Ciao, sono Ron Kenett.
Questo Questo è un giunto parla parla insieme a Chris Gotwalt.
Il parla parla è su Funzionale Dati Analisi e non lineare Regressione Modelli.
e in ordine a esaminare esaminare il opzioni
e che cosa noi ottenere ottenere fuori fuori di questo Questo genere di analisi,
noi sarà prendi prendi un informazioni informative qualità prospettiva.
Nel un senso, questo Questo è un segui segui su su a un parla parla noi hanno dato ultimo ultimo anno anno
alle a il lo stesso Scoperta Vertice.
Così io sarà cominciare insieme a semplice esempi
a introdurre introdurre FDA e non lineare Regressione.
e poi Chris sarà copertina un complesso e altro ancora
sostanzialmente di più complesso esempio esempio di ottimizzazione,
quale quale include include miscela esperimenti progettato a incontro un riferimento profilo.
Così il storia inizia inizia insieme a dati su compresse compresse Quello sono sono disciolto disciolto
e misurazioni sono sono fatto fatto alle a diverso tempo tempo punti, punti,
cinque minuti, minuti, dieci minuti, minuti, 15 minuti, minuti, ogni cinque minuti, minuti,
e poi 20 minuti, minuti, dieci minuti dopo,
30, 30, e poi 15 minuti dopo, 45 45 minuti.
Noi avere avere 12 compresse compresse Quello sono sono nostro Prodotto
e 12 compresse compresse Quello sono sono il riferimento.
I nostri obbiettivo è a avere avere un Prodotto Quello partite il riferimento.
e in questo Questo genere di dati, noi avere avere un profilo,
e noi considerare considerare Due opzioni,
FDA e NLR.
Nel Esempio di Chris, bene parla parla circa qualche cosa chiamata il f 2,
quale quale è un terzo terzo opzione per analizzando questo Questo genere di dati.
Così ecco che cosa esso sembra sembra piace insieme a il grafico costruttore.
Su il sinistra, sinistra, noi avere avere il riferimento profili.
Su il giusto giusto, noi avere avere il compresse compresse e il test.
Noi potere vedere vedere questo Questo è un esempio esempio da mio prenotare su moderno industriale statistiche,
il prenotare insieme a Shelley Zack, quale quale è adesso in la sua è terzo terzo edizione.
Così su il sinistra tu potere vedere vedere lì lì è un tavoletta Quello sembra sembra
un un po' diverso.
È etichettato T 5R.
e se se noi correre un funzionale dati analisi di questo Questo dati,
T 5R fa Guarda diverso.
Noi vedere vedere Quello il crescita parte parte è diverso.
Esso ha ha un piano piano crescita ma ma coerente crescita.
Esso fa non avere avere il forma Quello noi vedere vedere in il Altro Scioglimento curve.
Questo Questo era era fatto fatto insieme a un quadratico B-spline insieme a 1 nodo,
e il quadratico era era in questo Questo Astuccio,
raccordo il dati meglio di di il QB.
Questo Questo è un po' di un fuori dal comune situazione.
Così perché di il forme, il B-spline quadratica era era un meglio adatto.
Se noi Guarda alle a T 1R,
il primo tavoletta Quello ha ha ancora diverso forma,
esso germogli su su e poi esso rimane.
Così fondamentalmente, il tavoletta ha ha disciolto.
Ovviamente, al di là un alto alto numero di Scioglimento,
c'è non molto sinistra per il soluzione.
Così T 1R e T 5R, essi sembrare diverso.
T 5R sta in piedi fuori fuori di più di di T 1R.
Così, si si, T 5R su il grappolo analisi
su il funzionale principale componenti componenti fa In piedi fuori.
Così qui noi vedere vedere come funzionale principale componenti componenti
dispersione trama della trama di il primo Due funzionale principale componenti componenti punti, punti,
che cosa noi osservare visivamente.
e T1R, quale quale è prossimo a T 2R,
è un diverso grappolo.
Noi potere procedere insieme a un non lineare regressione approccio.
Qui noi sono sono raccordo un Gompertz tre parametro parametro modello
insieme a tre parametri,
il asintoto, il crescita Vota, e il inflessione punto.
Questo Questo è il modello e quando noi in forma il profili,
noi ancora vedere vedere Quello T 5R sta in piedi fuori.
Così noi avere avere il lo stesso qualitativo impressione di impressione Quello noi aveva avuto insieme a FDA.
Adesso noi avere avere questi tre parametri elencato
e noi potere correre un profilatore su il modello perché noi adesso avere avere un modello.
Questo Questo è dove T 1R sta.
Così Ciao ciao in esecuzione il profilo su il diverso compresse,
noi potere anche vedere vedere come simile o diverso essi Guarda piace.
