447251_ko-KR

liliconcom

다중 응답이 있는 응답 표면 분석

여러분 모두에게,

 

응답 표면(의상 디자이너 제작) 디자인으로 대규모 DoE를 실행한 후 몇 가지 질문이 제기되었으며 누군가 여기에서 나를 도울 수 있다면 좋을 것입니다. 저는 JMP와 DoE의 다소 새로운 사용자이지만 기꺼이 배울 의향이 있습니다.

 

1) 다양한 반응(반지름, 분산도, 융점)을 측정했습니다. 동일한 요인(소금, pH, 설탕)으로 . 요인 집합이 다른 응답에 어떻게 영향을 미치는지 평가할 때 여기서 유의성은 어떻게 계산됩니까?

이것은 어떻게 서로 결합됩니까?
2) 유의하지 않은 주요요인도 찾았으나 다른 주요요인과 함께 2차로 유의하였다. 2차 항은 그대로 두고 중요하지 않은 주요 요인은 버려야 합니까? 이것이 모델에 어떤 영향을 줍니까?
3) 내가 합당한 데이터(적합 부족 제외)를 가지고 있으며 깨끗한 양심으로 평가할 수 있는지 어떻게 알 수 있습니까? 욕망 기능을 신뢰할 수 있는지 어떻게 알 수 있습니까?
4) 응답 값이 서로 관련되어 있는지 확인할 수 있습니까(예: 융점과 반경)?
5) 커스텀 디자이너와 함께 반응 표면 디자인을 측정했습니다. 측정 범위를 벗어난 값을 예측할 수 있습니까? 최적의 결과를 얻으려면 요인을 다시 늘리거나 줄여야 한다는 정보를 제공하는 데이터에서 이러한 추세를 어떻게 볼 수 있습니까?
6) 사용자 정의 디자이너 메뉴로 설정을 마친 후 응답 값의 한계를 어떻게 재정의할 수 있습니까?
7) 여러 응답 값을 동시에 평가하는 방법과 개별적으로 평가하는 것과 어떻게 다른지 어디서 배울 수 있습니까?

 

모든 도움에 감사드립니다!

해석학암사슴창Re: 다중 응답을 사용한 응답 표면 분석

모든 질문에 대한 답변은 DOE에 대한 기본 책을 거의 채울 수 있습니다. 내 제안은 작업을 잠시 멈추고 무료 SAS "Statistical Thinking for Industrial Problem Solving" 과정 내에서 모든 DOE 및 모델링 관련 모듈을 완료하는 것입니다. 귀하의 모든 질문이 여기에 포함됩니다(또한 귀하가 구체적으로 묻지 않은 많은 주제 포함).

Re: 다중 응답을 사용한 응답 표면 분석

1. 각 응답에 대해 개별적으로 최상의 모델을 선택하십시오. 최적의 모델을 열 수식으로 저장합니다. 그래프 > 프로파일러 > 프로파일러와 결합합니다.
2. 예, 응답 데이터와 함께 선형 모델을 사용할 때 '모델 계층'을 유지하는 것이 좋습니다. 따라서 A*B라는 용어를 포함하기로 결정했다면 각각의 의미에 관계없이 A 용어와 B 용어도 모두 포함해야 합니다.
3. 두 가지 질문:
   1. 각 반응의 모델을 선택하는 동안 잔차 분석을 사용합니다. 또한 모델 검증을 아직 수행하지 않았습니까?
   2. 바람직함 함수에 대한 신뢰는 반응의 한계와 반응의 목표에 대한 결정에 대한 신뢰에 달려 있습니다.
4. 확신하는.
5. 두 가지 질문:
   1. 요인 범위를 넘어 예측할 수 있습니다. 이러한 형태의 예측을 외삽이라고 합니다. 위험하다. JMP는 예측된 평균 반응에 대한 신뢰 구간을 조정하지만 JMP는 모델이 요인 범위를 넘어 유효하다고 가정합니다. 가정이 합리적인지 여부는 본인만 알 수 있습니다.
   2. 예측 프로파일러는 응답과 요인이 여러 개인 경우에 가장 적합한 도구입니다.
6. 두 가지 방법이 있습니다.
   1. 데이터 테이블에서 다음 방법 중 하나를 사용합니다.
      1. 열 패널에서 응답 이름 뒤의 별표 아이콘을 클릭하고 응답 한계를 선택하십시오. 정보를 업데이트하고 확인을 클릭합니다.
      2. 응답 열을 선택하고 열 > 열 정보를 선택하고 속성 목록에서 응답 한계를 선택하고 정보를 업데이트하고 확인을 클릭합니다.
   2. 예측 프로파일러에서 Windows의 경우 Control 키 또는 Mac의 경우 Command 키를 누른 상태에서 만족도 함수의 그래프를 클릭하고 정보를 업데이트하고 확인을 클릭합니다. 그런 다음 업데이트를 유지하려면 예측 프로파일러 옆에 있는 빨간색 삼각형을 클릭하고 선호도 > 선호도 저장을 선택합니다.
7. JMP 도움말을 사용하여 프로파일러 가이드.

Re: 다중 응답으로 응답 표면 분석

질문에 따르면 자원을 낭비하기 전에 해당 주제를 공부해야 한다는 피트의 의견에 동의합니다. 제 말은 1차 모델을 이해하고 상황과 관련된 노이즈를 완전히 이해하기 전에 일반적으로 최적화 유형 디자인인 응답 표면부터 시작하는 것이 비효율적이고 종종 비효율적이라는 것을 의미합니다.  

Mark의 대답은 물론 맞습니다. 생각해 볼 몇 가지 생각을 추가하겠습니다.

1. 당신이 설명하는 상황은 실제로 표준입니다. 우리는 다변수 세계에 살고 있습니다. 여러 응답 변수에 걸쳐 최적화 균형이 가장 확실합니다. Analyze>Multivariate Methods>Multivariate(모든 Y를 입력)를 실행해야 합니다. 이것은 Pearson 상관 계수를 제공하고 더 중요하게는 응답 변수 간의 그래픽 관계의 산점도 행렬을 제공합니다. 4번 질문에 대한 답변이기도 합니다.

2. 계층 구조와 관련하여...이런 식으로 생각하십시오...활용하려는 활성 상호 작용이 있는 경우 해당 상호 작용의 두 가지 요소를 모두 관리하기를 가장 원할 것입니다. 물론 그 중 하나(예: A)를 설정하면 A의 해당 설정과 관련하여 다른(B)만 관리하면 됩니다. 중요하지 않은 주효과를 모델에 추가하면 조정된 R-제곱과 R-제곱 사이의 델타가 더 커지고 p-값이 감소할 수 있지만 모델이 현실적이 되는 것이 더 중요합니다.

3. 아, 합리적입니다... 모든 데이터를 분석하는 첫 번째 단계는 결과가 실제 가치를 벗어나는지 확인하는 것입니다. 응답 변수가 연구 기간 동안 통계적 평가를 보증할 만큼 충분히 변경되었습니까(나는 이것을 실용적인 의미라고 부름)? 실험 공간이 미래의 조건을 대표했는가(추론 공간의 문제)? 그렇지 않은 경우 외삽이 가장 의심됩니다. 실험 중 노이즈(구체적으로 조작되지 않은 요소)는 어떻게 처리되었습니까?  

R-제곱 통계(R-제곱 조정에 중점을 둔 델타), RMSE, CV(여러 Y에 걸쳐), p-값 및 잔차 분석을 사용하여 모델 구축을 안내할 수 있습니다.