinaison, vous n'exécutez PAS un plan factoriel complet. C'est pourquoi JMP ne crée pas cette conception automatiquement. C'est le but du design personnalisé : créer des designs pour votre situation spécifique plutôt que d'essayer de forcer un design qui n'est pas vraiment approprié.
Vous voudrez peut-être suivre un cours sur la conception d'expériences ou peut-être consulter le livre Optimal Design of Experiments de Goos et Jones pour en savoir plus sur la création de conceptions. J'espère que cela a été utile.
Compare JMP Design to Excel TableCompare JMP Design to Excel TableComparer la conception JMP au tableau Excel
Compare JMP RSM Design to Excel TableCompare JMP RSM Design to Excel Table Comparer la conception JMP RSM au tableau Excel
Re: surface de réponse VS surface de réponse du mélangeD'accord, veuillez trouver ci-joint les deux tableaux de données, celui que j'ai créé dans Excel que je dois répliquer et évaluer à l'aide d'un logiciel statistique comme JMP et le tableau de données personnalisé qui a été créé par JMP et qui est faux. J'ai mis 0 dans la case dupliquée et je pense que c'est en image les paramètres que j'ai posté avant. Comme je l'ai dit dans les e-mails précédents, mon objectif est de reproduire et d'évaluer l'Excel DOE. Que puis-je faire? J'ai fait plusieurs tests et non seulement, j'ai pu trouver quelque chose qui peut résoudre mon problème dans JMP. Et oui tu as raison. Il n'y a pas d'option pour la factorielle complète dans la conception personnalisée, mais je l'ai fait parce que j'ai inversé l'ordre de mes factorielles afin d'utiliser l'évaluation DOE de restriction
Cordialement et bonne semaine
Re: surface de réponse VS surface de réponse du mélangeArchi,
Au lieu de partager des images, vous devez partager les tables de données JMP. Cela aura les informations nécessaires pour déterminer où les choses pourraient mal tourner. D'après les captures que vous avez fournies, je ne remarque pas d'exécutions répliquées (je n'ai pas parcouru chaque ligne en détail). Cependant, s'il y en a, c'est parce que l'algorithme de conception personnalisé a déterminé que la répétition de certains essais est plus informative pour estimer le modèle qu'un nouveau point de conception. La conception personnalisée choisit la conception en fonction du MODÈLE QUE VOUS SPÉCIFIEZ. Ce qui, dans l'une de vos captures d'écran, vous n'avez spécifié qu'un modèle d'effets principaux - aucune interaction. Pour ce modèle, vous n'auriez pas besoin de 45 essais, mais puisque vous en avez demandé autant, JMP répéterait probablement certaines des exécutions.
Vous avez également déclaré que vous obteniez ces répétitions lorsque "spécifiez l'option factorielle complète dans la conception personnalisée". Il n'y a pas d'"option factorielle complète" dans la conception personnalisée.
Re: surface de réponse VS surface de réponse du mélangeMême sur l'option de factoriel complet dans la conception personnalisée, j'ai obtenu des valeurs en double. Pourriez-vous me dire pourquoi?
Re: surface de réponse VS surface de réponse du mélangeInformations mises à jour : même pour trois facteurs, j'ai des paramètres de répétition. Existe-t-il un moyen de bloquer les valeurs de répétition ? Image téléchargée
3 factors3 factors3 facteurs
Re: surface de réponse VS surface de réponse du mélangeInformations mises à jour : même pour trois facteurs, j'ai des paramètres de répétition. Existe-t-il un moyen de bloquer les valeurs de répétition ? Image téléchargée
3 factors3 factors3 facteurs
Re: surface de réponse VS surface de réponse du mélangeBonjour, j'ai lu le tuto et j'ai fait un conception personnalisée avec une combinaison non autorisée et honnêtement, je ne sais pas pourquoi cela m'a donné un tableau étrange avec des valeurs en double et parfois avec des valeurs manquées, j'ai testé la combinaison de trop et de largeur de coupe et cela fonctionne bien, alors j'ai essayé l'outil , largeur de coupe et vitesse de coupe et c'était bien aussi: cependant, quand j'ai fait les 4 ensemble, cela a déclenché le désastre et trouvé des valeurs en double et des valeurs manquées. Pourriez-vous me dire pourquoi, je poste tous mes paramètres ainsi que le tableau. pourrais-tu m'aider s'il te plait?
Cordialement
DOEDOEBICHE
ParametersParameters Paramètres
Re: surface de réponse VS surface de réponse du mélangeVous ne voudriez pas un plan factoriel complet parce que vous ne pourriez pas le terminer. Un design personnalisé avec une combinaison non autorisée serait un meilleur choix. Vous devriez vous référer au guide de conception d'expériences dans la section Livres sous le menu Aide.