Questo Questo è il tavolo Quello mappe fuori fuori il parametri di questo Questo asintoti.
così T 1R crescita tasso .21,
T5R, questo tavoletta Quello stava in piedi fuori.
Crescita Vota .075,
molto piano piano crescita Vota,
coerente ma ma Lento.
Il inflessione punto è 11.5, strada su il Giusto.
Così noi potere vedere vedere attraverso questo Questo parametro parametro i valori il differenza.
Noi potere anche scegliere su su Due compresse compresse Quello In piedi fuori fuori per crescita aliquote.
T2R 1.77,
e T8R, quasi no crescita.
Bene ottenere ottenere Indietro a T 2 e T 8 in un minuto.
Se noi prendi prendi il principale componenti componenti di questi tre parametri spazio.
Così noi nascondere il parametri come se se questi sono sono il misurazioni
e noi correre un multivariato controllo sparo.
Noi potere vedere vedere T 1, questo Questo è il primo uno
e noi potere vedere vedere T Cinque, questo Questo è il blu uno, il quinto uno.
Questo Questo noi già Sega.
Essi sono sono dentro dentro il controllo limiti limiti di il T Quadrato
multivariato statistico distanza controllo grafico.
e T 2 e T 8 Quello io evidenziato prima adesso In piedi fuori fuori
e noi potere vedere vedere qualitativamente perché.
Questo Questo è il modello degradazione approccio in il guida di orientamento documenti documenti
Quello è Usato per modellazione Scioglimento curve.
Nel in esecuzione come analisi insieme a un informazioni informative qualità prospettiva,
il primo domanda è chiedendo che cosa è il obbiettivo di il analisi?
e poi noi potere considerare considerare il metodo di analisi.
Qui erano usando usando non lineare regressione e funzionale dati analisi.
Chris sarà ottenere ottenere dentro come questo Questo è combinato
insieme a dati derivato da sperimentale design.
Noi avere avere un utilità funzione e il informazioni informative qualità
è il utilità di applicando un metodo F su dati X condizione n di il obbiettivo.
è valutato insieme a otto dimensioni.
e qui Chris ancora bene parla parla circa dati risoluzione e dati struttura.
Così Chris, il pavimento è il tuo.
Grazie Ron.
Adesso sono andando andare a dare dare un esempio esempio Quello è un piccolo piccolo un po' di più complicato
di di il primo uno.
Nel di Ron esempio,
lui era era confrontare confrontare il Scioglimento curve di test compresse compresse
a quelli da un impostare di riferimento compresse.
Nel Quello situazione, situazione, il aspettativa è Quello
il curve dovrebbe dovrebbe Generalmente essere a seguire il lo stesso sentiero.
e lui mostrato mostrato come a trova trova anomalo curve
Quello deviare da il riposo riposo di il popolazione.
Nel questo Questo secondo secondo esempio, noi anche avere avere un riferimento Scioglimento curva.
Ma ma noi sono sono analizzando dati da un progettato sperimentare
dove il obbiettivo è a trova trova un formulazione formulativa in Due polimero additivi
e il Quantità di forza di forza Usato in il tavoletta produzione processi
Quello conduce conduce a un chiudere incontro
a il riferimento schizzi il soluzione curva.
Il grafico tu vedere vedere qui mostra spettacoli
il dati da il riferimento curva Quello noi vuoi volere a incontro.
a fare questo, sono andando andare a dimostrare dimostrare tre analisi di il dati
Quello utilizzo diverso metodi e modelli modelli
a trova trova fattore impostazioni delle impostazioni Quello incontro il riferimento Quello condurre a un ...
a fare questo, sono andando andare a dimostrare dimostrare tre analisi di questo Questo dati
Quello utilizzo diverso metodi e modelli modelli a trova trova fattore impostazioni delle impostazioni
Quello sarà migliore incontro il riferimento curva.
Nel il primo analisi,
sono andando andare a riassumere ciascuno ciascuno di il DoE curve
giù giù a un separare metrico chiamata F2
Quello è Tipicamente Usato in Scioglimento curva analisi,
un misurare di accordo insieme a il riferimento incontro.
Là, Malato utilizzo standard DoE metodi a modello Quello F2 risposta
e poi trova trova il fattore impostazioni delle impostazioni Quello sono sono previsto
a migliore d'accordo d'accordo insieme a il riferimento.
Nel il secondo secondo analisi,
Malato utilizzo un funzionale DoE modellazione approccio
dove io modello il curve usando usando questi persiane,
estratto estratto funzionale principio componente I negozi, e modello loro.
Malato carico il riferimento lotto come un bersaglio di destinazione funzione
in il Funzionale Dati Esploratore piattaforma
e poi utilizzo il FDoE profilatore
a trova trova il più vicina incontro consigliato Ciao ciao Quello modello.
