전체론적(또는 데이터 기반 DOE)<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />JMP의 날을 위해 전체적인 DOE 데모를 만들었으니 감사하겠습니다. 개선을 위한 피드백 및 편집. 기본 목표는 다음의 가치를 설명하는 것입니다. 부트스트랩 포리스트를 사용하는 JMP Pro 대 대체 및 단계적 선택을 사용하는 JMP 다음 실험 설계에 도움이 되는 변수 선택 방법. 이것은 빌드 Phil Kay가 최근에 개발한 몇 가지 데모에 따라. 첨부된 zip의 압축을 풀어주세요 전체론적 DOE 사례 연구 저널을 파일로 열고 엽니다. 지저분한 프로덕션 열기 전체적인 DOE 데모의 흐름을 보기 위한 데이터 개요:
- 통계 모델링: EDA, 통계 및 경험의 혼합
- 지저분한 데이터는 문제와 개요를 복잡하게 만듭니다. 상관 관계 X의 문제 하나의 Y와 두 개의 상관관계가 높은 X로 Phil이 만든 데이터 세트를 제시하여 기존의 단계적 방법이 하나의 X를 선택하는 것과 부트스트랩 포레스트가 두 X를 잠재적으로 Y에 영향을 미치는 것으로 선택함을 보여줍니다.
- 그런 다음 전체적 DOE 개요는 익명의 지저분한 데이터가 있는 처음 두 개요를 기반으로 합니다. 밴딩 예제에서. 익명화된 열이 있는 행의 무작위 샘플입니다. 밴딩 예시. 20개 행의 샘플로 R&D에서 일반적일 수 있는 데이터의 크기. 첫 번째 데이터를 클릭한 후 link 나머지 링크는 데모 흐름을 제공하여 결측 데이터, 연속 X의 상관관계, 다음에 의해 선택된 X 변수 비교 단계적 회귀, 전가가 있는 단계적 회귀, 결정 트리 단계적 변수 선택 방법이기도 한 유익한 결측, 정보가 누락된 부트스트랩 포레스트. 부트스트랩 포레스트 유익한 누락은 Y 및 따라서 중요한 X를 놓치지 않는다는 더 큰 확신을 줍니다. 이때 요점 AB Agri 이야기를 요약할 가치가 있을 수 있습니다(할당 없이 AB Agri의 문제/해결책): 동물의 선도적 개발 및 생산 사료 중에서 선택할 때 중요한 X를 누락하여 R&D 주기를 낭비했습니다. 전통적인 단계적 선택 방법을 사용하여 상관 관계가 있는 X 세트. 이것 상당한 비용을 들여 R&D 주기를 반복해야 한다는 의미였습니다. 시장 출시가 몇 달 늦어져 판매 손실 및 시장 축소로 이어짐 기회. 그들은 이제 Bootstrap 포리스트를 사용하여 이 문제를 반복하지 않습니다. 및 모든 잠재적 X를 식별하는 관련 변수 선택 방법 데이터 셀 중 일부가 잃어버린.
- 그런 다음 DSD 하위 개요는 부트스트랩 포리스트에 의해 선택된 6개의 변수에 대해 DSD를 수행하고 단계적 선택 방법(모델 효과의 0 또는 거의 0에 가까운 상관 구조로 인해 현재 유효함)을 통해 6개 요인 중 5개를 포함하는 모델을 생성합니다. 단계적 변수 선택 방법을 사용했다면(전가 누락 여부에 관계없이) 5개의 중요한 X 중 4개를 놓쳤을 것이며 시장 출시 기간, 개발 비용 및 제품 판매 기회를 줄이는 추가 개발 주기가 필요했을 것입니다. 종종 보험료가 부과될 수 있는 조기.
데모 wrt 간결성, 단순성, 설득력을 개선하기 위한 피드백을 받는 것이 좋을 것입니다.
말콤
Re: 전체적(또는 데이터 기반 DOE)이것은 Holistic DoE(또는 Data Driven DoE / 3D / D-cubed) 안료 데모의 최신 버전입니다. 원본은 약간의 가짜였지만 이 버전에서는 DoE에서 파생된 모델이 과거 데이터에 잘 맞아야 합니다. 과거 데이터는 높은 수준의 다중 공선성을 갖도록 선택되었으며, 이는 중요한 효과가 누락된 단계적 모델링을 초래합니다.
케이스 스터디 뒷이야기에 대해 궁금하신 점은 문의주세요.
건배,
필
Re: 전체적(또는 데이터 기반 DOE)아래 녹음 게시가 지연되어 죄송합니다.훌륭한 세션 Malcolm과 Phil.감사.
