Re : 후보 세트 설계 : 문제에 대한 DOE 제약 조정 (2021-EU-30MP-784)@J_Asscher
문제 1 : 기존 프로세스 또는 이전 실험에서 얻은 "참조 실행"이므로 특정 처리를 포함하고 싶습니다. 이러한 실행에 대한 응답이있을 수 있지만 그렇지 않을 수도 있습니다. 후보 실행, 증강 또는 조합을 사용해야합니까?
수행하려는 작업에 따라 다릅니다. 증강 설계는 이미 일부 응답 값을 수집하고 가장 유익한 정보를 원하는 경우를위한 것입니다. *새로운* 실행할 요인 설정의 조합. 따라서 일련의 설계를 수행하고 분석의 다음 단계에서 모든 기존 행을 포함 할 때만 Augment를 사용합니다.
후보 디자인은 (원칙적으로) 증강을 포함하는보다 일반적인 도구입니다. "설계에 선택한 모든 공변량 행 포함"옵션을 선택하면 해당 행이 설계에 강제 적용되며 이는 증강과 동일하게 작동합니다. 차이점은 요인 설정의 잠재적 조합 집합은 후보 테이블의 조합으로 제한되는 반면 Augment Design은 좌표 교환 유형 최적화를 적용하여 요인 설정의 새로운 조합을 결정한다는 것입니다.
Candidate Set 디자인은 더 넓은 적용 범위를 가지고 있으며 처음에는 설명하기 어려운 제약 조건을 처리하는 좋은 방법이라고 생각하지만 다른 용도도 있습니다. 예를 들어 SVEM에서 사용하는 것처럼이를 사용하여 기계 학습 연습에 적합한 훈련 세트를 식별 할 수 있습니다.
문제 2 : 복제 할 치료법을 지정하고 싶습니다 (다시 새 디자인의 경우). 어떻게해야합니까?
"선택된 모든 항목 포함"메커니즘을 사용하여 복제를 강제 실행하거나 "반복되는 공변량 행 허용 옵션"을 선택할 수 있습니다. 그렇게하면 Candidate Set 디자이너 알고리즘이 교체가있는 후보 테이블의 샘플 . 따라서 원하는 최적의 디자인 감각으로 복제 할 최적의 치료 세트를 찾을 수 있습니다. 이러한 각 옵션을 사용하는 데에는 확실히 좋은 이유가 있습니다.
후보 세트 설계 : 문제에 대한 DOE 제약 조정 (2021-EU-30MP-784)레벨 : 중급
Christopher Gotwalt, JMP, SAS 통계 R & D 이사
위반하지 않는 것이 중요하지만 수학적 형식으로 설명하기 어려운 실험 요소 사이에는 종종 금기 사항이 있습니다. 이러한 제약은 여러 가지 이유로 중요 할 수 있습니다. 빵을 굽는 경우, 먹을 수없는 탄소 덩어리로 이어지는 시간과 온도의 조합이 있습니다. 또 다른 상황은 저온에서 높은 압력을 얻는 것과 같이 물리적으로 불가능한 요인 조합이있는 경우입니다. 이 프레젠테이션에서는 후보 요인 값의 시뮬레이션 된 데이터 세트를 만드는 간단한 워크 플로를 보여줍니다. 여기에서 AutoRecalc와 함께 JMP 데이터 시각화 플랫폼의 대화 형 도구를 사용하여 JMP 16의 새로운 후보 세트 설계 기능에 제공되는 물리적으로 실현 가능한 잠재적 요인 조합 세트를 식별합니다. 그런 다음 실험에서 실행할 필터링 된 요인 설정의 최적 하위 집합을 식별합니다. 또한 과거 프로세스 데이터에 대한 후보 세트 설계자의 사용을 설명하여 프로세스 변수의 내부 상관 구조를 존중하면서 정보 내용을 최대화하는 설계를 달성합니다. 우리의 접근 방식은 간단하고 가르치기 쉽습니다. 이를 통해 DOE 경험이 많은 실무자가 제약 조건이있는 실험을 훨씬 쉽게 설정할 수 있습니다.
