候选集设计：针对问题定制 DOE 约束 (2021-EU-30MP-784)级别：中级
Christopher Gotwalt，JMP 统计研发总监，SAS
实验中的因素之间经常存在一些限制，这些限制很重要，不能违反，但很难以数学形式描述。 由于多种原因，这些限制可能很重要。 如果您正在烘烤面包，您知道某些时间和温度的组合会导致产生不可食用的碳块。 另一种情况是存在物理上不可能的因素组合，例如在低温下达到高压。 在本演示中，我们演示了创建候选因子值的模拟数据集的简单工作流程。 在此基础上，我们结合使用 JMP 数据可视化平台中的交互式工具和 AutoRecalc 来识别一组物理上可实现的潜在因素组合，这些组合将提供给 JMP 16 中新的候选集设计功能。 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使用，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。 它使得具有任何能源部经验的从业者都可以更容易地设置有约束的实验。
自动生成的成绩单...
成绩单 |
| 你好，克里斯·戈特瓦尔特。 |
| 今天，我们将要 |
| 构建历史 |
| 图形悖论等等， |
| 错误的话题。 其实我们要去 |
| 谈论候选人 |
| 布景设计、剪裁 DOE |
| 问题的制约因素。 |
| 所以工业实验 |
| 对于产品和过程 |
| 改进有着悠久的历史 |
| 我承认我有很多线索 |
| 只知道一点点 |
| 的。利用观察的想法 |
| 对于产品和过程 |
| 创新与人类一样古老 |
| 本身。 已收到更新 |
| 文艺复兴时期的焦点 |
| 科学革命。 在此期间 |
| 后续工业 |
| 革命、科学与工业 |
| 开始越来越多地经营 |
| 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，但是做到了 |
| 据我所知，除 |
| 现代实验传统。 |
| RA费舍尔之后不久 |
| 引入了诸如 |
| 阻塞和随机化，他的 |
| 合伙人，然后是女婿， |
| 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 |
| 实验，用最多的 |
| 热门书籍《统计学》 |
| 对于 Box 的实验者来说， |
| 猎人与猎人。 |
| Box, Hunter 中描述的方法 |
| 和亨特就是我所说的 |
| 分类学方法进行设计。 |
| 假设你有一个产品 |
| 或您想要改进的流程。 |
| 你仔细思考你所做的事情 |
| 可以换。 旋钮可以转动 |
| 如温度、压力、 |
| 时间、您可以使用的成分或 |
| 您可以使用的处理方法 |
| 使用。这些这些东西变成了 |
| 你的因素。 然后你想 |
| 关于他们是否 |
| 连续的或名义的，并且如果 |
| 它们是名义上的，有多少 |
| 他们采取的水平或范围 |
| 你愿意改变它们。 如果一个 |
| 因子是连续的，那么你 |
| 找出名字 |
| 最容易搭配的设计 |
| 根据问题和资源 |
| 适合您的预算。 |
| 该设计将... |
| 会有一个像 Box 一样的名字 |
| Behnken 设计，分数式 |
| 阶乘或中心 |
| 复合符号，或者可能 |
| 类似田口阵列的东西。 这里将 |
| 限制数量 |
| 跑步次数、级别……数字 |
| 分类级别 |
| 等等因素，所以有 |
| 会有些硬塞 |
| 将手头的问题纳入设计 |
| 你可以找到。 例如， |
| BHH 的因素 |
| 方法，盒子猎人和猎人 |
| 方法，往往需要 |
| 减少到两个或三个 |
| 独特的价值或水平。 |
| 尽管有其局限性， |
| 分类学方法已 |
| 非常成功。 |
| 当然，随着时间的推移，有些 |
