camino de ascenso o descenso más empinado<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Hola,
Tengo un cliente que me preguntó cómo es ¿'camino de ascenso o descenso más empinado (POA / POD)' que se realiza en JMP? Dijo que hay una función macro en Minitab para tal propósito. Nunca he usado Minitab antes y no tengo idea de cómo hacer POA con él. Según mi comprensión, la dirección viene dada por los coeficientes del modelo de primer orden, y hay una fórmula para definir la distancia a moverse en cada paso a lo largo del camino. Por lo tanto, agradecería que pueda compartir un ejemplo o complemento en JMP para abordar este tipo de problema.
Gracias.
Yanfei
Re: camino de ascenso o descenso más empinadoYanfei: ¿Otro aspecto del escenario que el cliente puede estar persiguiendo es la co-optimización de respuesta múltiple? Si ese es el caso, la lógica y el concepto se vuelven un poco más elegantes en JMP porque JMP utiliza una función de deseabilidad para ayudar a asegurar que la solución cumpla con las condiciones establecidas por la función de deseabilidad. El algoritmo de la función de deseabilidad JMP requiere un factor de ponderación (¿creo que los pesos se establecen en un tipo de lógica geométrica promedio? ... ¿Tengo que admitir que ha pasado un tiempo desde la última vez que lo verifiqué?) Para cada respuesta que a su vez influye en el camino El cooptimizador llevará la superficie a una solución. Basándose solo en estos factores de ponderación, el cooptimizador puede encontrar diferentes soluciones en el espacio de factores.
Re: camino de ascenso o descenso más empinadoGracias Lou. Esto ayuda mucho.
Ahora entiendo el proceso y sé que es fácil hacer ese tipo de cálculo en JMP. Y como Martin sugirió, también le recomendaría métodos más avanzados como DSD.
Re: camino de ascenso o descenso más empinadoHola martin,
Creo que el DSD es una alternativa interesante para explorar. Al permitir la experimentación en rangos más amplios, ofrece la posibilidad de:
- identificación de un óptimo local en un experimento (o dos experimentos si más de tres factores resultan importantes)
- un flujo de trabajo más simple para aprender y dominar
- protege contra la falta de factores importantes debido a la confusión con las interacciones de dos factores, lo cual es un riesgo en el flujo de trabajo promovido por Minitab.
Malcolm
Re: camino de ascenso o descenso más empinadoMuchas gracias Martin.
Acabo de instalar Minitab, descargué la macro e intenté ejecutar un ejemplo para ver qué hace. A partir de la salida, sé que solo calcula los coeficientes y el paso de incremento de otros factores dada la longitud del paso del factor base.
Gracias por el proceso de cálculo detallado, para que pueda mostrárselo al cliente para que pueda escribir una fórmula en JMP cuando sea necesario. Y también DSD es una muy buena sugerencia para el cliente. Deben saber que tienen mejores opciones, incluso si no están listos para cambiar en este momento. Y creo que al cliente le agradaría saber que existen técnicas avanzadas para ayudarlo a resolver sus problemas.
Re: camino de ascenso o descenso más empinadoHola yanfei
mirando la macro en Minitab se usa así:
1) Realice un experimento de detección para identificar los factores principales importantes
2) Ajustar un modelo lineal para aquellos
3) Ahora la macro se utilizará para identificar nuevas ejecuciones para preparar un modelo RSM. Por lo tanto, elegirá una variable base y recorrerá el camino. Aquí está la descripción que encuentra también en la macro:
4) Ahora ejecuta los nuevos experimentos
5) Con todos los datos, ahora puede modelar un RSM para identificar los efectos significativos del modelo y optimizar la Configuración.
Dicho esto, creo que podría ofrecerle al cliente que procese un DSD que permita hasta 3 variables de este procedimiento en un solo paso. Además, si tiene más variables, el DSD permitirá que los efectos principales sean ortogonales con respecto a la interacción y los efectos cuadráticos, lo que también permite con una buena probabilidad encontrar un buen modelo de inmediato. Si tiene restricciones o muchas variables categóricas, puede usar el Diseñador personalizado para este propósito o DSD con ejecuciones de confirmación.
De todos modos, los clientes a menudo conocen una cierta forma de hacer las cosas y confían en ella. Por lo tanto, quieren volver a tener la misma funcionalidad al cambiar a otra herramienta. A veces hay una forma aún mejor, pero no es lo que saben. Así que creo que será importante convencerlo de que esta Macro no es la única buena manera de hacer lo que quiere hacer.
Estoy interesado en otras opiniones a mis pensamientos.
Martín
Re: camino de ascenso o descenso más empinadoYanfei
Si es útil aquí está el enlace a la Macro Minitab
http://support.minitab.com/en-us/minitab/17/macro-library/macro-files/quality-control-and-doe-macros/ascent/
Re: camino de ascenso o descenso más empinadoGracias Martin. El cliente preguntó sobre la funcionalidad de JMP en lugar de consultar por un problema específico. Necesito obtener más información de él y luego hacerle saber lo que podemos hacer.
Re: camino de ascenso o descenso más empinadoGracias don.
Sí, el mayor desafío para mí es decidir qué tan lejos avanzar en cada paso. Como dijiste, depende de una gran parte del conocimiento del dominio en lugar de la fórmula.
Si bien el cliente no tenía necesidades específicas para esto, solo preguntó " Para el ajuste del modelo de primer orden, ¿cómo se realiza la 'ruta de ascenso o descenso más pronunciado (POA / POD)' en JMP? ¿Existe una función de macro equivalente como en Minitab para tal propósito? "Simplemente no estoy seguro de qué quiere decir con la función de macro en Minitab.
Lo consultaré más tarde y obtendré más información de él mañana.
Re: camino de ascenso o descenso más empinadoHola yanfei
Lo primero que me vino a la mente es qué quiere lograr el cliente. POA / POD generalmente se usa para problemas de optimización y hay varias implementaciones por ahí. Lo básico es como lo describió Don, mirando el gradiente. Sin embargo, esos métodos probablemente resultarán en un Optimum local a menos que varíe el Punto de inicio y también el ancho del paso.
Que el optimizador en el generador de perfiles ya haga lo que quiere lograr. Tal vez no. Supongo que no solo tiene una Cosa 2D sino al menos un Problema 3D y quiere encontrar un máximo / mínimo de una superficie.
Martín
Re: camino de ascenso o descenso más empinadoPOA o POD es el gradiente de la ecuación de predicción. El mayor desafío no está en su cálculo, sino en qué tan lejos dar un paso una vez que está fuera del espacio de diseño (y a menudo comienza en la esquina del espacio de diseño). Casi siempre requiere conocimiento de dominio. Supongo que si estaba haciendo una carrera a la vez, puede comenzar con un valor estándar (tal vez una fracción del rango de espacio de diseño), calcular la diferencia entre los valores esperados y reales en cada paso, y aumentar / disminuir / detener dependiendo en qué tan grande es este valor.
