回复：候選集設計：針對問題調整DOE約束（2021-EU-30MP-784）@J_Asscher
問題1：我想包括某些處理方法，因為這些處理方法對我來說是“參考運行”，是來自現有過程還是來自先前的實驗。 對於這些運行，我可能會有回應，但可能沒有。 我應該使用候選運行，增強還是組合？
這取決於您要執行的操作-增強設計是針對已經收集了一些響應值並希望提供最多信息的情況*新的*要運行的因子設置的組合。 因此，僅在執行一系列設計並且在分析的下一階段包括所有現有行時才使用Augment。
候選設計是一種更通用的工具（原則上）包含增強。 如果選中“在設計中包括所有選定的協變量行”選項，則這些行將被強制進入設計，其作用與增強相同。 區別在於，因素設置的潛在組合集被限制為候選表中的那些，而Augment Design將應用坐標交換類型優化來確定因素設置的新組合。
候選集設計具有更廣泛的應用範圍，我認為它最初是處理難以描述的約束的一種好方法，但也有其他用途。 例如，您可以像在SVEM中一樣使用它來為機器學習練習確定一個好的訓練集。
問題2：我想指定要復制的處理方式（同樣，對於新設計）。 我該怎麼做呢？
您可以使用“包括所有選定的內容”機制強制執行複制，也可以選中“允許重複的協變量行”選項。 當您這樣做時，候選集設計器算法將候選表中的樣本並進行替換。 因此，無論您喜歡哪種最佳設計，它都會找到最佳的治療方案集進行複制。 使用這些選項中的每一個肯定有充分的理由。
候選集設計：針對問題定制DOE約束（2021-EU-30MP-784）級別：中級
SAS統計研發總監JMP Christopher Gotwalt
實驗中的因素之間經常存在矛盾，這些矛盾很重要，不要違背，但是很難用數學形式來描述。 由於許多原因，這些矛盾可能很重要。 如果您正在烤麵包，那麼您會知道時間和溫度的組合會導致不可食用的大量碳。 另一種情況是存在一些物理上不可能的因素組合，例如在低溫下達到高壓。 在此演示文稿中，我們說明了創建候選因子值的模擬數據集的簡單工作流程。 然後，我們將JMP數據可視化平台中的交互式工具與AutoRecalc結合使用，以識別可物理實現的一組潛在因素組合，這些組合將提供給JMP 16中的新候選集設計功能。 然後，這會確定要在實驗中運行的這些過濾因子設置的最佳子集。 我們還說明了候選集設計器在歷史過程數據上的用法，實現了最大化信息內容的設計，同時尊重過程變量的內部相關結構。 我們的方法簡單易學。 具有任何DOE經驗的從業人員都可以更輕鬆地進行帶有約束條件的實驗。
自動產生的筆錄...
成績單 |
| 你好克里斯·高瓦特（Chris Gotwalt）在這裡。 |
| 今天，我們將成為 |
| 建構歷史 |
| 圖形悖論，等等， |
| 錯誤的話題。 其實我們要去 |
| 談論候選人 |
| 設置設計，量身定制DOE |
| 問題的約束。 |
| 所以工業實驗 |
| 用於產品和過程 |
| 改善歷史悠久 |
| 我承認我有很多線程 |
| 只知道一個小銀條 |
| 的。使用觀察的想法 |
| 用於產品和過程 |
| 創新與人類一樣古老 |
| 本身。 收到續簽 |
| 專注於文藝復興時期 |
| 科學革命。 在此期間 |
| 後續工業 |
| 革命，科學與工業 |
| 開始越來越多地運作 |
| 步調一致。 20世紀初 |
| 世紀，愛迪生的實驗室是 |
| 產業創新 |
| 工廠規模，但已完成 |
| 據我所知 |
| 現代實驗傳統。 |
| RA Fisher之後不久 |
| 介紹了類似的概念 |
| 封閉和隨機化，他的 |
| 合夥人，然後是son子， |
| 喬治·博克斯（George Box）開發了什麼是 |
| 現在可能占主導地位 |
| 設計範式 |
| 最多的實驗 |
| 流行書《統計》 |
| 對於Box的實驗者來說， |
| 獵人和獵人。 |
