Ganzheitliches (oder datengesteuertes DOE)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Wir haben eine ganzheitliche DOE-Demo für einen JMP-Tag erstellt und würden uns freuen Feedback und Änderungen zur Verbesserung. Primäres Ziel ist es, den Wert von zu veranschaulichen JMP Pro mit Bootstrap Forest im Vergleich zu JMP mit Imputation und schrittweiser Auswahl Methoden zur Variablenauswahl zur Unterstützung des Entwurfs des nächsten Experiments. Das baut auf auf ein paar Demos, die Phil Kay kürzlich entwickelt hat. Bitte entpacken Sie die beigefügte ZIP-Datei Datei und öffnen Sie die Zeitschrift Holistic DOE Case Study. Öffnen Sie die chaotische Produktion Datenübersicht, um den Ablauf der ganzheitlichen DOE-Demo zu sehen:
- Statistische Modellierung: Mischung aus EDA, Statistik und Erfahrung
- Unordentliche Daten verkomplizieren das Problem und die Gliederung Problem korrelierter Xs stellt einen von Phil erstellten Datensatz mit einem Y und zwei stark korrelierten X vor, der zeigt, dass traditionelle schrittweise Methoden ein X auswählen, während Bootstrap Forest beide X als potenzielle Auswirkungen auf das Y auswählt.
- Die ganzheitliche DOE-Gliederung baut dann auf den ersten beiden Gliederungen mit anonymisierten chaotischen Daten auf aus dem Banding-Beispiel. Es handelt sich um eine Zufallsstichprobe von Zeilen mit anonymisierten Spalten des Banding-Beispiels. Es ist ein Beispiel von nur 20 Zeilen, um das zu versuchen und nachzuahmen Größe von Daten, die in F&E typisch sein könnten. Nach dem Klicken auf erste Daten Link Die restlichen Links geben den Demo-Flow an, um den Umfang zu veranschaulichen fehlende Daten, Korrelation von fortlaufenden Xs, dann Vergleich von X-Variablen ausgewählt durch schrittweise Regression, schrittweise Regression mit Imputation, Entscheidungsbaum mit informativ fehlt, was auch ein schrittweises Variablenauswahlverfahren ist, und Bootstrap-Wald mit fehlenden Informationen. Bootstrap-Wald mit informatives Fehlen gibt eine größere Liste potenzieller Xs, die sich auf Y und auswirken können gibt daher größere Sicherheit, dass wir kein wichtiges X übersehen. Bei diesem Punkt kann es sich lohnen, die Geschichte von AB Agri zusammenzufassen (ohne zuzuordnen Problem/Lösung für AB Agri): Ein führender Entwickler und Produzent von Tierprodukten Futtermittel verschwendete einen F&E-Zyklus, indem bei der Auswahl ein wichtiges X fehlte einen Satz korrelierter Xs unter Verwendung herkömmlicher schrittweiser Auswahlverfahren. Diese bedeuteten, dass sie einen F&E-Zyklus mit erheblichem Aufwand wiederholen mussten, waren sechs Monate verspätet auf den Markt, was zu Umsatzeinbußen und einem reduzierten Markt führte Gelegenheit. Sie vermeiden jetzt, dieses Problem zu wiederholen, indem sie Bootstrap Forest verwenden und verwandte Variablenauswahlverfahren, die alle potenziellen Xs aus a identifizieren Satz korrelierter Xs, unabhängig davon, ob einige Ihrer Datenzellen dies sind oder nicht fehlen.
- Die DSD-Unterskizze führt dann eine DSD an den sechs vom Bootstrap-Forest ausgewählten Variablen durch und führt über schrittweise Auswahlmethoden (die jetzt aufgrund der Null- oder Nahe-Null-Korrelationsstruktur der Modelleffekte gültig sind) zu einem Modell, das 5 der 6 Faktoren umfasst. Wenn wir schrittweise Variablenauswahlmethoden (mit oder ohne fehlende Imputation) verwendet hätten, hätten wir 4 der 5 wichtigen Xs übersehen und weitere Entwicklungszyklen benötigt, um die Markteinführungszeit und die Entwicklungskosten zu verlängern und die Verkaufschancen des Produkts zu verringern früh, wenn oft eine Prämie erhoben werden kann.