자동 생성 스크립트 ...
성적 증명서 |
| 안녕하세요, Chris Gotwalt입니다. |
| 오늘 우리는 |
| 역사 구축 |
| 그래픽 역설과 오 잠깐, |
| 잘못된 주제. 사실 우리는 갈거야 |
| 후보자에 대해 이야기하다 |
| 세트 디자인, 맞춤 DOE |
| 문제에 대한 제약. |
| 그래서 산업 실험 |
| 제품 및 공정 |
| 개선은 오랜 역사를 가지고 있습니다 |
| 내가 인정하는 많은 스레드로 |
| 작은 은색 만 알고 |
| 의. 관찰 사용 아이디어 |
| 제품 및 공정 |
| 혁신은 인류만큼이나 오래되었습니다 |
| 그 자체. 리뉴얼 받았습니다 |
| 르네상스 시대에 집중하고 |
| 과학 혁명. 시 |
| 후속 산업 |
| 혁명, 과학 및 산업 |
| 점점 더 작동하기 시작했습니다 |
| 잠금 단계에서. 20 일 초 |
| 세기, 에디슨의 실험실은 |
| 산업 혁신 |
| 공장 규모,하지만 완료되었습니다 |
| 내가 아는 한, 외부 |
| 현대 실험 전통. |
| RA Fisher 이후 얼마 지나지 않음 |
| 다음과 같은 개념 도입 |
| 차단 및 무작위 화, 그의 |
| 동료와 사위, |
| George Box는 |
| 이제 아마도 지배적 |
| 디자인 패러다임 |
| 가장 많은 실험 |
| 인기있는 책은 통계 |
| 상자 별 실험자, |
| 헌터와 헌터. |
| Box, Hunter에 설명 된 방법 |
| 헌터는 내가 부르는 |
| 디자인에 대한 분류 학적 접근. |
| 따라서 제품이 있다고 가정합니다. |
| 또는 개선하려는 프로세스. |
| 당신은 당신을 통해 생각 |
| 바꿀 수있다. 손잡이는 돌릴 수 있습니다 |
| 온도, 압력, |
| 시간, 사용할 수있는 재료 또는 |
| 당신이 할 수있는 처리 방법 |
| 사용하다. 이것들은 |
| 당신의 요인. 그럼 당신은 생각 |
| 그들이 있는지 여부에 대해 |
| 연속 또는 명목상, |
| 그들은 명목, 얼마나 많은 |
| 그들이 취하는 수준 또는 범위 |
| 당신은 그들을 변화시킬 의향이 있습니다. 만약 |
| 인자가 연속적이면 |
| 의 이름을 알아 내다 |
| 가장 쉽게 어울리는 디자인 |
| 문제와 자원까지 |
| 당신이 ... 당신의 예산에 맞는 것입니다. |
| 그 디자인은 ... |
| 상자와 같은 이름이 있습니다. |
| Behnken 디자인, 분수 |
| 계승 또는 중심 |
| 복합 표지판, 또는 |
| Taguchi 배열과 같은 것입니다. 거기에 |
| 숫자에 제한이있다 |
| 실행 횟수, 수준 ... 숫자 |
| 범주 수준의 |
| 요인 등이 있습니다. |
| 약간의 구둣 주걱이 될 것입니다 |
| 디자인에 대한 문제 |
| 찾을 수 있습니다. 예를 들면 |
| BHH의 요인 |
| 접근, Box Hunter 및 Hunter |
| 접근, 종종 필요 |
| 2 ~ 3 개로 감소 |
| 고유 한 값 또는 수준. |
| 한계에도 불구하고 |
| 분류 학적 접근 방식은 |
| 환상적으로 성공했습니다. |
| 물론 시간이 지남에 따라 |
| 사람들은 우리가 할 수 있는지 물었습니다 |
| 여전히 더 잘합니다. |
| 그리고 더 나은 방법으로 우리는 |
| 우리는 우리 자신을 어떻게 디자인합니까? |
| 최고를 얻기 위해 공부하다 |
| 관련 품질 정보 |
