하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.안녕하세요 여러분,
나는 초기 DSD를 실행했고 이제 RSM을 모방한 상호 작용 용어를 사용하여 Custom Design에 대한 후속 작업을 시도하고 있습니다.
아래에서 볼 수 있듯이 "고정 요인"이 아닌 한 각 요인의 하한 및 상한 범위를 설정하고 일부 상호 작용 용어를 추가했습니다.
그런 다음 기본적으로 15개의 처리를 생성하는 I-최적성을 사용하여 중심점/반복 없이 디자인을 만들었습니다.
각 요인 수준에서 생성된 대부분의 값이 예상됩니다. 그런데 제3요인(F3)의 상한/하한도 아니고 중앙값도 아닌 두 개의 수준이 보입니다. 아래에서 정수가 아닌 값(16.05 및 14.05)을 볼 수 있습니다.
내가 왜 이 숫자를 받는지 아는 사람이 있나요? 그 이론적 이유는 무엇이며, 상한/하한 또는 중심점에 있는 정수 값이 되도록 강제할 수 있는 방법이 있습니까?
실험 설계Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.설명해 주셔서 감사합니다.
피팅 플랫폼 내에서 사용할 때 사용할 수 없는 강력한 프로세스 설계를 위해 예측 프로파일러의 기능을 사용할 수 있습니다. 모델을 열 수식으로 저장합니다. 선택하다 그래프 > 프로파일러 . 제어하기 어려운 요소를 소음 요소 역할에 할당합니다. 프로파일러는 응답의 바람직성을 최대화하는 동시에 응답의 1차 파생을 최소화합니다.
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.@마크_베일리
왜 그 두 사람을 모델로 유지하고 싶었는지 명확히 설명하지 않은 것 같습니다.
그들은 '반응이 최적화된 것처럼 보이는' 영역의 변화에 둔감합니다. 따라서 응답 최적화를 위해 삭제할 수 있습니다.
그러나 '응답이 최적화되지 않은' 응답에는 상당한 영향을 미칩니다. 따라서 모델 구축 목적(일명 Augment Design) 측면에서 이러한 요소를 포함하고 싶습니다.
저는 Augment Design 없이도 반응이 최적화되는 최적의 견고한 조건을 찾을 수 있다고 확신합니다. 하지만 저는 여러분 같은 전문가들과 논의한 끝에 한발 물러나 Augment Design을 사용하여 모델을 더 잘 이해하려고 노력하기로 결정했습니다. 여러분의 모든 도움과 지원에 감사드립니다!
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.모델과 새로운 디자인에서 이 두 가지 요소를 유지하는 이유는 무엇입니까? 또한 선별 검사를 통해 '중요한 소수'가 아닌 '사소한 다수'에서 요소를 찾은 경우 요인을 보강할 때 요인을 삭제할 수도 있습니다.
DOE의 특징 중 일부는 효율성, 경제성, 빠른 학습입니다. 그 결과 귀하를 위해 길고 생산적인 삶을 누릴 수 있는 모델이 탄생했습니다. 투자할 가치가 있습니다. @statman 학습 과정에서 반복의 필요성과 이점을 공언했습니다. 따라서 선별하고, 강화하고, 최적화하고, 검증하세요. 하지만 일상적인 작업 흐름에는 상황에 따라 다양한 변형이 있다는 점은 맞습니다.
계속 질문하세요.
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.안녕 @statman 그리고 @마크_베일리
일반적으로 RSM 또는 DOE에 관한 통찰력 있는 철학과 실질적인 도움을 제공해 주셔서 감사합니다.
Augment Design을 사용하면 전반적인 개선이 있을 수 있음에도 불구하고 초기 DSD 실행에서 꽤 좋은 모델이 나왔다고 말하고 싶습니다. 그러나 나는 모델 예측을 최적화하는 것보다 반응이 최적일 것으로 예상되는 '최적 지점'을 검색하는 데 더 관심이 있습니다. 그래서 더 나은 모델을 만드는 것은 부차적이라고 말하고 싶습니다.
예를 들어, 5개의 연속 요인이 있습니다. 내 초기 게시물의 스크린샷에서 볼 수 있듯이 두 가지 요소를 상수로 수정하고 싶습니다. 이 두 가지 요소는 반응에 큰 영향을 미치지 않으며 다른 요소의 변화에 따른 변화에 둔감합니다. 그리고 저는 DSD가 구축한 이 모델 예측을 신뢰합니다. 그래서 다소 제한된 범위 내에서 Augment Design을 하고 싶었습니다.
