回复：候选集设计：针对问题调整DOE约束（2021-EU-30MP-784）@J_Asscher
问题1：我想包括某些处理方法，因为这些处理方法对我来说是“参考运行”，是来自现有过程还是来自先前的实验。 对于这些运行，我可能会有回应，但可能没有。 我应该使用候选运行，增强还是组合？
这取决于您要执行的操作-增强设计适用于已经收集了一些响应值并希望获得最有用信息的情况*新的*要运行的因子设置的组合。 因此，仅在执行一系列设计并且在分析的下一阶段包括所有现有行时才使用Augment。
候选设计是一种更通用的工具（原则上）包含增强。 如果选中“在设计中包括所有选定的协变量行”选项，则这些行将被强制进入设计，其作用与增强相同。 区别在于，因素设置的潜在组合集被限制为候选表中的那些，而Augment Design将应用坐标交换类型优化来确定因素设置的新组合。
候选集设计具有更广泛的应用范围，我认为它最初是处理难以描述的约束的一种好方法，但也有其他用途。 例如，您可以像在SVEM中一样使用它来为机器学习练习确定一个好的训练集。
问题2：我想指定要复制的处理方式（同样，对于新设计）。 我该怎么做呢？
您可以使用“包括所有选定的内容”机制强制执行复制，也可以选中“允许重复的协变量行”选项。 当您这样做时，候选集设计器算法将候选表中的样本并进行替换。 因此，无论您喜欢哪种最佳设计，它都会找到最佳的治疗方案集进行复制。 使用这些选项中的每一个肯定有充分的理由。
候选集设计：针对问题定制DOE约束（2021-EU-30MP-784）级别：中级
SAS统计研发总监JMP Christopher Gotwalt
实验中的因素之间经常存在矛盾，这些矛盾很重要，不可违反，但很难以数学形式描述。 由于许多原因，这些矛盾可能很重要。 如果您正在烤面包，那么您会知道时间和温度的组合会导致不可食用的大量碳。 另一种情况是存在一些物理上不可能的因素组合，例如在低温下达到高压。 在此演示文稿中，我们说明了创建候选因子值的模拟数据集的简单工作流程。 然后，我们将JMP数据可视化平台中的交互式工具与AutoRecalc结合使用，以识别可物理实现的一组潜在因素组合，这些组合将提供给JMP 16中的新候选集设计功能。 然后，这会确定要在实验中运行的这些过滤因子设置的最佳子集。 我们还说明了候选集设计器在历史过程数据上的用法，实现了最大化信息内容的设计，同时尊重过程变量的内部相关结构。 我们的方法简单易学。 具有任何DOE经验的从业人员都可以更轻松地进行带有约束条件的实验。
自动产生的笔录...
成绩单 |
| 你好克里斯·高瓦特（Chris Gotwalt）在这里。 |
| 今天，我们将成为 |
| 建构历史 |
| 图形悖论，等等， |
| 错误的话题。 其实我们要去 |
| 谈论候选人 |
| 设置设计，量身定制DOE |
| 问题的约束。 |
| 所以工业实验 |
| 用于产品和过程 |
| 改善历史悠久 |
| 我承认我有很多线程 |
| 只知道一个小银条 |
| 的。使用观察的想法 |
| 用于产品和过程 |
| 创新与人类一样古老 |
| 本身。 收到续签 |
| 专注于文艺复兴时期 |
| 科学革命。 在此期间 |
| 后续工业 |
| 革命，科学与工业 |
| 开始越来越多地运作 |
| 步调一致。 20世纪初 |
| 世纪，爱迪生的实验室是 |
| 产业创新 |
| 工厂规模，但已完成 |
| 据我所知 |
| 现代实验传统。 |
| RA Fisher之后不久 |
| 介绍了类似的概念 |
| 封闭和随机化，他的 |
| 合伙人，然后是son子， |
| 乔治·博克斯（George Box）开发了什么 |
| 现在可能占主导地位 |
| 设计范式 |
| 最多的实验 |
| 流行书《统计》 |
| 对于Box的实验者来说， |
| 猎人和猎人。 |