| 개선의 목표 |
| 계획? 이 라인 |
| 질문은 궁극적으로 |
| 최적의 디자인. 최적의 디자인은 |
| 학술 연구 분야. 그것은 |
| Box와 병행하여 시작 |
| 50 년대와 60 년대에 학교에서 |
| 여러 가지 이유로 남아 |
| 산업의 주류 |
| 실험, 때까지 |
| 커스텀 디자이너와 JMP. |
| 관습의 철학 |
| 디자이너는 당신이 설명하는 것입니다 |
| 소프트웨어에 문제. 그것 |
| 그런 다음 최고의 디자인을 반환합니다. |
| 귀하의 예산 수만큼 |
| 실행합니다. 선언하여 시작합니다. |
| 그들의 응답과 함께 |
| 최소화, 최대화, |
| 또는 목표와 일치하면 |
| 요인의 종류를 설명 |
| 당신은 연속적이고 범주적인 |
| 혼합물 등. |
| 요인은 여러 가지를 가질 수 있습니다. |
| 수준. 당신은 그것에 |
| 결과에 맞추고 싶습니다. |
| 데이터. 모델은 최소한 |
| 제곱 분석 및 구성 |
| 주요 효과 및 상호 작용 |
| 다항식 용어. 관습 |
| 디자이너는 일부 기본값을 |
| 성격에 대한 가정 |
| 여부와 같은 목표의 |
| 당신은 심사에 관심이 있습니다 |
| 또는 예측, 즉 |
| 최적성에 반영 |
| 사용되는 기준. 그만큼 |
| 기본값을 재정의 할 수 있습니다. |
| 빨간색 삼각형 메뉴 |
| 원하는 경우 옵션 |
| 다른 일을하다 |
| 소프트웨어가 의도하는 것. |
| 대부분의 워크 플로우 |
| 응용 프로그램은 설정하는 것입니다 |
| 모델. |
| 그런 다음 예산을 선택하고 |
| 디자인 만들기를 클릭합니다. 일단 |
| JMP는 혼합을 사용합니다. |
| 연속 및 범주 |
| 최적화 알고리즘, 해결 |
| 요인의 수에 대해 |
| 행 항의 수. |
| 그런 다음 설계 데이터를 얻습니다. |
| 필요한 모든 것이있는 테이블 |
| 응답 데이터를 제외하고. 이 |
| 훌륭한 워크 플로우입니다. |
| 요인은 다양 할 수 있습니다. |
| 서로 독립적입니다. |
| 할 수 없다면? 만약 그러하다면 |
| 제약이 있습니까? 뭐 |
| 어떤 요인의 가치가 |
| 가능한 범위 결정 |
| 다른 요인의? |
| 그럼 당신은 할 수 있습니다 .... |
| 몇 가지 요인을 정의 할 수 있습니다. |
| 제약 또는 사용 |
| 허용되지 않는 조합 |
| 필터. |
| 불행히도 이것들은 |
| 강력한 도구입니다 |
| 실험 제한 |
| 지역, 그것은 여전히 매우 |
| 특성화하기 어렵다 |
| 이것들을 사용하는 제약. |
| Brad Jones의 DOE 팀, Ryan Lekivetz, |
| 조셉 모건과 케일럽 |
| 왕은 |
| 매우 유용한 새로운 |
| 취급하는 기능 |
| 제약을 훨씬 쉽게 |
| JMP 16. 이것들은 |
| 후보 또는 공변량 실행. |
| 당신이 할 수있는 것은 |
| 자신, 모두의 테이블 만들기 |
| 가능한 조합 |
| 원하는 요소 설정 |
| 맞춤 디자이너 |
| 중히 여기다. 그런 다음로드 |
| 여기 그리고 그것들은 |
| 요인의 조합 만 |
| 디자이너가 설정 |
| 의지... |
| 볼 것입니다. 원래 |
| 내가 부르는 테이블 |
| 후보 테이블은 |
| 메뉴 요소 설정 |
| 맞춤 디자이너. |
| 이것은 JMP 사용자에게 |
| 놀라운 수준의 제어 |
