応答曲面 VS 混合物応答曲面こんにちは皆さん、
JMP にあるオプションについて少し混乱しているため、この記事を書いています。 DOE とモデルの構築を評価しようとしています 効果には、デフォルトの応答曲面などのオプションがいくつかありますが、Minitab と比較したところ、両方のソフトウェアで異なる結果が見つかりましたが、Minitab の結果が良いものだと思いますこれは以前に作成した因子プロットに基づいているため、このオプションを少し試してみたところ、混合応答曲面が最も近いことがわかりました。 なぜこうなった？ JMPチュートリアルでそれに関する詳細情報を見つけようとしましたが、情報が不足しています
注: 私の DOE は 4 つの要素によって構築されており、いくつかの応答があります。
よろしくお願いします
FactorialFactorial階乗
ParetoParetoパレート
Re: 応答曲面 VS 混合物応答曲面こんにちは、アーチー
k 分割交差検証はほぼすべてのモデリング プラットフォームで見つかるため、自分で調べることをお勧めします。JMP ヘルプを検索するか、Google (k-fold Cross-validation JMP) で検索すると、情報のリンクがいくつか表示され、役立つ YouTube ビデオも表示されます。
一番、
明細書
Re: 応答曲面 VS 混合物応答曲面こんにちは、ビリーさん
JMP pro を使用していません。詳細なチュートリアルはどこで見つかりますか? K分割交差検証JMPでは？ k-fold をどのように変更すればよいかわかりません。
Re: 応答曲面 VS 混合物応答曲面アーチーさん、こんにちは。
JMP を使用すると、モデルの過剰適合を回避するために相互検証をセットアップするさまざまな方法が提供されます。JMP 内のほぼすべてのプラットフォームでは、K 分割相互検証が可能です。データ セットが小さい場合は、データ セット内のサンプル (行) の数に k 倍を使用します。たとえば、行数が 20 の場合、k-fold を 20 に設定します。これは、leave-one-out 相互検証とも呼ばれます。
JMP Pro を使用している場合は、検証列を使用できます。また、もう 1 つのオプションとして、JMP にデータの最大 20% をランダムに選択させ、選択したデータを非表示にして除外し、予測機能をテストするためのホールドアウト セットとして使用することができます。あなたのモデルの。
過学習は多くの予測モデルにとって深刻な問題です。各パラメーターの p 値を確認します。JMP では、モデルにとって重要な変数のデフォルトの p 値は 0.05 です。この値を超えるものはすべて疑わしいため、p 値が 0.05 を超える変数を使用した場合と使用しない場合のモデルの予測能力を確認する必要があります。
過剰適合の可能性があることを示すもう 1 つの兆候は、R 2 乗値と R 2 乗調整値が互いに大きく異なる場合です。モデルが過剰適合していなければ、これら 2 つの値はかなり近くなる可能性があります。過学習をチェックする方法は他にもいくつかありますが、上記の方法は、JMP と minitab のどちらがより良い予測モデルを提供するかを判断するのに役立ちます。
お役に立てれば。
一番、
明細書
Re: 応答曲面 VS 混合物応答曲面こんにちは、ビルさん
そこには良い点があります。 システムがオーバーフィットしているときとオーバーフィットしていないときをどのようにして知ることができるでしょうか? 私もminitabがどのようにそれを行うのか知りません。 前のメールで言いました。 チュートリアルで説明されているデフォルトのパラメーターを選択しただけです。 私もあなたに同意する場合がありますが、カットの幅など、JMP によって評価されないパラメータがある、または重要ではないと思われるいくつかのパラメータがあるため、修正できない問題があります。 一方、minitab では、この要素が重要であると考えています。それは180度の違いです。
よろしくお願いします
Re: 応答曲面 VS 混合物応答曲面画像をありがとうございます。minitab モデルがオーバーフィット状態に陥っている可能性が高いようです。JMP 効果の概要は、p 値と対数値に基づいて、モデル内で最も重要でアクティブな要因を示します。JMP 出力に基づくと、二次効果は最適な全体モデルにほとんど影響を与えないようです。minitab がモデルの最も重要な要素を見つけるのにどのように役立つかはよくわかりませんが、モデルが過剰適合していないことを確認するには、ここから始めるのが良いかもしれません。
