Evaluación de los resultados por diseño personalizado¡Hola a todos!
Me gustaría su ayuda sobre este tema:
Recientemente he creado un diseño personalizado con JMP usando 5 parámetros. Tengo que evaluar los efectos principales de los parámetros y la no linealidad y también las interacciones de los parámetros en función de los resultados con tres parámetros de salida.
Ahora, el diseño personalizado me da una sugerencia sobre cómo evaluar mis resultados o puedo elegir yo mismo. En este ejemplo que cargué, encontrará la sugerencia de JMP y mi segunda opción, ambas guardadas en la tabla de datos en la esquina superior izquierda. Ayúdenme a elegir la evaluación correcta, ya que la configuración optimizada se ve ligeramente diferente para ambos, aunque los valores son buenos para ambos métodos de evaluación en mi opinión.
¡Gracias por adelantado!
-Su
@martindemel
Re: Evaluación de los resultados por diseño personalizadoLa selección del mejor modelo no siempre es clara. Incluyó muchos términos de orden superior de los cuales es probable que solo unos pocos estén activos. Utilicé la plataforma de Regresión generalizada en JMP Pro 15 con el método LASSO adaptativo para la selección de términos basados en AICc mínimo. Aquí está el Perfil de predicción con los modelos ajustados guardados como fórmulas de columna.
Adjunté su tabla de datos con scripts para el ajuste y las columnas con las fórmulas del modelo para su examen.
Re: Evaluación de los resultados por diseño personalizadoSolo para agregar, se puede confirmar un buen modelo. Recomiendo confirmar las predicciones para las configuraciones que deberían producir los resultados deseados y las configuraciones que producen malos resultados. Un buen modelo puede predecir buenos y malos resultados.
Re: Evaluación de los resultados por diseño personalizadoMuchas gracias Sr. Bailey!Re: Evaluación de los resultados por diseño personalizado¿Quiere decir aquí establecer los valores de deseabilidad para los parámetros de salida y ver si se puede alcanzar el nivel de deseabilidad de "1"? ¿O hay otra forma de confirmar un buen modelo?Re: Evaluación de los resultados por diseño personalizadoEl generador de perfiles de predicción es una forma de explotar El modelo seleccionado. Sugiero usarlo para encontrar configuraciones que pronostiquen los resultados más deseables y configuraciones que predigan un resultado no deseado.
Confirmando el modelo requiere nueva evidencia empírica: ejecute su sistema / proceso utilizando ambos conjuntos de configuraciones y determine si el resultado medio está de acuerdo con la predicción. Esta es la única forma de confirmar que yo sepa.
Re: Evaluación de los resultados por diseño personalizadoPoner @markbailey La confirmación recomienda de otra manera citaré a un ingeniero sabio con el que trabajé una vez durante mi mandato en Eastman Kodak Company ... su nombre era Dave Neimeyer ... y su cita fue algo como esto ... "Hasta que puedas un mecanismo de falla encendido y apagado, no entiendes la causa raíz ".
Re: Evaluación de los resultados por diseño personalizadoSupongo que quería decir que puede verificar la mejor configuración para obtener la salida más deseada ejecutando uno o dos experimentos adicionales con exactamente esas mejores configuraciones. Luego, encuentra la configuración para los malos resultados (usando el generador de perfiles) y realiza otro o dos experimentos con estas (generalmente) nuevas configuraciones.
Si los experimentos para la buena configuración y la mala configuración coinciden con los resultados de su modelo para cada una de las configuraciones respectivamente, puede juzgar que tiene un buen modelo predictivo y explicativo. Si solo puede predecir buenos o malos resultados, su modelo puede tender a predecir solo un lado bueno. Esto a veces sucede si tiene eventos raros y usa los datos completos para predecir el resultado. Esos eventos raros se pueden predecir como, por ejemplo, buenos aunque sean malos solo porque el error involucrado al predecir estos errores es muy pequeño debido a la rareza, incluso si usted dice que todo es bueno (es decir, no hay malos resultados). Este es un tema que muchas personas caen en una trampa. Espero que esto ayude.