Es wäre großartig, Feedback zur Verbesserung der Demo bzgl. Kürze, Einfachheit, Anziehungskraft zu erhalten …
Malcolm
Re: Ganzheitlich (oder Data Driven DOE)Dies ist meine neueste Version der Holistic DoE (oder Data Driven DoE / 3D / D-cubed) Pigmentdemo. Das Original war ein bisschen fummelig, während in dieser Version das vom DoE abgeleitete Modell gut zu den historischen Daten passen sollte. Die historischen Daten wurden so ausgewählt, dass sie einen hohen Grad an Multikolinearität aufweisen, was dazu führt, dass bei der schrittweisen Modellierung wichtige Effekte fehlen.
Bitte fragen Sie, wenn Sie Fragen zur Hintergrundgeschichte der Fallstudie haben.
Beifall,
Phil
Re: Ganzheitlich (oder Data Driven DOE)Entschuldigung für die Verzögerung bei der Veröffentlichung der Aufzeichnung unten.Großartige Sitzung Malcolm und Phil.Vielen Dank.
Chuck Boiler
______________________________________________________________________
Ihre Aufzeichnung ist jetzt auf der WebEx-Service-Site verfügbar. Klicken Sie auf den Link unten
um es zu spielen:
https://sasmeetings.webex.com/sasmeetings/lsr.php?RCID=8d822e09f2cc4a98a0300b360e65f3bd
Monatsübersicht für JMP SE-20140908 1655-1
Montag, 8. September 2014 9:55 Uhr Ortszeit San Francisco
1 Std. 10 Min. 5 Sek
* Sie können diese Nachricht an andere weiterleiten, damit sie sie abspielen können
Aufzeichnung. *
-------------------------------------
Zusätzliche Optionen
-------------------------------------
Klicken Sie auf den Link, um Aufnahmeinformationen und Wiedergabesteuerungsoptionen zu bearbeiten
unter:
https://sasmeetings.webex.com/sasmeetings/editrd.php?RCID=aa8a3762ac4e4141847ae0125251b5d9
Um weitere Optionen für diese Aufzeichnung anzuzeigen, z. B. zum Herunterladen, klicken Sie auf den Link
unter:
https://sasmeetings.webex.com/sasmeetings/viewrd.php?RCID=9667b157b1084061a492381aa18bab76
Um alle Ihre WebEx Meeting Center-Aufzeichnungen anzuzeigen, klicken Sie auf den folgenden Link:
https://sasmeetings.webex.com/sasmeetings/servicerds.php?SP=MC
http://www.webex.com
Re: Ganzheitlich (oder Data Driven DOE)
Hi,
Ich habe ein Tagebuch nur mit der Fallstudie zum Pigmentmahlen beigefügt. Alle Datentabellen sind in Skript codiert, sodass Sie keine zusätzlichen Dateien benötigen sollten. Ich werde dies weiter verfeinern und freue mich über Verbesserungsvorschläge.
Habe dies heute bei einem Kunden ausprobiert und sie schienen sehr überzeugt zu sein.
Beifall,
Phil
Re: Ganzheitlich (oder Data Driven DOE)Danke für die Präsentation gestern, Leute. Ich denke, dass diese Zeitschrift viel gutes Potenzial hat. Es ist einfach und leistungsstark zugleich und zeigt den Wert von Pro gut, selbst bei diesen kleineren Datensätzen.
Können Sie Phils Beispiel teilen, wenn es für Kommentare und Vorschläge bereit ist? Ich würde auch gerne mit diesen Daten experimentieren.
Re: Ganzheitlich (oder Data Driven DOE)Ich denke, das ist innerhalb von 45 Minuten machbar. Wir werden heute sehen . Ich werde beim SE-Meeting nicht dabei sein, aber lassen Sie mich wissen, wie es läuft.