Re: 応答曲面 VS 混合物応答曲面こんにちは、ビルさん
はい、因子をカテゴリカルから連続因子に変更して結果を確認しましたが、表面応答に違いは見つかりませんでした。添付の図を参照してください。 あなたの質問に対して、Minitabはデフォルトオプションとして完全二次方程式で動作します。添付の図も参照してください。
よろしくお願いします
Re: 応答曲面 VS 混合物応答曲面できれば、何を追加したいですか@Dan_Obermillerと書いています。
JMP で最初にデータを分析するために使用した方法は、カテゴリ因子しかないため、minitab との公平な比較にはなりませんでした。カテゴリカル因子を使用して二次項または二乗項を推定することはできないため、応答曲面は存在しません。だからこそ、ダンは因子を継続的なものに変えようと言っていたのです。連続因子を使用すると、それらが実際に存在し、モデルにとって重要である場合、目的の二次推定を取得できます。minitab モデルの出力を見て、モデル内に二乗項があるかどうかを確認するとよいでしょう。それがあれば、最初に見たモデルの違いを説明するのに役立ちます。
あなたがシェアした最後の画像は、ダンという人物に近づいているように見えました。
HTH
明細書
Re: 応答曲面 VS 混合物応答曲面こんにちは。テーブルとフィードバックをありがとうございます。 アップロードしていただいたテーブルと画像を確認しましたが、RMS テーブルの実験を開発するのに技術的な問題がいくつかありました。 単純に、O で示されるツールが 1 を超えることができないためです。 それは私たちに課せられた制限です。 私たちは以前にスクリーニングを開発し、運用パラメータを安定させました。 実際、私たちはすべての実験を開発し、データを分析して標準化された効果のパレート図を作成し、ANOVA を作成してどのパラメーターが最も重要な効果を持っているかを確認したいと考えています。 JMP Excel ツールはまだ試していません。Fit モデルが十分に強力だと思っていたからです。 しかし、まだ疑問があります。
これはどういう意味ですか。「それらを離散として指定する唯一の理由は、特定のレベルを設計に強制的に組み込むためです。 本当にそれを行いたい場合は、高次モデルを指定するか、離散数値オプションを使用してください。」
モデルの適合オプションで係数 RS をどのように取得しましたか?
最後にラスポイントを奪い返し、
「JMP は、特定の実行テーブルに一致させるためではなく、可能な限り最適に設計された実験を作成するように設計されていることに注意してください。 実行表は最良の選択ではない可能性があります。 JMP に Excel テーブルと一致するテーブルを「作成」させる唯一の方法は、DOE > Classical > Full Factorial を使用することです。 すべての要素を指定して計画を作成します。 その後、不要な組み合わせを手動で削除する必要があります。 最後の部分は手動で行う必要があることに注意してください。その組み合わせを行わないと、完全な要因計画を実行したことにはならないからです。 そのため、JMP はその設計を自動的に構築しません。 それがカスタム デザインの目的です。実際には適切ではないデザインを無理に適合させようとするのではなく、特定の状況に合わせたデザインを作成することです。」
実際、私はこの議論の初めにそうしましたが、例えば Minitab と結果を比較すると、結果が正しくないことがわかりました。しかし、DOE とモデルを一致させるだけだとあなたが言ったことを思い出しました。
よろしくお願いします、良い一日をお過ごしください
Re: 応答曲面 VS 混合物応答曲面ファイルを提供していただきありがとうございます。 これは非常に役立ちます。
まず、Excel ファイルを複製しなければならないと述べています。 その場合は、計画された実験を作成することにあまり興味がありません。 Excel シートで特定のトライアルを実行することに興味があります。 Excel テーブルを JMP で開き、トライアルを実行し、応答を入力して分析してみませんか?
