어떤 프로세스 매개변수가 실행 간 차이를 설명하는지 확인하기 위한 LDA 대 예측자 스크리닝현재 저는 화학 공정의 한 장치를 조사하고 있습니다. 이 장치는 청소되기 전까지 몇 달 동안 작동됩니다. 실행마다 성능이 다릅니다. 내 실행 성과 지표에는 낮음, 중간, 높음의 3가지 수준이 있습니다. 성능 지표를 설명/영향을 줄 수 있는 후보로 식별된 약 30개의 프로세스 매개변수(압력, 온도 등)가 있습니다. 이러한 프로세스 매개변수는 실행 중에 달라집니다. 나는 이러한 프로세스 매개변수 중 어떤 것이 가장 영향력이 있고 어떤 영향이 있는지(긍정적/부정적) 식별하려고 노력합니다.
저는 LDA와 예측변수 선별을 사용했습니다. 가장 큰 영향을 미치는 상위 10개 공정 매개변수 목록은 두 가지 방법에 따라 다릅니다. 방법이 다르기 때문에 약간의 차이가 있을 것으로 예상했지만 그렇게 광범위하지는 않았습니다. 내 질문: 두 가지 방법 중 가장 신뢰할 수 있는 답변을 제공하는 방법을 식별하는 방법은 무엇입니까?
고급 통계 모델링데이터 혼합 및 정리품질 및 프로세스 엔지니어링재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝내가 (자세히 읽었어야 하는 것을 용서해 주세요) 당신이 단지 13개의 런을 가지고 있다는 것을 알아차렸습니까? 따라서 자동으로 예측 변수(30)가 있는 것보다 훨씬 적은 수의 실행이 있습니다. 일반적으로 트리 및 많은 선형 모델링 방법은 추정하려는 매개변수보다 더 많은 수의 실행이 필요합니다. 그래서 나는 당신이 다른 대답을 보고 있다는 사실에 놀라지 않습니다. LDA에는 몇 가지 차원 축소 기능이 있습니다. 솔직히 말해서 JMP Pro가 없다면(만약 당신이 FDE나 부분 최소 자승법을 사용할 수 있거나 페널티가 적용된 회귀 방법 중 하나를 사용할 수 있었다면). 행운을 빕니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝당신이 맞습니다. 상당한 양의 공선성이 있습니다. 그래서 LDA와 예측인자 스크리닝을 선택했습니다. 내 LDA에서 4%의 잘못된 레이블을 얻었고 낮은 값과 높은 값을 명확하게 구분할 수 있습니다. 다음으로 표준화된 점수 계수를 살펴보고 크기 순서대로 순위를 매겼습니다.
또한 1000그루의 나무로 예측 변수 스크리닝을 실행했습니다. 예측 변수 순위를 LDA의 표준화된 점수 계수 순위와 비교할 때 높은 예측 변수 순위와 높은 표준화 점수 계수 간에 일치하는 항목이 거의 없습니다.
두 가지 다른 방법이기 때문에 약간의 차이를 예상했지만 이 정도는 아닙니다.
그 이유는 무엇이며 어떤 순위 목록이 가장 신뢰할 수 있습니까 (예측 심사의 성능은 어떻게 확인합니까?)
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝여기에서 시작하겠습니다... 지금까지 설명한 것과 유사한 프로세스에 대한 제 경험은 예측 변수 간에 다중 공선성이 많이 있을 수 있다는 것입니다. 이 문제를 조사했습니까? 가장 좋은 방법은 예측 변수의 시계열 플롯으로 시작하는 것입니다... 너무 많지 않으므로 Graph Builder만큼 간단한 것을 사용하면 됩니다. 사실, FDE 플랫폼에서 이러한 유형의 플롯은 매우 가치 있는 표준 보고서 출력입니다. 거기에서 다중 공선성이 있는 경우 주성분 분석을 시도하고 사용하여 예측 변수의 변동성의 대부분에 기여하는 구성 요소를 식별할 수 있습니다. 범주형 응답만 있으면 모델링 옵션도 제한됩니다.
그러나 내가 가장 강력하게 추천하는 방법은 이 경로나 방법에 익숙하지 않은 경우...당신과 함께 일할 의사가 있는 사람을 찾아 데이터와 문제를 살펴보는 것입니다. '가는' 방법은 여러 가지가 있습니다. 실제 데이터를 보지 않고는 모든 다양한 경로를 살펴보고 관심 있는 화학 과정에 대해 더 많이 이해하기 어렵습니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝불행히도 나는 JMP Pro가 없습니다. JMP만 있습니다. 그렇다면 가장 좋은 대안은 무엇일까요?
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝이상적으로는 아이디어를 추천합니다 @Mark_Bailey 주식. 예측 변수에서 관찰한 내용에 따라 서로 높은 상관 관계가 있는 경우...Functional Data Explorer는 가장 영향력 있는 변수를 식별하기 위한 하나의 경로입니다. 발생할 수 있는 문제는 예측 변수 간의 다중 공선성입니다. FDE는 이 문제를 처리할 수 있지만... 가능하면 변수 식별을 위해 FDE를 사용하면... A. 변수 식별 확인 및 B. 프로세스에 대한 예측 모델 개발에 DOE를 능가하는 것은 없습니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝실행의 성능이 낮거나 높은 이유를 설명하는 프로세스 변수를 식별하고 싶습니다. 다음 단계는 일관되게 높은 실행을 유지하기 위해 이러한 변수를 대역폭으로 설정할 수 있는지(또는 다른 변수로 보상할 수 있는지) 확인하는 것입니다. 공학적 관점에서 많은 후보 변수가 식별되었습니다. 분석은 가장 영향력 있는 변수를 찾기 위한 것입니다. (근본 원인 분석과 유사)
이것이 귀하의 질문에 대한 답변이 되기를 바랍니다. 내 질문을 탐색적 또는 예측적이라고 잘못 표기하는 것을 방지하고 싶었습니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝따라서 예측 변수는 시간에 따라(실행 중) 변합니까? JMP Pro에서 Functional Data Explorer를 사용해 기능 원리 구성 요소를 얻은 다음 원래 측정값 대신 예측 변수로 사용할 수 있습니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝한 가지 기본적인 질문부터 시작하겠습니다. '...가장 신뢰할 수 있는 답변'에 대한 귀하의 기준은 무엇입니까? 탐색적 '대답' 또는 예측적 '대답'을 구하는 조사를 수행하고 있습니까? 내가 권장하는 데이터 분석 방법은 대체로 귀하의 답변에 따라 결정됩니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝나는 13개의 런을 가지고 있다. 각 레벨은 약 4회 발생합니다. 흐름은 필요한 처리량에 따라 변경되고 압력은 주변 조건 또는 장기간의 오염으로 인해 변경될 수 있습니다.
재: 실행 간의 차이를 설명하는 공정 매개변수를 결정하기 위한 LDA 대 예측자 스크리닝데이터 또는 합리적인 샘플 없이는 말하기가 매우 어렵습니다. '실행 중 프로세스 매개변수가 다양함'을 감안할 때 이 변형은 실행 내에서 실제로 어떻게 보이고 실행에 대한 데이터는 몇 개입니까? 성과 지표의 각 수준은 몇 번 발생합니까?
