モデルでイベントを正しく考慮する方法は？こんにちは、みんな、
モデリングについてご相談させていただきます。
応答YとパラメーターX1、X2、X3などのプロセスがあります。
プロセスの分析は、3年間の長期間にわたって行われました。 ここで、すべてのデータを収集して、プロセス全体を分析したいと思います。 問題は、プロセスに関連するマシンが、この3年間にいくつかの変更、さらにはいくつかの危険を経験したことです。 それらはすべて、特定の日付でEvt_A、Evt_B、Evt_Cとして識別されました。 Yの優れたモデリングを得るために、パラメーターX1、X2、X3などだけでなく、イベントA、B、Cなども考慮に入れて、それらが実際に影響を及ぼしたかどうかを確認したいと思います。それらの影響を定量化する。 とりあえず、イベントをカテゴリ列として紹介しました。値は-1と+1で、-1は「イベントの前」を意味し、+1は「イベントの後」を意味します。
私は自分自身に次の質問をします：
1.1。 これが続行する唯一の方法ですか？
2.2。 これは続行する正しい方法ですか？
3.3。 Fit Modelプラットフォームでこれらのイベントを正しく導入するにはどうすればよいですか？ 特定の属性を使用する必要がありますか？ 相互作用は可能ですか？
よろしくお願いします。
心から、
ステファン・ジョージ
分析Re：モデルでイベントを正しく考慮する方法は？私が持っている1つの質問は、イベントがすべて異なるのか、それとも集約できるのかということです。個人的には、イベントを（0,1）としてコーディングし、同じように扱うことができる場合は、イベントを単一の変数に減らして、イベント時間であるかどうかを示すことができます。それらがすべて異なる場合は、イベントごとに異なるインジケーター変数が必要だと思います。もう1つの質問は、イベントが発生する時間に限定されているのか、それともイベントの影響を受けるイベント時間の前後の期間であるのかということです。つまり、イベント時間への近さが重要な場合は、すべての期間をイベント時間からの距離でコーディングします（例：-3、-2、-1、0、1、2、3） 。イベントの性質とその影響についてより詳細に説明できれば、適切なモデリングの選択について話し合う方が簡単だと思います。私はイベント分析を使用しましたが、マシンイベントではなく規制イベントに適用しました。そのような状況では、規制上の「イベント」が大いに予想されることが多いため、実際のイベント時間にあまり焦点を当てないことが重要です。予見されていない政治的な「出来事」が起こった場合、指標変数アプローチはより理にかなっています。マシンイベントはもっと離散的だと思いますが、それでもそれらの「イベント」の性質に依存します。
Re：モデルでイベントを正しく考慮する方法は？こんにちはデール、
ご回答ありがとうございます。 もっと明確にしようと思います。
モデル化しようとしているレーザー溶接プロセスがあります。 過去3年間、私はさまざまなグレードと厚さの材料を使用して、25を超えるDoEをマシンで実行してきました。 機械を適切にプリセットするための溶接モデルを作成するために、これらすべての知識と経験を収集しました。
この3年間、機械は小さなステップで技術的に進化し続けました。 さまざまな時期に、変更（設計など）が行われ、レーザー溶接現象に影響を与える（または影響を与えない）可能性があります。 したがって、すべてのテストが同じ条件下で実行されたわけではありません。 それらの影響を評価するためにそれらを考慮に入れ、純粋な溶接パラメータの効果に戻るために可能な限りそれらを消去したいと思います。 したがって、イベントが時間どおりであっても、その影響は時間の経過とともに持続します。 これが私が前後について話していた理由です。 0/1の形式で効果を考慮に入れることに同意します（0：効果が存在しない、1：効果が存在する）。
したがって、やがて私たちは次のようになる可能性があります。
............................T1....................。 T2.......................................。
-------------------------------------------------- -------------------------------
A：000000000000111111111111111111111111111111111111111
B：0000000000000000000000000111111111111111111111111
T1より前では、テストはイベントAおよびBの影響とは無関係です。 T1の後、テストではイベントAの影響を考慮に入れる必要があります。日付T1とT2の後、AとBの影響を考慮に入れる必要があります。 日付自体は重要ではありません。私が興味を持ち、評価したいのは、A、Bなどの効果です。
Re：モデルでイベントを正しく考慮する方法は？イベントがある意味で「等しい」場合は、各時点で適用されるイベントの数を記録するだけです。ただし、各イベントには独自の特徴があるようです。これは、各時点で存在する一連の効果を認識する、より複雑な機能が必要であることを意味します。このような変数は、各時点ですべての0/1イベントデータを連結することで作成できますが、結果として生じる多数の機能をモデル化するのに十分なデータがないのではないかと思います。機能の数を減らすための鍵は、イベントが累積的であるという事実にあると思います。つまり、以前のイベントに追加されます。イベントの数だけを気にする場合（私の最初のポイントに戻る）、それは単に各時点でのイベントの数になります。他のイベントとは異なる/より重要ないくつかの「キー」イベントを識別し、それらのキーイベントのインジケーター変数を各時点でのイベントの累積数と組み合わせて使用できる場合があります。
他の誰かがこのタイプのデータについてより良い提案をしているかもしれません。私はこのようなものを扱ったことがありません。
Re：モデルでイベントを正しく考慮する方法は？こんにちは@stephanegeorges 、
この機器で収集したすべてのDoEのデータを集約したいが、マシン設定の潜在的な変更（DoE /期間の間）を記録したい場合は、「変更」や「設定」（数値の連続値によって設定の変更をより正確に特徴付けるための詳細情報がない限り、デフォルトでカテゴリに分類され、各DoEまたは期間について、どの条件で実行されたかを示します。
例：設定「A」（初期機器設定）でDoE 1〜14、次に「B」でDoE 15〜20、「C」で20〜24 ..
