후보 집합 설계: 문제에 대한 DOE 제약 조정(2021-EU-30MP-784)레벨: 중급
SAS 통계 R&D JMP 이사 Christopher Gotwalt
실험의 요인 중에는 위반하지 않는 것이 중요하지만 수학적 형태로 설명하기 어려운 제약 조건이 종종 있습니다. 이러한 제약 조건은 여러 가지 이유로 중요할 수 있습니다. 빵을 굽는 경우, 먹을 수 없는 탄소 덩어리로 이어질 수 있는 시간과 온도의 조합이 있습니다. 또 다른 상황은 저온에서 고압에 도달하는 것과 같이 물리적으로 불가능한 요인 조합이 있는 경우입니다. 이 프레젠테이션에서는 후보 요인 값의 시뮬레이션된 데이터 세트를 만드는 간단한 워크플로우를 설명합니다. 여기에서 AutoRecalc와 함께 JMP 데이터 시각화 플랫폼의 대화형 도구를 사용하여 JMP 16의 새로운 후보 집합 설계 기능에 제공되는 물리적으로 실현 가능한 잠재적 요소 조합 집합을 식별합니다. 그런 다음 실험에서 실행할 이러한 필터링된 요인 설정의 최적 하위 집합을 식별합니다. 또한 프로세스 변수의 내부 상관 관계 구조를 고려하면서 정보 내용을 최대화하는 설계를 달성하여 과거 프로세스 데이터에 대한 후보 집합 디자이너의 사용을 설명합니다. 우리의 접근 방식은 간단하고 가르치기 쉽습니다. DOE 경험이 있는 실무자가 제약 조건이 있는 실험을 훨씬 더 쉽게 설정할 수 있습니다.
자동 생성된 성적표...
성적 증명서 |
| 안녕하세요 Chris Gotwalt입니다. |
| 오늘 우리는 |
| 의 역사를 건설하다 |
| 그래픽 패러독스와 오 잠깐, |
| 잘못된 주제. 사실 우리는 갈거야 |
| 후보 얘기를 하다 |
| 세트 디자인, 재단 DOE |
| 문제에 대한 제약. |
| 그래서 산업 실험 |
| 제품 및 공정용 |
| 개선의 역사는 길다 |
| 내가 인정하는 많은 스레드로 |
| 작은 조각만 알고 |
| 의. 관찰을 사용하는 아이디어 |
| 제품 및 공정용 |
| 혁신은 인류만큼 오래되었습니다 |
| 그 자체. 리뉴얼 받았습니다 |
| 르네상스 시대에 집중하고 |
| 과학 혁명. 시 |
| 후속 산업 |
| 혁명, 과학 및 산업 |
| 점점 운영을 시작했습니다 |
| 록스텝에서. 20대 초반 |
| 세기, 에디슨의 연구실은 |
| 산업 혁신 |
| 공장 규모이지만 완료되었습니다. |
| 내가 아는 한, 외부 |
| 현대 실험 전통. |
| RA Fisher 이후 얼마 지나지 않아 |
| 와 같은 개념을 도입했습니다. |
| 차단 및 무작위화, 그의 |
| 동료와 사위, |
| George Box가 개발한 |
| 이제 아마도 지배적 인 |
| 디자인의 패러다임 |
| 실험, 가장 |
| 인기있는 책인 통계 |
| 상자에 의해 실험자, |
| 헌터 앤 헌터. |
| Box, Hunter에 기술된 방법 |
| 헌터는 내가 부르는 |
| 디자인에 대한 분류학적 접근. |
| 그래서 당신이 제품을 가지고 있다고 가정 |
| 또는 개선하고 싶은 과정. |
| 당신은 당신이 일을 통해 생각 |
| 바꿀 수있다. 손잡이는 돌릴 수 있습니다 |
| 온도, 압력, |
| 시간, 사용할 수 있는 재료 또는 |
| 할 수 있는 처리 방법 |
| 사용. 이런 것들은 된다 |
| 당신의 요인. 그럼 당신은 생각 |
| 그들이 있는지에 대해 |
| 연속적이거나 명목상인 경우 |
| 그들은 명목상, 얼마나 많은 |
| 그들이 취하는 수준 또는 범위 |
| 당신은 그것들을 기꺼이 바꿀 수 있습니다. 만약 |
