Superficie de respuesta VS Superficie de respuesta de la mezclaHola caballeros,
Escribo porque estoy un poco confundido con las opciones que hay en JMP. Estoy tratando de evaluar un DOE y la construcción del modelo. Efecto. Hay varias opciones, como la superficie de respuesta, que es la predeterminada, pero hice una comparación con Minitab y encontré resultados diferentes entre ambos softwares, pero creo que el resultado de Minitab es el bueno. porque es más de acuerdo con los gráficos de factores que tengo anteriormente, así que comencé a jugar un poco con la opción y encontré que la superficie de respuesta mixta era la más cercana. ¿Por qué está pasando esto? Traté de encontrar más información sobre eso en el tutorial de JMP y falta información.
Nota: mi DOE está construido por 4 factores y tengo varias respuestas
Atentamente
FactorialFactorialFactorial
ParetoPareto Pareto
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola Archi,
Debido a que puede encontrar la validación cruzada de k-fold en prácticamente todas las plataformas de modelado, sería mejor investigarlo por su cuenta.Puede buscar la ayuda de JMP o buscar a través de Google (JMP de validación cruzada k-fold) y verá varios enlaces para obtener información y algunos videos útiles de YouTube también.
Mejor,
Factura
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola Billy,
No estoy usando JMP pro, ¿dónde puedo encontrar más tutoriales sobre Validación cruzada de K-fold en JMP? no sé cómo puedo modificar k-fold?
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola Archi,
Con JMP, hay muchas formas de configurar la validación cruzada para ayudar a evitar el sobreajuste de su modelo.Casi todas las plataformas dentro de JMP permiten la validación cruzada de K-fold.Si tiene un conjunto de datos más pequeño, use un pliegue k para el número de muestras (filas) en su conjunto de datos.Por ejemplo, si tiene 20 filas, establezca su k-fold en 20. Esto también se denomina validación cruzada de dejar uno fuera.
Si está usando JMP Pro, puede usar una columna de validación y otra opción sería permitir que JMP seleccione aleatoriamente hasta el 20 % de sus datos y luego oculte y excluya los datos seleccionados para usarlos como un conjunto reservado para probar la capacidad predictiva. de tu modelo
El sobreajuste es un problema real para muchos modelos predictivos.Verifique sus valores p para cada parámetro.Con JMP, el valor p predeterminado para las variables que son importantes para el modelo es 0,05. Cualquier cosa por encima de ese valor es sospechosa y debe comprobar la capacidad predictiva del modelo con y sin variables que tengan un valor p superior a 0,05.
Otro signo revelador de que podría estar sobreajustado es si sus valores ajustados de R-cuadrado y R-cuadrado son significativamente diferentes entre sí.Esos dos valores probablemente estarán bastante cerca si el modelo no está sobreajustado.Hay varias otras formas de verificar el sobreajuste, pero lo anterior debería ayudarlo a decidir si JMP o minitab le brindan el mejor modelo predictivo.
Espero que esto ayude.
Mejor,
Factura
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola Bill,
Tienes un buen punto allí. ¿Cómo puedo saber cuándo un sistema está sobreajustado y cuándo no? Yo tampoco, no sé cómo lo hace minitab. Dije en el correo anterior. Acabo de seleccionar los parámetros predeterminados que se describen en el toturial. Estoy de acuerdo con usted en algunos momentos, pero el problema que no puedo solucionar es que tengo algunos parámetros que JMP no evalúa, como el ancho de corte, o parece no ser significativo. Por otro lado, minitab pone este factor como significativo. es 180 grados de diferencia.
Atentamente
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaGracias por las imágenes y parece que es muy probable que se encuentre en una situación de ajuste excesivo con su modelo de minitab.El resumen del efecto JMP muestra los factores que son más importantes y activos en el modelo según el valor p y el valor logworth.Según la salida de JMP, los efectos cuadráticos parecen tener poca influencia en el mejor modelo general.No estoy familiarizado con la forma en que minitab ayuda a encontrar los factores más importantes para sus modelos, pero ese podría ser un buen punto de partida para asegurarse de que su modelo no esté sobreajustado.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola Bill,
Sí, modifiqué mis factores de categóricos a continuos y vi los resultados, pero no pude encontrar ninguna diferencia en la respuesta de la superficie, vea la imagen adjunta. A su pregunta, Minitab está trabajando en forma cuadrática completa como opción predeterminada, vea también la imagen adjunta.
Atentamente
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaSi se me permite, me gustaría añadir a lo que @Dan_Obermiller ha escrito.