| Box，Hunter中描述的方法 |
| 和獵人是我所說的 |
| 分類設計方法。 |
| 所以假設你有一個產品 |
| 或您要改進的過程。 |
| 你通過事情思考 |
| 可以換。 旋鈕可以轉動 |
| 如溫度，壓力， |
| 時間，可以使用的食材或 |
| 您可以處理的方法 |
| 使用。這些東西變成 |
| 你的因素。 那你想 |
| 關於他們是否 |
| 連續或名義上的，如果 |
| 他們是名義上的，多少 |
| 他們採取的水平或範圍 |
| 您願意改變它們。 如果一個 |
| 因素是連續的，那麼你 |
| 找出名字 |
| 最容易匹配的設計 |
| 由問題和資源決定 |
| 您...適合您的預算。 |
| 該設計將具有... |
| 會像盒子一樣有名字 |
| 貝肯設計，分數 |
| 階乘或中心 |
| 複合標誌，或者可能 |
| 像Taguchi數組那樣的東西。 這裡將 |
| 限制人數 |
| 運行次數，級別...數字 |
| 分類級別 |
| 因素等等，所以那裡 |
| 會有些事 |
| 設計中遇到的問題 |
| 您可以找到。 例如， |
| BHH中的因素 |
| 方法，Box Hunter和Hunter |
| 方法，通常需要 |
| 減少到兩三個 |
| 獨特的價值或水平。 |
| 儘管有其局限性， |
| 分類方法已經 |
| 取得了巨大的成功。 |
| 隨著時間的流逝，當然，有些 |
| 人們問我們是否可以 |
| 仍然做得更好。 |
| 而且更好的是我們要問 |
| 我們自己，我們如何設計我們的 |
| 學習獲得最高 |
| 有關的質量信息 |
| 改善目標 |
| 項目？ 這條線 |
| 質疑最終導致 |
| 優化設計。 最佳設計是 |
| 一個學術研究領域。 它是 |
| 與Box平行開始 |
| 50年代和60年代的學校 |
| 由於種種原因仍未解決 |
| 工業的主流 |
| 實驗，直到 |
| 定制設計師和JMP。 |
| 風俗的哲學 |
| 設計師是你描述的 |
| 問題出在軟件上。 它 |
| 然後為您返回最佳設計 |
| 為您的預算數量 |
| 運行。您首先聲明 |
| 您的回應以及他們的 |
| 目標，例如最小化，最大化， |
| 或匹配目標，然後您 |
| 描述各種因素 |
| 你有連續的，絕對的 |
| 混合物等 |
| 因素可以有任意數量的 |
| 水平。你給它一個模型 |
| 您想適合結果 |
| 數據。該模型至少假設 |
| 平方分析，包括 |
| 主要影響和相互作用 |
| 多項式項。 風俗 |
| 設計師做出一些默認設置 |
| 關於自然的假設 |
| 您的目標，例如是否 |
| 您對篩選感興趣 |
| 或預測，這是 |
| 體現在最優 |
| 使用的標準。 這 |
| 默認值可以被覆蓋 |
| 帶有紅色三角形菜單 |
| 如果您想選擇 |
| 做一些不同於 |
| 該軟件的目的是什麼。 |
| 大多數工作流程 |
| 應用程序是要建立的 |
| 該模型。 |
| 然後您選擇預算， |
| 單擊設計。 一旦那個 |
| 碰巧，JMP混合使用了 |
| 連續的和絕對的 |
| 優化算法，求解 |
| 乘以倍數 |
| 行數。 |
| 然後，您可以獲得設計數據 |
| 桌子上有您需要的一切 |
| 除了響應數據。 這 |
| 是一個很棒的工作流程 |
| 因素是可以變化的 |
| 彼此獨立。 |
| 如果不能，該怎麼辦？ 如果什麼 |
| 有約束嗎？ 什麼 |
| 如果某些因素的價值 |
| 確定可能的範圍 |
| 其他因素？ |
| 好吧，你可以做...然後 |
| 你可以定義一些因素 |
| 約束或使用它 |
| 不允許的組合 |
| 篩選。 |
| 不幸的是，雖然這些 |
| 是強大的工具 |
| 約束實驗 |
| 地區，仍然可能非常 |
| 難以描述 |