| 人们问我们是否可以 |
| 还是做得更好。 |
| 我们所说的“更好”是指 |
| 我们自己，我们如何设计我们的 |
| 学习以获得最高 |
| 相关质量信息 |
| 改进的目标 |
| 项目？ 这条线的 |
| 质疑最终导致 |
| 优化设计。 最优设计是 |
| 一个学术研究领域。 它是 |
| 与 Box 并行启动 |
| 上世纪 50 年代和 60 年代的学校，但是 |
| 由于各种原因被排除在外 |
| 是工业主流的 |
| 进行实验，直到 |
| 定制设计器和 JMP。 |
| 习俗的哲学 |
| 设计师是你所描述的 |
| 问题出在软件上。 它 |
| 然后返回给您最好的设计 |
| 对于您的预算数量 |
| 运行。你首先声明 |
| 您的回应以及他们的 |
| 目标，例如最小化、最大化、 |
| 或匹配目标，然后你 |
| 描述因素的种类 |
| 你有，连续的，绝对的 |
| 混合物等。 |
| 因素可以有任意数量 |
| 水平。你给它一个模型 |
| 你想要适应结果 |
| 数据。该模型假设至少 |
| 平方分析，包括 |
| 主要影响和相互作用 |
| 多项式项。 习俗 |
| 设计师做了一些默认 |
| 关于自然的假设 |
| 您的目标，例如是否 |
| 您有兴趣筛选 |
| 或预测，即 |
| 体现在最优性上 |
| 使用的标准。 这 |
| 默认值可以被覆盖 |
| 带有红色三角形菜单 |
| 如果您愿意的话可以选择 |
| 做一些不同于 |
| 软件的用途。 |
| 大多数情况下的工作流程 |
| 应用程序是要设置 |
| 该模型。 |
| 然后你选择你的预算， |
| 单击进行设计。 一旦那 |
| 发生这种情况时，JMP 使用混合， |
| 连续的和绝对的 |
| 优化算法，求解 |
| 因子数 次 |
| 行项的数量。 |
| 然后你就得到了你的设计数据 |
| 桌子上有你需要的一切 |
| 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。 |
| 如果不能怎么办？ 如果什么 |
| 有限制吗？ 什么 |
| 如果某些因素的价值 |
| 确定可能的范围 |
| 其他因素？ |
| 那么你可以做....然后 |
| 你可以定义一些因素 |
| 限制或使用它 |
| 不允许的组合 |
| 筛选。 |
| 不幸的是，虽然这些 |
| 是强大的工具 |
| 限制性实验 |
| 地区，它仍然可以是非常 |
| 难以表征 |
| 使用这些约束。 |
| Brad Jones 的 DOE 团队 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 |
| 约束条件变得更加容易 |
| JMP 16。 这些被称为 |
| 候选或协变量运行。 |
| 你能做的就是，关闭你的 |
| 拥有，创建所有的表 |
| 可能的组合 |
| 您想要的因子设置 |
| 定制设计师 |
| 考虑。然后加载它们 |
| 这里和那些将是 |
| 仅因素组合 |
| 设计者的设置 |
| 将要... |
| 会看看。 原本的 |
| 表，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。 我要去做什么 |
| 今天要做的是回顾几个 |
| 示例来展示如何使用 |
| 这是为了定制 |
| 设计师发挥其潜力 |
| 作为定制的工具 |
| 针对手头的问题进行设计。 |
| 在我这样做之前，我要 |
| 暂时岔开话题 |
| 指出在 JMP Pro 中 |
| 定制设计器的版本， |
| 现在有一种能力 |
| 允许您声明限制 |
| 设计时检测。 |
| 如果你想要一个非缺失值 |
| 对于此处的限制，自定义 |
| 设计师将添加一栏 |
| 通知的属性 |
| 广义回归平台 |
| 的检测限及其 |
| 然后会自动获取 |