Augment Design 탭을 읽었지만 이전에 구축된 모델을 기반으로 설계를 보강할 때 요인(연속형, 상수형, 범주형)의 '속성'을 변경하는 방법을 찾지 못했습니다. 증강 설계의 요인 제약 조건 정의 탭을 사용하여 변경하고 싶지 않은 이러한 연속 요인을 어느 정도 제한할 수 있습니다. 그러나 해당 요소를 특정 값(다른 말로 '상수')으로 '고정'할 수는 없습니다.
이 경우 Augment Design이 여전히 도움이 될까요? 요소를 수정하고 변경하는 데 훨씬 더 많은 자유를 제공하는 맞춤 디자인을 사용해야 합니까?
DOE를 수행하는 초기 목적은 적은 실험 실행으로 최적의 조건(수율을 최대화할 수 있는 조건)을 더 빠르게 찾는 것입니다. 시간도 중요하고, 제가 다루는 재료비도 만만치 않습니다. 나는 DSD가 응답이 최적인 지역을 볼 수 있는 어느 정도 예측 모델을 구축하는 데 공정한 역할을 했다고 믿습니다. 그러나 읽고 나면 @마크_베일리 그리고 @statman 의견이 있는 경우 먼저 Augment Design(최적의 설계보다 더 넓은 범위)을 사용하여 모델을 개선한 다음 Custom Design을 사용하여 추가 검증 실행을 실행하는 것이 좋습니다.
상황에 따라 다르겠지만 이에 대한 답은 아무도 없을 것 같습니다. 하지만 저는 여러분의 실용적이거나 철학적인 의견을 더 듣고 싶습니다. DOE를 읽고 JMP를 사용하기 시작한 지 불과 10일밖에 되지 않았으므로 이 초보자에게 어떤 의견이라도 주시면 감사하겠습니다.
감사해요!
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.나는 토론에 추가하기 위해 몇 가지 철학적 논평을 할 것입니다. 그렇지 않으면 나를 완전히 무시할 수 있습니다.
반응 표면 설계의 기본 개념은 반응을 중요한 요인(모델 항)의 함수로 매핑하는 것입니다. 실험자가 명심해야 할 세 가지 사항은 다음과 같습니다.
1. "진짜" 표면은 이미 존재하며 변경할 수 없습니다.
2. 표면의 하위 집합만 유용해야 한다는 강력한 경험적 증거가 있지만 표면은 "n" 차원입니다(효과 희소 원리).
3. 실험이 실행된 조건(즉, 노이즈의 함수로서의 추론 공간)이 반복될 수 없는 경우 설계 요소를 사용하여 표면을 매핑하는 것은 유용하거나 실용적이지 않을 수 있습니다.
표면 매핑에는 다양한 접근 방식이 있지만 모든 경우에 반복은 효율적이고 효과적인 조사를 위한 핵심입니다. 나는 순차적 실험을 옹호합니다. 예를 들어(과도하게 단순화됨): 지배적인 구성 요소나 변동 원인을 결정하고 측정 오류를 평가하기 위해 직접 샘플링으로 시작할 수 있습니다. 중요한 요소와 소음의 영향을 식별하기 위해 주요 구성 요소에 대한 실험을 수행합니다. 중요한 요인으로 정의된 공간을 이동 및/또는 확대하고 해당 요인이 잡음에 강한 위치를 찾습니다.
기하학적 및 통계적 분석 관점에서 볼 때 설계가 균형을 이룰수록 분석이 더 쉬워지고 편향 가능성이 낮아집니다(레벨 설정이 연구에 편향을 줄 수 있음). 물론 컴퓨팅 성능이 향상됨에 따라 균형의 필요성이 줄어들었습니다. 그러나 표면을 매핑할 때는 초점을 맞출 위치에 대한 편견을 완화하기 위해 표면을 샘플링하려고 합니다. 아이러니하게도 최적에 가까운 지점에 있고 이제 이 공간에서 요인 수준을 미세 조정하는 경우 통계적 유의성은 더 이상 중요하지 않습니다(이미 확립되었습니다). 최상의 반응 값을 찾기 위해 표면의 다양한 위치를 테스트하려고 합니다.
좋은 모델은 근사치이며 가급적이면 사용하기 쉬우며 다음을 포착합니다. 필수 기능 연구된 현상을 분석하고 다음과 같은 절차를 생성합니다. 건장한 가정에서 벗어날 가능성이 높습니다. GEP 상자
“실험자는 제한된 수의 장소에서 소리를 내서 바다의 깊이를 파악하려는 사람과 같습니다.” Box, Hunter & Hunter (p. 299)
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.1. Custom Design에서는 요소 설정을 변경할 수 없습니다. 오직 JMP만이 이를 할 수 있습니다. 테이블 만들기 버튼을 클릭하고 결과 데이터 테이블의 값을 편집할 수 있습니다. 정수가 아닌 값을 편집하기 전과 후에 정보를 볼 수 있습니다. 그런 다음 사용할 수 있습니다 DOE > 설계 진단 > 설계 평가 디자인에 대한 정보를 얻으려면
2. 다음에 관한 문서를 읽어야 합니다. 증강 설계 . 새 실행을 생성하기 전에 확대 중에 요인 범위를 변경할 수 있습니다. 조심하세요! 국소 지역에서 원하는 반응을 기대하므로 요인 범위를 좁히지 마십시오. 이러한 변화는 실험의 전체 요점인 모델 매개변수를 추정하는 데 있어 정보가 적습니다. 모델 예측 후 나중에 별도의 테스트를 위해 확인 내용을 저장하세요.