| 使用這些約束。 |
| 布拉德·瓊斯（Brad Jones）的美國能源部（DOE）團隊，瑞安·萊基維茲（Ryan Lekivetz）， |
| 約瑟夫·摩根和迦勒 |
| 國王添加了一個 |
| 非常有用的新 |
| 使處理的功能 |
| 約束非常容易 |
| JMP 16。 這些叫做 |
| 候選或協變量運行。 |
| 您可以做的就是關閉您的 |
| 擁有，創建所有表 |
| 的可能組合 |
| 所需的因子設置 |
| 定制設計師 |
| 考慮。然後加載它們 |
| 在這裡，這些將是 |
| 僅因子組合 |
| 設計者的設置 |
| 將要... |
| 會看。 原本的 |
| 桌子，我稱之為 |
| 候選表，就像一個 |
| 菜單因子設置 |
| 定制設計師。 |
| 這為JMP用戶提供了 |
| 令人難以置信的控制水平 |
| 他們的設計。 我要去的 |
| 今天要做的就是翻幾遍 |
| 展示如何使用的示例 |
| 這使風俗 |
| 設計師發揮潛能 |
| 作為量身定制的工具 |
| 針對眼前的問題進行設計。 |
| 在我這樣做之前，我要 |
| 暫時離開話題， |
| 指出在JMP Pro中 |
| 自定義設計師的版本， |
| 現在有一種能力 |
| 允許您聲明限制 |
| 在設計時進行檢測。 |
| 如果您想要一個不丟失的值 |
| 對於這裡的限制 |
| 設計人員將添加一列 |
| 通知 |
| 廣義回歸平台 |
| 檢出限及其 |
| 然後將自動獲取 |
| 分析正確。 這導致 |
| 功率大大提高 |
| 檢測效果並降低得多 |
| 偏見的預測，但這就是 |
| 另一個話題。 |
| 這是一堆應用程序 |
| 我可以想到的 |
| 候選人集設計師。 這 |
| 最簡單的是 |
| 連續因素取決於 |
| 一個或多個分類的級別 |
| 因素。另一個例子是 |
| 我們無法控制範圍 |
| 完全因素 |
| 獨立地，但是 |
| 約束很難寫 |
| 下。我們有兩種方法 |
| 可以用於此。 一個正在使用 |
| 歷史過程數據作為 |
| 候選集，然後 |
| 另一個是我所說的過濾器 |
| 在您創建的地方設計...設計 |
| 巨大的初始數據集使用 |
| 隨機數或空格 |
| 填充設計，然後使用行 |
| 散點圖中的選擇 |
| 摘取要點 |
| 不滿足約束。 |
| 也有能力 |
| 真正高度定制的混合物 |
| 問題，特別是情況 |
| 你有多層的地方 |
| 混音。這不是 |
| 我將要成為的東西 |
| 能夠談論今天，但是在 |
| 未來這是某事 |
| 你應該成為 |
| 能夠與這個候選人做 |
| 佈景設計師。 你也可以 |
| 非線性約束 |
| 過濾方法，一樣 |
| 您可以進行其他類型的操作的方式 |
| 約束。這是非常 |
| 簡單，我會快速 |
| 最後的例子 |
| 說明這一點。 |
| 因此，讓我們考慮一下我們的第一個 |
| 例子。假設你想 |
| 匹配目標響應 |
| 調查兩個因素。 |
| 配備...一台設備 |
| 供應商，其中有兩個 |
| 水平，另一個是 |
| 設備的溫度。 這 |
| 兩個不同的供應商有 |
| 不同的操作範圍 |
| 溫度。供應商A更多 |
| 兩者中的較窄，從 |
| 150至170攝氏度。 |
| 但這對一個人來說是可控的 |
| 更精細的分辨率 |
| 大約5度。 供應商B |
| 操作範圍更廣 |
| 從140度到180度 |
| 攝氏，但僅 |
| 可控製到10度 |
| 攝氏溫度 假設我們想做 |
| 12運行設計來找到 |
| 這些的最佳組合 |
| 兩個因素。 |
| 我們列舉所有可能的 |
| 兩者的結合 |
| 在10次跑步中的因素 |
| 表格在這裡，只是創建 |
| 這是我們自己手動完成的。 |
| 所以這是五個可能 |
| 機器類型A的值 |