| 요소가 연속이면 |
| 의 이름을 알아내다 |
| 가장 잘 어울리는 디자인 |
| 문제와 리소스까지 |
| 당신이...그것은 당신의 예산에 맞습니다. |
| 그 디자인은... |
| 상자와 같은 이름을 갖게 됩니다. |
| Behnken 설계, 분수 |
| 계승 또는 중앙 |
| 복합 기호 또는 가능 |
| Taguchi 배열과 같은 것입니다. 있을 것이다 |
| 숫자에 제약을 받다 |
| 실행, 수준...숫자 |
| 범주 수준 |
| 요인 등이 있습니다. |
| 약간의 구둣주걱이 될 것입니다 |
| 당면한 문제를 디자인으로 |
| 찾을 수 있습니다. 예를 들어, |
| BHH의 요인 |
| 접근 방식, 박스 헌터 및 헌터 |
| 접근해야 하는 경우가 많습니다 |
| 2~3개로 줄었다 |
| 고유한 값 또는 수준. |
| 그 한계에도 불구하고, |
| 분류학적 접근은 |
| 환상적으로 성공했습니다. |
| 물론 시간이 지나면서 일부 |
| 사람들은 우리가 할 수 있는지 물었습니다. |
| 여전히 더 잘하십시오. |
| 그리고 더 나은 것으로 우리는 묻는 것을 의미합니다 |
| 우리는 우리의 디자인을 어떻게 |
| 최고를 얻기 위해 공부하다 |
| 에 관련된 품질 정보 |
| 개선의 목표 |
| 프로젝트? 이 라인의 |
| 질문은 궁극적으로 |
| 최적의 디자인. 최적의 설계는 |
| 학술 연구 분야. 그것은 |
| Box와 병행하여 시작됨 |
| 50~60년대 학교지만 |
| 여러 가지 이유로 남아 |
| 산업의 주류 |
| 실험, 때까지 |
| 맞춤형 디자이너 및 JMP. |
| 관습의 철학 |
| 디자이너는 당신이 설명하는 것입니다 |
| 소프트웨어에 문제. 그것 |
| 그런 다음 최고의 디자인을 돌려드립니다. |
| 예산에 맞게 |
| 실행합니다. 당신은 선언으로 시작 |
| 귀하의 응답과 그들의 |
| 최소화, 최대화, |
| 또는 대상과 일치한 다음 |
| 요인의 종류를 기술하십시오 |
| 당신은 연속적이고 범주적인 |
| 혼합물 등 범주 |
| 요인은 다음을 가질 수 있습니다. |
| 수준. 당신은 그것에 모델을 제공 |
| 당신은 결과에 맞추기를 원합니다 |
| 데이터. 모델은 최소한 |
| 제곱 분석 및 구성 |
| 주요 효과 및 상호 작용 |
| 다항식. 관습 |
| 디자이너가 기본 설정 |
| 자연에 대한 가정 |
| 당신의 목표, 예를 들어 |
| 당신은 심사에 관심이 |
| 또는 예측입니다. |
| 최적성에 반영 |
| 사용하는 기준. 그만큼 |
| 기본값을 재정의할 수 있습니다. |
| 빨간색 삼각형 메뉴 |
| 원하는 경우 옵션 |
| ~와 다른 일을 하다 |
| 소프트웨어가 의도하는 것. |
| 대부분의 작업 흐름 |
| 응용 프로그램을 설정하는 것입니다 |
| 모델. |
| 그런 다음 예산을 선택하고 |
| 디자인 만들기를 클릭합니다. 일단 그 |
| JMP는 혼합된 |
| 연속 및 범주 |
| 최적화 알고리즘, 해결 |
| 요인의 수에 대해 |
| 행 항의 수. |
| 그런 다음 디자인 데이터를 얻습니다. |
| 필요한 모든 것을 갖춘 테이블 |
| 응답 데이터를 제외하고. 이것 |
| 훌륭한 워크플로입니다. |
| 요인은 다양할 수 있다 |
| 서로 독립적입니다. |
| 할 수 없다면? 만약 |
| 제약이 있습니까? 무엇 |
| 어떤 요인의 가치가 |
| 가능한 범위를 결정 |
| 다른 요인? |
| 그럼 할 수 있습니다....그럼 |
| 몇 가지 요소를 정의할 수 있습니다. |