El método que usó para analizar primero sus datos en JMP no fue una comparación justa con minitab porque solo tenía factores categóricos.No puede estimar términos cuadráticos o cuadrados con factores categóricos, por lo que no hay una superficie de respuesta.Es por eso que Dan decía cambiar los factores a continuos.Con factores continuos, puede obtener las estimaciones cuadráticas deseadas si realmente existen y son importantes para el modelo.Sería bueno ver el resultado de su modelo de minitab para ver si hay términos cuadrados en su modelo.Si los hay, eso ayudaría a explicar la diferencia en los modelos que vio inicialmente.
La última imagen que compartiste parecía que te estabas acercando a lo que era Dan.
HTH
Factura
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola, gracias por sus tablas y sus comentarios. Revisé las tablas e imágenes que subiste y tengo algunas dificultades técnicas para desarrollar los experimentos de la tabla RMS. Simplemente porque la herramienta señalada por O no puede exceder más de 1. Es una restricción que tenemos. Desarrollamos un cribado previo y establecimos los parámetros de funcionamiento. De hecho, desarrollamos todos los experimentos y buscamos analizar los datos y tener un gráfico de Pareto de efecto estandarizado y hacer el ANOVA y ver qué parámetros tienen el efecto más significativo. Todavía no he probado la herramienta JMP Excel porque pensé que el modelo Fit era lo suficientemente potente como para hacerlo. Sin embargo, todavía tengo alguna pregunta.
¿Qué quiso decir con eso? La única razón para especificarlos como discretos es FORZAR ciertos niveles en el diseño. Si realmente quiere hacer eso, especifique un modelo de orden superior y/o use la opción Numérica discreta”
¿Cómo obtuvo el factor RS en la opción de modelo de ajuste?
Finalmente, retomando el último punto,
“Recuerde que JMP está diseñado para crear el experimento mejor diseñado posible, no para coincidir con una tabla específica de ejecuciones. La tabla de carreras puede no ser la mejor opción. La única forma de que JMP "cree" una tabla que coincida con la tabla de Excel es usar DOE > Clásico > Factorial completo. Especifique todos los factores y cree el diseño. Luego debe eliminar manualmente la combinación no deseada. Tenga en cuenta que la última pieza debe ser manual porque si no hace esa combinación NO está ejecutando un diseño factorial completo. Es por eso que JMP no construye ese diseño automáticamente. Ese es el propósito del diseño personalizado: crear diseños para su situación específica en lugar de intentar forzar un diseño que no es realmente apropiado”.
De hecho, hice eso al comienzo de esta discusión y encontré que los resultados no son correctos si comparo los resultados, por ejemplo, con Minitab; sin embargo, recordé que me dijiste que solo emparejaba el DOE con el modelo.
Un saludo y que tengas un buen día.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaGracias por proporcionar los archivos. Esto ayuda enormemente.
Primero, indica que DEBE replicar el archivo de Excel. Si ese es el caso, no está realmente interesado en crear un experimento diseñado. Está interesado en ejecutar los ensayos específicos en la hoja de Excel. ¿Por qué no simplemente abrir la tabla de Excel en JMP, ejecutar esas pruebas, ingresar las respuestas y analizar?
SIEMPRE tendrá dificultades para que JMP coincida con su tabla de Excel porque JMP puede hacerlo mejor que esa tabla de ejecuciones.
Algunos problemas que vi de su mesa:
Al especificar sus factores, si el factor es continuo (como Avance por diente, Velocidad de corte y Ancho de corte), especifique ese factor como continuo en lugar de categórico. La única razón para especificarlos como discretos es FORZAR ciertos niveles en el diseño. Si realmente desea hacer eso, especifique un modelo de orden superior y/o use la opción Numérico discreto.
Cuando hice que los factores fueran continuos (excepto el nombre de la herramienta), creé un diseño de 45 ejecuciones para el modelo de efectos principales únicamente (diseño adjunto). Luego comparé el diseño personalizado generado por JMP con la tabla de Excel. El diseño personalizado de JMP tenía una potencia equivalente o mejor en todos los términos del modelo. El diseño de JMP tenía una varianza de predicción más baja que la tabla de Excel para la gran mayoría del espacio de diseño (y donde era peor, estaba extremadamente cerca). Adjunto el resultado como imagen. La conclusión es que JMP no le dará un diseño inferior si existe un mejor diseño.
Crear el diseño de esta manera con JMP limita los factores a dos niveles. La experimentación tiene que ver con la EFICIENCIA. Haga la menor cantidad de intentos posible para estimar su modelo deseado. Luego usa el modelo para determinar la configuración óptima. No necesita probar todas las combinaciones en una cuadrícula para optimizar un proceso. Con este enfoque, debido a que solo estaba especificando un modelo de efectos principales, no hay necesidad de más de dos niveles para ninguno de los factores continuos. Realizar experimentos en más de dos niveles es un desperdicio.
