무료 온라인 과정에서 자세히 알아보십시오.
산업문제 해결을 위한 통계적 사고
이 비디오에서는 파일을 사용하여 다중 응답이 있는 실험을 분석하는 방법과 다중 응답을 최적화하는 방법을 보여줍니다. 아노다이즈.jmp .
이 예에서는 요인이 5개인 12회 맞춤 설계를 수행했습니다. 실험 목표는 두께, L*, a* 및 b*의 네 가지 응답을 최적화하기 위한 요인 설정을 찾는 것입니다.
이를 위해 데이터 테이블에 저장된 모델 스크립트를 실행합니다. 이 데이터를 사용하여 5가지 주요 효과와 4가지 양방향 상호 작용을 추정할 수 있습니다.
다른 응답에 대해 다른 효과가 중요할 수 있으므로 네 가지 응답을 개별적으로 분석하려고 합니다. 이를 위해 별도 맞춤 상자를 선택하고 실행을 클릭합니다.
이렇게 하면 하나의 창에 그룹화되는 4개의 개별 분석이 생성됩니다.
이제 효과 요약 테이블을 사용하여 각 응답에 대한 모델을 축소합니다. p-값이 0.10보다 큰 효과를 제거합니다.
각 응답에 대해 Prediction Profiler가 제공됩니다. 그러나 모든 응답을 동시에 최적화하려고 합니다.
이를 위해 Fit Group의 빨간색 삼각형에서 Profiler를 선택합니다.
이렇게 하면 하단에 5개의 요인이 모두 있고 측면에 4개의 응답이 모두 있는 새로운 예측 프로파일러가 열립니다.
각 반응에 대해 각 요인의 시작 값에서 예측 값과 오차 한계를 볼 수 있습니다. 여기서 시작 값은 각 요인의 중간 값입니다.
실험을 설계할 때 응답 한계와 응답 목표는 데이터 테이블의 열 속성으로 저장되었습니다. 네 가지 응답 모두에 대해 대상을 일치시키려고 합니다.
이 정보는 최적화를 위해 Prediction Profiler에서 사용됩니다.
두께에 대한 반응 한계와 목표를 보려면 바람직함 패널을 두 번 클릭합니다. 목표는 목표와 일치시키는 것이며 가장 바람직한 Thickness 값은 0.9입니다. 낮은 값과 높은 값은 두께에 대해 허용 가능한 범위를 제공하지만 이러한 값이 대상과 일치하는 것만큼 바람직하지 않다는 것을 알 수 있습니다.
이는 바람직성 곡선에 반영됩니다. 목표값에 대한 만족도는 1이고 반응 한계를 초과하면 0입니다.
각 응답에 대해 다른 응답과 관련된 응답의 중요도를 지정할 수 있습니다. 예를 들어 두께를 최적화하는 것이 다른 응답을 최적화하는 것보다 3배 더 중요한 경우 중요도 필드에 3을 입력합니다.
이 시나리오에서는 네 가지 응답이 모두 똑같이 중요합니다.
5가지 요소에 대한 최적의 설정을 찾는 방법을 알아보겠습니다.
이를 위해 Prediction Profiler의 빨간색 삼각형에서 Optimize Desirability를 선택한 다음 Maximize Desirability를 선택합니다.
이러한 설정에서 응답에 대한 예측 값과 함께 최적의 설정이 제공됩니다.
바람직성 곡선을 보면 이러한 설정에서 네 가지 반응 모두에 대한 목표 일치에 근접할 수 있음을 알 수 있습니다.
반응을 최적화할 수 있는 방법은 여러 가지가 있으며, 만족도 최대화를 다시 실행하면 JMP가 새로운 솔루션을 찾습니다.
다음은 일반적인 시나리오입니다. 특정 값에서 요인을 잠그고 다시 최적화할 수 있습니다.
설계된 실험에서 다중 응답을 최적화하는 데 필요한 단계를 안내하는 훌륭한 비디오입니다. 감사합니다!