| 그들의 디자인. 내가 무엇을하려고 |
| 오늘은 몇 가지를 살펴 |
| 사용 방법을 보여주는 예 |
| 이것은 관습을 만들기 위해 |
| 디자이너는 잠재력을 실현 |
| 맞춤형 도구로 |
| 당면한 문제에 디자인하십시오. |
| 그렇게하기 전에 |
| 잠시 주제에서 벗어나 |
| JMP Pro에서 지적 |
| 맞춤 디자이너 버전, |
| 이제 기능이 있습니다 |
| 제한을 선언 할 수 있습니다. |
| 디자인 타임에 탐지. |
| 누락되지 않은 값을 원하는 경우 |
| 여기에서 제한을 위해 관습 |
| 디자이너는 열을 추가합니다 |
| 알리는 속성 |
| 일반화 회귀 플랫폼 |
| 검출 한계와 그것의 |
| 그러면 자동으로 |
| 정확한 분석. 이것은 |
| 극적으로 더 높은 전력 |
| 효과를 감지하고 훨씬 낮음 |
| 예측에 편견이 있지만 그건 |
| 다른 이야기의 주제. |
| 다음은 다양한 응용 프로그램입니다. |
| 내가 생각할 수있는 |
| 후보 세트 디자이너. 그만큼 |
| 가장 간단한 것은 |
| 연속 요인은 |
| 하나 이상의 범주 수준 |
| 요인. 또 다른 예는 |
| 우리는 범위를 제어 할 수 없습니다 |
| 완전히 요인 |
| 독립적으로, 그러나 |
| 제약은 작성하기 어렵다 |
| 하위. 두 가지 방법이 있습니다. |
| 이것을 위해 사용할 수 있습니다. 하나는 |
| 과거 공정 데이터를 |
| 후보 세트, |
| 다른 하나는 내가 필터라고 부르는 것입니다. |
| 당신이 만드는 디자인 ... 디자인 |
| 사용하는 거대한 초기 데이터 세트 |
| 난수 또는 공백 |
| 디자인을 채우고 행을 사용하십시오. |
| 산점도에서 선택 |
| 포인트를 선택하기 위해 |
| 제약 조건을 충족하지 마십시오. |
| 또한 능력이 있습니다 |
| 정말 고도로 맞춤화 된 혼합물 |
| 문제, 특히 상황 |
| 다층이있는 곳 |
| 혼합. 이건 아니야 |
| 내가 될 것 |
| 오늘에 대해 말할 수 있지만 |
| 미래 이것은 뭔가 |
| 당신이 찾고 있어야 할 |
| 이 후보로 할 수있는 |
| 세트 디자이너. 당신은 또한 할 수 있습니다 |
| 비선형 제약 조건 |
| 필터링 방법, 동일 |
| 다른 종류의 작업을 수행 할 수있는 방법 |
| 제약. 그것은 매우 |
| 간단하고 빠른 |
| 맨 끝에있는 예 |
| 이것을 설명합니다. |
| 그래서 우리의 첫 번째 |
| 예. 당신이 원한다고 가정하자 |
| 대상 응답과 일치 |
| 두 가지 요인에 대한 조사. |
| 하나는 장비 ... 장비 |
| 공급자, 그중 2 개 |
| 레벨과 다른 하나는 |
| 장치의 온도. 그만큼 |
| 두 개의 다른 공급자가 |
| 다양한 작동 범위 |
| 온도. 공급자 A는 더 |
| 둘 중 좁은 곳에서 |
| 섭씨 150 ~ 170도. |
| 그러나 그것은 통제 할 수 있습니다 |
| 미세한 해상도 수준 |
| 약 5도. 공급자 B |
| 작동 범위가 더 넓습니다. |
| 140도에서 180도까지 |
| 섭씨지만 |
| 10도까지 제어 가능 |
| 섭씨. 우리가하고 싶다고 가정하자 |
| 12 실행 디자인을 찾는 |
| 이들의 최적 조합 |
| 두 가지 요인. |
| 가능한 모든 것을 열거합니다. |
| 둘의 조합 |
| 10 개의 런을 |
| 여기에 테이블을 만들고 |
