Réponse JMP en dehors des limites définiesSalut tout le monde, je voulais vous faire savoir que j'utilise l'option "ajustement du modèle" dans JMP avec deux paramètres de réponse dont l'un est à maximiser et l'autre à minimiser, les deux sont modélisés ensemble. Sur la première réponse (maximiser), seule la borne inférieure (+ve nombre) est définie alors que pour la 2ème réponse (minimiser), les deux bornes, inférieure et supérieure (les deux bornes +ve nombres) sont appliquées.
Cependant, j'ai observé que l'utilisation de "Maximiser la désirabilité" consiste à trouver la solution pour la deuxième réponse qui est en dehors de ces limites ci-dessus, c'est-à-dire que la réponse résultante est plus petite que la limite inférieure. De plus, pour cette réponse, la valeur inférieure résultante de son intervalle de confiance comprend également la valeur -ve et la valeur supérieure de cet intervalle est légèrement supérieure aux limites définies après l'opération "Maximiser la désirabilité".
Est-il possible que JMP puisse fournir ces sorties (hors limites) même après avoir défini les contraintes ci-dessus ou ai-je raté quelque chose ? Des indices ? Merci d'avance.
Fusion et nettoyage des donnéesIngénierie de la qualité et des procédésRe : réponse JMP en dehors des limites définiesDe telles limites n'existent pas dans JMP pour le moment. Vous pourrez peut-être obtenir ce que vous voulez en définissant une deuxième colonne de données identique à la colonne d'origine, mais en définissant la propriété de colonne Response Limits opposée. Par exemple, j'ai la réponse Y1 avec une propriété Response Limits définie avec un objectif Maximize, une limite inférieure de 0 et une limite supérieure de 1. Je pourrais créer une autre réponse, Y2, avec la même formule de prédiction mais définir la propriété Response Limits avec un objectif Minimize, une limite inférieure de 1 et une limite supérieure de 2 ou plus. Utilisez à la fois Y1 et Y2 avec Graph > Profiler. La désirabilité devrait s'arrêter à 1.
Re : réponse JMP en dehors des limites définiesLe problème que vous rencontrez est-il que le modèle de régression linéaire prédit une réponse au-delà des "limites" que vous avez définies avec la propriété de colonne Limites de réponse ? La limite supérieure pour Maximiser indique que la désirabilité atteint un niveau de 1 pour cette réponse ou plus. Il ne le limite pas de manière à ce qu'il ne puisse pas aller plus haut lors de la maximisation de la désirabilité, ce qui pourrait être nécessaire pour optimiser une autre réponse.
A quoi sert la borne inférieure pour que la réponse soit minimisée ?
Quelle est la nature des réponses ?
Re : réponse JMP en dehors des limites définiesBonjour, merci beaucoup pour votre réponse plus tôt à ce sujet. Pourriez-vous donner votre avis sur la façon de définir les limites qui peuvent empêcher le JMP de trouver les valeurs -ve de réponse ou de trouver les solutions qui peuvent limiter la réponse dans les limites définies.
Merci beaucoup.
Re : réponse JMP en dehors des limites définiesBonjour Marc, merci beaucoup pour votre réponse. Oui, vous avez raison, les limites de réponse sont définies dans la propriété de colonne Limite de réponse et pour les deux réponses, les propriétés définies sont continues et numériques. La description à côté de Response Limit Box la réfère (ci-dessous) comme des limites sur la plage d'acceptabilité de la réponse, donc j'ai supposé que JMP trouverait des solutions en considérant les limites de réponse comme des contraintes.
Existe-t-il un moyen de définir les contraintes sur les valeurs de réponse lors de l'utilisation du «modèle d'ajustement» pour obtenir la solution qui aboutit à une réponse prédite dans les contraintes afin que la sortie puisse être plus sensible?
Re : réponse JMP en dehors des limites définiesFaites-vous référence à la propriété de la colonne Limites de réponse ? Il définit la fonction de désirabilité de la réponse. Il ne limite pas la plage de la valeur de réponse dans la prédiction. Comment cette propriété est-elle définie pour les deux réponses ?
La régression linéaire suppose que la réponse peut varier de l'infini négatif à l'infini positif. Vous pourrez peut-être utiliser une fonction de transformation sur la réponse. La transformée logit (cotes logarithmiques) peut fonctionner avec une plage de [0,1] mais fournir une réponse pour la régression qui respecte les hypothèses.