JMP はその実行テーブルよりも優れたパフォーマンスを発揮できるため、JMP を Excel テーブルと一致させるのは常に困難です。
あなたのテーブルから見えたいくつかの問題:
係数を指定するとき、その係数が連続的な場合 (刃当たりの送り、切削速度、切削幅など)、その係数をカテゴリ的ではなく連続的なものとして指定します。 それらを離散として指定する唯一の理由は、特定のレベルをデザインに強制的に組み込むためです。 本当にそれを行いたい場合は、高次モデルを指定するか、[離散数値] オプションを使用します。
因子を連続的にした場合 (ツール名を除く)、主効果のみのモデル (添付の計画) に対して 45 回の実行計画を作成しました。 次に、JMP で生成されたカスタム設計を Excel の表と比較しました。 JMP カスタム設計は、モデルのすべての項において同等以上の検出力を持っていました。 JMP 設計は、設計領域の大部分において Excel テーブルよりも予測分散が低かった (さらに悪いことに、予測分散は非常に近かった)。 結果を画像として添付しました。 要するに、より優れた設計が存在する場合、JMP は劣った設計を提供することはありません。
JMP を使用してこの方法で計画を作成すると、因子は 2 つのレベルに制限されます。 実験は効率を重視します。 目的のモデルを見積もるには、できるだけ少ない試行を行ってください。 次に、モデルを使用して最適な設定を決定します。 プロセスを最適化するためにグリッド内のすべての組み合わせを試す必要はありません。 このアプローチでは、主効果モデルのみを指定しているため、連続因子のいずれにも 2 水準を超える必要はありません。 2 つ以上のレベルで実験を行うのは無駄です。
なぜ 3 番目のレベルにこだわるのでしょうか? 多くの場合、それは曲線的な応答を期待しているためです。 したがって、曲率の推定に使用するモデルは応答曲面モデルです。 JMP で、[RSM] ボタンをクリックして応答曲面モデル (JMP RSM Design として添付された設計) を取得しました。 二次効果を推定するために必要なため、これにより 3 番目のレベルが強制されます。 次に、この 45 回のカスタム RSM 設計を Excel の表と比較しました。 繰り返しますが、JMP カスタム RSM 設計は、添付の図に示すように優れています。
JMP は、特定の実行テーブルに一致させるためではなく、可能な限り最適に設計された実験を作成するように設計されていることに注意してください。 実行表は最良の選択ではない可能性があります。 JMP に Excel テーブルと一致するテーブルを「作成」させる唯一の方法は、DOE > Classical > Full Factorial を使用することです。 すべての要素を指定して計画を作成します。 その後、不要な組み合わせを手動で削除する必要があります。 最後の部分は手動で行う必要があることに注意してください。その組み合わせを行わないと、完全な要因計画を実行したことにはならないからです。 そのため、JMP はその設計を自動的に構築しません。 それがカスタム デザインの目的です。実際には適切ではないデザインを無理に適合させようとするのではなく、特定の状況に合わせたデザインを作成します。
実験計画法に関するクラスを受講したり、Goos and Jones 著の『最適な実験計画法』の本を読んだりして、計画作成についてさらに理解を深めるとよいでしょう。 これがお役に立てば幸いです。
Compare JMP Design to Excel TableCompare JMP Design to Excel TableJMP デザインと Excel テーブルの比較
Compare JMP RSM Design to Excel TableCompare JMP RSM Design to Excel TableJMP RSM 設計と Excel テーブルの比較
Re: 応答曲面 VS 混合物応答曲面OK、2 つのデータ テーブルを添付してください。1 つは Excel で作成したもので、JMP などの統計ソフトウェアを使用して複製して評価する必要があります。もう 1 つは、JMP で作成された間違ったカスタム データ テーブルです。 複製ボックスに 0 を入力しました。以前投稿したパラメータの画像にあると思います。 以前のメールで述べたように、私の目標は Excel DOE を複製して評価することです。 私に何ができる？ いくつかのテストを行ったところ、JMP で問題を解決できるものを見つけることができました。 そして、はい、その通りです。 カスタム設計には完全階乗のオプションはありませんが、制限 DOE 評価を使用するために階乗の順序を逆にしたため、そうしました。