| 分析正确。 这导致 |
| 显着更高的功率 |
| 检测效果并低得多 |
| 预测存在偏差，但这就是 |
| 另一个演讲的主题。 |
| 这里有一堆应用程序 |
| 我能想到的 |
| 候选集设计者。 这 |
| 最简单的是当 a 的范围 |
| 连续因子取决于 |
| 一个或多个类别的级别 |
| 因素。另一个例子是当 |
| 我们无法控制范围 |
| 因素完全 |
| 独立，但 |
| 约束很难写 |
| 向下。我们有两种方法 |
| 可以用于此。 一种正在使用 |
| 历史过程数据作为 |
| 候选集，然后 |
| 另一种是我所说的过滤器 |
| 在您创造的地方进行设计...设计 |
| 一个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 |
| 挑选出那些点 |
| 不满足约束条件。 |
| 还有能力 |
| 真正高度定制的混合物 |
| 问题，尤其是情况 |
| 你有多层的地方 |
| 混合。这不是 |
| 我将要成为的人 |
| 今天可以谈论，但是在 |
| 未来，这是某事 |
| 你应该希望成为 |
| 能与这位候选人做些什么 |
| 布景设计师。 你也可以做 |
| 非线性约束 |
| 过滤方法，同上 |
| 你可以做其他类型的方法 |
| 限制。这是它非常 |
| 简单，我会很快 |
| 例子在最后 |
| 说明了这一点。 |
| 所以让我们考虑一下我们的第一个 |
| 例子。假设你想要 |
| 匹配目标响应 |
| 两个因素的调查。 |
| 一个装备了……一个装备 |
| 供应商，其中有两家 |
| 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的更多 |
| 两者之窄，从 |
| 150至170摄氏度。 |
| 但它是可控的 |
| 更精细的分辨率 |
| 约5度。 供应商B |
| 经营范围更广 |
| 从 140 度到 180 度 |
| 摄氏度，但仅 |
| 可控至10度 |
| 摄氏度。 假设我们想做 |
| 12 次试验的设计来找到 |
| 这些的最佳组合 |
| 两个因素。 |
| 我们枚举所有可能的 |
| 两者的组合 |
| 10 次运行中的因子 |
| 这里的表，只是创建 |
| 这个我们自己手动操作。 |
| 所以这是五种可能 |
| 机器类型 A 的值 |
| 温度设置。 进而 |
| 下面是五种可能的情况 |
| B型温度值 |
| 设置。我们想要最好的 |
| 设计经过 12 次运行，超过 |
| 中的行数 |
| 候选表。 这不是一个 |
| 理论上有问题，但我 |
| 建议创建一个副本 |
| 候选集以防万一 |
| 运行次数 |
| 您的候选表已超过 |
| 您正在查找的号码 |
| 用于设计中。 |
| 然后我们去习俗 |
| 设计师。 |
| 推送选择协变量 |
| 因素按钮。 |
| 选择我们想要的列 |
| 作为候选设计加载 |
| 因素。现在是候选人 |
| 设计已加载并显示。 |
| 我们来添加交互效果， |
| 以及二次效应 |
| 的温度。 现在我们在 |
| 创建之前的最后一步 |
| 设计。我想解释一下 |
| 您在中看到的两个选项 |
| 设计生成大纲节点。 |
| 第一个，这将迫使 |
| 在所有行中 |
| 在原表中选择 |
| 或在列表中 |
| 海关候选人 |
| 设计师。所以如果你有 |
| 不可能的检查站 |
| 受到最优性的青睐 |
| 标准并想强迫他们 |
| 融入到设计中，你可以 |
| 使用此选项。 有点 |
| 就像采取相同的行和 |
| 创建增强设计 |
| 仅基于它们，除了 |
| 你正在控制可能的情况 |
| 因素的组合 |
| 附加行。 |
| 第二个选项，我是 |
| 故意检查这里，允许 |
| 要选择的候选行 |
| 不止一次。 这将给 |