Re: Ganzheitlich (oder Data Driven DOE)Wir haben diese Materialien ein wenig vereinfacht – einfacheres DSD-Ergebnis und Text im gesamten Journal hinzugefügt, um Diskussionen zu führen, insbesondere die folgenden Gesprächsthemen, die die Erwägung von Pro motivieren könnten:
- Eine Mischung aus EDA, statistischen Methoden und Erfahrung ist eine effektive Kombination, aber ist sie skalierbar?
- Welche Risiken sind mit der Variablenauswahl aus korrelierten X verbunden, um die X für das nächste Experiment auszuwählen? Was ist, wenn Ihre korrelierten X kategoriale Variablen enthalten?
- Wie extrahieren Sie nützliche Informationen zur Unterstützung der Variablenauswahl, wenn fehlende Zellen zu spärlichen Datentabellen führen?
- Die Wirksamkeit von DOE hängt von der Auswahl des richtigen Satzes von Xs und des Bereichs ab, über den Sie Ihre Xs variieren können. Wie minimieren Sie das Risiko, beim Entwurf des nächsten Experiments die falschen Variablen und Faktorbereiche auszuwählen?
Malcolm
Re: Ganzheitlich (oder Data Driven DOE)Ok,
Hier ist, was ich für eine gekürzte Version von 45 Minuten bekommen habe.
- Es ist vielleicht in Ordnung, die Folien 14 bis 19 mit der Titelfolie zu verwenden, um die Dinge aufzuwärmen und abzuschließen.
- Vielleicht haben Sie keine Zeit für das Beispiel Mouldmat EDA.
- Ascombe Quartet ist gut für unsachgemäße Passform und gutes Aufwärmen bis hin zu überangepasstem Beispiel. Ich denke, Sie hätten Zeit dafür und passen zur EDA-Ideologie der visuellen und statistischen Ausgaben von JMP / Ansatz zur Datenanalyse, hängen jedoch von der Zeit ab. Überspringen Sie dies vielleicht und machen Sie ein kurzes Mouldmat-Beispiel? Ich ziehe es vor, ein paar Punkte über die Herstellung/Anpassung eines Modells zu veranschaulichen
- Machen Sie auf jeden Fall ein Overfitting-Beispiel.
- Machen Sie auf jeden Fall Correlated X's (führt auch Pro ein)
- Beschränken Sie fehlende Datenbeispiele für den ganzheitlichen DOE-Beispielteil auf nur eine Ausgabe/Visual. Der erste ist in Ordnung. Ich habe die ersten beiden erstellten Tabellen im Skript ausgeblendet, sodass nur der Graph Builder angezeigt wird. Ich denke, das ist ein überzeugendes Bild für sich und zeigt, wie viele fehlende Daten es gibt
- Für ein ganzheitliches DOE-Beispiel überspringen Sie vielleicht die mittleren Teile des imputierten Datensatzes, außer um über einen anderen Weg zu sprechen, mit den fehlenden Daten umzugehen, aber es hilft nicht, dieselben Probleme wie zuvor (konvergiert nicht / Schritthalbierungsgrenze usw.) nur ein paar Faktoren ausgewählt und nur einer der ausgewählten Faktoren ist wirklich signifikant). Zeigen Sie dann Entscheidungsbaum mit informativem Fehlen und Bootstrap. Die Verwendung der Zusammenfassung der Variablenauswahl sagt meiner Meinung nach alles und ermöglicht es Ihnen, die Anzeige der imputierten Datenanalyse zu überspringen. Zeigen Sie die Datentabelle mit der Imputation für ein Beispiel. Wenn Sie Zeit haben, dann zeigen Sie eine schnelle schrittweise Demo Problem ist gleich.
- Ich denke, Ihr vereinfachtes DSD-Beispiel wird funktionieren und simpel genug sein.