| Box，Hunter中描述的方法 |
| 和猎人是我所说的 |
| 分类设计方法。 |
| 所以假设你有一个产品 |
| 或您要改进的过程。 |
| 你通过事情思考 |
| 可以换。 旋钮可以转动 |
| 如温度，压力， |
| 时间，可以使用的食材或 |
| 您可以处理的方法 |
| 使用。这些东西变成 |
| 你的因素。 那你想 |
| 关于他们是否 |
| 连续或名义上的，如果 |
| 他们是名义上的，多少 |
| 他们采取的水平或范围 |
| 您愿意改变它们。 如果一个 |
| 因素是连续的，那么你 |
| 找出名字 |
| 最容易匹配的设计 |
| 由问题和资源决定 |
| 您...适合您的预算。 |
| 该设计将具有... |
| 会像盒子一样有名字 |
| 贝肯设计，分数 |
| 阶乘或中心 |
| 复合标志，或者可能 |
| 像Taguchi数组那样的东西。 这里将 |
| 限制人数 |
| 运行次数，级别...数字 |
| 分类级别 |
| 因素等等，所以那里 |
| 会有些事 |
| 设计中遇到的问题 |
| 您可以找到。 例如， |
| BHH中的因素 |
| 方法，Box Hunter和Hunter |
| 方法，通常需要 |
| 减少到两三个 |
| 独特的价值或水平。 |
| 尽管有其局限性， |
| 分类方法已经 |
| 取得了巨大的成功。 |
| 随着时间的流逝，当然，有些 |
| 人们问我们是否可以 |
| 仍然做得更好。 |
| 而且更好的是我们要问 |
| 我们自己，我们如何设计我们的 |
| 学习获得最高 |
| 有关的质量信息 |
| 改善目标 |
| 项目？ 这条线 |
| 质疑最终导致 |
| 优化设计。 最佳设计是 |
| 一个学术研究领域。 它是 |
| 与Box平行开始 |
| 50年代和60年代的学校 |
| 由于种种原因仍未解决 |
| 工业的主流 |
| 实验，直到 |
| 定制设计师和JMP。 |
| 风俗的哲学 |
| 设计师是你描述的 |
| 问题出在软件上。 它 |
| 然后为您返回最佳设计 |
| 为您的预算数量 |
| 运行。您首先声明 |
| 您的回应以及他们的 |
| 目标，例如最小化，最大化， |
| 或匹配目标，然后您 |
| 描述各种因素 |
| 你有连续的，绝对的 |
| 混合物等 |
| 因素可以有任意数量的 |
| 水平。你给它一个模型 |
| 您想适合结果 |
| 数据。该模型至少假设 |
| 平方分析，包括 |
| 主要影响和相互作用 |
| 多项式项。 风俗 |
| 设计师做出一些默认设置 |
| 关于自然的假设 |
| 您的目标，例如是否 |
| 您对筛选感兴趣 |
| 或预测，这是 |
| 体现在最优 |
| 使用的标准。 这 |
| 默认值可以被覆盖 |
| 带有红色三角形菜单 |
| 如果您想选择 |
| 做一些不同于 |
| 该软件的目的是什么。 |
| 大多数工作流程 |
| 应用程序是要建立的 |
| 该模型。 |
| 然后您选择预算， |
| 单击设计。 一旦那个 |
| 碰巧，JMP混合使用了 |
| 连续的和绝对的 |
| 优化算法，求解 |
| 乘以倍数 |
| 行数。 |
| 然后，您可以获得设计数据 |
| 桌子上有您需要的一切 |
| 除了响应数据。 这 |
| 是一个很棒的工作流程 |
| 因素是可以变化的 |
| 彼此独立。 |
| 如果不能，该怎么办？ 如果什么 |
| 有约束吗？ 什么 |
| 如果某些因素的价值 |
| 确定可能的范围 |
| 其他因素？ |
| 好吧，你可以做...然后 |
| 你可以定义一些因素 |
| 约束或使用它 |
| 不允许的组合 |
| 筛选。 |
| 不幸的是，虽然这些 |
| 是强大的工具 |
| 约束实验 |
| 地区，仍然可能非常 |
| 难以描述 |