Besr よろしく、良い一週間をお過ごしください
Re: 応答曲面 VS 混合物応答曲面アーチー、
画像を共有する代わりに、JMP データ テーブルを共有する必要があります。 これには、どこで問題が発生しているかを判断するために必要な情報が含まれます。 提供していただいたキャプチャからは、実行が複製されていることに気づきませんでした (すべての行を詳細に調べたわけではありません)。 ただし、存在する場合、それはカスタム設計アルゴリズムが、新しい設計点よりも特定の試行を繰り返す方がモデルの推定に有益であると判断したためです。 カスタムデザインは、指定したモデルに基づいてデザインを選択します。 つまり、スクリーン キャプチャの 1 つでは、主効果モデルのみが指定されており、相互作用はありません。 そのモデルの場合、45 回の試行は必要ありませんが、それだけ多くの試行を要求したため、JMP は一部の実行を繰り返す可能性があります。
また、「カスタム設計で完全な階乗オプションを指定した場合」にこのような繰り返しが発生するとも述べました。 カスタム設計には「完全要因オプション」はありません。
Re: 応答曲面 VS 混合物応答曲面カスタム設計の完全階乗のオプションでも、重複した値が得られました。 その理由を教えていただけますか?
Re: 応答曲面 VS 混合物応答曲面更新情報: 3 つの要素であっても、いくつかの繰り返しパラメーターがあります。 繰り返し値をブロックする方法はありますか? アップロードされた写真
3 factors3 factors3つの要素
Re: 応答曲面 VS 混合物応答曲面更新情報: 3 つの要素であっても、いくつかの繰り返しパラメーターがあります。 繰り返し値をブロックする方法はありますか? アップロードされた写真
3 factors3 factors3つの要素
Re: 応答曲面 VS 混合物応答曲面こんにちは、チュートリアルを読んで作成しました。許可されていない組み合わせでカスタムデザインを作成しました。正直に言うと、重複した値が含まれ、時にはいくつかの値が欠落している奇妙なテーブルが表示された理由がわかりません。tooとカット幅の組み合わせをテストしたところ、うまく機能しました。その後、ツールを試しました、切断幅と切断速度も問題ありませんでしたが、4つを一緒に実行すると、大惨事が始まり、重複した値といくつかの欠落した値が見つかりました。 すべてのパラメータとテーブルを投稿する理由を教えてください。私を手伝ってくれますか？
よろしくお願いします
DOEDOEエネルギー省
ParametersParametersパラメーター
Re: 応答曲面 VS 混合物応答曲面完全な要因計画を完了できないため、完全な要因計画は必要ありません。 許可されていない組み合わせを含むカスタム デザインを選択することをお勧めします。 [ヘルプ] メニューの [書籍] セクションにある実験計画ガイドを参照してください。
また、これらの組み合わせをすべて実行するわけではないため、工具と切削幅の間の相互作用を推定することはできないことにも注意してください。 この項はモデルに含めるべきではありません。
Re: 応答曲面 VS 混合物応答曲面更新された情報: 前の電子メールに関連して、DOE を 2 つの完全な階乗に分割しました。1 つの DOE はカット幅 1 で、もう 1 つは 4.3 です。私の応答を DOE モデルに適合させるためにこれを実行し、カット幅 1 の次の結果ですが、その応答にも興味があるため、機能しません
FirstFirst初め
Result 2Result 2結果 2
ResultResult結果
Re: 応答曲面 VS 混合物応答曲面希望どおりに DOE を取得するにはどうすればよいですか?もう少し詳しく説明します。機械加工パラメータを使用しているので、工具が 3 つあります。そのうち 2 つは例 1 と 5 の条件で切削可能ですが、1 つの工具は特殊なケースであり、1 でしか切削できません。それが理由でした。 1 つのツールのみについて、完全な階乗から 5 の部分を遅らせるだけです。 この特性を備えた DOE を開発するにはどうすればよいですか?