- Ich habe eine abgespeckte PPT und ein Tagebuch mit Dateien angehängt, die Sie mir gesendet haben (und das aktualisierte DSD-Arbeitsblatt).
Ich hoffe, das hilft bei der Rationalisierung eines Teils der Demo.
Chris
Re: Ganzheitlich (oder Data Driven DOE)Danke Malkom,
Ich durchkämme es jetzt mit dem Ziel von maximal 45 Minuten und der Einbeziehung der erklärten Ziele. Ich würde den PPT-Teil entfernen. Der Teil von Correlated X ist eine gute Demonstration dessen, was schief gehen kann, also sollte es drin bleiben. Ich werde weiter daran arbeiten und mich bei Ihnen melden.
Chris
Re: Ganzheitlich (oder Data Driven DOE)Hallo Chris,
Sorry für die langsame Antwort, ich war unterwegs. Hier ist eindeutig zu viel Material für eine kurze effektive Demo, und in erster Linie suche ich nach Vorschlägen, um es auf eine 30- bis 45-minütige Demo zu reduzieren, um zu versuchen, bestehenden JMP-Benutzern, die in Forschung und Entwicklung arbeiten, die Augen für das Potenzial von Pro für die variable Auswahl zu öffnen als Input für die Gestaltung des nächsten Experiments. Ich hatte keine Zeit, den Demo-Flow zu dokumentieren, aber Sie erhalten einige der wichtigsten Ideen von den Links zu Mastering JMP-Aufnahmen. Ich gehe davon aus, dass sich die Zielgruppe möglicherweise nicht der potenziellen Probleme bewusst ist:
Wenn eines oder mehrere dieser Probleme auftreten, dann kann eine kleinere Teilmenge von X für weitere Experimente ausgewählt werden, wenn bei der Variablenauswahl keine große Sorgfalt angewendet wird, mit der Folge einer längeren Gesamtentwicklungszeit, die eine große finanzielle Auswirkung haben kann. Ein Teil des Ziels besteht darin, zu versuchen, Gespräche von der inkrementellen Funktionalität von Pro zum inkrementellen Wert von Pro zu führen.
Ziel ist es, diese Probleme in einer Demo mit einer maximalen Dauer von 45 Minuten zu versuchen und zu demonstrieren. Es war also einiges an Arbeit erforderlich, um die aktuelle Demo zu verkleinern, um dieses Ziel zu erreichen.
Die Correlated Xs-Demo wurde von Phil erstellt und er sollte sich das anrechnen lassen.
Malcolm
Re: Ganzheitlich (oder Data Driven DOE)Hallo Malcom,
Ich schaue es mir jetzt an. Bisher vier Fragen und zwei Anmerkungen:
Fragen:
- Was ist der Zeitrahmen/die Gesamtzeit für die gesamte Sitzung?
- Haben Sie einen groben Überblick darüber, was Sie wann, wie lange und eventuelle Pausen betreuen? (hilft bei der Feinabstimmung der Kürze)
- Planen Sie, den gesamten Power Point durchzugehen, um die Bühne für den Workshop/Tag festzulegen?
- Wie viel Zeit planen Sie für das Mouldmat-Beispiel aufzuwenden, und was sind die wichtigsten Punkte, die Sie ansprechen werden?
Bemerkungen:
- Ich sehe das Beispiel des Ansombe-Quartetts im Journal, um ein paar Anpassungsprobleme zu erklären. Ich stelle fest, dass dieser Datensatz auch in den Beispieldaten vorhanden ist, jedoch mit einer anderen Struktur. Ich persönlich mag den im Beispieldatensatz wegen der Kürze der Problembeschreibung, aber ich betone auch, dass die Grafik und die Statistiken erforderlich sind, um das Problem richtig zu sehen, aber ich denke, es hängt davon ab, auf welchen Punkt man hinweist und wie schnell man dorthin gelangen möchte.
- Ich mag die Einfachheit des Beispiels von Correlated X
Den Rest schaue ich mir an und melde mich wieder.