| 이것은 수동으로 우리 자신. |
| 그래서 여기에 가능한 다섯 가지 |
| 머신 유형 A의 값 |
| 온도 설정. 그리고 |
| 여기 아래에 가능한 다섯 가지 |
| 유형 B의 온도 값 |
| 설정. 우리는 최고를 원합니다 |
| 12 회 실행으로 설계되었습니다. |
| 의 행 수 |
| 후보 테이블. 이것은 |
| 이론상의 문제이지만 나는 |
| 의 사본을 만드는 것이 좋습니다. |
| 그런 경우를 대비하여 후보 세트 |
| 실행 횟수는 |
| 후보 테이블이 |
| 당신이 찾고있는 번호 |
| 디자인에서. |
| 그런 다음 우리는 관습으로 이동합니다. |
| 디자이너. |
| 선택 공변량 푸시 |
| 요인 버튼. |
| 원하는 열을 선택하십시오. |
| 후보 디자인으로로드 |
| 요인. 이제 후보 |
| 디자인이로드되고 표시됩니다. |
| 상호 작용 효과를 추가해 보겠습니다. |
| 뿐만 아니라 2 차 효과 |
| 온도. 이제 우리는 |
| 만들기 전에 마지막 단계 |
| 디자인. 나는 설명하고 싶다 |
| 두 가지 옵션은 |
| 디자인 생성 개요 노드. |
| 첫 번째는 |
| 모든 행에서 |
| 원래 테이블에서 선택 |
| 또는 목록에서 |
| 관습의 후보자 |
| 디자이너. 그래서 만약 당신이 |
| 가능성이 낮은 체크 포인트 |
| 최적성에 찬사를 받다 |
| 기준을 강요하고 싶습니다. |
| 디자인에, 당신은 할 수 있습니다 |
| 이 옵션을 사용하십시오. 조금 |
| 같은 행을 취하고 |
| 증강 된 디자인 만들기 |
| 그들만을 기반으로 |
| 당신은 가능한 것을 통제하고 있습니다 |
| 요인의 조합 |
| 추가 행. |
| 두 번째 옵션은 |
| 의도적으로 여기에서 확인하면 |
| 선택 될 후보 행 |
| 두 번 이상. 이것은 줄 것이다 |
| 당신은 최적으로 선택했습니다 |
| 복제 및 아마도 |
| 뛰려고한다면 좋은 생각 |
| 물리적 실험. 만약에 |
| 다른 한편으로, 당신은 |
| 찾을 최적의 행 하위 집합 |
| 멋진 새 기계를 시도 |
| SVEM과 같은 학습 알고리즘, |
| 내 다른 강연의 주제 |
| March Discovery에서 |
| 회의. 당신은 원하지 않을 것입니다 |
| 이 옵션을 확인하려면 |
| 경우. 기본적으로 |
| 당신의 모든 응답이 없습니다 |
| 이미 값을 확인합니다. |
| 이 상자와 이미있는 경우 |
| 응답 값은 그렇지 않습니다. |
| 샘플 크기를 12로 재설정하고 |
| 디자인 만들기를 클릭합니다. 후보자 |
| 모든 영광의 의지로 디자인 |
| 다른 사람처럼 보인다 |
| 관습에 의해 만들어진 디자인 |
| 디자이너. 우리가 볼 수 있듯이 |
| 중간 JMP 창, JMP도 |
| 원본의 행을 선택 |
| 후보자가 선택한 테이블 |
| 설계 알고리즘. 10 |
| 12 개 행이 선택되지 않았습니다. |
| 오른쪽에서 우리는 새로운 |
| 디자인 테이블, 맨 오른쪽 |
| 표의 열은 |
| 그 원산지 행 |
| 운영. 원래 행은 |
| 11과 15가 두 번 선택되었습니다. |
| 복제품입니다. |
| 다음은 히스토그램보기입니다. |
| 디자인. 당신은 볼 수 있습니다 |
| 다른 온도 값 |
| 후보 세트에 의해 선택되었습니다 |
| 다른 기계에 대한 알고리즘 |
| 유형. 전반적으로이 디자인은 |