モデルでこの「変更」パラメーターをどのように設定するかに応じて、モデル化/分析の2つのオプションが表示されます（固定効果またはランダム効果のいずれかとして）：
-再現可能な変更が限られている場合（および他の将来の設定変更が不可能な場合）、この新しい列を分析の固定効果として扱うことができます。 次に、「最小二乗法」、「段階的」、または「一般化回帰」（JMP Pro）を使用して他の効果を分析し、遭遇した可能性のある変化の各レベルについて推定することができます。応答に対する変更の影響を非常に正確に定量化できます（たとえば、AからBへの変更設定によって応答がどのように増減するか）。
-これらの変更が機器の可能な（および将来の）変更のごく一部であり、したがって機器設定の変更が分散の変更を作成したかどうかを知りたい場合は、この新しい列をランダムとして扱うことができますこの変数がランダム効果であることを示すことにより、「混合モデル」または「一般化混合モデル」（JMP Pro）を使用して、結果を効果的に分析します。 次に、JMPはREML分析を提供します（このランダム効果が有意であるかどうかを知るための分散分析、つまり、設定が変更されたときに分散に有意な変化があるかどうかをチェックします）。
ここで、固定効果とランダム効果について興味深い議論がありました： https://community.jmp.com/t5/Discussions/Random-vs-Fixed-Blocking-Factor-in-DOE/td-p/461632?trMode=source
これは、必要に応じて、より複雑なモデリングに入る前の分析における最初のアプローチになる可能性があります。
これが分析のための新しいアイデアをもたらすことを願っています:)
Re：モデルでイベントを正しく考慮する方法は？私の考え...
1.なぜマシンに変更が加えられたのですか？ 以前の「多数の」実験は、これらの変更を行う必要があることを示していましたか？ 変更を元に戻すことはできますか？ 変更は「システム」を変更するのに十分な重要な効果をもたらしましたか？
2.これらの変更が影響を与える場合、変更前に開発された他の要因の関係は完全に異なる可能性があります。 設計要素と行われた変更との相互作用がある場合、変更前のデータを使用することは役に立たない場合があります（元に戻す意思がない場合）。本質的に、推論スペースを変更した可能性があり、以前の関係はまったく役に立たない可能性があります。 その場合は、次に進みます...
3.時系列（1、2、3 ...）での変化をコード化する列を作成し、フィットモデルを実行してみます。にその列。 これらの変更に対して、要因の影響は一貫していますか？
Re：モデルでイベントを正しく考慮する方法は？こんにちはデール、
私のイベントは確かに同じくらい重要ではありません。 直感的には、私の答えに少し影響を与えるものもあれば、もう少し影響を与えるものもあります。 いくつかのテストの後、イベントの数だけを考慮しても役に立ちません...しかし、それは素晴らしいポイントであり、テストする価値がありました。
ご協力ありがとうございました。
Re：モデルでイベントを正しく考慮する方法は？こんにちはビクター、
効果の累積的な性質から、1つの列で状況を表すことができるとは思わなかったため、当初は複数の列を導入していました。 それにもかかわらず、私はアドバイスどおりに進みました（あなたの記法で）：
DoE_01A<=初期状況
DoE_02 A
..。
DoE_10 A
DoE_11 A + B <= Bが追加されました（限定的ですが重要だと思う効果）
DoE_12 A + B
..。
DoE_16 A + B + C <= CがAとBに追加されます（同じコメント）
..。
固定効果として新しい列を導入し、当面の間（他の提案を詳細に検討する必要があります）、「最小二乗法」を使用した簡単な分析を進めました。 この手法では、対象となるのは各モダリティの値ではなく、Aと（A + B）の間（Bの効果を得るため）、（A + B）と（A + B + C）（Cの効果を得るため）など。もちろん、イベント間に相互作用がある場合、この手法は機能しません（最初の近似としては何もないと思います）。
今のところ、プロファイラーは一貫した結果を示しています。
-応答のイベント列の+または-の変更は、少なくとも物理的に説明可能です
-これらの小さな影響を補正した、プロセスを管理するパラメータX1、X2などもより一貫性があります。
これは素晴らしいニュースです！ ...たとえそうだとしても、私にはわかりませんが、効果の累積的な性質について私を悩ませていることがあります。 指を置くことはできませんが、このように正しく考慮されているかどうかはわかりません。
それにもかかわらず、あなたの助けに感謝します。