| 제약 또는 사용 |
| 허용되지 않는 조합 |
| 필터. |
| 불행히도 이러한 동안 |
| 위한 강력한 도구입니다. |
| 제약 실험 |
| 여전히 매우 |
| 특성화하기 어렵다 |
| 이것들을 사용하는 제약. |
| Brad Jones의 DOE 팀 Ryan Lekivetz, |
| 조셉 모건과 케일럽 |
| 왕이 추가했습니다 |
| 매우 유용한 새로운 |
| 처리해주는 기능 |
| 훨씬 더 쉽게 제약 조건 |
| JMP 16. 이들은 불립니다 |
| 후보 또는 공변량 실행. |
| 당신이 할 수 있는 것은 |
| 소유, 모두의 테이블 생성 |
| 가능한 조합 |
| 원하는 요인 설정 |
| 맞춤 디자이너는 |
| 고려하다. 그런 다음 로드 |
| 여기 그리고 그것들은 |
| 요인의 조합만 |
| 디자이너가 설정 |
| 할 것이다... |
| 볼 것이다. 원래 |
| 내가 부르는 테이블 |
| 후보 테이블은 |
| 에 대한 메뉴 요소 설정 |
| 맞춤 디자이너. |
| 이를 통해 JMP 사용자는 |
| 놀라운 수준의 제어 |
| 그들의 디자인. 내가 할 일 |
| 오늘 할 일은 여러 가지 |
| 어떻게 사용할 수 있는지 보여주는 예 |
| 이것은 관습을 만들기 위해 |
| 디자이너가 잠재력을 발휘하다 |
| 맞추는 도구로 |
| 당면한 문제에 대한 디자인. |
| 그 전에 내가 할게 |
| 잠시 주제에서 벗어나 |
| JMP Pro에서 |
| 사용자 정의 디자이너의 버전, |
| 이제 다음과 같은 기능이 있습니다. |
| 한도를 선언할 수 있습니다. |
| 디자인 타임에 탐지. |
| 누락되지 않은 값을 원하는 경우 |
| 여기서 한계에 대해서는 사용자 정의 |
| 디자이너가 열을 추가합니다 |
| 알려주는 부동산 |
| 일반화 회귀 플랫폼 |
| 검출한계와 |
| 그러면 자동으로 |
| 분석 맞습니다. 이로 인해 |
| 에 극적으로 더 높은 힘 |
| 효과를 감지하고 훨씬 낮음 |
| 예측의 편향이지만 |
| 다른 이야기의 주제. |
| 다음은 많은 응용 프로그램입니다. |
| 내가 생각할 수 있는 |
| 후보 세트 디자이너. 그만큼 |
| 가장 간단한 것은 a의 범위가 |
| 연속 요인은 다음에 따라 달라집니다. |
| 하나 이상의 범주 수준 |
| 요인. 또 다른 예는 때 |
| 우리는 범위를 제어할 수 없습니다 |
| 요인을 완전히 |
| 독립적이지만 |
| 제약 조건은 작성하기 어렵습니다. |
| 아래에. 두 가지 방법이 있습니다. |
| 이를 위해 사용할 수 있습니다. 하나는 사용 |
| 과거 프로세스 데이터를 |
| 후보 집합, 그리고 |
| 다른 하나는 내가 필터라고 부르는 것입니다. |
| 당신이 창조하는 디자인...디자인 |
| 사용하는 거대한 초기 데이터 세트 |
| 난수 또는 공백 |
| 디자인을 채우고 행을 사용하십시오. |
| 산점도의 선택 |
| 그 포인트를 뽑기 위해 |
| 제약 조건을 충족하지 않습니다. |
| 할 수 있는 능력도 있다 |
| 정말 고도로 사용자 정의 혼합물 |
| 문제, 특히 상황 |
| 다층이 있는 곳 |
| 혼합. 이건 아니야 |
| 내가 될 무언가 |
| 오늘에 대해 이야기할 수 있지만 |
| 미래 이것은 뭔가 |
| 당신이 찾고 있어야 |
| 이 후보와 함께 할 수 있는 |
| 세트 디자이너. 당신은 또한 할 수 있습니다 |
| 비선형 제약 |
| 필터링 방법, 동일 |
| 다른 종류의 작업을 수행할 수 있는 방법 |
| 제약. 그것은 매우 |
