Bonjour tout le monde
C'est une question plutôt basique mais intéressante.
Prenez comme exemple les données de l'expérience de pop-corn JMP de JMP. Comme vous le savez, le facteur de cette expérience est un catégorique et deux continus.
L'heure est réglée sur 3-5 et l'alimentation sur 5-10.
Vérifiez le profileur qui a été analysé et optimisé avec les résultats expérimentaux après la conception, comme indiqué ci-dessous.
Indépendamment de la condition de l'expérience, si vous développez l'axe des temps, vous pouvez obtenir le profileur comme ci-dessous.
Et où Hotspot Utilisez Profile at Boundary pour afficher les valeurs ci-dessous.
Maintenant la question est.
Dans Profiler, vous pouvez vérifier le niveau des facteurs situés en dehors de la plage d’expérimentation. Si tel est le cas, les estimations de la réponse à des valeurs supérieures au niveau expérimental sont-elles prédites par JMP? Par exemple, vous pouvez déplacer une ligne rouge pour amener le temps à huit.
La deuxième question est de savoir si ce qui précède est vrai. Dans le cas extrême, si vous faites glisser la souris sur 20, vous pouvez faire confiance à la réponse et à la modification de la réponse et des autres facteurs. Bien sûr, nous savons que des expériences supplémentaires sont nécessaires pour estimer les cas en dehors de la plage expérimentale. Mais la clé de cette question est de savoir à quel point vous pouvez être fiable si vous n’avez pas tout de suite ce temps et cet argent.
Enfin, est-ce normal dans ce cas, mais est-il normal de faire une combinaison qui dépasse le niveau expérimental donné lorsqu'elle est optimisée? Par exemple, dans l'exemple ci-dessus, le temps est le meilleur. Est-il possible d'obtenir 5.1 en effectuant l'optimisation? Pour les cas clients réels, le niveau expérimental est compris entre 0 et 150, mais une fois optimisé, le point optimal pour ce facteur est défini sur 154,61317. Le meilleur des cas en dehors de la plage expérimentale n'est pas compris.
Merci