| 균형이 잘 잡혀 있지만 우리는 |
| 3 단계의 온도가 |
| 머신 유형 A. 다행히도, |
| 행을 선택할 수 있습니다. |
| 디자인에 강요하고 싶다 |
| 우리는 3 |
| 온도 수준 |
| 두 머신 유형. |
| 원하는 행을 선택하기 만하면됩니다. |
| 디자인에 강제 |
| 공변량 테이블. 포함 확인 |
| 선택한 모든 공변 행을 |
| 디자인 옵션. |
| 그런 다음 통과하면 |
| 그 모든 것, 당신은 볼 수 있습니다 |
| 이제 두 수준의 |
| 기계는 적어도 세 개 |
| 온도 수준 |
| 디자인. 그래서 첫 번째 디자인 |
| 우리가 만든 것은 왼쪽에 있습니다 |
| 새로운 디자인 강제 |
| 3 개의 레벨이 있습니다 |
| 머신 유형 A |
| 온도 설정이 끝났습니다 |
| 여기 오른쪽에 있습니다. |
| 내 두 번째 예는 |
| 실제 데이터 세트 |
| 야금 제조 |
| 방법. 회사는 |
| 수축량 제어 |
| 소결 단계 동안. 그들 |
| 많은 역사적 데이터가 |
| 그리고 기계를 적용했습니다 |
| 예측할 학습 모델 |
| 수축 및 몇 가지 아이디어가 |
| 핵심 요소가 무엇인지. |
| 그러나 실제로 최적화하려면 |
| 과정, 당신은 정말로 |
| 설계된 실험을하십시오. |
| Laura Castro-Schilo 역 |
| 일단 지적되면 ... |
| Laura Castro-Schilo가 한때 |
| 인과 관계는 |
| 데이터의 속성이 아니라 |
| 데이터 생성 |
| 메커니즘, 그리고 George Box로 |
| 안쪽 표지에 말한다 |
| 실험자 통계, |
| 언제 무슨 일이 일어나는지 알아보기 위해 |
| 당신은 뭔가를 변경합니다. |
| 변경해야합니다. |
| 이제 우리는 사용할 수 없지만 |
| 증명할 과거 데이터 |
| 인과 관계, 있습니다 |
| 에 대한 필수 정보 |
| 요인의 조합 |
| 우리가 사용할 수 있습니다 |
| 디자인에. |
| 먼저 |
| 테이블의 열 |
| 제어 가능한 요소를 나타냄 |
| 더 많은 것에서 |
| 수동 센서 측정 |
| 또는 드라이브 수량 |
| 직접 제어 할 수 없습니다. |
| 산점도 살펴보기 |
| 잠재적 인 연속 요인 |
| 있음을 나타냅니다 |
| 할 수있는 암시 적 제약 |
| 특성화하기 어렵다 |
| 선형 제약 또는 허용되지 않음 |
| 조합. 그러나 이러한 |
| 의 샘플을 나타냅니다 |
| 가능한 조합 |
| 함께 사용할 수 있습니다 |
| 후보 디자이너 꽤 |
| 용이하게. |
| 이를 위해 우리는 |
| 맞춤 디자이너. 설정 |
| 응답. 나는 몇 가지를로드하고 싶다 |
| 공변량 요인. 선택 |
| 제어 할 수있는 열 |
| 요인 ... DOE 요인 및 |
| 확인을 클릭하십시오. 이제 우리는 그들을 얻었습니다 |
| 짐을 실은. 2 차를 설정합시다 |
| 우리의 응답 표면 모델 |
| 기본 모델. 그런 다음 모두 선택 |
| 제외하고 모델 용어 |
| 인터셉트. 그런 다음 제어 |
| 플러스 오른쪽 클릭 및 변환 |
| 모든 용어를 if |
| 가능한 효과. 이것은 |
| 반응과의 조합 |
| 선택한 표면 모델, 의미 |
| 우리가 만들 것입니다 |
| 베이지안 I- 최적 후보 |
| 디자인을 정하다. |
| 허용하는 확인란을 선택하십시오. |