Questi primo Due approcci utilizzo piccolo piccolo argomento materia materia informazioni informative
circa questi tipi di compresse.
Nel il terzo terzo analisi,
Malato modello il curve usando usando un non lineare modello
Quello era era conosciuto conosciuto a in forma questo Questo genere di tavoletta bene bene
e utilizzo il Curva DoE opzione in il in forma Curva piattaforma
a modello il relazione tra il DoE fattori
e il forma di il curva.
io vuoi volere a credito Argilla Barker per aggiungendo questo Questo capacità a JMP Pro 16. 16.
io pensa pensare esso ha ha un quantità di promettere per modellazione curve
di chi chi generale forma potere essere presunto a essere conosciuto conosciuto in progredire
a Vieni vieni da uno di il supportato non lineare Modelli.
In il fine, fine, verifica lotti erano erano fatto fatto
usando usando il consigliato formulazione formulativa impostazioni delle impostazioni per ciascuno ciascuno di il tre analisi,
e noi rispetto loro a un nuovo riferimento lotto.
Che cosa noi fondare era era Quello il non lineare basato sulla regressione approccio
portato a il più vicina incontro a il riferimento.
Che cosa noi vedere vedere qui è un dispersione trama della trama matrice di il quattro fattori
in il progettato sperimentare.
Là era era un miscela vincolo di vincolo tra il Due polimeri,
come bene bene come un vincolo di vincolo su il totale Quantità di polimero
e il proporzioni di il individuale polimeri.
Ecco un Guarda alle a alcuni di il crudo dati da il sperimentare.
In il in alto in alto di il tavolo, noi avere avere dati da il riferimento Quello noi augurare a incontro.
Là sono sono 16 16 DoE purificazione o lotti in il sperimentare.
Noi potere solo vedere vedere dati da Due di loro in questo Questo foto, foto, benchè.
Là erano erano sei compresse compresse per per formulazione.
Là erano erano quattro Scioglimento misurazioni per per tavoletta.
Qui noi vedere vedere trame di il Scioglimento curve per ciascuno ciascuno di il 16 16 DoE purificazione
insieme a il Scioglimento curva di il riferimento lotto qui alle a il inferiore Giusto.
Adesso, sono andando andare a fare un Presto preliminare informazioni informative qualità valutazione
usando usando il domande Quello lo farai trova trova in il foglio di calcolo
Quello tu potere Scarica da il JMP utente utente Comunità pagina.
Il primo parte parte di il valutazione è imparentato a il dati risoluzione.
Nel questo Questo Astuccio, io pensa pensare erano guardando guardando molto carino Buona.
Il dati scala è bene bene allineato
insieme a il dichiarato dichiarato obbiettivo perché è un design sperimentare.
Il misurare dispositivi sembrare a essere affidabile e preciso,
e il dati analisi è sicuramente definitivamente andando andare a essere adatto
per il dati aggregazione livello,
e bene essere illustrare illustrare diverso tipi di dati aggregazione
come noi estratto estratto caratteristiche caratteristiche da questi Scioglimento curve.
Come lontano lontano come il dati struttura va, va, erano in molto carino bene bene forma.
Il dati è certamente certamente allineato insieme a il dichiarato dichiarato obiettivo, obiettivo,
noi non farlo avere avere qualunque i problemi insieme a valori anomali o mancante valori, valori,
e il analisi metodi sono sono tutti adatto per il dati struttura,
sebbene sebbene noi fare vedere vedere alcuni variazione
in il qualità di il risultati risultati a seconda di su il genere di analisi noi fare.
Come lontano lontano come dati integrazione va, va, questo Questo è un molto carino semplice analisi.
Noi avere avere multiplo risposte,
e erano esplorando diverso modi modi di combinando combinando loro dentro estratto caratteristiche.
Così c'è un Comune flusso di lavoro a tutti tre di il analisi sono andando andare a essere mostrando.
Primo, noi avere avere a ottenere ottenere il dati dentro un modulo
Quello è analizzabile Ciao ciao il piattaforma Quello erano usando.
Allora Allora c'è intorno a un caratteristica estrazione.
Allora Allora noi modello quelli caratteristiche.
Quello è dove c'è un quantità di differenza tra il metodi, metodi,
e poi noi utilizzo il profilatore in diverso modi modi
a trova trova un formulazione formulativa Quello da vicino partite il riferimento.
Primo, sono andando andare a andare oltre il F2 analisi.
F 2 è un standard misurare di accordo di un Scioglimento curva
parente a un riferimento Scioglimento curva.
Nel il formula, formula,
il Rs sono sono il significa mezzo di il riferimento curva alle a ciascuno ciascuno tempo tempo punto,
e il Ts sono sono il significa mezzo di il non riferimento curva.