| 使用这些约束。 |
| 布拉德·琼斯（Brad Jones）的美国能源部（DOE）团队瑞安·莱基维兹（Ryan Lekivetz）， |
| 约瑟夫·摩根和迦勒 |
| 国王添加了一个 |
| 非常有用的新 |
| 使处理的功能 |
| 约束非常容易 |
| JMP 16。 这些叫做 |
| 候选或协变量运行。 |
| 您可以做的就是关闭您的 |
| 拥有，创建所有表 |
| 的可能组合 |
| 所需的因子设置 |
| 定制设计师 |
| 考虑。然后加载它们 |
| 在这里，这些将是 |
| 仅因子组合 |
| 设计者的设置 |
| 将要... |
| 会看。 原本的 |
| 桌子，我称之为 |
| 候选表，就像一个 |
| 菜单因子设置 |
| 定制设计师。 |
| 这为JMP用户提供了 |
| 令人难以置信的控制水平 |
| 他们的设计。 我要去的 |
| 今天要做的就是翻几遍 |
| 展示如何使用的示例 |
| 这使风俗 |
| 设计师发挥潜能 |
| 作为量身定制的工具 |
| 针对眼前的问题进行设计。 |
| 在我这样做之前，我要 |
| 暂时离开话题， |
| 指出在JMP Pro中 |
| 自定义设计师的版本， |
| 现在有一种能力 |
| 允许您声明限制 |
| 在设计时进行检测。 |
| 如果您想要一个不丢失的值 |
| 对于这里的限制 |
| 设计人员将添加一列 |
| 通知 |
| 广义回归平台 |
| 检出限及其 |
| 然后将自动获取 |
| 分析正确。 这导致 |
| 功率大大提高 |
| 检测效果并降低得多 |
| 偏见的预测，但这就是 |
| 另一个话题。 |
| 这是一堆应用程序 |
| 我可以想到的 |
| 候选人集设计师。 这 |
| 最简单的是 |
| 连续因素取决于 |
| 一个或多个分类的级别 |
| 因素。另一个例子是 |
| 我们无法控制范围 |
| 完全因素 |
| 独立地，但是 |
| 约束很难写 |
| 下。我们有两种方法 |
| 可以用于此。 一个正在使用 |
| 历史过程数据作为 |
| 候选集，然后 |
| 另一个是我所说的过滤器 |
| 在您创建的地方设计...设计 |
| 巨大的初始数据集使用 |
| 随机数或空格 |
| 填充设计，然后使用行 |
| 散点图中的选择 |
| 摘取要点 |
| 不满足约束。 |
| 也有能力 |
| 真正高度定制的混合物 |
| 问题，特别是情况 |
| 你有多层的地方 |
| 混音。这不是 |
| 我将要成为的东西 |
| 能够谈论今天，但是在 |
| 未来这是某事 |
| 你应该成为 |
| 能够与这个候选人做 |
| 布景设计师。 你也可以 |
| 非线性约束 |
| 过滤方法，一样 |
| 您可以进行其他类型的操作的方式 |
| 约束。这是非常 |
| 简单，我会快速 |
| 最后的例子 |
| 说明这一点。 |
| 因此，让我们考虑一下我们的第一个 |
| 例子。假设你想 |
| 匹配目标响应 |
| 调查两个因素。 |
| 配备...一台设备 |
| 供应商，其中有两个 |
| 水平，另一个是 |
| 设备的温度。 这 |
| 两个不同的供应商有 |
| 不同的操作范围 |
| 温度。供应商A更多 |
| 两者中的较窄，从 |
| 150至170摄氏度。 |
| 但这对一个人来说是可控的 |
| 更精细的分辨率 |
| 大约5度。 供应商B |
| 操作范围更广 |
| 从140度到180度 |
| 摄氏，但仅 |
| 可控制到10度 |
| 摄氏温度 假设我们想做 |
| 12运行设计来找到 |
| 这些的最佳组合 |
| 两个因素。 |
| 我们列举所有可能的 |
| 两者的结合 |
| 在10次跑步中的因素 |
| 表格在这里，只是创建 |
| 这是我们自己手动完成的。 |
| 所以这是五个可能 |
| 机器类型A的值 |