| 최적으로 선택된 복제. |
| 샘플 크기를 입력하십시오. |
| 그런 다음 디자인을 만듭니다. |
| 우리를 위해. 우리가 보면 |
| 요인 분포, |
| 우리는 그것이 열심히 시도 된 것을 봅니다 |
| 더 큰 균형을 추구합니다. |
| 왼쪽에는 |
| 산점도 행렬 |
| 연속 요인 |
| 원본 데이터 및 오른쪽 |
| 백 행 디자인입니다. 우리는 볼 수있다 |
| 소결에서 |
| 온도, 우리는 |
| 1220의 잠재적 이상 값. |
| 하나는 확인하고 싶을 것입니다 |
| 그것들은 실제 가치입니다. 에 |
| 일반적으로, 당신은해야 할 것입니다 |
| 입력 확인 |
| 후보 세트는 분명 |
| 이상자와 결 측값 |
| 후보자로 사용하기 전에 |
| 디자인을 정하다. Ron과의 대화에서 |
| 케넷 이거 ... 3 월에 |
| 2021 디스커버리 컨퍼런스, |
| 사용 방법을 간단히 시연합니다. |
| 이상 값과 결 측값 |
| 제거 할 선별 플랫폼 |
| 이상 값을 제거하고 |
| 당신이 할 수 있도록 누락 된 값 |
| 이후에 사용 |
| 이런 무대. |
| 이제 우리에게 문제가 있다고 가정합니다 |
| 첫 번째 예와 유사하게 |
| 두 대의 기계가있는 곳 |
| 유형이지만 이제 우리는 |
| 온도와 압력 |
| 요인, 그리고 우리는 |
| 온도와 압력은 |
| 독립적으로 다양하며 |
| 그 의존의 본질 |
| 머신 유형 간의 변경. |
| 초기 공간을 만들 수 있습니다. |
| 채우기 디자인 및 사용 |
| 제거 할 데이터 필터 |
| 불가능한 조합 |
| 별도로 설정하는 요인 |
| 각 머신 유형. 그럼 우리는 |
| 후보 세트 디자이너 사용 |
| 가장 효율적인 것을 찾기 위해 |
| 이 상황을위한 디자인. |
| 그래서 나는 이것을 겪었습니다. |
| 이제 내 공간을 만들었습니다 |
| 채우기 디자인. 1,000 개 |
| 실행하고 나는 가져올 수 있습니다 |
| 그것에 글로벌 데이터 필터 및 |
| 그것을 사용하여 다른 면도 |
| 온도 조합 |
| 우리가 할 수 있도록 압력 |
| 별도의 제약이있다 |
| 머신 유형. |
| 그래서 올가미를 사용합니다 |
| 자르는 도구 |
| 머신 B의 코너. |
| 그리고 나는 돌아가서 잘라 |
| 머신 B의 또 다른 코너 |
| 기계 B는 |
| 좀 더 넓은 운영 지역 |
| 온도와 압력에서. |
| 그런 다음 기계로 전환합니다. |
| ㅏ. 그리고 우리는 |
| 올가미 도구 |
| 면도하다 |
| 외부에있는 포인트 |
| 운영 지역. 그리고 우리는 |
| 그 운영 지역은 |
| 머신 A보다 훨씬 좁습니다. |
| 그리고 여기 우리의 결합 된 디자인이 있습니다. |
| 거기에서 다시로드 할 수 있습니다. |
| 맞춤 디자이너로. |
| 거기에 RSM 모델을 넣은 다음 |
| 실행 횟수를 32로 설정하고 |
| coviariate 행이 |
| 반복. 그리고 그것은 크랭크됩니다 |
| 을 통하여. 완료되면 |
| 있던 모든 포인트를 선택 |
| 후보 세트에 의해 선택 |
| 디자이너. 그리고 여기서 우리는 |
| 선택된 포인트. |
| 그들은 강조되었고 |
| 원래 후보 포인트 세트 |
| 선택되지 않은 것은 |
| 회색입니다. |
| 우리는 새로운 디자인을 가져올 수 있습니다 |
| Fit Y by X에서 |