| 溫度設置。 接著 |
| 這是五種可能 |
| B型溫度值 |
| 設置。我們想要最好的 |
| 12次運行的設計，超過了 |
| 行中的行數 |
| 候選表。 這不是 |
| 理論上有問題，但我 |
| 建議創建一個副本 |
| 候選人設置以防萬一 |
| 跑步次數 |
| 您的候選表已超過 |
| 您正在尋找的號碼 |
| 在設計中。 |
| 然後我們去風俗 |
| 設計師。 |
| 推送選擇協變量 |
| 因素按鈕。 |
| 選擇我們想要的列 |
| 加載為候選設計 |
| 因素。現在的候選人 |
| 設計已加載並顯示。 |
| 讓我們添加交互效果， |
| 以及二次效應 |
| 溫度。 現在我們在 |
| 創建之前的最後一步 |
| 設計。我想解釋一下 |
| 您在其中看到的兩個選項 |
| 設計生成大綱節點。 |
| 第一個，將強制 |
| 在所有的行中 |
| 在原始表格中選擇 |
| 或在清單中 |
| 習俗中的候選人 |
| 設計師。所以如果你有 |
| 不太可能的檢查點 |
| 受到最優性的青睞 |
| 標準，並想強迫他們 |
| 進入設計，您可以 |
| 使用此選項。 有點 |
| 就像走同樣的行， |
| 創建增強設計 |
| 僅基於它們，除了 |
| 您正在控制可能 |
| 的因素組合 |
| 其他行。 |
| 第二種選擇，我是 |
| 故意在這裡檢查，允許 |
| 要選擇的候選行 |
| 不止一次。 這將給 |
| 您是最佳選擇 |
| 複製品，可能是 |
| 好主意，如果你要跑步 |
| 物理實驗。 如果在 |
| 另一方面，您正在使用 |
| 要查找的最佳行子集 |
| 嘗試一台新奇的新機器 |
| 像SVEM這樣的學習算法 |
| 我的其他演講之一 |
| 在三月發現號 |
| 會議。 你不會想要 |
| 檢查該選項是否 |
| 案子。 基本上，如果你 |
| 沒有您的所有回應 |
| 值已經，我會檢查 |
| 這個盒子，如果你已經有 |
| 響應值，然後不這樣做。 |
| 將樣本大小重置為12，然後 |
| 單擊設計。 候選人 |
| 盡其所能設計 |
| 像其他任何東西一樣出現 |
| 定制設計 |
| 設計師。正如我們在 |
| 中間的JMP窗口，JMP也 |
| 選擇原始行 |
| 候選人選擇的表 |
| 設計算法。 注意10 |
| 沒有選擇12行。 |
| 在右側，我們看到了新的 |
| 設計表，最右邊 |
| 表中的列表示 |
| 該行的原點行 |
| 跑。注意原始行 |
| 選擇11和15兩次 |
| 並且是複製品。 |
| 這是 |
| 設計。您可以看到 |
| 不同的溫度值 |
| 由候選集選擇 |
| 不同機器的算法 |
| 類型。總的來說，這種設計是 |
| 很好地平衡了，但是我們沒有 |
| 有3個溫度水平 |
| 機器類型A。 幸運的是， |
| 我們可以選擇行 |
| 想要被迫進入設計 |
| 確保我們有3 |
| 溫度水平 |
| 兩種機器類型。 |
| 只需選擇所需的行 |
| 被迫進入設計 |
| 協變量表。 檢查包括 |
| 所有選定的協變行都進入 |
| 設計選項。 |
| 然後如果你經歷 |
| 所有這些，您將看到 |
| 現在，兩個級別的 |
| 機器至少有三個 |
| 溫度水平 |
| 設計。所以第一個設計 |
| 我們創建的在左側 |
| 和新的設計強迫 |
| 共有3個等級 |
| 機器類型A |
| 溫度設置結束 |
| 在這裡的右邊。 |
| 我的第二個例子是基於 |
| 來自一個的真實數據集 |
| 冶金製造 |
| 過程。該公司想 |
| 控制收縮量 |
| 在燒結步驟中。 他們 |
| 有很多歷史數據 |
| 並已應用機器 |
| 學習模型進行預測 |
| 收縮，所以有一些想法 |
| 關鍵因素是什麼。 |
| 但是，要進行實際優化 |
