顧客向けのモデリングガイダンス電気メッキ実験を行っている（JMP Pro）のお客様から質問を受けました。 彼は、目標とする結果を達成するためのモデルを構築することを目的として、いくつかの入力を変えた実験計画を立てています。
彼は良い予測モデルを構築するのに苦労しています。 彼はモデルを使って新しいランを予測するとうまくいかないと言っています。
このモデルは、カップルポイントを削除すると、複雑さ（項の数）に関して非常に簡単に変更されるようです。
これは、彼のデータと彼のモデルとの一対一の相談から利益を得ることができる問題のように思えますが、彼が尋ねた非常に具体的なことはでした（私たちの変換から少し言い換えます） 「交差検証法がすでにこれを行っていることを認識しています…あります。実験的実行の可能なサブセットのそれぞれについてモデルを生成するための自動化された方法 。各モデルの項の数（およびどの項）を比較したいのですか。」
私の頭に浮かんだ質問は次のとおりです。
- あなたはモデルをあふれていますか？
- あなたの測定システムは良いですか？（彼はそれがあると思います）
- 正確に入力をコントロールできますか？
私が尋ねなければならないその他の質問は何ですか？どのように私はこの顧客に役立つことができますか？
前もって感謝します！
顧客のためのモデリングガイダンス自分の投稿に返信しています。さらなる証拠私は決して人気の子供ではありませんでした...
とチャットしました @tom_donnelly 私の回答をここにクライアントに投稿したいと思いました。
「あなたの挑戦を説明するために私と一緒に時間を過ごしてくれてありがとう。
私はJMP技術コミュニティでいくつかのアウトリーチをしました、そしてあなたの質問への短い答えをしました。実験的な実行の可能なサブセットのそれぞれについてモデルを生成するための議論された方法 「いいえ」
しかしながら、私はあなたの役に立つかもしれない私の議論のいくつかにおいていくつかのアドバイスを受けました。
私はあなたがデザインされた実験からのデータを扱っていると思います、正しいですか？カスタムデザインを使用しましたか？エラーのためにいくつのランがありましたか？
これが事実であるならば、あなたが設計した実験は…あなたが仮定したモデルに合うように倹約的な一連の実行である（あなたが多くの複製を持っていない限り）。 設計は可能な限り少ない実行回数で質問（あなたが指定した仮定モデル）に答えるように作成されているため、モデルはその性質上、実行ごとに収集されたデータに非常に敏感になります。 あなたのモデルが追加の "テスト/検証"実行に適していない場合は、元の設計に追加して高次モデルに合わせるのが理にかなっているかもしれません。 もちろん、モデルは他の理由でもうまく予測できないかもしれません（例えば、あなたが制御していないことが重要な要素があります、あなたの入力を制御するのは難しいです、測定システムはたくさんのノイズを持っています、等。）
私はあなたが追加の実行であなたのモデルを作り直すと言ってあなたを思い出します。 あなたのオリジナルデザインに加えてこれらのランはありましたか？それとも、実験からデータを収集しているときにモデルをフィットさせていましたか。
答えが後者の場合（これをしている実際的な理由はありますか？） - あなたはあなたのデザインをブロックすることを検討することができます。 たとえば、実行の最初のセット（最初のブロック）は主な効果を推定することです。 第２組の実行は、相互作用項などを推定することであり得る。 そのように - 彼らが完全なモデルを推定しているように、実行は各ブロックで準備されます。
あなたがさらに議論したいかどうか私に知らせてください。」
@tom_donnelly また、顧客はモデルの構築に変換が関連する可能性があるかどうかを検討する必要があるかもしれないと述べましたが、私はそれを私のEメールで言及しませんでした（チャットが開始されるまで待ちます）。
顧客のためのモデリングガイダンス私はこれに対するトムの答えが好きです。私はそれが最高だと思います。ただし、それ以上の実行に時間や予算がない場合は、過去の生活の中でDOEデータに関するより予測的なモデルを取得するためにGeneralized Regressionを使用したこともあります。Peter Hershは私と素晴らしいJMP Proデモを共有しました。それは私がしたことにとても近いものです。ピート、私はあなたにこれをぶつけてもいいですか？
顧客のためのモデリングガイダンスこんにちはウェンディ、
私はJasonが話している例のために私のジャーナルを添付しました。 彼らがDSDを実行し、予測モデルを構築しようとしているのも非常によく似た状況です。 Stepwiseを使用して最小二乗法（標準JMP）を適用すると、非常に過剰なモデルになり、予測が困難になります。 GenRegを使えば、それははるかにうまく機能します。 来週私は町の外にいるので、もっとよく説明することができますが、スクリプトはすべてデータテーブルに保存されています。 それはGenRegと対比して良いケースです。ステップワイズ/最小二乗法 これが役に立つことを願っています。
顧客のためのモデリングガイダンスこの実験に混合因子が含まれているかどうかを確認する価値があります。もしそうなら、私たちはちょうどプロセス因子を含む実験のためにするようにモデルを単純化しようとしてはいけません。代わりに、デザインモデルを使用して予測を試してみてください。
ベスト、
マルコム
顧客のためのモデリングガイダンスありがとうございました！