| 간단하고 빨리 할게 |
| 가장 마지막에 예시 |
| 이것을 설명합니다. |
| 그래서 우리의 첫 번째를 고려해 봅시다 |
| 예. 당신이 원하는 가정 |
| 에서 목표 응답과 일치 |
| 두 가지 요인에 대한 조사. |
| 하나는 장비...장비 |
| 공급자, 그 중 두 가지 |
| 레벨이고 다른 하나는 |
| 장치의 온도. 그만큼 |
| 두 개의 서로 다른 공급자가 |
| 다양한 작동 범위 |
| 온도. 공급업체 A가 더 |
| 둘 중 좁은 곳에서 |
| 섭씨 150~170도. |
| 그러나 그것은 a에 의해 통제될 수 있습니다 |
| 보다 미세한 해상도 |
| 약 5도. 공급자 B |
| 작동 범위가 더 넓습니다 |
| 140도에서 180도까지 |
| 섭씨지만 |
| 10도까지 조절 가능 |
| 섭씨. 하고 싶다고 하자 |
| 12 런 설계는 |
| 이들의 최적 조합 |
| 두 가지 요인. |
| 우리는 가능한 모든 것을 열거합니다 |
| 둘의 조합 |
| 다음에서 10개의 실행 요인 |
| 여기 테이블, 그냥 만들기 |
| 이것은 수동으로 우리 자신. |
| 그래서 가능한 다섯 가지가 있습니다. |
| 머신 유형 A의 값 |
| 온도 설정. 그런 다음 |
| 아래에는 가능한 5가지가 있습니다. |
| 유형 B의 온도 값 |
| 설정. 우리는 최고를 원합니다 |
| 12런으로 설계하여 |
| 의 행 수 |
| 후보 테이블. 이건 아니야 |
| 이론적으로는 문제가 있지만 |
| 사본을 만드는 것이 좋습니다. |
| 만일의 경우를 대비한 후보 설정 |
| 실행 횟수는 |
| 후보 테이블이 초과되었습니다 |
| 당신이 찾고있는 번호 |
| 디자인에서. |
| 그럼 커스텀으로 갑니다 |
| 디자이너. |
| 푸시 선택 공변량 |
| 요인 버튼. |
| 원하는 열을 선택하십시오. |
| 후보 디자인으로 로드됨 |
| 요인. 이제 후보 |
| 디자인이 로드되고 표시됩니다. |
| 상호 작용 효과를 추가해 보겠습니다. |
| 2차 효과뿐만 아니라 |
| 온도. 이제 우리는 |
| 만들기 전 마지막 단계 |
| 설계. 나는 설명하고 싶다 |
| 두 가지 옵션이 |
| 설계 생성 개요 노드. |
| 첫 번째는 강제로 |
| 모든 행에서 |
| 원본 테이블에서 선택한 |
| 또는 목록에서 |
| 커스텀 후보 |
| 디자이너. 당신이 가지고 있다면 |
| 확률이 낮은 체크포인트 |
| 최적성을 선호하다 |
| 기준을 적용하고 강제하고 싶습니다. |
| 디자인에 들어갈 수 있습니다. |
| 이 옵션을 사용하십시오. 그것은 조금 |
| 같은 행을 취하는 것과 같이 |
| 증강 디자인 생성 |
| 그것을 제외하고는 그들만을 기반으로 |
| 당신은 가능성을 제어하고 있습니다 |
| 의 요인 조합 |
| 추가 행. |
| 두 번째 옵션은 내가 |
| 일부러 여기를 확인하면 허용됩니다. |
| 선택할 후보 행 |
| 한 번 이상. 이것은 줄 것이다 |
| 당신은 최적으로 선택 |
| 복제이며 아마도 |
| 당신이 실행하려는 경우 좋은 생각 |
| 물리적 실험. 만약에 |
| 반면에, 당신은 |
| 찾을 행의 최적 하위 집합 |
| 멋진 새 기계에서 시도 |
| SVEM과 같은 학습 알고리즘, |
| 내 다른 이야기 중 하나의 주제 |
| 3월 디스커버리에서 |
| 회의. 당신은 원하지 않을 것입니다 |
| 이 옵션을 확인하려면 |
| 경우. 기본적으로 |
| 당신의 모든 응답이 없습니다 |
| 값은 이미 확인하겠습니다. |