| 這個過程中，你應該真的 |
| 做一個設計好的實驗。 |
| 飾演勞拉·卡斯特羅·希洛（Laura Castro-Schilo） |
| 曾經指出... |
| 曾經是勞拉·卡斯特羅·希洛（Laura Castro-Schilo） |
| 告訴我，因果關係是一個 |
| 屬性不是數據的，而是 |
| 如果數據生成 |
| 機制，並作為喬治·博克斯 |
| 在...的內頁上說 |
| 實驗者的統計數據， |
| 找出什麼時候會發生 |
| 你改變一些東西，這是 |
| 有必要進行更改。 |
| 現在，儘管我們不能使用 |
| 歷史數據證明 |
| 因果關係，有 |
| 有關的基本信息 |
| 什麼因素組合 |
| 有可能我們可以使用 |
| 在設計中。 |
| 我們首先必須將 |
| 該表中的列 |
| 代表可控因素 |
| 從更多的 |
| 無源傳感器測量 |
| 或驅動數量 |
| 無法直接控制。 |
| 一目了然的散點圖 |
| 潛在的連續因素 |
| 表示有 |
| 隱含的約束可能 |
| 很難形容為 |
| 線性約束或不允許 |
| 組合。但是，這些 |
| 代表 |
| 可能的組合 |
| 可以與 |
| 相當的候選設計師 |
| 容易地。 |
| 為此，我們調出 |
| 定制設計師。 設置 |
| 回复。我喜歡裝一些 |
| 協變量因素。 選擇 |
| 我們可以控制的列 |
| 因子... DOE因子和 |
| 單擊確定。 現在我們有他們了 |
| 已加載。讓我們建立一個二次方 |
| 響應面模型作為我們的 |
| 基本模型。 然後選擇所有 |
| 模型條款除外 |
| 截距。 然後做一個控制 |
| 加上右鍵單擊並轉換 |
| 所有這些條件 |
| 可能的影響。 這個，在 |
| 結合反應 |
| 選擇的表面模型，意味著 |
| 我們將創建一個 |
| 貝葉斯I最優候選 |
| 佈景設計。 |
| 選中允許 |
| 最佳選擇的複製品。 |
| 輸入樣本量。 |
| 然後創建設計 |
| 為我們。 如果我們看一下 |
| 因素的分佈， |
| 我們看到它很努力 |
| 尋求更大的平衡。 |
| 在左側，我們有一個 |
| 的散點圖矩陣 |
| 來自的連續因素 |
| 原始數據在右側 |
| 是百行設計。 我們可以看到 |
| 在燒結 |
| 溫度，我們有一些 |
| 1220的潛在異常值。 |
| 一個人要確保 |
| 這些都是真實的價值。 在 |
| 一般，您將需要 |
| 確保輸入 |
| 候選人集很明顯 |
| 局外人和價值觀缺失 |
| 在使用它作為候選人之前 |
| 佈景設計。 在與羅恩的談話中 |
| Kennet這個...在三月 |
| 2021年發現大會， |
| 我簡要演示瞭如何使用 |
| 離群值和缺失值 |
| 篩選平台刪除 |
| 異常值並替換 |
| 缺少值，以便您可以 |
| 在以後使用它們 |
| 這樣的舞台。 |
| 現在假設我們有一個問題 |
| 與第一個示例類似， |
| 那裡有兩台機器 |
| 類型，但現在我們有了 |
| 溫度和壓力為 |
| 因素，我們知道 |
| 溫度和壓力不能 |
| 獨立變化，並且 |
| 這種依賴的性質 |
| 在機器類型之間進行更改。 |
| 我們可以創建一個初始空間 |
| 灌裝設計及使用 |
| 數據過濾器刪除 |
| 不可行的組合 |
| 分別設置的因素 |
| 每種機器類型。 那我們可以 |
| 使用候選人集設計師 |
| 找到最有效的 |
| 針對這種情況進行設計。 |
| 所以現在我經歷了這個， |
| 所以現在我創建了我的空間 |
| 填充設計。 一千 |
| 運行，我可以提出 |
| 全局數據過濾器就可以了 |
| 用它來剃除不同 |
| 溫度組合 |
| 和壓力，以便我們可以 |
| 有分別的約束 |
| 機型。 |