| 你最佳选择 |
| 重复并且可能是 |
| 如果你要跑步，这是个好主意 |
| 物理实验。 如果，在 |
| 另一方面，你正在使用 |
| 要查找的最佳行子集 |
| 尝试一台漂亮的新机器 |
| 学习算法，如 SVEM |
| 我的另一场演讲的主题 |
| 在三月发现 |
| 会议。 你不会想要 |
| 检查此选项是否是 |
| 案子。 基本上，如果你 |
| 没有收到您的全部回复 |
| 值已经，我会检查 |
| 这个盒子，如果你已经有 |
| 响应值，然后不要。 |
| 将样本大小重置为 12 并 |
| 单击进行设计。 候选人 |
| 设计的所有荣耀将 |
| 看起来就像其他任何东西一样 |
| 定制设计 |
| 设计师。正如我们在 |
| 中间 JMP 窗口，JMP 也 |
| 选择原始数据中的行 |
| 候选人选择的桌子 |
| 设计算法。 请注意，10 |
| 未选择 12 行。 |
| 右边我们看到了新的 |
| 设计表，最右边 |
| 表中的列表示 |
| 该行的原点 |
| 跑步。请注意原始行 |
| 11和15被选了两次 |
| 并且是重复的。 |
| 这是一个直方图视图 |
| 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。总体来说，这个设计是 |
| 很好地平衡，但我们没有 |
| 有 3 个温度等级 |
| 机器类型A。 幸运的是， |
| 我们可以选择行 |
| 想要强制进入设计 |
| 确保我们有 3 |
| 温度水平 |
| 两种机器类型。 |
| 只需选择您想要的行 |
| 强行纳入设计中 |
| 协变量表。 检查包括 |
| 将所有选定的协变行放入 |
| 设计选项。 |
| 然后如果你经过 |
| 所有这一切，你都会看到 |
| 现在两个级别 |
| 机器至少有三个 |
| 的温度水平 |
| 设计。所以第一个设计 |
| 我们创建的是在左边 |
| 和新的设计强迫 |
| 有 3 个级别 |
| A 型机器 |
| 温度设定结束 |
| 这里在右边。 |
| 我的第二个例子是基于 |
| 真实数据集来自 |
| 冶金制造 |
| 过程。公司希望 |
| 控制收缩量 |
| 在烧结步骤期间。 他们 |
| 有大量的历史数据 |
| 并已应用机器 |
| 学习模型进行预测 |
| 收缩等有一些想法 |
| 关键因素是什么。 |
| 然而，要真正优化 |
| 这个过程，你真的应该 |
| 做一个设计好的实验。 |
| 饰演 劳拉·卡斯特罗-斯基洛 |
| 一旦指出... |
| 正如劳拉·卡斯特罗-斯基洛曾经 |
| 告诉我，因果关系是 |
| 不是数据的属性，而是 |
| 如果数据生成 |
| 机制，以及乔治·博克斯 |
| 内封面上写着 |
| 实验者统计， |
| 找出当发生什么 |
| 你改变了一些东西，那就是 |
| 有必要改变它。 |
| 现在，虽然我们不能使用 |
| 历史数据证明 |
| 因果关系，有 |
| 有关的重要信息 |
| 哪些因素的组合 |
| 我们可以使用 |
| 在设计中。 |
| 我们首先必须将 |
| 表中的列 |
| 代表可控因素 |
| 从那些更多的 |
| 无源传感器测量 |
| 或推动数量 |
| 无法直接控制。 |
| 散点图一览 |
| 潜在的连续因素 |
| 表明有 |
| 隐含的约束可以 |
| 很难描述为 |
| 线性约束或不允许 |
| 组合。然而，这些 |
| 代表一个样本 |
| 可能的组合 |
| 可以与 |
| 候选设计师相当 |
| 容易地。 |
| 为此，我们提出 |
| 定制设计师。 设置 |
| 回复。我喜欢加载一些 |
| 协变量因素。 选择 |
| 我们可以控制的列 |
| 因素...DOE 因素和 |
| 单击“确定”。 现在我们得到了它们 |
| 已加载。让我们建立一个二次方程 |
| 响应面模型作为我们的 |
