감각 데이터를 기반으로 내 모델을 만드는 방법친애하는 JMP 커뮤니티 여러분,
석사 논문을 위해 뜨거운 음료에 대한 프로세스를 최적화하고 싶습니다. 5개의 요인(X1 –X5)이 있는데 그 중 하나는 변경하기 어려운 요인(X1)과 10개의 반응 변수(Y1-Y10)입니다. 반응은 훈련된 감각 패널(8~11명의 평가자)을 통해 측정됩니다.
나는 243개의 실행이 있는 맞춤형 RSM 설계를 만들었습니다(기본적으로 설계에는 27개의 실행(최소 수)이 있지만 각 평가자(9명의 평가자가 가정)는 더 정확한 점수(27*9=243)를 얻기 위해 27개의 실행을 모두 채점합니다. . 각 평가자는 전체 플롯(=일)당 3개의 샘플을 평가할 수 있습니다.
나는 컵 안의 샘플 온도를 통제할 수 없는 요소로 포함시키는 것을 고려했습니다. 다만, 시각적인 외관을 평가한 후 측정하는 것이므로 사람이 시료의 외관을 평가하는 데 시간이 얼마나 소요되는지에 따라 달라질 수 있습니다. 컵의 온도는 공정과 상관관계가 있을 수 있습니다(예: 컵의 높은 온도 -> 공정 중에 더 뜨거운 물이 사용됨 -> 전반적인 맛에 영향을 미칠 수 있음). 포함해야 하나요?
설계 평가에서는 바람직함 기능을 사용하여 반응을 동시에 최적화하고 최적의 요인 설정을 얻으려고 생각했습니다.
이제 내 질문은 다음과 같습니다.
- 나는 추정치가 더 정확할 것이라고 믿기 때문에 요인을 연속적으로 입력했습니다. 그러나 궁극적으로 나는 기껏해야 이미 정의된 요인 수준(예: 공정의 온도는 요인(87 - 95°C, 정의된 수준은 87, 89, 91, 93 및 95°C)임)에 도달하고 싶습니다. 최적화 나는 다음 수준 중 하나에 도달하는 것을 선호합니다). 오히려 불연속적인 요인을 선택해야 합니까, 아니면 최적의 설정을 내 요인 수준(해당하는 경우)으로 반올림해야 합니까?
- 243개의 런으로 설계를 생성하는 것이 맞나요? 왜냐하면 말씀드린 것처럼 '복제'를 반복이 아닌 반복 측정으로 간주하여 더 정확한 결과를 얻고 싶다고 생각하기 때문입니다. 그러나 나는 평가자의 다양성을 고려하고 싶습니다(그래서 평균값을 사용하고 싶지 않습니다).
- 내 디자인에 평가자를 어떻게 포함시킬 수 있나요? 추가 열을 생성하고 해당 용어를 모델에 무작위 효과로 포함시켰습니다. 또한 디자인 역할과 데이터 유형을 어떻게 정의합니까?
- 그리고 평가자는 항상 동일한 9명이어야 합니까, 아니면 전체 플롯마다 다를 수 있습니까? (각 평가자는 개별 ID를 가지고 있습니다.)
- 바람직함 기능은 내 모델을 구축하고 모든 응답을 동시에 최적화하기에 충분합니까? 아니면 내 모델에 대한 좋은 추정치를 얻기 위해 다른 예측 모델링 방법(Bootstrap Forest, K Nearest Neighbor 등)을 사용해야 합니까?
- 그리고 나는 패널을 "보정"하기 위해 음료 참조를 사용합니다. (평가자는 항상 참조 음료를 먼저 마시고 평가하며, 샘플보다 참조 음료는 다른 프로세스에서 나옵니다.) 내 모델에 참조를 포함해야 합니까? 그렇다면 어떻게?
도움을 주셔서 감사드리며, 제 디자인/모델에서 발견한 오류에 감사드립니다!
추신: 첨부된 파일에는 이전 디자인이 포함되어 있으며 가짜 평가를 위해 일부 오래된 감각 데이터를 사용했습니다(아직 측정을 시작하지 않았습니다).
대량 맞춤화품질 및 프로세스 엔지니어링Re: 감각 데이터를 기반으로 모델을 만드는 방법귀하의 답변을 토대로 DOE에 관한 책을 읽어보시거나 JMP에서 제공하는 DOE에 관한 온라인 참고 자료를 살펴보시기 바랍니다. 예를 들면 다음과 같습니다.
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. 지나치게 단순화한 점 양해 부탁드립니다. DOE는 테스트가 아닙니다. 실험에서는 각 반응 변수와 관련된 인과 구조가 무엇인지에 대한 단서를 찾고 있습니다. 승자를 선택하기 위해 테스트가 수행됩니다. 이것이 바로 실험을 실행하는 이유입니다. 선형 효과를 평가하기 위해 2개의 굵은 수준으로 설정된 여러 요인으로 시작하고 덜 흥미로운 요인을 선별한 다음 나머지 요인으로 계속 반복(공간 이동 및 확대)할 수 있습니다. 2개 수준에서 여러 요인을 실험하는 경우 설계 해상도에 따라 선형 주효과와 교호작용 효과에 대한 추정치를 얻을 수 있습니다. 수준을 추가하면 비선형 효과의 추정치를 얻을 수 있습니다(3개 수준 - 2차, 4개 수준 - 3차 등). 일반적으로 선형 메인 효과로 시작한 다음 선형 상호 작용 효과, 2차 등으로 시작하는 Taylor 계열 접근 방식으로 모델을 구축합니다(첫 번째 - 두 번째에서 세 번째 순서로 모델 구축). 그러나 목적은 복잡한 모델을 만드는 것이 아니라 예측에 적합한 모델을 유지하면서 모델을 최대한 단순하게 유지하는 것입니다.
