予測プロファイラーによる最適化ここでマーティン。
プロファイラーの助けが必要です。
3ファクターのカスタムデザインです。
要因 1: ブルー サークル セメント (0.6898~0.7431)
要因 2: 末端白セメント (0.2546~0.3009)
因子 #3: クエン酸ナトリウム (リターダー) (0.0023~0.0093)
それはセメント調合物です。最も重要な応答の 1 つは、水浸漬後の接着です。接着力を最適化したいので、1MPa以上が必要です。
以下は、望ましさを最大化して JMP によって生成されたプロファイラーです。浸水後の密着力は0.98MPaと1MPaに満たない。
3因子の比率を手動で変更すると、プロファイラーは以下の結果を示し、水浸漬後の接着力は約1.02 MPaです。
私の質問は、プロファイラーを使用した最適化の手順は何ですか?望ましさ関数を中継しますか、それとも要因のレベルを手動で調整する必要がありますか?
望ましさ関数が目標を満たさない場合はどうなりますか?
よろしく
マーティン
Re: 予測プロファイラーによる最適化アドバイスありがとうございます。 お勧めの本を読んでみます。
間違いなく、JMP ユーザー コミュニティにさらに多くの質問を持ち帰る予定です。非常に役立つと思います。
よろしく
マーティン
Re: 予測プロファイラーによる最適化相互作用は問題ではありません。 それらはチャンスです！ それらはほとんどの応答の一部でもあるので、私はそれらを見るのに慣れています。
モデルの選択と削減に関する多くの情報源があります。 すべての統計トピックの中で、回帰分析はよくよく書かれています。 あなたの場合、候補を説明モデリングと予測モデリングの 2 つの山に分けましょう。 モデルで予測を行うことはわかっていますが、この用語は別の意味を持っています。 適切な説明モデルが必要です。 さらに、データセットは小さく、設計された実験として形成されます。 かなり選択肢が狭まります。 私はお勧め "実験の最適計画法: ケーススタディアプローチ」 ピーター・グースとブラッドリー・ジョーンズによる。 設計と分析が「手を取り合って」進むことがわかります。
何千もの質問について心配する必要はありません。 JMP コミュニティは大規模なサーバーでホストされています...
Re: 予測プロファイラーによる最適化ありがとうマーク。
問題を検出するあなたの観察眼と機敏な頭脳があればいいのにと思います。
それにかんするモデル削減と最適化何千もの質問があるかもしれません.
これら 2 つのトピックについての理解が深まりますか?
御時間ありがとうございます
よろしく
マーティン
Re: 予測プロファイラーによる最適化クエン酸ナトリウムの効果は、予測プロファイラーでは最初はゼロであり、ブルー サークル レベルの大きな変化がクエン酸ナトリウムの大きな効果を引き起こしたため、強い相互作用があることがわかります。 他の要因についても同様です。
モデルの選択は、利用可能なすべての知識を必要とする慎重なプロセスです。 パラメータ推定レポートのラベル付けから、JMP は変数を中央に配置するコード化因子レベルを使用していないことに気付きました。 コード化されていない因子レベルを回帰すると、ゼロに対する推定値に関する仮説検定の検出力が大幅に低下する可能性があります。 JMP で実験を設計し、すべてのメタデータを含むデータ テーブルを保持していれば、コーディングは自動的に行われます。 Fit Least Squares は、[Make Table] をクリックしたときに JMP 設計プラットフォームによって追加された Coding 列プロパティに対応します。 コーディングは、いくつかの用語の意味を理解するのに役立ちます。 傷つくことはありません。
モデルの選択またはモデルの縮小について他に何を困惑させますか?
Re: 予測プロファイラーによる最適化早速お返事をいただきありがとうございます。
これら 3 つの要因は、連続要因として入力されます。
青い丸が遅延剤のクエン酸ナトリウムと強い相互作用を持っていることをどのように判断できますか?すべての P 値がすべて 0.05 より大きいためです。
プロファイラーの最適化に加えて、最も重要な要因を見つける作業も頭を悩ませています。以下の JMP レポートを参照してください。
3 つの要因とそれらの相互作用の重要性について、どのような情報を伝えることができますか?
ありがとう！
マーティン
Re: 予測プロファイラーによる最適化入力された 3 つの因子は、混合因子、連続因子、または離散数値因子のどれですか?
青い円とクエン酸ナトリウムの間に強い相互作用があるようです。 その条件は、極大値につながる可能性があります。 初期因子水準を変更して最適化を繰り返すと、別の最大値が得られる場合があります。
望ましさ関数の最適化の背後にある数値ソルバーには、必要に応じて変更できる設定があります。 設定ダイアログ ボックスは、赤い三角形のメニューから利用できます。
見るヘルプ>書籍>プロファイラ.
