가장 가파른 오르막이나 내리막<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 안녕하세요,
나는 어떻게 요청하는지 클라이언트가 JMP에서 '가파른 상승 또는 하강 (POA / POD) 경로'가 수행되고 있습니까? 그는 그러한 목적을 위해 Minitab에 매크로 기능이 있다고 말했다. 나는 이전에 Minitab을 사용한 적이 없으며 POA를 사용하는 방법을 모릅니다. 내 이해를 바탕으로 방향은 1 차 모델의 계수로 주어지며 경로를 따라 모든 단계에서 이동할 거리를 정의하는 공식이 있습니다. JMP에서 예제 또는 추가 기능을 공유하여 이러한 종류의 문제를 해결할 수 있다면 감사하겠습니다.
감사합니다.
옌 페이
재 : 가장 가파른 오르막이나 내리막Yanfei : 고객이 추구하는 시나리오의 또 다른 측면은 다중 응답 공동 최적화입니까? 이 경우 JMP는 Desirability Function을 사용하여 솔루션이 Desirability Function에 의해 지정된 조건을 충족시키는 데 도움을주기 때문에 JMP에서 논리와 개념이 조금 더 우아해집니다. JMP Desirability Function 알고리즘에는 가중 계수 (기하학적 평균 종류의 논리에 설명 된 가중치가 있다고 생각합니까? 공동 최적화는 표면을 따라 용액으로 이동합니다. 이러한 가중치만으로 공동 최적화 프로그램은 요인 공간에서 다른 솔루션을 찾을 수 있습니다.
재 : 가장 가파른 오르막이나 내리막고마워, 루 많은 도움이됩니다.
이제 프로세스를 이해하고 JMP에서 이러한 종류의 계산을 수행하는 것이 쉽다는 것을 알고 있습니다. Martin이 제안했듯이 DSD와 같은 고급 방법도 권장합니다.
재 : 가장 가파른 오르막이나 내리막안녕 마틴,
DSD가 흥미로운 대안이라고 생각합니다. 더 넓은 범위에서 실험을 허용함으로써 다음과 같은 가능성을 제공합니다.
-한 번의 실험에서 국소 최적 점을 식별합니다 (또는 세 가지 이상의 요소가 중요한 경우 두 번의 실험).
-배우고 숙달하는 간단한 워크 플로우
-Minitab으로 승격 된 워크 플로에서 위험이있는 두 가지 요인 상호 작용으로 인해 혼란으로 인해 중요한 요인이 누락되지 않도록 보호합니다.
말콤
재 : 가장 가파른 오르막이나 내리막정말 감사합니다, 마틴
방금 Minitab을 설치하고 매크로를 다운로드 한 후 예제를 실행하여 그 기능을 확인했습니다. 출력에서 나는 기본 계수의 단계 길이가 주어진 다른 계수의 계수와 증분 단계를 계산한다는 것을 알고 있습니다.
자세한 계산 프로세스에 감사하지만 필요한 경우 JMP로 수식을 작성할 수 있도록 클라이언트에게 보여줄 수 있습니다. 또한 DSD는 고객에게 좋은 제안입니다. 현재 변경할 준비가되어 있지 않아도 더 나은 옵션이 있다는 것을 알아야합니다. 고객이 문제를 해결하는 데 도움이되는 고급 기술이 있다는 것을 알게되어 매우 기쁩니다.
재 : 가장 가파른 오르막이나 내리막안녕 옌 페이,
Minitab에서 매크로를 보면 다음과 같이 사용됩니다.
1. 중요한 주요 요인을 식별하기 위해 선별 실험을 실행하십시오.
2. 그것들을 위해 선형 모델을 적합
삼. 이제 매크로는 RSM 모델을 준비하기 위해 새 실행을 식별하는 데 사용됩니다. 따라서 기본 변수를 선택하고 경로를 따라 걷습니다. 매크로에서도 찾을 수있는 설명은 다음과 같습니다.