| 이 상자와 이미 있는 경우 |
| 응답 값은 그렇지 않습니다. |
| 샘플 크기를 12로 재설정하고 |
| 디자인 만들기를 클릭합니다. 후보자 |
| 모든 영광의 디자인은 |
| 다른 것과 똑같이 나타납니다 |
| 커스텀으로 만든 디자인 |
| 디자이너. 우리가 보는 바와 같이 |
| 중간 JMP 창, JMP도 |
| 원본에서 행을 선택합니다. |
| 후보자가 선택한 테이블 |
| 설계 알고리즘. 참고 10 |
| 12개 행이 선택되지 않았습니다. |
| 오른쪽에 우리는 새로운 |
| 디자인 테이블, 가장 오른쪽 |
| 표의 열은 다음을 나타냅니다. |
| 그것에 대한 근원의 행 |
| 달리다. 원래 행 |
| 11번과 15번이 두 번 선택되었습니다. |
| 복제품입니다. |
| 다음은 히스토그램 보기입니다. |
| 설계. 당신은 볼 수 있습니다 |
| 온도의 다른 값 |
| 후보군에 의해 선택되었다 |
| 다른 기계에 대한 알고리즘 |
| 유형. 전체적으로 이 디자인은 |
| 균형이 잘 잡혀 있지만 우리는 그렇지 않습니다. |
| 3단계의 온도를 가지고 |
| 기계 유형 A. 다행스럽게도, |
| 행을 선택할 수 있습니다. |
| 디자인에 강요하고 싶다 |
| 우리가 3 |
| 온도 수준 |
| 두 기계 유형. |
| 원하는 행을 선택하면 됩니다. |
| 디자인에 강제로 |
| 공변량 테이블. 포함 확인 |
| 선택한 모든 공변 행을 |
| 디자인 옵션. |
| 그리고 나서 통과하면 |
| 그 모든 것, 당신은 보게 될 것입니다 |
| 이제 두 수준의 |
| 기계는 적어도 세 |
| 의 온도 수준 |
| 설계. 그래서 첫 번째 디자인 |
| 우리가 만든 왼쪽 |
| 그리고 새로운 디자인 강제 |
| 3 레벨의 |
| 기계 유형 A |
| 온도 설정이 끝났습니다 |
| 여기서 오른쪽으로. |
| 두 번째 예는 |
| 실제 데이터 세트 |
| 야금 제조 |
| 프로세스. 회사는 원한다 |
| 수축량 조절 |
| 소결 단계 동안. 그들 |
| 과거 데이터가 많다 |
| 그리고 기계를 적용했습니다 |
| 예측을 위한 학습 모델 |
| 수축과 그래서 약간의 아이디어가 있습니다 |
| 핵심 요소가 무엇인지. |
| 그러나 실제로 최적화하려면 |
| 프로세스, 당신은 정말 |
| 설계된 실험을 한다. |
| 로라 카스트로-실로 |
| 일단 지적... |
| 한때 로라 카스트로-실로처럼 |
| 인과관계는 |
| 데이터의 속성이 아니라 |
| 데이터를 생성하는 경우 |
| 메커니즘, 조지 박스 |
| 표지 안쪽에 적혀있는 |
| 실험자를 위한 통계, |
| 언제 무슨 일이 일어나는지 알아보기 위해 |
| 당신은 뭔가를 변경, 그것은 |
| 변경하는 데 필요합니다. |
| 지금은 사용할 수 없지만 |
| 증명할 역사적 데이터 |
| 인과관계가 있다 |
| 에 대한 필수 정보 |
| 어떤 요인의 조합 |
| 우리가 사용할 수 있는 |
| 디자인에서. |
| 우리는 먼저 분리해야합니다 |
| 해당 테이블의 열 |
| 제어 가능한 요소를 나타냅니다. |
| 더 많은 것에서 |
| 패시브 센서 측정 |
| 또는 드라이브 수량 |
| 직접 제어할 수 없습니다. |
| 의 산포도를 한눈에 |
| 잠재적인 연속 요인 |
| 있음을 나타냅니다. |
| 할 수 있는 암시적 제약 |
| 로 특성화하기 어렵다 |
| 선형 제약 또는 허용되지 않음 |
| 조합. 그러나, 이들 |
| 의 샘플을 나타냅니다. |
| 가능한 조합 |
| 와 함께 사용할 수 있습니다. |