| 基础模型。 然后选择全部 |
| 模型条款，除了 |
| 截距。 然后做一个控制 |
| 再加上右键并转换 |
| 所有这些项都包含在 if 中 |
| 可能的影响。 这，在 |
| 与响应相结合 |
| 选择的表面模型，意味着 |
| 我们将创建一个 |
| 贝叶斯 I 最优候选者 |
| 集设计。 |
| 选中允许的框 |
| 最佳选择的重复。 |
| 输入样本大小。 |
| 然后创建设计 |
| 为了我们。 如果我们看一下 |
| 因素的分布， |
| 我们看到它经过努力 |
| 追求更大的平衡。 |
| 在左边，我们有一个 |
| 的散点图矩阵 |
| 连续因素 |
| 原始数据和右侧 |
| 就是百排设计。 我们可以看到 |
| 即在烧结过程中 |
| 温度，我们有一些 |
| 1220 处的潜在异常值。 |
| 人们想要确保 |
| 这些是真正的价值观。 在 |
| 一般情况下，你需要 |
| 确保输入 |
| 候选集很清楚 |
| 异常值和缺失值 |
| 在将其用作候选之前 |
| 集设计。 在我和罗恩的谈话中 |
| 肯尼特这……在三月 |
| 2021年探索会议， |
| 我简要演示了如何使用 |
| 异常值和缺失值 |
| 筛选平台以移除 |
| 异常值并替换 |
| 缺失值，以便您可以 |
| 在后续使用它们 |
| 像这样的舞台。 |
| 现在假设我们有一个问题 |
| 与第一个例子类似， |
| 有两台机器的地方 |
| 类型，但现在我们有 |
| 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 |
| 机器类型之间的变化。 |
| 我们可以创建一个初始空间 |
| 灌装设计和使用 |
| 数据过滤器删除 |
| 不可行的组合 |
| 分别设定的因素 |
| 每种机器类型。 那么我们就可以 |
| 使用候选集设计器 |
| 找到最有效率的 |
| 针对这种情况进行设计。 |
| 所以现在我已经经历了这一切 |
| 所以现在我已经创建了我的空间 |
| 填充设计。 有 1,000 个 |
| 运行，我可以调出 |
| 其上的全局数据过滤器和 |
| 用它来剃除不同的 |
| 温度组合 |
| 和压力，以便我们能够 |
| 有单独的约束 |
| 机器的种类。 |
| 所以我使用套索 |
| 切断工具 |
| 机器 B 中的一个角落。 |
| 然后我回去然后切断 |
| B 机的另一个角落 |
| 机器 B 是具有 |
| 更广泛的经营区域 |
| 在温度和压力下。 |
| 然后我们切换到机器 |
| A。 我们将使用 |
| 套索工具 |
| 剃掉 |
| 其之外的点 |
| 经营区域。 我们看到 |
| 其经营区域是 |
| 比机器 A 窄很多。 |
| 这是我们的组合设计。 |
| 从那里我们可以加载回来 |
| 进入定制设计器。 |
| 在那里放置一个 RSM 模型，然后 |
| 将运行次数设置为 32， |
| 允许协变量行是 |
| 重复。它会转动 |
| 通过。一旦这样做了，它 |
| 选择所有的点 |
| 由候选集选择 |
| 设计师。在这里我们可以看到 |
| 所选择的点。 |
| 它们已被突出显示，并且 |
| 原始候选点集 |
| 没有被选中的是 |
| 是灰色的。 |
| 我们可以提出新的设计 |
| 用 X 拟合 Y，我们可以 |
| 看到我们看到的散点图 |
| 认为 |
| 机器A设计要点 |
| 为红色。 他们在室内 |
| 空间，然后是类型 |
| B 运行为蓝色。 它有 |
| 更广阔的经营区域和 |
| 这就是我们如何看待这些点 |
| 在这里，再进一步。 所以 |
| 我们很快就实现了 |
| 具有线性约束的设计 |
| 随类别变化 |
| 因素而不去 |
| 烦人的推导过程 |
