Weg des steilsten Auf- oder Abstiegs<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo,
Ich habe einen Kunden, der gefragt hat, wie es ist „Pfad des steilsten Anstiegs oder Abstiegs (POA/POD)“ wird in JMP durchgeführt? Er sagte, dass es für diesen Zweck eine Makrofunktion in Minitab gibt. Ich habe Minitab noch nie verwendet und habe keine Ahnung, wie man damit POA durchführt. Nach meinem Verständnis wird die Richtung durch die Koeffizienten des Modells erster Ordnung angegeben, und es gibt eine Formel, um die Distanz zu definieren, die bei jedem Schritt entlang des Pfades zurückgelegt werden muss. Wir würden uns also freuen, wenn Sie ein Beispiel oder Add-in in JMP teilen könnten, um diese Art von Problem zu lösen.
Danke schön.
Yanfei
Betreff: Weg des steilsten Auf- oder AbstiegsYanfei: Ein weiterer Aspekt des Szenarios, das der Kunde möglicherweise verfolgt, ist die Co-Optimierung mehrerer Antworten? Wenn das der Fall ist, werden die Logik und das Konzept in JMP etwas eleganter, da JMP eine Erwünschtheitsfunktion verwendet, um sicherzustellen, dass die Lösung die von der Erwünschtheitsfunktion festgelegten Bedingungen erfüllt. Der JMP-Wunschbarkeitsfunktionsalgorithmus erfordert einen Gewichtungsfaktor (Gewichte werden meiner Meinung nach in einer geometrischen Durchschnittslogik festgelegt? ... Ich muss zugeben, dass es schon eine Weile her ist, seit ich das letzte Mal nachgeschaut habe?) für jede Antwort, der wiederum den Pfad beeinflusst Der Co-Optimierer führt die Oberfläche zu einer Lösung. Allein auf der Grundlage dieser Gewichtungsfaktoren kann der Co-Optimierer möglicherweise unterschiedliche Lösungen im Faktorraum finden.
Betreff: Weg des steilsten Auf- oder AbstiegsDanke, Lou. Es hilft sehr.
Jetzt verstehe ich den Prozess und weiß, dass es einfach ist, diese Art von Berechnung in JMP durchzuführen. Und wie Martin vorgeschlagen hat, würde ich ihm auch fortgeschrittenere Methoden wie DSD empfehlen.
Betreff: Weg des steilsten Auf- oder AbstiegsHallo Martin,
Ich denke, dass das DSD eine interessante Alternative ist, die es zu erkunden gilt. Durch das Ermöglichen von Experimenten in größeren Bereichen bietet es die Möglichkeit:
- Identifizierung lokaler Optima in einem Experiment (oder zwei Experimenten, wenn sich mehr als drei Faktoren als wichtig erweisen)
- ein einfacher zu erlernender und zu beherrschender Arbeitsablauf
– schützt vor dem Fehlen wichtiger Faktoren aufgrund von Verwechslungen mit Wechselwirkungen zwischen zwei Faktoren, was ein Risiko im von Minitab geförderten Arbeitsablauf darstellt.
Malcolm
Betreff: Weg des steilsten Auf- oder AbstiegsVielen Dank, Martin.
Ich habe gerade Minitab installiert, das Makro heruntergeladen und versucht, ein Beispiel auszuführen, um zu sehen, was es bewirkt. Aus der Ausgabe weiß ich, dass es nur die Koeffizienten und den Inkrementschritt anderer Faktoren berechnet, wenn die Schrittlänge des Basisfaktors gegeben ist.
Vielen Dank für den detaillierten Berechnungsprozess, damit ich ihn dem Kunden zeigen kann, damit er bei Bedarf eine Formel in JMP schreiben kann. Und auch DSD ist ein ziemlich guter Vorschlag für den Kunden. Sie sollten wissen, dass sie bessere Optionen haben, auch wenn sie derzeit nicht bereit sind, sich zu ändern. Und ich denke, der Kunde würde sich sehr freuen zu erfahren, dass es fortschrittliche Techniken gibt, die ihm bei der Lösung seiner Probleme helfen.
Betreff: Weg des steilsten Auf- oder AbstiegsHallo Yanfei,
Wenn man sich das Makro in Minitab ansieht, wird es folgendermaßen verwendet:
1. Führen Sie ein Screening-Experiment durch, um die wichtigen Hauptfaktoren zu identifizieren
2. Passen Sie für diese ein lineares Modell an
3. Jetzt wird das Makro verwendet, um neue Läufe zu identifizieren, um ein RSM-Modell vorzubereiten. Daher wählt es eine Basisvariable und geht den Pfad entlang. Hier ist die Beschreibung, die Sie auch im Makro finden:
4. Führen Sie nun die neuen Experimente durch
5. Mit allen Daten können Sie nun ein RSM modellieren, um die wesentlichen Modelleffekte zu identifizieren und die Einstellungen zu optimieren.