4. 이제 새로운 실험을 실행하십시오
5. 모든 데이터로 RSM을 모델링하여 중요한 모델 효과를 식별하고 설정을 최적화 할 수 있습니다.
즉, 고객에게이 절차를 한 번에 최대 3 개의 변수까지 허용하는 DSD를 실행할 수 있다고 생각합니다. 또한 더 많은 변수가있는 경우 DSD는 상호 작용 및 2 차 효과와 관련하여 주요 효과가 직교 할 수있게하며, 이로 인해 좋은 모델을 바로 찾을 수 있습니다. 제약 조건이나 많은 범주 형 변수가있는 경우이 용도로 사용자 지정 디자이너를 사용하거나 확인 실행과 함께 DSD를 사용할 수 있습니다.
어쨌든 고객은 종종 특정 방식으로 일을하고 의존합니다. 따라서 다른 도구로 전환 할 때 동일한 기능을 다시 갖기를 원합니다. 때로는 더 나은 방법이 있지만 그들이 아는 것은 아닙니다. 따라서 저는이 매크로가 자신이하고 싶은 일을하는 유일한 좋은 방법은 아니라고 설득하는 것이 중요하다고 생각합니다.
나는 내 생각에 다른 의견에 관심이 있습니다.
남자 이름
재 : 가장 가파른 오르막이나 내리막옌 페이,
도움이된다면 여기 Minitab 매크로에 대한 링크가 있습니다
http://support.minitab.com/en-us/minitab/17/macro-library/macro-files/quality-control-and-doe-macros/ascent/
재 : 가장 가파른 오르막이나 내리막감사합니다, 마틴 고객은 특정 문제에 대한 컨설팅보다는 JMP의 기능에 대해 문의했습니다. 나는 그에게서 더 많은 정보를 얻은 다음 우리가 무엇을 할 수 있는지 알려 주어야합니다.
재 : 가장 가파른 오르막이나 내리막고마워요, 돈
그렇습니다. 가장 큰 과제는 모든 단계에서 얼마나 멀리 이동할지 결정하는 것입니다. 당신이 말했듯이, 그것은 공식보다는 도메인 지식의 많은 부분에 달려 있습니다.
고객에게 특별한 요구 사항은 없었지만 ' 1 차 모델 피팅의 경우 JMP에서 '가파른 상승 또는 하강 (POA / POD) 경로'는 어떻게 수행됩니까? 그러한 목적을 위해 Minitab에서와 동등한 매크로 함수가 있습니까? "Minitab에서 매크로 함수에 대해 그가 무엇을 의미하는지 잘 모르겠습니다.
나중에 확인하고 내일 더 많은 정보를 얻을 것입니다.
재 : 가장 가파른 오르막이나 내리막안녕 옌 페이,
내 마음에 떠오른 첫 번째 것은 고객이 달성하려는 것입니다. POA / POD는 일반적으로 최적화 문제에 사용되며 다양한 구현이 있습니다. 기본은 Don이 설명한 것처럼 그라디언트를 봅니다. 그러나 시작점과 단계 너비를 변경하지 않으면 이러한 방법으로 인해 로컬 최적이 발생할 수 있습니다.
프로파일 러의 옵티마이 저가 이미 원하는 것을 수행하기를 바랍니다. 아마. 나는 단지 2D Thing이 아니라 적어도 3D Problem을 가지고 있고 표면의 최대 / 최소를 찾고 싶습니까?
남자 이름
재 : 가장 가파른 오르막이나 내리막POA 또는 POD는 예측 방정식의 기울기입니다. 가장 큰 과제는 계산이 아니라 디자인 공간 밖에서 한 걸음 더 나아가 야하는 것입니다 (그리고 종종 디자인 공간의 코너에서 시작합니다). 거의 항상 도메인 지식이 필요합니다. 한 번에 한 번 실행하면 표준 값 (디자인 공간 범위의 일부일 수 있음)으로 시작하고 각 단계에서 예상 값과 실제 값의 차이를 계산하고 증가 / 감소 / 중지에 따라 이 값이 얼마나 큰지.