| 후보 디자이너 꽤 |
| 용이하게. |
| 이를 위해 우리는 |
| 맞춤 디자이너. 설정 |
| 응답. 나는 약간을로드하는 것을 좋아합니다 |
| 공변량 요인. 선택 |
| 우리가 제어할 수 있는 열 |
| 요인...DOE 요인 및 |
| 확인을 클릭합니다. 이제 우리는 그들을 얻었다 |
| 짐을 실은. 이차방정식을 설정하자 |
| 우리의 반응 표면 모델 |
| 기본 모델. 그런 다음 모두 선택 |
| 를 제외한 모델 용어 |
| 요격. 그런 다음 컨트롤을 수행 |
| 플러스 오른쪽 클릭 및 변환 |
| if에 대한 모든 용어 |
| 가능한 효과. 이, |
| 응답과 조합 |
| 선택한 표면 모델, 의미 |
| 우리가 만들 것입니다 |
| 베이지안 I-최적 후보 |
| 디자인을 정하다. |
| 허용하는 상자를 선택하십시오. |
| 최적으로 선택된 복제. |
| 샘플 크기를 입력합니다. |
| 그런 다음 디자인을 만듭니다. |
| 우리를 위해. 우리가 보면 |
| 요인의 분포, |
| 우리는 그것이 열심히 시도되는 것을 봅니다 |
| 더 큰 균형을 추구합니다. |
| 왼쪽에는 |
| 산점도 행렬 |
| 의 연속 요인 |
| 원본 데이터와 오른쪽 |
| 백 행 디자인입니다. 우리는 볼 수있다 |
| 소결에서 |
| 온도, 우리는 약간 |
| 1220에서 잠재적 이상치. |
| 하나는 그것을 확인하고 싶을 것입니다 |
| 그것들은 실제 값입니다. ~ 안에 |
| 일반, 당신은해야합니다 |
| 입력이 |
| 명확한 후보 세트 |
| 이상치 및 누락된 값 |
| 후보로 사용하기 전에 |
| 디자인을 정하다. 론과의 대화에서 |
| Kennet 이...3월에 |
| 2021 디스커버리 컨퍼런스, |
| 사용 방법을 간단히 시연합니다. |
| 특이치 및 누락된 값 |
| 제거할 스크리닝 플랫폼 |
| 이상치를 제거하고 |
| 누락된 값을 |
| 차후에 사용 |
| 이렇게 무대. |
| 이제 우리에게 문제가 있다고 가정하자 |
| 첫 번째 예와 유사하게 |
| 두 대의 기계가 있는 곳 |
| 유형, 그러나 이제 우리는 |
| 온도와 압력 |
| 요인, 그리고 우리는 그것을 압니다 |
| 온도와 압력은 할 수 없습니다 |
| 독립적으로 달라지며 |
| 그 의존의 본질 |
| 머신 유형 간 변경 |
| 우리는 초기 공간을 만들 수 있습니다 |
| 충전 설계 및 사용 |
| 제거할 데이터 필터 |
| 불가능한 조합 |
| 별도로 설정하는 요인 |
| 각 기계 유형. 그러면 우리는 할 수 있습니다 |
| 후보 세트 디자이너 사용 |
| 가장 효율적인 것을 찾기 위해 |
| 이 상황에 대한 디자인. |
| 그래서 지금 나는 이것을 겪었습니다. |
| 이제 내 공간을 만들었습니다. |
| 채우는 디자인. 1,000이 있습니다. |
| 실행하면 다음을 불러올 수 있습니다. |
| 글로벌 데이터 필터 및 |
| 그것을 사용하여 다른 면도 |
| 온도 조합 |
| 그리고 우리가 할 수 있도록 압력 |
| 에 의해 별도의 제약 조건을 갖습니다. |
| 기계 유형. |
| 그래서 나는 올가미를 사용합니다 |
| 잘라내는 도구 |
| 기계 B의 코너. |
| 그리고 나는 돌아가서 끊는다. |
| 머신 B의 또 다른 코너 |
| 기계 B는 다음을 가진 기계입니다. |
| 더 넓은 작동 영역의 일종 |
| 온도와 압력에서. |
| 그런 다음 기계로 전환합니다. |
| ㅏ. 그리고 우리는 단지 사용할 것입니다 |
| 올가미 도구 |
| 면도하다 |