よろしくお願いします
Desired DOEDesired DOE望ましいDOE
Re: 応答曲面 VS 混合物応答曲面完全な階乗を設計しましたが、完全な階乗は完了していません。 それが混乱を招く結果につながる可能性があります。 一部の実行が完了していないことは、カスタム設計と同等ではありません。 ご指定の機種に最適なカスタム設計を行います。 試行の一部が欠けていると、実際には一部のモデル項が推定できなくなる可能性があります。
モデル ウィンドウに関する混乱は、データを理解していなければ解決できません。
最初の投稿で述べたように、混合応答曲面モデルは混合因子がある場合にのみ使用されます。 あなたの状況には当てはまらないので無視して構いません。 これを使用すると、基本的に、モデルのすべての数学と解釈を完全に変更する、切片のないモデルをフィッティングすることになります。 使用しないでください。
パレート画面キャプチャから、最後の項はテストされていないように見えます (効果の欠損値)。 このことから、実行が不足しているため、希望するモデルを当てはめることができないのではないかと私は考えています。 JMP レポートに「特異点の詳細」部分が表示されますか? もしそうなら、私は正しいです。 データから推定できるモデルを構築する必要があります。
最後に、JMP のデフォルトの応答曲面モデルは、完全要因計画に関連付けられたモデルであるため、デフォルトになります。 その完全な設計を実行したわけではありません。 したがって、モデルは正しくない可能性があります。 デザインを変更した場合、モデルを変更する必要があるのは、これらのことが両立するためです。
Re: 応答曲面 VS 混合物応答曲面完全な階乗を実行しましたが、実験では 1 つのパラメータが役に立たなかったので、一部をカットしました。 これはカスタマイズされた DOE に似ており (私の DOE は完全階乗 3x2x3x3=54 テストですが、私は 45 でした)、JMP で作成されました。 私の疑問はモデルのフィットのセクション、より具体的にはモデル効果の構築の部分にあります。図を参照してください。 デフォルトのオプションは応答曲面ですが、明らかに結果は Minitab とは異なるため、プレイを開始したところ、混合応答曲面が最も近い結果であることがわかりました。私の質問は、なぜそうなるのかということです。 両方の違いは何ですか? 私のデータを送信するための電子メールはありますか?
Fit Model DialogFit Model Dialog「モデルの適合」ダイアログ
Re: 応答曲面 VS 混合物応答曲面いくつかの点で少し混乱しています。
どのようなデザインになったのか説明してください。 JMP で作成されましたか?
ミックスデザインだったのでしょうか？ 混合計画には、因子の一部またはすべての合計が特定の量 (通常は 1) になるという制約があります。 そうでない場合は、混合応答曲面オプションを無視してください。
データを共有していただけないでしょうか？
また、いくつかの回答があったことから、JMP Fit Model ダイアログには、ダイアログ ボックスの Y ロールにリストされている回答がすべて含まれていたのではないかと推測しています。 この場合、表示される効果概要表には、実際には、すべての応答にわたる各モデル項の最低の p 値がリストされます。 （よくある混乱点）。
このディスカッション掲示板の人々は喜んでお手伝いしますが、お手伝いするにはさらに詳しい情報が必要です。