| 우리가 보는 곳에 산점도를보십시오 |
| 그 |
| 기계 A 디자인 포인트 |
| 빨간색입니다. 그들은 내부에 있습니다 |
| 공간의 다음 유형 |
| B 런은 파란색입니다. 그것은 있었다 |
| 더 넓은 운영 지역 및 |
| 이것이 우리가이 점을 보는 방법입니다. |
| 여기, 더 멀리. 그래서 |
| 우리는 빠르게 달성했습니다 |
| 선형 제약이있는 설계 |
| 범주별로 변경되는 |
| 가지 않고 요인 |
| 도출의 성가신 과정 |
| 선형 조합 계수. |
| 우리는 단순히 기본적인 JMP 101을 사용했습니다. |
| 시각화 및 필터링 |
| 도구. 이 아이디어는 |
| 다른 비선형 |
| 제약 및 기타 복잡한 |
| 상황을 상당히 쉽게. |
| 이제 우리는 |
| 필터링 및 다 변수 |
| 매우 독특한 새로운 유형의 |
| 내가 당신에게 확신하는 디자인 |
| 전에 본 적이 없습니다. |
| 로 이동 |
| 올가미 도구. 가고 있었다 |
| 매우 특이한 것을 잘라내 다 |
| 강제. |
| 그리고 우리는 반전 할 것입니다 |
| 선택. |
| 해당 행을 삭제하겠습니다. |
| 그런 다음 속도를 높일 수 있습니다. |
| 약간. 우리는 통과 할 수 있습니다 |
| 그리고 같은 일을 |
| X1의 다른 조합 |
| 및 기타 변수. |
| 아주 조각 |
| 특이한 모양의 후보 세트. |
| 우리는 이것을로드 할 수 있습니다. |
| 맞춤 디자이너. 같은 |
| 이전처럼. 우리를 가져와 |
| 공변량으로 열, |
| 모두와 함께 디자인 설정 ... |
| 모든 높은 수준의 상호 작용이 |
| 가능하다면 백 |
| 실행합니다. 그리고 이제 우리는 |
| 이것에 대한 우리의 디자인은 |
| 비정상적인 제한 영역 |
| 이것이 주어진 최적의 |
| 제약. |
| 그래서 나는 이것으로 당신을 떠날 것입니다 |
| 영상. 나는 매우 흥분된다 |
| 당신이 할 수 있었던 것을 들으십시오 |
| 새로운 후보 세트로 |
| 디자이너. DOE를위한 모자 |
| 이 추가 팀 |
| 놀랍게도 유용하고 |
| 유연한 새로운 기능. 감사 |
| 당신. |
브레이크 아웃데이터 시각화암사슴Re : 후보 세트 설계 : 문제에 대한 DOE 제약 조정 (2021-EU-30MP-784)훌륭한 도구이며 확실히 필요에 응답합니다.
Custom Design vs. Augment Design 옵션에서 Candidate run 기능을 사용하는 방법에 대한 질문이 있습니다.
나는 우리가 Augment Design을 사용할 때 다음을 이해합니다.
1) 응답이 필요합니다.
2) 새로운 런을 쉽게 추가 할 수 있습니다.
3) 쉽게 새로운 요소를 추가 할 수 없습니다 (원래 디자인에 가짜 요소를 추가 할 수는 있지만 "쉽게"는 아닙니다).
반면, 후보 실행 기능을 사용하면 요인을 쉽게 추가 할 수 있지만 실행은 추가 할 수 없습니다.
새로운 디자인을 만들고 있다고 가정 해 보겠습니다. 문제 1 : 기존 프로세스 또는 이전 실험에서 얻은 "참조 실행"이므로 특정 처리를 포함하고 싶습니다. 이러한 실행에 대한 응답이있을 수 있지만 그렇지 않을 수도 있습니다. 후보 실행, 증강 또는 조합을 사용해야합니까?
문제 2 : 복제 할 치료법을 지정하고 싶습니다 (다시 새 디자인의 경우). 어떻게해야합니까?
감사!