척 보일러
______________________________________________________________________
이제 WebEx 서비스 사이트에서 녹화를 사용할 수 있습니다. 아래 링크를 클릭하세요
재생하려면:
https://sasmeetings.webex.com/sasmeetings/lsr.php?RCID=8d822e09f2cc4a98a0300b360e65f3bd
JMP SE's-20140908 1655-1에 대한 월간 개요
2014년 9월 8일 월요일 오전 9:55 샌프란시스코 시간
1시간 10분 5초
* 이 메시지를 다른 사람에게 전달하여 재생하도록 할 수 있습니다.
녹음. *
-------------------------------------
추가 옵션
-------------------------------------
녹화 정보 및 재생 제어 옵션을 편집하려면 링크를 클릭하십시오.
아래에:
https://sasmeetings.webex.com/sasmeetings/editrd.php?RCID=aa8a3762ac4e4141847ae0125251b5d9
다운로드와 같은 이 녹화에 대한 추가 옵션을 보려면 링크를 클릭하십시오.
아래에:
https://sasmeetings.webex.com/sasmeetings/viewrd.php?RCID=9667b157b1084061a492381aa18bab76
모든 WebEx Meeting Center 녹화를 보려면 아래 링크를 클릭하십시오.
https://sasmeetings.webex.com/sasmeetings/servicerds.php?SP=MC
http://www.webex.com
Re: 전체적(또는 데이터 기반 DOE)
안녕,
안료 밀링 사례 연구만 있는 저널을 첨부했습니다. 모든 데이터 테이블은 스크립트로 코딩되어 있으므로 추가 파일이 필요하지 않습니다. 나는 이것을 계속해서 다듬을 것이고 개선 제안을 환영할 것입니다.
오늘 고객에게 이것을 시도했고 그들은 매우 확신하는 것 같았습니다.
건배,
필
Re: 전체적(또는 데이터 기반 DOE)어제 발표 감사합니다. 저는 이 저널이 많은 잠재력을 가지고 있다고 생각합니다. 동시에 간단하고 강력하며 이러한 작은 데이터 세트에서도 Pro의 가치를 잘 보여줍니다.
의견과 제안을 받을 준비가 되면 Phil의 예를 공유할 수 있습니까? 저도 그 데이터로 실험해보고 싶습니다.
Re: 전체적(또는 데이터 기반 DOE)45분 이내로 가능한 것 같아요. 우리는 오늘 볼 것입니다 . SE 회의에는 참석하지 않겠지만 어떻게 진행되는지 알려주세요.
Re: 전체적(또는 데이터 기반 DOE)우리는 이러한 자료를 약간 단순화했습니다. 즉 DSD 결과가 더 단순해졌으며 저널 전체에 텍스트를 추가하여 토론을 안내했습니다. 특히 Pro를 고려하도록 동기를 부여할 수 있는 다음과 같은 대화 주제가 있습니다.
- EDA, 통계적 방법 및 경험의 혼합은 효과적인 조합이지만 확장 가능합니까?
- 다음 실험을 위해 X를 선택하기 위해 상관관계가 있는 X에서 변수를 선택하는 것과 관련된 위험은 무엇입니까? 상관관계가 있는 X에 범주형 변수가 포함된 경우는 어떻습니까?
- 셀 누락으로 인해 데이터 테이블이 희박해질 때 변수 선택을 돕기 위해 유용한 정보를 어떻게 추출합니까?
- DOE의 효율성은 올바른 X 집합과 X를 변경할 범위를 선택하는 데 달려 있습니다. 다음 실험을 설계할 때 잘못된 변수와 잘못된 요인 범위를 선택할 위험을 어떻게 최소화합니까?
말콤
Re: 전체적(또는 데이터 기반 DOE)확인,
다음은 45분짜리 짧은 버전입니다.
- 제목 슬라이드와 함께 슬라이드 14 - 19를 사용하여 내용을 따뜻하게 하고 마무리하는 것이 좋습니다.
- Mouldmat EDA 예제를 할 시간이 없을 수도 있습니다.
- Ascombe Quartet은 부적절한 피팅에 적합하고 오버 피팅에 좋은 워밍업을 예로 들 수 있습니다. 나는 당신이 이것에 대한 시간이 있고 JMP의 시각적 및 통계적 출력/데이터 분석 접근 방식의 EDA 이데올로기에 적합하다고 생각하지만 시간에 따라 다릅니다. 이것을 건너뛰고 간단한 Mouldmat 예제를 수행하시겠습니까? 나는 모델 만들기/적합에 대한 몇 가지 요점을 설명하기 위해 ascombe를 선호합니다.
- 확실히 과적합 예제를 수행하십시오.
- 확실히 Correlated X를 수행합니다(또한 Pro 소개).