2. 공변량은 구체적으로 제어/관리할 수는 없지만 측정할 수 있는 요인을 처리하는 방법입니다. 우리는 이 확률 변수를 DOE의 고정 효과 모델에 통합합니다. 공변량을 고려하면 추론 공간을 손상시키지 않으면서 실험의 정밀도가 높아집니다. 물론 지금은 혼합 모델을 분석하고 있습니다.
3. 정량적 서술분석 방법은 잘 모르지만 재미있을 것 같습니다. 나는 항상 반응 변수로서 인간의 감각 인식에 관심을 갖고 있습니다. 내 대략적인 모습에 따르면 측정은 간격입니다.일관성을 확보하고 편견을 완화하는 방법은 어렵습니다. 이 방법이 이러한 문제를 어떻게 처리하는지 알 수 없습니다. 인간의 인식에 일관되게 사용될 수 있는 척도의 단위 수에 관한 많은 연구 논문이 있습니다.
Re: 감각 데이터를 기반으로 모델을 만드는 방법빠른 답변 감사드립니다 @statman
저는 통계학자가 아니며 석사 논문 이전에 DOE에 대해 들어본 적이 없으며 불행히도 저를 지도해 줄 지도교수가 없습니다. 그래서 저는 여기 커뮤니티에서 도움을 찾고 있었습니다 
설명하신 대로 실제로 두 가지 온도가 있습니다. 생산 온도의 경우 4차 다항식을 찾고 싶지 않습니다. 기계에서 5가지 레벨을 선택할 수 있으며 저는 "그 중에서 가장 좋은 레벨을 선택"하려고 노력합니다.
그리고 소비 온도의 경우: 이를 공변량으로 정의하면 온도를 미리 알아야 하며 내 설계에 추가됩니다. 하지만 치료를 위해 이 온도를 보장할 수는 없습니다. 아니면 부수적인 것인가요?
사실 저는 관능 평가를 위해 정량적 기술 분석 방법의 변형을 사용하고 있어서 순서형 데이터가 없는 것 같습니다. 평가자는 끝에 두 개의 언어 기준점이 있는 구조화되지 않은 선 척도를 사용하여 정의된 속성의 강도를 평가합니다. 측정 후 눈금의 전체 길이는 0(최저 강도)에서 100(최고 강도) 사이의 숫자 값으로 변환됩니다. 따라서 데이터 간의 거리가 알려져 있고 의미가 있습니다. 참조 샘플은 평가자의 강도 측정을 교정하고 보다 일관된 평가를 얻는 데 사용됩니다.
하지만 나는 여전히 신문에 나온 몇 가지 조언을 활용할 수 있다고 생각합니다. 아니면 정량적 데이터용 데이터도 갖고 있나요? 아니면 일관성 평가가 전혀 다른가요?
Re: 감각 데이터를 기반으로 모델을 만드는 방법@kPvDoE 첫 번째 생각은 이것이 석사 논문의 일부이기 때문에 얼마나 조언을 주어야 할까요? 나는 당신의 디자인/모델을 보지 않았습니다.
각 치료법에 대한 다중 평가가 설계 작성에 포함되어서는 안 됩니다. 이러한 다중 평가는 실제로 반복되며 처리와 독립적이지 않으므로 추가 자유도가 아닙니다. 치료 효과를 요약하고 분석하기 전에 치료 내 "등급"을 평가해야 합니다. 온도 요인은 약간의 딜레마를 야기합니다. 온도가 2개인가요? 하나는 음료를 준비(또는 제조)하기 위한 것이고 다른 하나는 음료를 평가할 때 사용하는 것입니까? 5가지 수준에서 설계 요소를 실험하고 있는 것 같습니다(왜 4차 다항식 효과를 기대합니까? 아니면 "승자를 선택"하려고 하시나요? 음료가 소비되는 온도는 공변량일 수 있습니다.
치료 내 평가를 위해 감각 서열 척도를 사용하고 있다고 가정합니까? 순서 척도 평가의 경우 먼저 9명의 평가자에 대한 평가의 일관성을 평가하고 잠재적인 특이점이나 편향을 식별해야 합니다. 그들의 반응을 계획하고 체계적인 패턴을 찾는 것이 유용할 것입니다. 그런 다음 해당하는 경우 평균/중앙값 및 일부 분산 측정값(범위 또는 표준 편차)을 사용하여 해당 평가를 요약합니다. 참조에 관한 한, 순서 척도의 각 범주에 대한 실제 표본이 있는 것이 좋습니다. 평가는 "어떤 샘플이 테스트 샘플과 일치하는지"와 어느 것을 선호하는지(개인 편견이 포함되어 있기 때문에) 이루어져야 합니다. 감각/서수 척도 사용법에 대한 조언을 제공하기 위해 사용하는 간단한 종이를 첨부했습니다.