| 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。这个想法概括了 |
| 到其他非线性 |
| 约束和其他复杂的 |
| 情况相当容易。 |
| 所以现在我们要使用 |
| 过滤和多变量 |
| 建立了一个非常独特的新型 |
| 我向你保证的设计 |
| 以前从未见过。 |
| 前往 |
| 套索工具。 本来打算 |
| 剪出一个非常不寻常的 |
| 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。 我们可以通过 |
| 并做同样的事情 |
| 对于 X1 的其他组合 |
| 和其他变量。 |
| 雕刻出一个非常 |
| 形状不寻常的候选集。 |
| 我们可以将其加载到 |
| 定制设计师。 相同的 |
| 事情和以前一样。 带上我们的 |
| 作为协变量的列， |
| 与所有...建立一个设计 |
| 所有高阶交互 |
| 如果可能的话，有一百个 |
| 运行。现在我们看到 |
| 我们的设计非常 |
| 异常受限区域 |
| 鉴于这些，这是最佳的 |
| 限制。 |
| 所以我就留给你这个 |
| 图像。 我很兴奋 |
| 听听你能做什么 |
| 与新的候选集 |
| 设计师。向美国能源部致敬 |
| 团队添加此 |
| 出奇地有用并且 |
| 灵活的新功能。 感谢 |
| 你。 |
爆发数据可视化美国能源部回复：候选集设计：根据问题定制 DOE 约束 (2021-EU-30MP-784)@J_Asscher
问题 1：我想包括某些处理方法，因为这些对我来说是“参考运行”，要么来自现有流程，要么来自之前的实验。 我可能会对这些跑步有反应，但也可能不会。 我应该使用候选运行、增强还是组合？
这取决于您想要做什么 - 增强设计适用于您已经收集了一些响应值并想要获得最丰富信息的情况*新的*要运行的因子设置的组合。 因此，只有在执行一系列设计并在分析的下一阶段包含所有现有行时才使用增强。
候选设计是一种更通用的工具（原则上）包含增强。 如果您选中“在设计中包含所有选定的协变量行”选项，则这些行将被强制纳入设计中，其操作与增强相同。 不同之处在于，因子设置的潜在组合集被限制为候选表中的组合，而增强设计将应用坐标交换类型优化来确定因子设置的新组合。
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好方法，但也有其他用途。 例如，您可以像我们在 SVEM 中一样使用它来为机器学习练习确定良好的训练集。
问题 2：我想指定要复制哪些处理（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”机制强制复制，也可以选中“允许重复协变量行选项”。 当您这样做时，候选集设计器算法将候选表中的样本替换。 因此，无论您喜欢哪种最佳设计，它都会找到要复制的最佳治疗方案。 使用这些选项当然都有充分的理由。
回复：候选集设计：根据问题定制 DOE 约束 (2021-EU-30MP-784)很棒的工具，绝对能满足需求。
我有一个关于如何使用自定义设计与增强设计选项中的候选运行功能的问题。
我知道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，是否可以输入虚假响应）
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的因素（我们可以在原始设计中添加虚假因素，但这并不“容易”）。
另一方面，通过候选运行功能，我们可以轻松添加因子，但不能添加运行。
假设我正在构建一个新设计。 问题 1：我想包括某些处理方法，因为这些对我来说是“参考运行”，要么来自现有流程，要么来自之前的实验。 我可能会对这些跑步有反应，但也可能不会。 我应该使用候选运行、增强还是组合？
问题 2：我想指定要复制哪些处理（同样，对于新设计）。 我该怎么做呢？
谢谢！
