percorso di salita o discesa più ripida<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Ciao,
Ho un cliente che mi ha chiesto com'è "percorso di salita o discesa più ripida (POA / POD)" in fase di esecuzione in JMP? Ha detto che esiste una funzione macro in Minitab per tale scopo. Non ho mai usato Minitab prima e non ho idea di come fare POA con esso. Sulla base della mia comprensione, la direzione è data dai coefficienti del modello del primo ordine e c'è una formula per definire la distanza da percorrere ad ogni passo lungo il percorso. Apprezzerei quindi che se fosse possibile condividere un esempio o un componente aggiuntivo in JMP per risolvere questo tipo di problema.
Grazie.
Yanfei
Ri: percorso di salita o discesa più ripidaYanfei: Un altro aspetto dello scenario che il cliente potrebbe perseguire è la co-ottimizzazione a risposta multipla? In tal caso, la logica e il concetto diventano un po 'più eleganti in JMP perché JMP utilizza una funzione di desiderabilità per aiutare a garantire che la soluzione soddisfi le condizioni stabilite dalla funzione di desiderabilità. L'algoritmo della funzione di desiderabilità di JMP richiede un fattore di ponderazione (i pesi credo siano indicati in un tipo di logica medio geometrico? ... Devo ammettere che è passato un po 'di tempo dall'ultima volta che ho verificato?) Per ogni risposta che a sua volta influenza il percorso il co-ottimizzatore porterà lungo la superficie a una soluzione. Basandosi esclusivamente su questi fattori di ponderazione, il co-ottimizzatore può trovare diverse soluzioni nello spazio dei fattori.
Ri: percorso di salita o discesa più ripidaGrazie Lou. Aiuta molto.
Ora capisco il processo e so che è facile fare quel tipo di calcolo in JMP. E come ha suggerito Martin, gli consiglierei anche metodi più avanzati come il DSD.
Ri: percorso di salita o discesa più ripidaCiao Martin,
Penso che il DSD sia un'alternativa interessante da esplorare. Consentendo la sperimentazione su gamme più ampie, offre la possibilità di:
- identificare un optima locale in un esperimento (o due esperimenti se più di tre fattori risultano importanti)
- un flusso di lavoro più semplice da imparare e padroneggiare
- protegge da importanti fattori mancanti a causa di confusione con interazioni tra due fattori che rappresentano un rischio nel flusso di lavoro promosso da Minitab.
Malcolm
Ri: percorso di salita o discesa più ripidaGrazie mille, Martin.
Ho appena installato Minitab, scaricato la macro e provato a eseguire un esempio per vedere cosa fa. Dall'output so che calcola solo i coefficienti e il passo di incremento di altri fattori data la lunghezza del passo del fattore base.
Grazie per il processo di calcolo dettagliato, in modo che io possa mostrarlo al cliente in modo che possano scrivere una formula in JMP quando necessario. E anche DSD è un buon suggerimento per il cliente. Dovrebbero sapere di avere opzioni migliori anche se al momento non sono pronti a cambiare. E penso che il cliente sarebbe molto felice di sapere che esistono tecniche avanzate per aiutarlo a risolvere i propri problemi.
Ri: percorso di salita o discesa più ripidaCiao Yanfei,
guardando la macro in Minitab si usa così:
1. Esegui un esperimento di screening per identificare i principali fattori principali
2. Montare un modello lineare per quelli
3. Ora la macro verrà utilizzata per identificare nuove esecuzioni per preparare un modello RSM. Pertanto sceglierà una variabile di base e percorrerà il percorso. Ecco la descrizione che trovi anche nella macro:
4. Ora esegui i nuovi esperimenti
5. Con tutti i dati ora puoi modellare un RSM per identificare gli effetti significativi del modello e ottimizzare le impostazioni.
Detto questo, credo che potresti offrire al cliente la possibilità di creare un DSD che consenta fino a 3 variabili di questa procedura in un solo passaggio. Inoltre, se hai più variabili, il DSD consentirà agli effetti principali di essere ortogonali per quanto riguarda l'interazione e gli effetti quadratici, il che consente anche con una buona probabilità di trovare subito un buon modello. Se si hanno vincoli o molte variabili categoriche, è possibile che si desideri utilizzare Designer personalizzato per questo scopo o DSD con esecuzioni di conferma.
Ad ogni modo, i clienti spesso conoscono un certo modo di fare le cose e fanno affidamento su di esso. Pertanto vogliono avere di nuovo la stessa funzionalità quando si passa a un altro strumento. A volte c'è un modo ancora migliore ma non è quello che sanno. Quindi credo che sarà importante convincerlo che questa Macro non è l'unico buon modo per fare ciò che vuole fare.
Sono interessato ad altre opinioni ai miei pensieri.
balestruccio
Ri: percorso di salita o discesa più ripidaYanfei,
Se è utile qui è il link alla macro Minitab
http://support.minitab.com/en-us/minitab/17/macro-library/macro-files/quality-control-and-doe-macros/ascent/
Ri: percorso di salita o discesa più ripidaGrazie Martin. Il cliente ha chiesto informazioni sulla funzionalità di JMP anziché consultare un problema specifico. Devo ottenere maggiori informazioni da lui e poi fargli sapere cosa possiamo fare.
Ri: percorso di salita o discesa più ripidaGrazie Don
Sì, la sfida più grande per me è decidere fino a che punto muoversi ad ogni passo. Come hai detto, dipende da gran parte della conoscenza del dominio piuttosto che dalla formula.
Mentre il cliente non aveva esigenze specifiche per questo, ha semplicemente chiesto " Per l'adattamento del modello del primo ordine, come viene eseguito in JMP il 'percorso di salita o discesa più ripido (POA / POD)'? Esiste una funzione macro equivalente come in Minitab a tale scopo? "Non sono sicuro di cosa significhi sulla funzione macro in Minitab.
Verificherò più tardi con lui e domani riceverò maggiori informazioni.
Ri: percorso di salita o discesa più ripidaCiao Yanfei,
la prima cosa che mi è venuta in mente è cosa vuole fare il cliente. POA / POD di solito viene utilizzato per problemi di ottimizzazione e ci sono varie implementazioni là fuori. La base è come ha descritto Don, osservando il gradiente. Tuttavia, questi metodi risulteranno probabilmente in un Optimum locale a meno che non si modifichi il punto iniziale e anche la larghezza del passo.
Possa l'ottimizzatore nel profiler già farà ciò che vuole ottenere. Forse no. Immagino che non abbia solo una cosa 2D ma almeno un problema 3D e voglia trovare un massimo / minimo di una superficie?
balestruccio
Ri: percorso di salita o discesa più ripidaPOA o POD è il gradiente dell'equazione di previsione. La sfida più grande non è nel suo calcolo, ma fino a che punto andare fuori dallo spazio di progettazione (e spesso si inizia all'angolo dello spazio di progettazione). Richiede quasi sempre conoscenza del dominio. Suppongo che se stavi eseguendo una corsa alla volta, puoi iniziare con un valore standard (forse una frazione dell'intervallo dello spazio di progettazione), calcolare la differenza tra i valori previsti e reali in ogni passaggio e aumentare / ridurre / interrompere in base su quanto è grande questo valore.
