Holistique (ou Data Driven DOE)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Nous avons créé une démonstration DOE holistique pour une journée JMP et apprécierions commentaires et modifications pour l'amélioration. L'objectif principal est d'illustrer la valeur de JMP Pro utilisant la forêt d'amorçage vs JMP utilisant l'imputation et la sélection pas à pas méthodes de sélection de variables pour faciliter la conception de la prochaine expérience. Cela construit sur quelques démos développées récemment par Phil Kay. Veuillez décompresser le zip ci-joint déposer et ouvrir la revue Holistic DOE Case Study. Ouvrez la production désordonnée Aperçu des données pour voir le flux de la démonstration DOE holistique :
- Modélisation statistique : mélange d'EDA, de statistiques et d'expérience
- Des données désordonnées compliquent le problème et le contour Problème des X corrélés présente un ensemble de données créé par Phil avec un Y et deux X hautement corrélés montrant que les méthodes traditionnelles par étapes sélectionnent un X vs Bootstrap Forest en sélectionnant les deux X comme ayant potentiellement un impact sur le Y.
- Le plan holistique du DOE s'appuie ensuite sur les deux premiers plans avec des données désordonnées anonymisées de l'exemple de bandes. Il s'agit d'un échantillon aléatoire de lignes avec des colonnes anonymisées de l'exemple de bande. Il s'agit d'un échantillon de seulement 20 lignes pour essayer d'imiter le taille des données qui pourraient être typiques en R&D. Après avoir cliqué sur les premières données lien le reste des liens donnent le flux de démonstration pour illustrer l'étendue de données manquantes, corrélation des X continus, puis comparaison des variables X sélectionnées par régression pas à pas, régression pas à pas avec imputation, arbre de décision avec information manquante qui est également une méthode de sélection de variables pas à pas, et forêt d'amorçage avec informations manquantes. Forêt bootstrap avec information manquante donne une plus grande liste de X potentiels qui peuvent avoir un impact sur Y et donne donc une plus grande assurance que nous ne manquons pas un X important. À ceci point il peut être utile de résumer l'histoire d'AB Agri (sans attribuer problème/solution à AB Agri) : Un développeur et producteur leader de l'aliment a gaspillé un cycle de R&D en manquant un X important lors de la sélection un ensemble de X corrélés en utilisant des méthodes traditionnelles de sélection par étapes. Cette signifiait qu'ils devaient répéter un cycle de R&D à grands frais, étaient six mois de retard sur le marché, ce qui a entraîné une perte de ventes et une réduction du marché occasion. Ils évitent maintenant de répéter ce problème en utilisant la forêt Bootstrap et les méthodes de sélection de variables connexes qui identifient tous les X potentiels à partir d'un ensemble de X corrélés, que certaines de vos cellules de données soient ou non manquant.
- Le sous-contour DSD effectue ensuite un DSD sur les six variables sélectionnées par la forêt bootstrap et via des méthodes de sélection par étapes (qui est maintenant valide en raison de la structure de corrélation nulle ou proche de zéro des effets du modèle) aboutit à un modèle impliquant 5 des 6 facteurs. Si nous avions utilisé des méthodes de sélection de variables pas à pas (avec ou sans imputation manquante), nous aurions manqué 4 des 5 X importants et nous aurions eu besoin de cycles de développement supplémentaires, ce qui aurait augmenté le temps de mise sur le marché, le coût de développement et réduit l'opportunité de vendre le produit. tôt quand souvent une prime peut être facturée.
Ce serait formidable d'avoir des commentaires pour améliorer la brièveté, la simplicité, l'attrait de la démo…
Malcom
Re : Holistique (ou Data Driven DOE)Ceci est ma dernière version de la démonstration de pigment Holistic DoE (ou Data Driven DoE / 3D / D-cubed). L'original était un peu flou alors que, dans cette version, le modèle dérivé du DoE devrait bien s'adapter aux données historiques. Les données historiques ont été sélectionnées pour avoir un degré élevé de multi-colinéarité, ce qui fait que la modélisation par étapes manque des effets importants.
Veuillez demander si vous avez des questions sur l'histoire de l'étude de cas.
Salutations,
Phil
Re : Holistique (ou Data Driven DOE)Désolé pour le retard dans la publication de l'enregistrement ci-dessous.Super session Malcolm et Phil.Merci.