| 所以我用套索 |
| 切斷工具 |
| 機器B中的一個角。 |
| 然後我回去，我切斷了 |
| 機器B的另一個角落 |
| 機器B是具有以下特徵的機器 |
| 更大的經營範圍 |
| 溫度和壓力。 |
| 然後我們切換到機器 |
| 一種。 我們將要使用 |
| 套索工具 |
| 剃光 |
| 它之外的點 |
| 工作區域。 我們看到 |
| 它的工作區域是 |
| 比機器A窄得多。 |
| 這是我們的組合設計。 |
| 從那裡我們可以將其加載回去 |
| 進入定制設計師。 |
| 在那裡放置一個RSM模型，然後 |
| 將運行次數設置為32， |
| 允許行行 |
| 重複。它會曲柄 |
| 通過。一旦完成，就可以了 |
| 選擇所有的點 |
| 由候選集選擇 |
| 設計師。在這裡我們可以看到 |
| 選擇的點。 |
| 它們已被突出顯示，並且 |
| 原始候選點集 |
| 未選擇的是 |
| 是灰色的。 |
| 我們可以提出新的設計 |
| 在X擬合Y中，我們可以 |
| 看到一個散點圖 |
| 那 |
| 機器A的設計要點 |
| 是紅色的。 他們在室內 |
| 的空間，然後是類型 |
| B運行為藍色。 它有 |
| 更大的經營範圍和 |
| 這就是我們看到這些要點的方式 |
| 在這裡，進一步。 所以 |
| 我們很快實現了 |
| 具有線性約束的設計 |
| 用絕對的方式改變 |
| 不去的因素 |
| 令人討厭的過程 |
| 線性組合係數。 |
| 我們只是使用了基本的JMP 101 |
| 可視化和過濾 |
| 工具。這個想法籠統 |
| 到其他非線性 |
| 約束等複雜 |
| 情況相當容易。 |
| 所以現在我們要使用 |
| 過濾和多元 |
| 設置了一種非常獨特的新型 |
| 我向你保證的設計 |
| 從來沒有見過。 |
| 轉到 |
| 套索工具。 本來打算 |
| 剪出非常不尋常的 |
| 約束。 |
| 我們要反轉 |
| 選擇。 |
| 我們將刪除這些行。 |
| 然後我們可以加快速度 |
| 一點。 我們可以經歷 |
| 並做同樣的事情 |
| 對於X1的其他組合 |
| 和其他變量。 |
| 雕刻出非常 |
| 不尋常形狀的候選集。 |
| 我們可以將其加載到 |
| 定制設計師。 相同的 |
| 像以前一樣。 帶上我們的 |
| 作為協變量的列， |
| 與所有人建立設計... |
| 所有高階互動 |
| 如果可能的話，用一百 |
| 運行。現在我們看到 |
| 我們為此設計 |
| 不尋常的受約束區域 |
| 鑑於這些，這是最佳的 |
| 約束。 |
| 所以我留給你 |
| 圖像。 我很高興 |
| 聽到你的能力 |
| 新的候選人集 |
| 設計師。向美國能源部致敬 |
| 團隊添加了這個 |
| 出奇的有用和 |
| 靈活的新功能。 謝 |
| 你。 |
爆發數據可視化美國能源部回复：候選集設計：針對問題調整DOE約束（2021-EU-30MP-784）很棒的工具，絕對可以滿足需求。
我有一個關於如何在“自定義設計”與“增強設計”選項中使用“候選運行”功能的問題。
我了解當我們使用增強設計時：
1）我們需要一個響應（我不知道JMP如何使用該響應，或者如果我沒有真實的響應，可以放置一個假響應）
2）我們可以輕鬆添加新的運行（這就是重點）
3）我們不能輕易添加新因素（我們可以在原始設計中添加假因素，但這並非“容易”）。
另一方面，借助候選運行功能，我們可以輕鬆添加因子，但不能添加因子。
假設我正在建立一個新設計。 問題1：我想包括某些處理方法，因為這些處理方法對我來說是“參考運行”，是來自現有過程還是來自先前的實驗。 對於這些運行，我可能會有回應，但可能沒有。 我應該使用候選運行，增強還是組合？
問題2：我想指定要復制的處理方式（同樣，對於新設計）。 我該怎麼做呢？
謝謝！