Il convenzione è a dire dire Quello il Due curve sono sono equivalente
quando F2 è maggiore maggiore di di o pari a 50.
È importante a punto fuori fuori
Quello sono compreso compreso questo Questo F 2 basato analisi
non appena come un esempio esempio di un Scioglimento DoE analisi,
ma ma di più a grandi linee come un esempio esempio di come ridurre riducendo un risposta
Quello è intrinsecamente una curva giù giù a un separare numero
conduce conduce a un molto inferiore qualità analisi
e risultati dei risultati alle a il fine fine
di di un procedura Quello tratta curve come prima classe cittadini.
Così adesso sono andando andare a condividi condividi il F2 analisi di il Scioglimento DoE dati.
Il primo cosa cosa noi avere avere a fare è calcolare calcolare il lotto significa mezzo
di il Scioglimento curve alle a il diverso tempo tempo punti.
Allora Allora noi creare creare un formula colonna
Quello calcola il F2 Scioglimento curva accordo statistica
per ciascuno ciascuno di questi curve parente a il riferimento lotto, lotto,
e noi modellato il F2 usando usando il DoE fattori come ingressi
e utilizzo il profilatore a trova trova il fattore impostazioni delle impostazioni Quello incontro il riferimento.
Prima il analisi,
noi utilizzo il di tavola sintesi riassuntiva caratteristica
a calcolare calcolare il significa mezzo di il Scioglimento misurazioni
Ciao ciao lotto e attraverso ciascuno ciascuno di il volte.
Noi potere salva salva noi stessi un piccolo piccolo un po' di lavoro Ciao ciao usando usando tutti di il DoE fattori qui
come raggruppamento variabili così lo faranno essere portato attraverso
dentro il successivo tavolo.
Adesso noi avere avere un 17 righe dati impostare
e noi nascondi nascondi e escludere escludere il riferimento lotto.
Adesso prendi prendi Nota di il i valori di il Scioglimento significa mezzo per il riferimento
perché erano andando andare a utilizzo quelli
quando noi creare creare un formula colonna Quello calcola il F2 accordo metrico
per ciascuno ciascuno di il lotti parente a il riferimento lotto
e adesso erano andando andare a essere capace capace a utilizzo questo Questo F2 formula colonna
come un risposta a essere modellato.
Noi utilizzo il modello sceneggiatura creato Ciao ciao il DoE piattaforma
a impostare su su nostro modello per noi.
Noi luogo F2 come nostro nostro risposta variabile variabile
e erano andando andare a analizzare analizzare questo Questo dati oggi
usando usando il generalizzato regressione piattaforma in JMP Pro.
quando noi ottenere ottenere dentro il piattaforma
noi vedere vedere Quello esso ha ha automaticamente fatto fatto un standard contratto di locazione piazze analisi
perché esso fondare Quello lì lì erano erano abbastanza gradi gradi di libertà
in il dati per esso a fare così
e è dato dato noi un AICc di 155.6.
sono andando andare a vedere vedere se se noi potere fare meglio Ciao ciao provare a provare
un migliore sottoinsiemi riduzione di il modello
e quando noi fare Quello noi vedere vedere
Quello il AICc di Quello migliore sottoinsiemi va va giù giù a 136 136
più piccolo più piccolo è meglio insieme a il AICc
e il differenza di 20 è molto carino sostanziale
così io lo farebbe concludere Quello il normale normale migliore sottoinsieme è un meglio modello
di di il standard piazze uno.
sono andando andare a Tentativo uno di più cosa, cosa, benchè,
e in forma un registro di registro normale normale distribuzione insieme a migliore sottoinsiemi a il dati.
quando io fare Quello, il AICc va va giù giù un piccolo piccolo po' ulteriormente ulteriormente a 130.6.
Quello è un modesto differenza, ma ma è bene bene abbastanza
Quello sono andando andare a concludere Quello noi sono sono andando andare a lavoro
insieme a il Lo gNormale,
particolarmente perché noi sapere sapere Quello erano Lavorando insieme a un rigorosamente rigorosamente positivo risposta
e il LogNormale distribuzione si adatta dati Quello è rigorosamente rigorosamente positivo.
Da là, il analisi è molto carino semplice,
così sono andando andare a salto dritto avanti a usando usando il profilatore.
F2 è un accordo metrico Quello noi vuoi volere a massimizzare.
Così noi ottenere ottenere dentro il profilatore,
noi giro su desiderabilità funzioni funzioni e avere avere loro impostare a massimizzare, massimizzare,
e poi massimizzare massimizzare desiderabilità a trova trova il combinazione di fattore impostazioni delle impostazioni
Quello questo Questo modello dice dice dà dà noi il più vicina incontro a il riferimento,
e Quello lo farebbe essere alle a questo Questo combinazione di fattore impostazioni delle impostazioni Quello noi vedere vedere qui.