¿Por qué insistir en un tercer nivel? Muchas veces es porque esperas una respuesta curva. Entonces, el modelo a usar para estimar la curvatura es un modelo de superficie de respuesta. En JMP, hice clic en el botón RSM para obtener un modelo de superficie de respuesta (diseño adjunto como JMP RSM Design). Eso forzará un tercer nivel porque es necesario para estimar un efecto cuadrático. Luego comparé este diseño RSM personalizado de 45 ejecuciones con la tabla de Excel. Una vez más, el diseño RSM personalizado de JMP es superior, como se muestra en la imagen adjunta.
Recuerde que JMP está diseñado para crear el experimento mejor diseñado posible, no para coincidir con una tabla específica de ejecuciones. La tabla de carreras puede no ser la mejor opción. La única forma de que JMP "cree" una tabla que coincida con la tabla de Excel es usar DOE > Clásico > Factorial completo. Especifique todos los factores y cree el diseño. Luego debe eliminar manualmente la combinación no deseada. Tenga en cuenta que la última pieza debe ser manual porque si no hace esa combinación NO está ejecutando un diseño factorial completo. Es por eso que JMP no construye ese diseño automáticamente. Ese es el propósito del diseño personalizado: crear diseños para su situación específica en lugar de intentar forzar un diseño que no es realmente apropiado.
Es posible que desee tomar una clase sobre diseño de experimentos o tal vez consultar el libro Optimal Design of Experiments de Goos y Jones para obtener más información sobre la creación de diseños. Espero que esto haya sido útil.
Compare JMP Design to Excel TableCompare JMP Design to Excel TableCompare el diseño JMP con la tabla de Excel
Compare JMP RSM Design to Excel TableCompare JMP RSM Design to Excel Table Compare el diseño de JMP RSM con la tabla de Excel
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaDe acuerdo, adjunte las dos tablas de datos, una que hice en Excel que debo replicar y evaluar usando un software estadístico como JMP y la tabla de datos personalizada que hizo JMP y es incorrecta. Puse 0 en el cuadro de réplica y creo que está en la imagen de los parámetros que publiqué antes. Como dije en correos electrónicos anteriores, mi objetivo es replicar y evaluar el DOE de Excel. ¿Qué puedo hacer? Hice varias pruebas y, sin duda, pude encontrar algo que pueda resolver mi problema en JMP. Y si tienes razón. No hay opción para el factorial completo en el diseño personalizado, pero lo hice porque invertí el orden de mis factoriales para usar la evaluación de restricción DOE
Besr saludos y que tengas una buena semana.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaarchy,
En lugar de compartir imágenes, debe compartir las tablas de datos de JMP. Eso tendrá la información necesaria para determinar dónde podrían estar yendo mal las cosas. De las capturas que ha proporcionado, no noto ejecuciones replicadas (no revisé cada línea en detalle). Sin embargo, si los hay, es porque el algoritmo de diseño personalizado ha determinado que repetir ciertos ensayos es más informativo para estimar el modelo que un nuevo punto de diseño. Diseño personalizado elige el diseño en base al MODELO QUE USTED ESPECIFIQUE. Lo cual, en una de sus capturas de pantalla, solo tiene un modelo de efectos principales especificado, sin interacciones. Para ese modelo, no necesitaría 45 pruebas, pero dado que solicitó tantas, es probable que JMP repita algunas de las ejecuciones.
También afirmó que obtiene estas repeticiones cuando "especifica la opción factorial completa en el diseño personalizado". No existe una "opción factorial completa" en el diseño personalizado.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaIncluso en la opción de factorial completo en diseño personalizado, obtuve valores duplicados. ¿Podrías decirme por qué es?
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaInformación actualizada: incluso para tres factores, tengo algunos parámetros repetidos. ¿Hay alguna forma de bloquear los valores repetidos? Imagen cargada
3 factors3 factors3 factores
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaInformación actualizada: incluso para tres factores, tengo algunos parámetros repetidos. ¿Hay alguna forma de bloquear los valores repetidos? Imagen cargada
3 factors3 factors3 factores
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHola, leí el tutorial e hice un diseño personalizado con una combinación no permitida y, sinceramente, no sé por qué me dio una tabla extraña con algunos valores duplicados y, a veces, con algunos valores perdidos. Probé la combinación de también y ancho de corte y funciona bien, luego probé la herramienta. , ancho de corte y velocidad de corte y también estuvo bien: sin embargo, cuando hice los 4 juntos, comenzó el desastre y encontró algunos valores duplicados y algunos valores perdidos. ¿Podría decirme por qué, publico todos mis parámetros y la tabla? ¿usted me podría ayudar por favor?