Chaudière à mandrin
_______________________________________________________________________
Votre enregistrement est maintenant disponible sur le site de service WebEx. Cliquez sur le lien ci-dessous
pour y jouer :
https://sasmeetings.webex.com/sasmeetings/lsr.php?RCID=8d822e09f2cc4a98a0300b360e65f3bd
Aperçu mensuel pour JMP SE's-20140908 1655-1
Lundi 8 septembre 2014 9 h 55, heure de San Francisco
1 h 10 min 5 s
* Vous pouvez transférer ce message à d'autres personnes pour leur permettre de lire le
enregistrement. *
-------------------------------------
Options additionelles
-------------------------------------
Pour modifier les informations d'enregistrement et les options de contrôle de lecture, cliquez sur le lien
sous:
https://sasmeetings.webex.com/sasmeetings/editrd.php?RCID=aa8a3762ac4e4141847ae0125251b5d9
Pour afficher plus d'options pour cet enregistrement, telles que le téléchargement, cliquez sur le lien
sous:
https://sasmeetings.webex.com/sasmeetings/viewrd.php?RCID=9667b157b1084061a492381aa18bab76
Pour afficher tous vos enregistrements WebEx Meeting Center, cliquez sur le lien ci-dessous :
https://sasmeetings.webex.com/sasmeetings/servicerds.php?SP=MC
http://www.webex.com
Re : Holistique (ou Data Driven DOE)
Salut,
J'ai joint un journal contenant uniquement l'étude de cas sur le broyage de pigments. Toutes les tables de données sont codées en script, vous ne devriez donc pas avoir besoin de fichiers supplémentaires. Je continuerai à affiner cela et accueillerais des suggestions d'amélioration.
J'ai testé cela sur un client aujourd'hui et ils semblaient très convaincus.
Salutations,
Phil
Re : Holistique (ou Data Driven DOE)Merci pour la présentation d'hier, les gars. Je pense que ce journal a beaucoup de potentiel. C'est simple et puissant à la fois et montre bien la valeur de Pro, même sur ces petits ensembles de données.
Pouvez-vous partager l'exemple de Phil lorsqu'il sera prêt pour commentaires et suggestions ? J'aimerais également expérimenter ces données.
Re : Holistique (ou Data Driven DOE)Je pense que c'est faisable en 45 minutes. Nous verrons aujourd'hui . Je ne serai pas là à la réunion SE, mais faites-moi savoir comment ça se passe.
Re : Holistique (ou Data Driven DOE)Nous avons un peu simplifié ces documents - un résultat DSD plus simple et du texte ajouté tout au long du journal pour guider les discussions, en particulier les sujets de conversation suivants qui pourraient motiver l'examen de Pro :
- Un mélange d'EDA, de méthodes statistiques et d'expérience est une combinaison efficace, mais est-elle à l'échelle ?
- Quels sont les risques associés à la sélection de variables à partir de X corrélés pour sélectionner les X pour la prochaine expérience ? Qu'en est-il lorsque vos X corrélés contiennent des variables catégorielles ?
- Comment extraire des informations utiles pour faciliter la sélection de variables lorsque des cellules manquantes entraînent des tableaux de données clairsemés ?
- L'efficacité du DOE dépend de la sélection du bon ensemble de X et de la plage sur laquelle faire varier vos X. Comment minimisez-vous le risque de sélectionner les mauvaises variables et les mauvaises plages de facteurs lors de la conception de la prochaine expérience ?
Malcom
Re : Holistique (ou Data Driven DOE)D'accord,
Voici ce que j'ai obtenu pour une version courte de 45 minutes.
- Il peut être bon d'utiliser les diapositives 14 à 19 avec la diapositive de titre pour réchauffer les choses et conclure.
- Vous n'aurez peut-être pas le temps pour l'exemple Mouldmat EDA.
- Ascombe Quartet est bon pour un mauvais ajustement et un bon échauffement pour un exemple de sur-ajustement. Je pense que vous auriez le temps pour cela et que cela correspond à l'idéologie EDA des résultats visuels et statistiques de JMP/approche de l'analyse des données, mais cela dépend du temps. Peut-être sauter ceci et faire un bref exemple de Moldmat ? Je préfère ascombe pour illustrer quelques points sur la fabrication/montage d'un modèle
- Faites certainement un exemple de sur-ajustement.