- 전체적 DOE 예제 부분에 대한 누락 데이터 예제를 하나의 출력/시각적 항목으로 제한합니다. 첫 번째는 괜찮습니다. 그래프 빌더만 표시되도록 스크립트에서 처음 두 개의 생성된 테이블을 숨겼습니다. 나는 이것이 그 자체로 매력적인 비주얼이라고 생각하고 얼마나 많은 누락된 데이터가 있는지 보여줍니다.
- 전체적 DOE 예의 경우 누락된 데이터를 처리하는 다른 방법에 대해 이야기하는 것을 제외하고 귀속된 데이터 세트에 대한 중간 부분을 건너뛸 수 있지만 도움이 되지 않습니다. 몇 가지 요소만 선택되고 선택한 요소 중 실제로 중요한 요소는 하나만 있습니다.) 그런 다음 정보가 누락된 의사 결정 트리와 부트스트랩을 표시합니다. 변수 선택 요약을 사용하면 모든 것이 설명되고 귀속된 데이터 분석 표시를 건너뛸 수 있습니다. 예를 들어 대치와 함께 데이터 테이블을 표시합니다. 시간이 있다면 문제를 시연하기 위해 빠른 단계별로 보여줍니다.
- 단순화 된 DSD 예제가 작동하고 충분히 단순하다고 생각합니다.
- 귀하가 보내주신 파일(및 업데이트된 DSD 완료 워크시트)과 함께 잘린 PPT 및 저널을 첨부했습니다.
데모를 간소화하는 데 도움이 되기를 바랍니다.
크리스
Re: 전체적(또는 데이터 기반 DOE)감사합니다 말콤,
나는 최대 45분의 목표와 명시된 목표를 포함하여 지금 그것을 샅샅이 뒤지고 있습니다. PPT 부분을 제거하겠습니다. 상관관계 X의 부분은 무엇이 잘못될 수 있는지에 대한 좋은 데모이므로 그대로 유지해야 합니다. 계속해서 작업하고 다시 연락드리겠습니다.
크리스
Re: 전체적(또는 데이터 기반 DOE)안녕 크리스,
이동중이라 답변이 느려서 죄송합니다. 여기에는 짧고 효과적인 데모에는 분명히 너무 많은 자료가 있습니다. 주로 R&D에서 작업하는 기존 JMP 사용자의 눈을 뜨게 하여 변수 선택을 위한 Pro의 잠재력에 눈을 뜨게 하기 위해 30~45분 데모로 줄이는 제안을 찾고 있습니다. 다음 실험을 설계하기 위한 입력으로. 데모 흐름을 문서화할 시간이 없었지만 JMP 녹음 마스터링 링크에서 몇 가지 주요 아이디어를 얻을 수 있습니다. 대상 고객이 다음과 같은 잠재적인 문제를 인식하지 못할 수 있다고 가정합니다.
이러한 문제 중 하나 이상이 발생하면 변수 선택에 큰 주의를 기울이지 않으면 추가 실험을 위해 X의 더 작은 하위 집합이 선택되어 총 개발 시간이 길어져 큰 금전적 영향을 미칠 수 있습니다. 목표의 일부는 Pro의 증분 기능에서 Pro의 증분 가치로 대화를 시도하고 시도하는 것입니다.
목표는 최대 45분의 데모에서 이러한 문제를 시도하고 시연하는 것입니다. 따라서 이 목표를 달성하기 위해 현재 데모를 다듬는 데 상당한 작업이 필요했습니다.
Correlated Xs 데모는 Phil에 의해 만들어졌으며 그는 공로를 인정해야 합니다.
말콤
Re: 전체적(또는 데이터 기반 DOE)안녕 말콤,
지금 살펴보고 있습니다. 지금까지 4개의 질문과 2개의 의견:
질문:
- 전체 세션의 기간/총 시간은 어떻게 됩니까?
- 언제, 얼마나 오래, 어떤 휴식을 취해야 하는지에 대한 대략적인 개요가 있습니까? (간결한 미세 조정에 도움이 됨)
- 워크숍/일의 무대를 설정하기 위해 전체 파워 포인트를 살펴볼 계획입니까?
- Mouldmat 예제에 얼마나 많은 시간을 할애할 계획이며 어떤 핵심 포인트를 만들 예정입니까?
코멘트:
- 약간의 피팅 문제를 설명하기 위해 Journal에서 Ansombe Quartet 예제를 봅니다. 이 데이터 세트도 샘플 데이터에 있지만 구조가 다른 것을 확인했습니다. 저는 개인적으로 문제 설명의 간결함을 위해 샘플 데이터 세트에 있는 것을 좋아하지만 문제를 제대로 보기 위해 그래프와 통계가 필요하다는 점을 강조하지만, 요점을 만들고 얼마나 빨리 거기에 도달하기를 원하는지에 달려 있다고 생각합니다.
- 나는 Correlated X 예제의 단순함을 좋아합니다.
나머지는 살펴보고 다시 연락드리겠습니다.