Atentamente
DOEDOEGAMA
ParametersParameters Parámetros
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaNo querrías un diseño factorial completo porque no podrías completarlo. Un diseño personalizado con una combinación no permitida sería una mejor opción. Debe consultar la guía de diseño de experimentos en la sección Libros en el menú Ayuda.
También tenga en cuenta que no podrá estimar la interacción entre la herramienta y el ancho de corte porque no ejecutará todas esas combinaciones. Ese término no debería estar en su modelo.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaInformación actualizada: en relación con el correo electrónico anterior, dividí mi DOE en dos factoriales completos, uno DOE con un ancho de corte de 1 y el otro con 4.3, hice esto para ajustar mi respuesta con el modelo DOE y obtuve el siguiente resultado para un ancho de corte 1 pero no funciona porque también estoy interesado en esa respuesta
FirstFirstPrimero
Result 2Result 2 resultado 2
ResultResult Resultado
Re: Superficie de respuesta VS Superficie de respuesta de la mezcla¿Cómo puedo obtener mi DOE como quiero? déjame explicarte mejor, estoy trabajando con parámetros de mecanizado, así que tengo tres herramientas, dos de ellas son capaces de cortar en tus condiciones, ejemplo 1 y 5, pero una herramienta es un caso especial, por lo que solo puede cortar en 1, esa fue la razón solo elimino la parte de los 5 del factorial completo para una sola herramienta. ¿Cómo puedo desarrollar un DOE con estas características?
Atentamente
Desired DOEDesired DOEDOE deseado
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaUsted diseñó un factorial completo, pero no completó un factorial completo. Eso podría estar conduciendo a sus resultados confusos. No completar algunas carreras NO equivale a un diseño personalizado. Los diseños personalizados son óptimos para el modelo que se especifica. Omitir algunos de los ensayos puede conducir a que algunos términos del modelo no sean estimables.
La confusión con la ventana del modelo no se puede responder sin comprender los datos.
Como dije en mi primera publicación, un modelo de superficie de respuesta de mezcla debe usarse solo cuando tiene factores de mezcla. Puede ignorarlo porque no se aplica a su situación. Si lo usa, esencialmente estará ajustando un modelo sin intersecciones que cambia por completo todas las matemáticas e interpretaciones de su modelo. No lo uses.
De la captura de pantalla de Pareto, parece que el último término no se está probando (un valor faltante para el efecto). Esto me lleva a creer que sus carreras faltantes no le permiten adaptarse al modelo que desea. ¿Ve una parte de Detalles de singularidad en su informe JMP? Si es así, entonces estoy en lo correcto. Necesita construir un modelo que sus datos le permitan estimar.
Y finalmente, el modelo de superficie de respuesta predeterminado en JMP es el predeterminado porque es el modelo asociado con su diseño factorial completo. No ejecutó ese diseño completo. Por lo tanto, es probable que el modelo no sea correcto. Cambiaste el diseño, necesitas cambiar tu modelo porque esas cosas van juntas.
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaHizo un factorial completo pero corté una parte porque un parámetro era inútil en mi experimento. Es más como un DOE personalizado (Mi DOE es una prueba factorial completa de 3x2x3x3=54 pero hice 45) y fue creado en JMP. Mi duda está en el apartado de Ajustar modelo y más concretamente en el apartado de construir modelo efecto, ver foto. La opción predeterminada es la superficie de respuesta, pero aparentemente el resultado es diferente al de Minitab, así que comencé a jugar y descubrí que la superficie de respuesta mixta es el resultado más cercano, mi pregunta es ¿por qué sucede eso? ¿Cuáles son las diferencias entre ambos?. ¿Tienes un correo electrónico para enviarte mis datos?
Fit Model DialogFit Model DialogCuadro de diálogo Ajustar modelo
Re: Superficie de respuesta VS Superficie de respuesta de la mezclaEstoy un poco confundido en varios aspectos.
Explique qué diseño se creó. ¿Fue creado en JMP?
¿Fue un diseño mixto? Un diseño de mezcla tiene la restricción de que algunos o todos los factores suman una cantidad específica, generalmente 1. Si este NO es el caso, ignore la opción de superficie de respuesta de mezcla.
¿Podrías compartir los datos?
También supongo que dado que tuvo varias respuestas, el cuadro de diálogo Ajustar modelo JMP tenía todas las respuestas enumeradas en el rol Y del cuadro de diálogo. Si este es el caso, entonces la tabla Resumen de efectos que muestra en realidad enumera el valor p MÁS BAJO para cada término del modelo EN TODAS LAS RESPUESTAS. (un punto común de confusión).
Las personas en este foro de discusión estarán felices de ayudar, pero necesitamos más detalles para poder ayudar.