| 温度设置。 接着 |
| 这是五种可能 |
| B型温度值 |
| 设置。我们想要最好的 |
| 12次运行的设计，超过了 |
| 行中的行数 |
| 候选表。 这不是 |
| 理论上有问题，但我 |
| 建议创建一个副本 |
| 候选人设置以防万一 |
| 跑步次数 |
| 您的候选表已超过 |
| 您正在寻找的号码 |
| 在设计中。 |
| 然后我们去风俗 |
| 设计师。 |
| 推送选择协变量 |
| 因素按钮。 |
| 选择我们想要的列 |
| 加载为候选设计 |
| 因素。现在的候选人 |
| 设计已加载并显示。 |
| 让我们添加交互效果， |
| 以及二次效应 |
| 温度。 现在我们在 |
| 创建之前的最后一步 |
| 设计。我想解释一下 |
| 您在其中看到的两个选项 |
| 设计生成大纲节点。 |
| 第一个，将强制 |
| 在所有的行中 |
| 在原始表格中选择 |
| 或在清单中 |
| 习俗中的候选人 |
| 设计师。所以如果你有 |
| 不太可能的检查点 |
| 受到最优性的青睐 |
| 标准，并想强迫他们 |
| 进入设计，您可以 |
| 使用此选项。 有点 |
| 就像走同样的行， |
| 创建增强设计 |
| 仅基于它们，除了 |
| 您正在控制可能 |
| 的因素组合 |
| 其他行。 |
| 第二种选择，我是 |
| 故意在这里检查，允许 |
| 要选择的候选行 |
| 不止一次。 这将给 |
| 您是最佳选择 |
| 复制品，可能是 |
| 好主意，如果你要跑步 |
| 物理实验。 如果在 |
| 另一方面，您正在使用 |
| 要查找的最佳行子集 |
| 尝试一台新奇的新机器 |
| 像SVEM这样的学习算法 |
| 我的其他演讲之一 |
| 在三月发现号 |
| 会议。 你不会想要 |
| 检查该选项是否 |
| 案子。 基本上，如果你 |
| 没有您的所有回应 |
| 值已经，我会检查 |
| 这个盒子，如果你已经有 |
| 响应值，然后不这样做。 |
| 将样本大小重置为12，然后 |
| 单击设计。 候选人 |
| 尽其所能设计 |
| 像其他任何东西一样出现 |
| 定制设计 |
| 设计师。正如我们在 |
| 中间的JMP窗口，JMP也 |
| 选择原始行 |
| 候选人选择的表 |
| 设计算法。 注意10 |
| 没有选择12行。 |
| 在右侧，我们看到了新的 |
| 设计表，最右边 |
| 表中的列表示 |
| 该行的原点行 |
| 跑。注意原始行 |
| 选择11和15两次 |
| 并且是复制品。 |
| 这是 |
| 设计。您可以看到 |
| 不同的温度值 |
| 由候选集选择 |
| 不同机器的算法 |
| 类型。总的来说，这种设计是 |
| 很好地平衡了，但是我们没有 |
| 有3个温度水平 |
| 机器类型A。 幸运的是， |
| 我们可以选择行 |
| 想要被迫进入设计 |
| 确保我们有3 |
| 温度水平 |
| 两种机器类型。 |
| 只需选择所需的行 |
| 被迫进入设计 |
| 协变量表。 检查包括 |
| 所有选定的协变行都进入 |
| 设计选项。 |
| 然后如果你经历 |
| 所有这些，您将看到 |
| 现在，两个级别的 |
| 机器至少有三个 |
| 温度水平 |
| 设计。所以第一个设计 |
| 我们创建的在左侧 |
| 和新的设计强迫 |
| 共有3个等级 |
| 机器类型A |
| 温度设置结束 |
| 在这里的右边。 |
| 我的第二个例子是基于 |
| 来自一个的真实数据集 |
| 冶金制造 |
| 过程。该公司想 |
| 控制收缩量 |
| 在烧结步骤中。 他们 |
| 有很多历史数据 |
| 并已应用机器 |
| 学习模型进行预测 |
| 收缩，所以有一些想法 |
| 关键因素是什么。 |
| 但是，要进行实际优化 |
