Con toda seriedad, comencé esta serie de blogs como "5 cosas", pero pensé en un par más después de lanzar el título y no quería cambiarlo.
Si solo estás sintonizando la serie, sí, yo poder contar. Y, sí, estamos, de hecho, en Thing 6 of 5. Además, aquí hay un breve resumen de lo que te perdiste:
- Estoy compartiendo cinco cosas que desearía que alguien me hubiera dicho el día 1 usando JMP (ahora seis, supongo).
- Cosa 1: Comience siempre con un gráfico .
- Cosa 2: El Flujo de trabajo JMP de 4 pasos todos deberían saber
- Cosa 3: ¿Por qué? el menú Analizar está configurado como está.
- Cosa 4: No subestimes el Plataforma de distribución .
- Cosa 5: Ahorrar. Su. Maldita sea ¡Trabajar!
Y ahora a...
El flujo de trabajo del JMP DOE
If you can remember "The Four M's," you can quickly master the JMP DOE platform, called Custom Designer.If you can remember "The Four M's," you can quickly master the JMP DOE platform, called Custom Designer.If you can remember "The Four M's," you can quickly master the JMP DOE platform, called Custom Designer.If you can remember "The Four M's," you can quickly master the JMP DOE platform, called Custom Designer.Si puede recordar "Las cuatro M", puede dominar rápidamente la plataforma JMP DOE, llamada Custom Designer. Por lo general, un DOE clásico ( diseño de experimentos ) el flujo de trabajo se verá así: primero determinará el objetivo del experimento y luego elegirá los factores y sus niveles, seleccionará la respuesta adecuada y cómo medirla, y elegirá el diseño. Luego ejecutará el experimento, recopilará y analizará los datos y realizará algunas ejecuciones de confirmación para verificar los resultados.
Gran parte de este procedimiento es un remanente de los días en que el DOE se hacía con lápiz y papel. Y, para ser honesto, realmente no prepara a los profesionales del DOE para el éxito. Es bastante raro poder igualar las limitaciones de los experimentos modernos con diseños preenlatados de hace 50 años. Es una situación de clavija cuadrada/agujero redondo.
El equipo de desarrollo de JMP destiló gran parte de este trabajo en cuatro preguntas y trasladó el resto a algoritmos informáticos. Para simplificar, llamo a estas cuatro preguntas "Las cuatro M". Ellos son:
- que quieres medida ?
- que quieres mover ?
- ¿Qué relaciones quieres modelo ?
- Qué materiales ¿tiene?
En el proceso de incluir el flujo de trabajo DOE en estas preguntas, los desarrolladores cambiaron el orden del flujo de trabajo DOE clásico a algo que, en mi opinión, está más en línea con la forma en que los ingenieros y experimentadores modernos generalmente abordan un problema. Si puede recordar "Las cuatro M", puede dominar rápidamente la plataforma JMP DOE, llamada Custom Designer. Veamos un ejemplo usando cookies.
1. ¿Qué quieres medir?
El proceso comienza obligándolo a pensar en cuál será la salida del conjunto de datos del DOE y, por extensión, ¿tiene las herramientas de medición necesarias para obtener los datos necesarios? Cualquiera que haga cosas reconocerá la importancia de este primer paso: ¿Están listas sus herramientas? ¿Sabes dónde están todos? ¿Están en buen estado de funcionamiento? Este primer paso es el equivalente al poner en su lugar concepto utilizado en la cocina. En el caso de nuestras galletas, solo vamos a fingir que tenemos una manera de evaluar qué tan increíbles son nuestras galletas (comiéndonos todas y cada una... por ciencia, por supuesto). Pero podríamos sustituir la friabilidad (lo quebradiza que es), el color de la galleta (lo marrón que es), la densidad (lo hinchada que está), su módulo de elasticidad (cuánto se dobla antes de romperse)... lo que quieras. El punto importante aquí es que estamos pensando en qué datos vamos a recopilar antes que nada.
2. ¿Qué quieres mover?