Adesso il F2 analisi è completo, completo,
e erano andando andare a andare dentro il secondo secondo analisi,
il funzionale DoE analisi.
Per questo Questo analisi,
erano andando andare a lavoro insieme a il dati in un accatastato formato formato
dove tutti di il Scioglimento misurazioni avere avere stato combinato dentro un separare colonna,
e noi avere avere un tempo tempo colonna come bene.
Il primo cosa cosa noi fare è andare dentro il Funzionale Dati Esploratore piattaforma.
Nel il piattaforma lanciare, lanciare,
noi metti metti Scioglimento come nostro risposta, tempo tempo è nostro X,
il lotto colonna come nostro ID,
e noi fornitura il quattro DoE fattori come supplementare variabili.
Una volta erano in il piattaforma, piattaforma,
noi prendi prendi un Guarda alle a il dati usando usando il iniziale dati complotto.
Questo Questo particolare particolare dati impostare non lo fa bisogno qualunque pulire su su o allineamento opzioni,
ma ma noi sono sono andando andare a andare avanti e carico il riferimento Scioglimento curva
come un bersaglio di destinazione funzione.
Per relativamente relativamente semplice funzioni funzioni piace questi,
io Tipicamente utilizzo B -Spline per mio funzionale modello.
quando noi fare Quello, noi vedere vedere nostro B-Spline modello adatto,
e il iniziale in forma Quello ha ha Vieni vieni su su è un cubo modello Quello è comportarsi male.
È interpolando il dati punti punti bene bene,
ma ma tipo di fare fare pazzo cose in tra loro.
Così sono andando andare a Cambia da il predefinito predefinito consigliato modello
oltre a un quadratico Spline modello invece di il cubo uno.
Noi fare Quello Ciao ciao semplicemente cliccando su quadratico oltre qui
in il Giusto di il B-Spline modello adatto.
Bene vedere vedere Quello questo Questo quadratico modello si adatta il dati bene.
UN funzionale principale componenti componenti analisi è automaticamente calcolato, calcolato,
e noi vedere vedere Quello il Funzionale Dati Esploratore piattaforma ha ha fondare
tre funzionale principale componenti.
Il primo uno è molto dominante,
spiegare spiegare 97. 9 per cento di il funzionale variazione.
e esso sembra sembra piace questo Questo è un livello impostare su su o giù giù tipo di forma componente.
Il secondo secondo uno sembra sembra piace un Vota componente,
e il terzo terzo uno quasi sembra sembra piace un quadratico.
Guardare un piccolo piccolo più vicini alle a questo Questo quadratico B-Spline modello adatto,
noi vedere vedere Quello questo Questo modello è raccordo il individuale Scioglimento curve
molto carino bene.
Così adesso erano pronto pronto a fare nostro funzionale DoE analisi.
Ogni di nostro individuale Scioglimento curve ha ha stato approssimato adesso
Ciao ciao un sottostante significa medio funzione Comune a tutti il lotti
più un lotto dipendente FPC punto volte volte il primo autofunzione,
più altro lotto dipendente FPC punto volte volte il secondo secondo autofunzione,
e così su insieme a il terzo terzo uno.
Che cosa erano andando andare a fare è impostare su su individuale DoE modelli modelli
per ciascuno ciascuno di questi funzionale principale componente punteggi
come risposte usando usando nostro DoE fattori come ingressi.
Il Funzionale Dati Esploratore piattaforma, piattaforma, di corso,
fa fa tutti questo Questo semplice e tipo di cravatte esso su su dentro un arco per noi.
e quando io dire dire Quello,
esso cravatte esso su su in un arco per noi, che cosa io veramente significa medio è il FDoE profilatore.
Così questo Questo Pannello qui mostra spettacoli nostro previsto traiettoria
di Scioglimento come un funzione di volta,
e poi noi potere vedere vedere come Quello traiettoria lo farebbe Cambia
Ciao ciao alterare il DoE fattori.
Quella relazione insieme a il DoE fattori
viene viene da questi tre generalizzato regressione modelli modelli
per ciascuno ciascuno di nostro nostro funzionale principale componente punteggi.
Se noi vuoi, vuoi, noi potere aprire quelli su su
e noi potere Guarda alle a il relazione
tra il DoE fattori e Quello funzionale principale componente punto,
e noi potrebbe Anche alterare il modello
Ciao ciao in movimento intorno a a Altro quelli in il soluzione sentiero.
io appena vuoi volere a punto fuori fuori Quello è possibile possibile a Cambia il DoE modello
per un FPC punto.
Nel il interesse di interesse di volta,
sono appena andando andare a avere avere a muovi muoviti su e non dimostrare dimostrare Quello, benchè.