| 그것의 밖에 있는 점 |
| 운영 지역. 그리고 우리는 본다 |
| 그 운영 지역은 |
| 기계 A보다 훨씬 좁습니다. |
| 그리고 여기 결합된 디자인이 있습니다. |
| 거기에서 다시 로드할 수 있습니다. |
| 사용자 지정 디자이너로 이동합니다. |
| 거기에 RSM 모델을 넣은 다음 |
| 실행 횟수를 32로 설정하고 |
| coviariate 행을 허용 |
| 반복. 그리고 그것은 크랭크 거 야 |
| 을 통해. 일단 그렇게 하고 나면, |
| 모든 점을 선택합니다. |
| 후보군에 의해 선택된 |
| 디자이너. 그리고 여기서 우리는 볼 수 있습니다 |
| 선택한 포인트. |
| 그들은 강조 표시되었으며 |
| 후보 포인트의 원래 세트 |
| 선택되지 않은 것은 |
| 회색이다. |
| 우리는 새로운 디자인을 가져올 수 있습니다 |
| Fit Y by X에서 우리는 할 수 있습니다 |
| 우리가 보는 산점도를 참조하십시오 |
| 그 |
| 기계 A 디자인 포인트 |
| 빨간색입니다. 그들은 인테리어에 |
| 공간의 다음 유형 |
| B 실행은 파란색입니다. 그것은 가지고 있었다 |
| 더 넓은 운영 지역 및 |
| 이것이 우리가 이러한 점을 보는 방식입니다. |
| 여기 밖으로, 더 멀리. 그래서 |
| 우리는 신속하게 |
| 선형 제약 조건이 있는 설계 |
| 범주로 변경 |
| 가지 않고 요소 |
| 짜증나는 유도 과정 |
| 선형 조합 계수. |
| 기본 JMP 101을 사용했습니다. |
| 시각화 및 필터링 |
| 도구. 이 아이디어는 일반화 |
| 다른 비선형으로 |
| 제약 및 기타 복잡한 |
| 상당히 쉽게 상황. |
| 이제 우리는 사용할 것입니다 |
| 필터링 및 다변량 |
| 매우 독특한 새로운 유형의 |
| 내가 당신을 확신하는 디자인 |
| 전에 본 적이 없습니다. |
| 로 이동 |
| 올가미 도구. 가고 있었다 |
| 아주 특이한 것을 잘라내다 |
| 강제. |
| 그리고 우리는 거꾸로 할 것입니다 |
| 선택. |
| 해당 행을 삭제하겠습니다. |
| 그러면 속도를 높일 수 있습니다. |
| 약간. 우리는 통과할 수 있습니다 |
| 그리고 같은 일을 |
| X1의 다른 조합 |
| 그리고 다른 변수들. |
| 아주 조각 |
| 특이한 모양의 후보 세트. |
| 우리는 이것을 로드할 수 있습니다 |
| 맞춤 디자이너. 같은 |
| 이전과 같은 것. 우리를 가져와 |
| 열을 공변량으로, |
| 모두와 디자인을 설정 ... |
| 모든 고차 상호 작용 |
| 가능하면 백 |
| 실행합니다. 그리고 이제 우리는 본다 |
| 이를 위한 우리의 디자인 |
| 비정상적으로 제한된 영역 |
| 이러한 점을 감안할 때 최적입니다. |
| 제약. |
| 그래서 나는 이것을 당신에게 맡길 것입니다 |
| 영상. 나는 매우 흥분 |
| 당신이 무엇을 할 수 있었는지 들어 |
| 새로운 후보군으로 |
| 디자이너. DOE에 경의를 표합니다. |
| 이것을 추가하기 위한 팀 |
| 놀랍도록 유용하고 |
| 유연한 새 기능. 감사하다 |
| 너. |
탈주데이터 시각화암사슴Re: 후보 집합 설계: 문제에 대한 DOE 제약 조정(2021-EU-30MP-784)@J_Asscher
문제 1: 기존 프로세스나 이전 실험에서 나온 "참조 실행"이기 때문에 특정 처리를 포함하고 싶습니다. 이러한 실행에 대한 응답이 있을 수 있지만 그렇지 않을 수도 있습니다. 후보 런, 보강 또는 조합을 사용해야 합니까?