| 这个过程中，你应该真的 |
| 做一个设计好的实验。 |
| 饰演劳拉·卡斯特罗·希洛（Laura Castro-Schilo） |
| 曾经指出... |
| 曾经是劳拉·卡斯特罗·希洛（Laura Castro-Schilo） |
| 告诉我，因果关系是一个 |
| 属性不是数据的，而是 |
| 如果数据生成 |
| 机制，并作为乔治·博克斯 |
| 在...的内页上说 |
| 实验者的统计数据， |
| 找出什么时候会发生 |
| 你改变一些东西，这是 |
| 有必要进行更改。 |
| 现在，尽管我们不能使用 |
| 历史数据证明 |
| 因果关系，有 |
| 有关的基本信息 |
| 什么因素组合 |
| 有可能我们可以使用 |
| 在设计中。 |
| 我们首先必须将 |
| 该表中的列 |
| 代表可控因素 |
| 从更多的 |
| 无源传感器测量 |
| 或驱动数量 |
| 无法直接控制。 |
| 一目了然的散点图 |
| 潜在的连续因素 |
| 表示有 |
| 隐含的约束可能 |
| 很难形容为 |
| 线性约束或不允许 |
| 组合。但是，这些 |
| 代表 |
| 可能的组合 |
| 可以与 |
| 相当的候选设计师 |
| 容易地。 |
| 为此，我们调出 |
| 定制设计师。 设置 |
| 回复。我喜欢装一些 |
| 协变量因素。 选择 |
| 我们可以控制的列 |
| 因子... DOE因子和 |
| 单击确定。 现在我们有他们了 |
| 已加载。让我们建立一个二次方 |
| 响应面模型作为我们的 |
| 基本模型。 然后选择所有 |
| 模型条款除外 |
| 截距。 然后做一个控制 |
| 加上右键单击并转换 |
| 所有这些条件 |
| 可能的影响。 这个，在 |
| 结合反应 |
| 选择的表面模型，意味着 |
| 我们将创建一个 |
| 贝叶斯I最优候选 |
| 布景设计。 |
| 选中允许 |
| 最佳选择的复制品。 |
| 输入样本量。 |
| 然后创建设计 |
| 为我们。 如果我们看一下 |
| 因素的分布， |
| 我们看到它很努力 |
| 寻求更大的平衡。 |
| 在左侧，我们有一个 |
| 的散点图矩阵 |
| 来自的连续因素 |
| 原始数据在右侧 |
| 是百行设计。 我们可以看到 |
| 在烧结 |
| 温度，我们有一些 |
| 1220的潜在异常值。 |
| 一个人要确保 |
| 这些都是真实的价值。 在 |
| 一般，您将需要 |
| 确保输入 |
| 候选人集很明显 |
| 局外人和价值观缺失 |
| 在使用它作为候选人之前 |
| 布景设计。 在与罗恩的谈话中 |
| Kennet这个...在三月 |
| 2021年发现大会， |
| 我简要演示了如何使用 |
| 离群值和缺失值 |
| 筛选平台删除 |
| 异常值并替换 |
| 缺少值，以便您可以 |
| 在以后使用它们 |
| 这样的舞台。 |
| 现在假设我们有一个问题 |
| 与第一个示例类似， |
| 那里有两台机器 |
| 类型，但现在我们有了 |
| 温度和压力为 |
| 因素，我们知道 |
| 温度和压力不能 |
| 独立变化，并且 |
| 这种依赖的性质 |
| 在机器类型之间进行更改。 |
| 我们可以创建一个初始空间 |
| 灌装设计及使用 |
| 数据过滤器删除 |
| 不可行的组合 |
| 分别设置的因素 |
| 每种机器类型。 那我们可以 |
| 使用候选人集设计师 |
| 找到最有效的 |
| 针对这种情况进行设计。 |
| 所以现在我经历了这个， |
| 所以现在我创建了我的空间 |
| 填充设计。 一千 |
| 运行，我可以提出 |
| 全局数据过滤器就可以了 |
| 用它来剃除不同 |
| 温度组合 |
| 和压力，以便我们可以 |
| 有分别的约束 |
| 机型。 |