Dennoch glaube ich, dass Sie dem Kunden anbieten könnten, ein DSD auszuführen, das dieses Verfahren in einem Schritt für bis zu drei Variablen ermöglicht. Wenn Sie mehr Variablen haben, ermöglicht das DSD außerdem, dass die Haupteffekte in Bezug auf die Wechselwirkung und die quadratischen Effekte orthogonal sind, was es auch mit hoher Wahrscheinlichkeit ermöglicht, sofort ein gutes Modell zu finden. Wenn Sie Einschränkungen oder viele kategoriale Variablen haben, können Sie für diesen Zweck den benutzerdefinierten Designer oder DSD mit Bestätigungsläufen verwenden.
Allerdings kennen Kunden oft eine bestimmte Vorgehensweise und verlassen sich darauf. Deshalb möchten sie beim Wechsel zu einem anderen Tool wieder die gleiche Funktionalität haben. Manchmal gibt es einen noch besseren Weg, aber es ist nicht das, was sie kennen. Daher glaube ich, dass es wichtig sein wird, ihn davon zu überzeugen, dass dieses Makro nicht die einzige gute Möglichkeit ist, das zu tun, was er tun möchte.
Ich bin an anderen Meinungen zu meinen Gedanken interessiert.
Martin
Betreff: Weg des steilsten Auf- oder AbstiegsYanfei,
Wenn es hilfreich ist, finden Sie hier den Link zum Minitab-Makro
http://support.minitab.com/en-us/minitab/17/macro-library/macro-files/quality-control-and-doe-macros/ascent/
Betreff: Weg des steilsten Auf- oder AbstiegsDanke, Martin. Der Kunde fragte eher nach der Funktionalität von JMP als nach einer Beratung zu einem bestimmten Problem. Ich muss mehr Informationen von ihm einholen und ihm dann sagen, was wir tun können.
Betreff: Weg des steilsten Auf- oder AbstiegsDanke, Don.
Ja, die größte Herausforderung für mich besteht darin, bei jedem Schritt zu entscheiden, wie weit ich mich bewegen soll. Wie Sie sagten, hängt es eher von einem großen Teil des Domänenwissens als von der Formel ab.
Obwohl der Kunde hierfür keine besonderen Anforderungen hatte, fragte er einfach: „ Wie wird bei der Modellanpassung erster Ordnung der „Pfad des steilsten Anstiegs oder Abstiegs (POA/POD)“ in JMP durchgeführt? Gibt es für diesen Zweck eine entsprechende Makrofunktion wie in Minitab?“Ich bin mir nur nicht sicher, was er mit der Makrofunktion in Minitab meint.
Ich werde mich später bei ihm erkundigen und morgen weitere Informationen von ihm erhalten.
Betreff: Weg des steilsten Auf- oder AbstiegsHallo Yanfei,
Das erste, was mir in den Sinn kam, war, was der Kunde erreichen möchte. POA/POD wird normalerweise für Optimierungsprobleme verwendet und es gibt verschiedene Implementierungen. Das Grundprinzip ist, wie Don es beschrieben hat, mit Blick auf den Farbverlauf. Diese Methoden führen jedoch wahrscheinlich zu einem lokalen Optimum, es sei denn, Sie ändern den Startpunkt und die Schrittweite.
Möge der Optimierer im Profiler bereits das tun, was er erreichen möchte. Vielleicht nicht. Ich schätze, er hat nicht nur ein 2D-Ding, sondern zumindest ein 3D-Problem und möchte das Maximum/Minimum einer Oberfläche ermitteln?
Martin
Betreff: Weg des steilsten Auf- oder AbstiegsPOA oder POD ist der Gradient der Vorhersagegleichung. Die größte Herausforderung besteht nicht in der Berechnung, sondern darin, wie weit man gehen muss, wenn man den Gestaltungsraum verlässt (und oft beginnt man an der Ecke des Gestaltungsraums). Es erfordert fast immer Domänenkenntnisse. Ich nehme an, wenn Sie einen Durchlauf nach dem anderen durchführen, können Sie mit einem Standardwert beginnen (vielleicht einem Bruchteil des Entwurfsraumbereichs), die Differenz zwischen den erwarteten und tatsächlichen Werten bei jedem Schritt berechnen und je nach Wert erhöhen/verringern/stoppen wie groß dieser Wert ist.