Notez également que vous ne pourrez pas estimer l'interaction entre l'outil et la largeur de coupe car vous n'exécuterez pas toutes ces combinaisons. Ce terme ne devrait pas figurer dans votre modèle.
Re: surface de réponse VS surface de réponse du mélangeInformations mises à jour : liées à l'e-mail précédent, j'ai divisé mon DOE en deux factoriels complets, un DOE avec une largeur de coupe de 1 et l'autre avec 4,3, je l'ai fait afin d'adapter ma réponse au modèle DOE et j'ai obtenu le résultat suivant pour une largeur de coupe 1 mais cela ne fonctionne pas car je suis également intéressé par cette réponse
FirstFirstD'abord
Result 2Result 2 Résultat 2
ResultResult Résultat
Re: surface de réponse VS surface de réponse du mélangeComment puis-je obtenir mon DOE comme je le souhaite ? laissez-moi vous expliquer mieux je travaille avec des paramètres d'usinage, donc j'ai trois outils, deux d'entre eux sont capables de couper dans les conditions tu, exemples 1 et 5, mais un outil est un cas particulier, il ne peut donc couper qu'à 1, c'était donc la raison je détache juste la partie du 5 de la factorielle complète pour un seul outil. Comment développer un DOE avec ces caractéristiques ?
Cordialement
Desired DOEDesired DOEDOE souhaité
Re: surface de réponse VS surface de réponse du mélangeVous avez conçu une factorielle complète, mais vous n'avez pas terminé une factorielle complète. Cela pourrait conduire à vos résultats déroutants. Ne pas terminer certaines exécutions n'est PAS équivalent à une conception personnalisée. Les conceptions personnalisées sont optimales pour le modèle spécifié. Le fait de manquer certains des essais peut en fait conduire à ce que certains termes du modèle ne soient pas estimables.
La confusion avec la fenêtre modèle ne peut être résolue sans comprendre les données.
Comme je l'ai dit dans mon premier message, un modèle de surface de réponse de mélange est à utiliser uniquement lorsque vous avez des facteurs de mélange. Vous pouvez l'ignorer car il ne s'applique pas à votre situation. Si vous l'utilisez, vous ajusterez essentiellement un modèle sans interception qui change complètement toutes les mathématiques et les interprétations de votre modèle. Ne l'utilisez pas.
D'après votre capture d'écran Pareto, il semble que le dernier terme n'est pas testé (une valeur manquante pour l'effet). Cela m'amène à croire que vos courses manquantes ne vous permettent pas d'adapter le modèle que vous désirez. Voyez-vous une partie Singularity Details dans votre rapport JMP ? Si c'est le cas, j'ai raison. Vous devez construire un modèle que vos données vous permettront d'estimer.
Enfin, le modèle de surface de réponse par défaut dans JMP est le modèle par défaut, car il s'agit du modèle associé à votre conception factorielle complète. Vous n'avez pas exécuté cette conception complète. Par conséquent, le modèle n'est probablement pas correct. Vous avez changé le design, vous devez changer votre modèle parce que ces choses vont ensemble.
Re: surface de réponse VS surface de réponse du mélangeIl a fait une factorielle complète mais j'ai coupé une partie car un paramètre était inutile dans mon expérience. Cela ressemble plus à un DOE personnalisé (mon DOE est un test factoriel complet 3x2x3x3=54 mais j'en ai fait 45.) et il a été créé dans JMP. Mon doute se situe dans la section Fit model et plus précisément dans la partie construct model effect, voir photo. L'option par défaut est surface de réponse mais apparemment le résultat est différent de Minitab alors j'ai commencé à jouer et j'ai trouvé que la surface de réponse du mélange est le résultat le plus proche, ma question est pourquoi cela se passe-t-il ? Quelles sont les différences entre les deux?. Avez-vous un email pour vous envoyer mes données?
Fit Model DialogFit Model DialogBoîte de dialogue Ajuster le modèle
Re: surface de réponse VS surface de réponse du mélangeJe suis un peu perplexe sur plusieurs aspects.
Veuillez expliquer quel design a été créé. A-t-il été créé dans JMP ?
Était-ce une conception mixte? Une conception de mélange a une contrainte selon laquelle certains ou tous les facteurs s'additionnent à une quantité spécifique, généralement 1. Si ce n'est PAS le cas, ignorez l'option surface de réponse du mélange.
Pourriez-vous éventuellement partager les données ?
Je suppose également que puisque vous avez eu plusieurs réponses, la boîte de dialogue JMP Fit Model avait toutes les réponses répertoriées dans le rôle Y de la boîte de dialogue. Si tel est le cas, le tableau récapitulatif des effets que vous affichez répertorie en fait la valeur de p la PLUS BASSE pour chaque terme du modèle SUR TOUTES LES RÉPONSES. (un point commun de confusion).
Les membres de ce forum de discussion seront heureux de vous aider, mais nous avons besoin de plus de détails pour vous aider.