Noi avere avere diagnostico trame, trame,
il più importante uno probabilmente essere essere il Attuale Attuale di Previsto Complotto.
Questo Questo ha ha nostro tracciato Scioglimento misurazioni su il Asse Y
e il previsto Scioglimento i valori usando usando il funzionale DoE modello.
e come sempre, noi vuoi volere a vedere vedere Quello trama della trama
avere avere dati punti punti stretto insieme il 45 45 grado linea.
e in questo Questo Astuccio, io pensa pensare questo Questo modello sembra sembra molto carino Buona.
Noi non farlo vuoi volere a vedere vedere qualunque modelli modelli in nostro residui,
e sono non vedendo qualunque cattivo quelli qui.
Così questo Questo modello sembra sembra molto carino Buona, e erano andando andare a lavoro insieme a esso.
Così Io ho già spiegato spiegato come questo Questo Pannello Giusto qui
rappresenta rappresenta il previsto Scioglimento curva come un funzione di tempo tempo
e il individuale DoE fattori.
Adesso, questi Altro Due righe qui sono sono perché
noi abbiamo caricato il riferimento come un bersaglio di destinazione funzione.
Così questo Questo riga riga è il differenza
di il previsto Scioglimento curva da il bersaglio di destinazione riferimento curva.
e poi il parte inferiore Pannello qui è il integrato distanza
di il previsto curva da il obbiettivo.
quando noi massimizzare massimizzare desiderabilità in questo Questo profilatore,
esso dà dà noi il combinazione di fattore impostazioni delle impostazioni
Quello minimizzare questo Questo integrato distanza da il obbiettivo.
Così sono andando andare a fare Quello Ciao ciao portando su su massimizzare massimizzare desiderabilità.
e adesso noi vedere vedere il risultati dei risultati di il funzionale DoE analisi,
dove noi avere avere individuato .725 di polimero UN
275 di polimero B,
un totale polimero di circa .17,
e un compressione forza di forza di circa 1700
minimizzare il distanza tra nostro previsto curva e il riferimento.
Adesso, noi abbiamo fatto fatto Due analisi.
Tutti e due di quelli analisi avere avere consigliato Quello noi andare
a il più basso collocamento di polimero UN e il più alta collocamento di polimero B.
Essi differiscono differiscono in loro raccomandazioni
per che cosa totale polimero Quantità a utilizzo e come molto compressione forza di forza a utilizzo.
Il terzo terzo analisi sono andando andare a fare è il Curva DoE analisi.
Questo Questo è andando andare a essere strutturato molto carino simile
in alcuni modi modi a il funzionale DoE analisi,
in Quello erano andando andare a utilizzo il lo stesso versione di il dati
dove Scioglimento misurazioni sono sono tutti in uno colonna
e noi avere avere un tempo tempo colonna.
Ma ma noi non farlo avere avere un incorporato bersaglio di destinazione funzione opzione
in il Adatto Curva piattaforma ancora.
Così il primo cosa cosa noi avere avere a fare è in forma appena il riferimento lotto
e salva salva la sua è predizione formula Indietro a il tavolo.
Allora Allora noi fare un Curva DoE analisi,
quale quale è in gran parte simile a un funzionale DoE analisi
in Quello erano estraendo caratteristiche caratteristiche da il curve
modellazione il curve.
Allora Allora noi andare a il grafico profilo a trova trova impostazioni delle impostazioni Quello migliore incontro il riferimento.
Il non lineare modello Quello erano andando andare a essere usando usando è
un tre parametro parametro Weibull Crescita Curva,
quale quale ha ha un lungo storia in il analisi di Scioglimento curve.
Curva di crescita di Weibull avere avere un asintoto parametro parametro UN
Quello rappresenta rappresenta il valore di valore come tempo tempo va va a infinito.
C'è cos'è chiamata il inflessione punto parametro parametro
Quello io vedere vedere è un ridimensionamento ridimensionamento fattore Quello tipo di si allunga fuori fuori
o stringe in il interamente di il curva.
e poi c'è anche un crescita Vota parametro parametro
Quello detta il forma di il curva.
Che cosa io pensa pensare è veramente prezioso circa usando usando questo Questo modello
parente a il funzionale DoE modello o il F2 genere analisi
è Quello erano andando andare a essere modellazione caratteristiche caratteristiche estratto da il dati
Quello avere avere vero scientifico significato, significato,
particolarmente il asintoto e inflessione punto parametri.
Adesso Curva DoE analisi non lo fa avere avere un bersaglio di destinazione corrispondenza capacità
piace il Funzionale Dati Esploratore.
Così noi iniziare iniziare il analisi Ciao ciao escluso escluso tutti di il DoE righe in il dati tavolo.
Questi sono sono rappresentato insieme a il impostare colonna pari a UN.