- Certainement Correlated X's (introduit également Pro)
- Limitez les exemples de données manquantes pour la partie Holistic DOE Example à une seule sortie/visuel. Le premier est bien. J'ai masqué les deux premières tables créées dans le script afin que seul le générateur de graphiques soit affiché. Je pense que c'est un visuel convaincant en soi et montre combien de données manquantes il y a
- Pour l'exemple holistique DOE, peut-être ignorer les parties centrales de l'ensemble de données imputées, sauf pour parler d'une autre façon de traiter les données manquantes, mais cela n'aide pas, mêmes problèmes qu'avant (échec de convergence/limite de réduction de moitié, etc., seulement quelques facteurs sélectionnés et un seul est vraiment significatif parmi ceux choisis). Ensuite, affichez l'arbre de décision avec des informations manquantes et Bootstrap. Je pense que l'utilisation du résumé de la sélection des variables dit tout et vous permet de ne pas afficher l'analyse des données imputées. Montrez le tableau de données avec l'imputation pour un exemple. Si vous avez le temps, montrez le même problème étape par étape.
- Je pense que votre exemple DSD simplifié fonctionnera et sera suffisamment simpliste.
- J'ai joint un PPT et un journal réduits avec les fichiers que vous m'avez envoyés (et la feuille de travail remplie DSD mise à jour).
J'espère que cela aide à rationaliser une partie de la démo.
Chris
Re : Holistique (ou Data Driven DOE)Merci Malcom,
Je passe au peigne fin maintenant avec l'objectif de 45 minutes maximum et l'inclusion des objectifs déclarés. Je supprimerais la partie PPT. La partie de Correlated X est une bonne démonstration de ce qui peut mal tourner, donc cela devrait rester. Je vais continuer à travailler dessus et je reviens vers vous.
Chris
Re : Holistique (ou Data Driven DOE)Salut chris,
Désolé pour la réponse lente, j'ai été sur la route. Il y a clairement trop de matériel ici pour une courte démo efficace et je recherche principalement des suggestions pour la réduire à une démo de 30 à 45 minutes pour essayer d'ouvrir les yeux des utilisateurs JMP existants travaillant en R&D sur le potentiel de Pro pour la sélection variable comme contribution à la conception de la prochaine expérience. Je n'ai pas eu le temps de documenter le flux de démonstration, mais vous obtiendrez certaines des idées principales à partir des liens vers les enregistrements Mastering JMP. Je suppose que le public cible n'est peut-être pas conscient des problèmes potentiels de :
Si un ou plusieurs de ces problèmes surviennent, à moins qu'un grand soin ne soit apporté à la sélection des variables, un sous-ensemble plus petit de X peut être sélectionné pour une expérimentation plus poussée avec pour conséquence un temps de développement total plus long qui peut avoir un impact monétaire important. Une partie de l'objectif est d'essayer d'éloigner les conversations de la fonctionnalité incrémentielle de Pro vers la valeur incrémentielle de Pro.
L'objectif est d'essayer de démontrer ces problèmes dans une démo d'une durée maximale de 45 minutes. Il a donc fallu beaucoup de travail pour réduire la démo actuelle afin d'atteindre cet objectif.
La démo Correlated Xs a été créée par Phil et il devrait s'en attribuer le mérite.
Malcom
Re : Holistique (ou Data Driven DOE)Salut Malcom,
J'y jette un œil maintenant. Quatre questions et deux commentaires pour l'instant :
Des questions:
- Quelle est la durée/le temps total pour toute la session ?
- Avez-vous un aperçu de ce que vous couvrez quand, pendant combien de temps et des éventuelles pauses ? (aide au réglage fin de la brièveté)
- Envisagez-vous de parcourir tout le power point pour préparer le terrain de l'atelier/de la journée ?
- Combien de temps prévoyez-vous de consacrer à l'exemple Mouldmat et quels sont les points clés que vous allez aborder ?
Commentaires:
- Je vois l'exemple du Quatuor Ansombe dans le Journal pour expliquer un peu les problèmes d'ajustement. Je remarque que cet ensemble de données existe également dans les exemples de données, mais avec une structure différente. Personnellement, j'aime celui de l'ensemble de données d'échantillon pour la brièveté de la description du problème, mais je souligne également que le graphique et les statistiques sont nécessaires pour voir correctement le problème, mais je suppose que cela dépend du point soulevé et de la rapidité avec laquelle vous voulez y arriver.
- J'aime la simplicité de l'exemple de Correlated X
Je vais regarder le reste et je reviens vers vous.