원하는 작업에 따라 다름 - 증강 설계는 일부 응답 값을 이미 수집했고 가장 유익한 정보를 원할 때 사용합니다. *새로운* 실행할 요인 설정의 조합. 따라서 일련의 디자인을 수행하고 분석의 다음 단계에서 모든 기존 행을 포함할 때만 Augment를 사용합니다.
후보 디자인은 (원칙적으로) Augmentation을 포함하는 보다 일반적인 도구입니다. "디자인에 선택한 모든 공변량 행 포함" 옵션을 선택하면 해당 행이 디자인에 강제 적용되며 이는 Augmentation과 동일하게 작동합니다. 차이점은 요소 설정의 잠재적인 조합 집합이 후보 테이블의 조합으로 제한되는 반면 Augment Design은 좌표 교환 유형 최적화를 적용하여 요소 설정의 새로운 조합을 결정한다는 것입니다.
후보 세트 디자인은 더 폭넓은 응용 프로그램 세트를 가지고 있으며 처음에는 설명하기 어려운 제약 조건을 처리하는 좋은 방법이라고 생각하지만 다른 용도도 있습니다. 예를 들어 SVEM에서 하는 것처럼 기계 학습 연습을 위한 좋은 훈련 세트를 식별하는 데 사용할 수 있습니다.
문제 2: 복제할 처리를 지정하고 싶습니다(다시 말하지만 새 디자인의 경우). 어떻게 해야 하나요?
"선택한 모든 항목 포함" 메커니즘을 사용하여 복제를 강제로 수행하거나 "동변량 행 반복 허용 옵션"을 선택할 수 있습니다. 그렇게 하면 후보 집합 디자이너 알고리즘이 교체가 있는 후보 테이블의 샘플 . 따라서 사용자가 선호하는 최적의 디자인 감각에서 복제할 최적의 처리 세트를 찾습니다. 이러한 각 옵션을 사용하는 데는 분명히 좋은 이유가 있습니다.
Re: 후보 집합 설계: 문제에 대한 DOE 제약 조정(2021-EU-30MP-784)훌륭한 도구이며 필요에 확실히 답합니다.
Custom Design과 Augment Design 옵션에서 Candidate 실행 기능을 사용하는 방법에 대해 질문이 있습니다.
Augment Design을 사용할 때 다음을 이해합니다.
1) 응답이 필요합니다(JMP가 해당 응답을 어떻게 사용하는지 또는 실제 응답이 없는 경우 가짜 응답을 넣어도 괜찮은지 모르겠습니다)
2) 새로운 실행을 쉽게 추가할 수 있습니다(그게 포인트입니다).
3) 새로운 요소를 쉽게 추가할 수 없습니다(원래 디자인에 가짜 요소를 추가할 수 있지만 "쉽게"는 아닙니다).
반면 후보 실행 기능을 사용하면 요소를 쉽게 추가할 수 있지만 실행은 할 수 없습니다.
새로운 디자인을 만들고 있다고 가정해 보겠습니다. 문제 1: 기존 프로세스나 이전 실험에서 나온 "참조 실행"이기 때문에 특정 처리를 포함하고 싶습니다. 이러한 실행에 대한 응답이 있을 수 있지만 그렇지 않을 수도 있습니다. 후보 런, 보강 또는 조합을 사용해야 합니까?
문제 2: 복제할 처리를 지정하고 싶습니다(다시 말하지만 새 디자인의 경우). 어떻게 해야 하나요?
감사해요!