Così io Selezionare un cellula là,
Selezionare corrispondenza cellule, e poi nascondi nascondi e escludere escludere quelli righe
così Quello io solo avere avere il riferimento lotto non escluso.
Allora Allora io andare a il Adatto Curva piattaforma, piattaforma,
carico esso su su, ottenere ottenere in là, in forma il Weibull crescita modello,
e poi io salva salva Quello predizione formula Indietro a il tavolo.
Una volta noi completo completo il Curva DoE analisi,
erano andando andare a confrontare confrontare il Curva DoE predizione formula
a questo Questo riferimento predittore
a trova trova combinazioni di il fattore impostazioni delle impostazioni
Quello ottenere ottenere noi come chiudere a questo Questo curva come possibile.
Così adesso noi scoprire e escludere escludere il DoE lotti,
andare Indietro dentro il Adatto Curva piattaforma, piattaforma,
appena piace il Funzionale Dati Esploratore piattaforma.
Erano andando andare a carico su su il DoE fattori come supplementare variabili.
Adesso Quello erano in il piattaforma, piattaforma, noi potere in forma nostro Weibull crescita modello.
Il iniziale in forma qui sembra sembra molto carino Buona.
Sembra piace erano catturare il forma di il Scioglimento curve.
Uno cosa cosa io piace a fare prossimo è a Fare un parametro parametro tavolo.
Questo Questo crea crea un dati tavolo insieme a nostro montato montato giù giù il vicino regressione parametri.
io piace a Guarda alle a questi in il distribuzione piattaforma
a vedere vedere se se lì lì sono sono valori anomali in lì lì o nulla fuori dal comune.
io anche piace a Guarda alle a il modelli modelli io vedere vedere in il multivariato piattaforma
appena dà dà tu un meglio senso di cos'è andando andare su
insieme a il non lineare modello adatto.
Una volta noi sapere sapere Quello Tutto quanto è guardando guardando molto carino Buona,
noi potere fare nostro curva DoE analisi
e questo Questo sembra sembra molto molto piace il funzionale DoE analisi da prima.
Noi avere avere un profilatore Quello mostra spettacoli
il relazione tra Scioglimento e tempo tempo
e come Quello relazione i cambiamenti come un funzione di nostro DoE fattori.
e poi noi anche avere avere un generalizzato regressione modello
per ciascuno ciascuno di quelli tre parametri Quello noi potere prendi prendi un Guarda alle a individualmente.
Il primo cosa cosa io lo farebbe fare prima provare a provare a utilizzo il modello in qualunque strada
è Guarda alle a il Attuale Attuale di Previsto Complotto,
così quello è che cosa noi vedere vedere qui.
Questo Questo è il previsto i valori incorporante incorporato
entrambi il tempo tempo modello da il significa medio funzione e il auto funzioni, funzioni,
come bene bene come il DoE modelli modelli su il non lineare regressione parametri.
Questo Questo sembra sembra molto carino bene bene
perché lì lì è un abbastanza equamente facile interpretazione
per il vitale crescita modello parametri.,
Esso potere essere utile e interessante a aprire su su
il individuale modello si adatta per questi parametri.
Per esempio, qui sono sono il coefficienti per il inflessione punto modello.
Perché inflessione punto è un rigorosamente rigorosamente positivo quantità,
un LogNormale migliore sottoinsiemi modello ha ha stato fisso insieme a il dati
Ciao ciao il generalizzato regressione piattaforma.
Noi vedere vedere Quello il miscela manifesta avere avere stato costretto in
e Quello il compressione costretto Ciao ciao polimero UN interazione
è il solo Altro termine termine in il modello.
Che cosa questo Questo significa mezzo è Quello
se se noi presa il polimero proporzioni costante
e aumentare aumentare il compressione forza,
noi lo farebbe aspettare un più grande più grande valore di valore di il inflessione punto.
Uno lo farebbe osservare questo Questo come un tavoletta Quello prende prende più a lungo a sciogliere, sciogliere,
quale quale è Esattamente che cosa noi lo farebbe aspettare a avere avere accadere.
Noi potere salva salva il curva DoE predizione formula Indietro a il tavolo
e noi potere vedere vedere in tutti la sua è cruento dettaglio dettaglio
come il modello per asintoto inflessione punto
e crescita Vota sono sono combinato insieme a tempo tempo a Vieni vieni su su insieme a nostro globale predizione
per il Scioglimento curva basato su.
Fortunatamente, insieme a Rifiuto noi non farlo avere avere a Guarda alle a il formula anche tu da vicino benchè,
perché noi avere avere profilatori Quello
lasciamo noi vedere vedere il relazioni in un visivo strada
piuttosto di di un algebrico uno.
a risolvere risolvere nostro problema di trovare il combinazione di fattori
Quello dare dare noi il Scioglimento curva
Quello lo farebbe essere più vicina a il riferimento,
io creato un formula colonna Quello calcolato
il percentuale differenza di il previsto curva,
prendendo dentro considerazione il DoE fattori da il riferimento.