| 所以我用套索 |
| 切断工具 |
| 机器B中的一个角。 |
| 然后我回去，我切断了 |
| 机器B的另一个角落 |
| 机器B是具有以下特征的机器 |
| 更大的经营范围 |
| 温度和压力。 |
| 然后我们切换到机器 |
| 一种。 我们将要使用 |
| 套索工具 |
| 剃光 |
| 它之外的点 |
| 工作区域。 我们看到 |
| 它的工作区域是 |
| 比机器A窄得多。 |
| 这是我们的组合设计。 |
| 从那里我们可以将其加载回去 |
| 进入定制设计师。 |
| 在那里放置一个RSM模型，然后 |
| 将运行次数设置为32， |
| 允许行行 |
| 重复。它会曲柄 |
| 通过。一旦完成，就可以了 |
| 选择所有的点 |
| 由候选集选择 |
| 设计师。在这里我们可以看到 |
| 选择的点。 |
| 它们已被突出显示，并且 |
| 原始候选点集 |
| 未选择的是 |
| 是灰色的。 |
| 我们可以提出新的设计 |
| 在X拟合Y中，我们可以 |
| 看到一个散点图 |
| 那 |
| 机器A的设计要点 |
| 是红色的。 他们在室内 |
| 的空间，然后是类型 |
| B运行为蓝色。 它有 |
| 更大的经营范围和 |
| 这就是我们看到这些要点的方式 |
| 在这里，进一步。 所以 |
| 我们很快实现了 |
| 具有线性约束的设计 |
| 用绝对的方式改变 |
| 不去的因素 |
| 令人讨厌的过程 |
| 线性组合系数。 |
| 我们只是使用了基本的JMP 101 |
| 可视化和过滤 |
| 工具。这个想法笼统 |
| 到其他非线性 |
| 约束等复杂 |
| 情况相当容易。 |
| 所以现在我们要使用 |
| 过滤和多元 |
| 设置了一种非常独特的新型 |
| 我向你保证的设计 |
| 从来没有见过。 |
| 转到 |
| 套索工具。 本来打算 |
| 剪出非常不寻常的 |
| 约束。 |
| 我们要反转 |
| 选择。 |
| 我们将删除这些行。 |
| 然后我们可以加快速度 |
| 一点。 我们可以经历 |
| 并做同样的事情 |
| 对于X1的其他组合 |
| 和其他变量。 |
| 雕刻出非常 |
| 不寻常形状的候选集。 |
| 我们可以将其加载到 |
| 定制设计师。 相同的 |
| 像以前一样。 带上我们的 |
| 作为协变量的列， |
| 与所有人建立设计... |
| 所有高阶互动 |
| 如果可能的话，用一百 |
| 运行。现在我们看到 |
| 我们为此设计 |
| 不寻常的受约束区域 |
| 鉴于这些，这是最佳的 |
| 约束。 |
| 所以我留给你 |
| 图像。 我很高兴 |
| 听到你的能力 |
| 新的候选人集 |
| 设计师。向美国能源部致敬 |
| 团队添加了这个 |
| 出奇的有用和 |
| 灵活的新功能。 谢 |
| 你。 |
爆发数据可视化美国能源部回复：候选集设计：针对问题调整DOE约束（2021-EU-30MP-784）很棒的工具，绝对可以满足需求。
我有一个关于如何在“自定义设计”和“增强设计”选项中使用“候选运行”功能的问题。
我了解当我们使用增强设计时：
1）我们需要一个响应（我不知道JMP如何使用该响应，或者如果我没有真实的响应，可以放置一个假响应）
2）我们可以轻松添加新的运行（这就是重点）
3）我们不能轻易添加新因素（我们可以在原始设计中添加假因素，但这并非“容易”）。
另一方面，借助候选运行功能，我们可以轻松添加因子，但不能添加因子。
假设我正在建立一个新设计。 问题1：我想包括某些处理方法，因为这些处理方法对我来说是“参考运行”，是来自现有过程还是来自先前的实验。 对于这些运行，我可能会有回应，但可能没有。 我应该使用候选运行，增强还是组合？
问题2：我想指定要复制的处理方式（同样，对于新设计）。 我该怎么做呢？
谢谢！