Esta pregunta parece bastante sencilla, pero hay una arruga envuelta aquí que debemos desempacar. Pero primero, el flujo de trabajo le pide que considere las cosas que considera importantes. Ahora, en el caso de este ejemplo, supongamos que encontramos una receta de galletas con chispas de chocolate muy antigua de cuando los hornos eran de leña. La receta, en general, debería ser fácil de traducir a unidades modernas. Sin embargo, es probable que falten factores importantes (la temperatura de cocción, el tiempo de cocción, la forma que debe tomar el chocolate y el tipo de harina). Estos son los factores que vamos a construir nuestro DOE para determinar. En el siguiente ejemplo, he agregado dos factores continuos para el tiempo y la temperatura de cocción, y dos factores categóricos para ver si debemos usar harina para todo uso o harina para pan y si el chocolate debe estar en bocados (lo que consideramos como "chips de chocolate") o simplemente una barra de choclate cortada (mi preferencia personal, más sobre eso en otro momento).
2 (continuación). ¿Dónde no podemos ir?
Ahora para esa arruga. ¿Con qué frecuencia nos encontramos con una situación en la que un DOE clásico propondrá un experimento que sabemos que es una mala idea? Sabemos que el experimento va a fallar de manera poco informativa o que podría resultar en una explosión o algún otro evento malo. En tales casos, los experimentadores reducirán el espacio de diseño (reduciendo el tamaño de la señal potencial de ese factor) u omitirán el experimento problemático. Cualquiera de las "soluciones" compromete la integridad del DOE. El área a continuación (etiquetada como Definir restricciones de factores) donde definimos los factores nos permite considerar estos problemas potenciales y diseñar una serie de experimentos que funcionan alrededor de ellos sin comprometer el diseño mediante el uso de DOE restringidos. Hay mucha información sobre esto en el documentación . 
En nuestro caso, sabemos que hornear nuestras galletas por un tiempo muy corto a baja temperatura resultará en una masa pastosa, y cocinarlas por mucho tiempo a una temperatura alta resultará en discos de hockey. Gráficamente, la situación se ve así:
Podemos definir restricciones lineales (se encuentra un seminario web sobre cómo hice las matemáticas aquí ) para excluir esas regiones. La configuración para esto le gustaría la imagen de abajo. 
Y el DOE resultante se vería así:
3. ¿Qué relaciones quiere modelar?
DOE clásico no le dio la opción de elegir qué relaciones quería probar. En Custom Designer, lo hacemos. Si solo desea una interacción específica, ¿por qué diseñar para probarlas todas? Otra forma de pensar en esto es que la sección Modelo le permite traducir sus hipótesis experimentales en relaciones matemáticas que los algoritmos pueden encontrar la mejor manera de probar. Entonces, para nuestras galletas, dado que tenemos una receta antigua que describe cómo hacer la masa pero falta información sobre cómo configurar el horno para hornear, nos centraremos en esos puntos. Usted sabe que el tiempo y la temperatura son factores importantes para las propiedades observadas de la cookie. En tu cabeza, podrías convertir eso en algunas hipótesis:
- La temperatura de horneado es importante.
- El tiempo de horneado es importante.
- El tiempo de horneado a una temperatura determinada es importante.
- El tiempo de horneado puede tener un "punto dulce" en algún lugar del rango que estoy considerando.
- La temperatura de horneado puede tener un "punto dulce" en algún lugar del rango que estoy considerando.
En Custom Designer, colocaría los siguientes términos en el cuadro de diálogo Modelo (en el mismo orden que en la primera lista):
- temperatura de horneado
- tiempo de horneado
- tiempo de horneado * temperatura de horneado
- tiempo de horneado * tiempo de horneado
- temperatura de horneado * temperatura de horneado
Se vería así en el diálogo: 
4. ¿Qué materiales tienes?
DOE es un acto de equilibrio entre las necesidades experimentales y las limitaciones del mundo real (principalmente dinero). El flujo de trabajo JMP DOE permite a los experimentadores trabajar con sus partes interesadas y tomadores de decisiones para desarrollar un compromiso entre estas fuerzas opuestas y comprender las ventajas y desventajas. La última sección del flujo de trabajo de Diseño personalizado muestra las ventajas y desventajas entre el Modelo que está solicitando y la cantidad de material que necesita dedicar al experimento. Si tiene más hipótesis, necesita más material y hay un límite inferior para la cantidad de experimentos que debe realizar. 
Y ahora, hemos terminado la verdadera penúltima entrada de la serie. El siguiente es todo. Prometo. Y, en mi opinión, he dejado lo mejor para el final.