Il ultimo ultimo fare un passo di il analisi è
a portare portare su su questo Questo per cento differenza risposta
in il profilatore Quello è sotto il grafico menù,
essere essere certo certo a dai un'occhiata il Espandi Espandi Intermedio formule opzione.
Questo Questo portato a un profilatore dove erano capace capace a vedere vedere il per cento differenza
da il riferimento come un funzione di tempo tempo e il DoE fattori, fattori,
Io ho condivisa il regione dove il differenza
è meno meno di di uno percento in verde.
Di manualmente regolazione regolazione il fattori, fattori,
io era era capace capace a trova trova impostazioni delle impostazioni dove il previsto curva
è meno meno di di uno percento da il riferimento attraverso tutti tempo tempo i valori.
Questo Questo sembra sembra veramente Buona, ma ma in la pratica io scommessa Quello questo Questo è eccessivamente ottimista.
Qui noi vedere vedere il in modo ottimale i valori di il fattore impostazioni delle impostazioni per tutti tre analisi.
Il curva DoE analisi è in il interno di il allineare per il polimeri.
Il in modo ottimale valore di valore per totale polimero è. 16 16
quale quale è chiudere a il funzionale DoE analisi risultato,
e compressione forza di forza è in tra il in modo ottimale i valori
consigliato Ciao ciao il F2 analisi e il funzionale DoE analisi.
Dopo questo, noi fatto fatto nuovo purificazione basato su il consigliato fattore impostazioni delle impostazioni
da ciascuno ciascuno di questi modelli modelli e misurato loro Scioglimento curve
come bene bene come preso preso un nuovo impostare di misurazioni da il riferimento.
Qui noi vedere vedere un sintesi riassuntiva di il finale risultati dei risultati da il verifica corre.
Il nuovo riferimento distribuzione curva è in Nero,
e il curva DoE in verde è il più vicina curva a esso esso,
seguito Ciao ciao il F DoE curva in blu.
Il risultato del risultato di modellazione F2 è in rosso, e esso ha fatto il più povero globale.
Questo Questo dovrebbe dovrebbe forse forse non essere anche tu sorprendente.
Il F2 metrico era era il più semplice, più semplice,
ridurre riducendo il dati giù giù a un separare metrico e ha fatto il più povero.
Il funzionale DoE modello aveva avuto a empiricamente
derivare derivare il forme di il curve
e poi modello tre caratteristiche caratteristiche di quelli forme,
essenzialmente usando usando di più di il informazioni informative in il dati.
Il curva DoE portato a il migliore formulazione formulativa
perché esso Usato il dati efficientemente via via alcuni precedente conoscenza
circa il parametrico modulo di il Scioglimento curve.
Noi vedere vedere Quello il risultati dei risultati di il F2 basato analisi
sono sono non equivalente insieme a il nuovo riferimento toppa,
mentre mentre il approcci Quello trattato curve come primo classe oggetti oggetti sono sono equivalente.
Che cosa questo Questo significa mezzo è Quello il approccio lo farebbe avere avere necessario
alle a meno altro tondo di DoE corre, corre,
e così un inefficiente analisi conduce conduce a un inefficiente utilizzo
di tempo tempo e risorse.
sono andando andare a chiudere il presentazione
insieme a un retrospettiva Informazioni Q Valutazione di il Risultati.
Globale, noi fondare Quello il DoE curvo predizione
generalizzato il migliore a nuovo dati,
ma ma era era il più difficile analisi a eseguire.
io vuoi volere a Nota Quello se se noi non l'ha fatto avere avere un conosciuto conosciuto non lineare modello
a lavoro insieme a Quello in forma il dati bene bene, noi potrebbe non avere avere fatto fatto Quello analisi.
Il funzionale DoE analisi e il F 2 basato approccio
potere essere Usato di più a grandi linee in Altro situazioni.
Il profilatore conduce conduce a eccellente comunicazione punteggi
per tutti tre analisi.
Il capacità a vedere vedere come il forma di il Scioglimento curva i cambiamenti
insieme a il DoE fattori in il funzionale e basato su curve approcci
conduce conduce me a dare dare loro un meglio comunicazione punto.
io vedere vedere il curva DoE approccio
avendo il più alta comunicazione punto Ciao ciao un piccolo piccolo un po'
perché erano direttamente modellazione di più significativo parametri
di di il funzionale Approccio DoE.
Quello è tutti noi avere avere per tu oggi.
io vuoi volere a grazie tu per il tuo volta, interesse, interesse, e Attenzione.