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.감사해요 @레셀 그리고 @마크_베일리
내 노트북에서는 원래 계정으로 다시 로그인할 수 없어서 이 계정을 사용하고 있습니다.
처럼 @마크_베일리 즉, 이러한 정수가 아닌 값은 연속 인수(F2 또는 F3)의 어느 곳에나 나타납니다.
후속 질문이 있습니다.
1. 정수가 아닌 숫자를 다시 정수로 옮겨도 디자인이 손상되지 않는다는 점은 다행입니다. 그런데 그 점들을 어떻게 "이동"시키겠습니까? 디자인이 손상되지 않으므로 생성된 테이블에서 해당 값을 다시 '원래(정수)' 값으로 편집하면 됩니다. 그러나 이 점의 변경이 요인 간의 상관 관계에 어떻게 영향을 미치는지는 보여주지 않습니다(예: 상관 관계의 색상 맵). 해당 값을 변경하면 앨리어싱이 어떻게 변경되는지 확인하고 싶습니다. "Custom Design" 탭에서 이 값을 편집할 수 있는 방법이 있습니까?
2. 처음에는 Augment Design으로 DSD를 후속작으로 만들고 싶었습니다. Augment Design은 DSD로 구축된 모델 예측을 더 좋게 만들기 위해 내가 탐구하지 않은 처리(또는 "로컬" 디자인 공간)를 뱉어내는 것 같습니다. 하지만 반드시 내가 따라가고 싶은 최적의 디자인 공간을 뱉어내는 것은 아니다. 나는 DOE 탭에서 일반적인 Augment Design을 사용했는데, 이는 나에게 그다지 자유도를 주지 않습니다(예: 고정 계수 상수). 나는 ''에 익숙하지 않다 최적의 증강'에 관해 말씀하셨는데, 탐구해보고 싶습니다. 제가 살펴볼 수 있는 올바른 리소스(웹 세미나 또는 게시물)를 안내해 주시겠습니까?
당신의 도움을 주셔서 감사합니다!
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.좌표 교환 방법은 요인 정의, 모델의 항, 실행 횟수 등을 고려하여 최적성을 향상시키기 위해 설계점을 예상 좌표(예: F3 = 15)에서 멀리 이동시키는 경우가 많습니다. 이 결과는 정상이며 드문 일이 아닙니다. 요인 설계 및 DSD와 같은 조합 방법은 균형을 이룹니다. 그것은 맞춤형 디자인의 목표가 아닙니다.
이 디자인은 완벽하게 수용 가능합니다. 그러나 실용적이지 않을 수도 있습니다. 원하는 경우 이 포인트를 F3 = 15로 다시 이동해도 됩니다. 당신은 아무것도 깨뜨리지 않을 것입니다. 맞춤형 디자인의 사본을 저장하고 열어서 두 개의 사본을 만든 다음 F3 레벨을 15로 변경한 다음 DOE > 설계 진단 > 디자인 비교를 선택하십시오. 최적성은 약간 감소합니다.
새로운 맞춤형 디자인 대신 원래 DSD를 최적으로 보강하는 것을 고려하셨나요?
Re: 하위/중앙/상위 레벨 이외의 이상한 숫자를 선택하여 반응 표면 모델을 사용자 정의합니다.내 생각에는 당신이 보고 있는 것이 중심 합성 설계의 별점 거리와 관련이 있는 것 같습니다( https://www.itl.nist.gov/div898/handbook/pri/section3/pri3361.htm ). F2와 F3은 유일한 연속 요인이며 이들에 대해서만 "이상한" 값이 표시됩니다. 귀하의 디자인을 재현해 보았는데 비슷한 결과가 나왔습니다. 응답으로 채우기 위해 DoE 테이블을 만든 후에는 이러한 값을 변경할 수 있지만 요인의 효과에 익숙하지 않기 때문에 이것이 설계를 "파괴"할지 여부는 확실하지 않습니다. 이 시점에서 나는 강력히 추천한다. SAS의 STIPS DoE 모듈 . 또한 R3와 R4는 완전히 중복되지 않습니까?
편집: 좋습니다. 스크린샷에는 F2가 아닌 F3에 대한 "이상한" 값만 있습니다.
