623638_zh-CN

liliconcom

如何使用 JSL 通过修复预测分析器中的其他变量来找到满足规格限制的 X 变量范围？

嗨，JSL 专家，

我有一个 DoE OLS 或 REML 模型，带有如下所示的预测分析器。如何通过修复其他变量，使用 JSL 自动找到所有满足 LSL 和 USL 的 X 变量范围？例如，X1 必须低于 34.6 才能满足规格。非常感谢您的帮助。

数据探索与可视化回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

JMP 17 介绍了设计空间分析器用于确定这种情况下的操作范围。 如果您还没有更新到 17，这是一个很好的理由。

 

如果您真的需要您描述的特定 JSL 解决方案，希望 JSL 技能比我高的人可以插话。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

谢谢@Ross_Metusalem ，我们目前使用的是 JMP 16。 希望我们能尽快升级到 17。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

同时，您可以使用Prediction Profiler 中的模拟功能以此目的。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

@马克贝利你能给我一些提示，说明如何在预测刻画器中使用模拟来获取范围吗？ 太感谢了。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

您是否研究过我引用的帮助部分？

 

您必须首先指定响应限以确定意愿函数来评估因子范围的适用性。

 

在 Prediction Profiler 中打开模拟器。 所有因素水平在开始时都是固定的。 将 X1 更改为在过程控制下如您所期望的那样随机变化。 也指定响应的随机变化。 仿真将显示一个直方图，让您了解从 X1 到响应的误差传输的适用性。 模拟表将提供详细信息。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

你好@马克贝利，我确实点击了你分享的链接，我可以手动找到每个 X 变量低于 5% 的缺陷率。 因为我有太多的模型和变量，所以我想找到一种方法来自动化这个过程，而不是一个一个地做。 这将花费很多时间。 可以在 JSL 中实现吗？

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

是的，您可以编写 Profiler 和它提供的模拟器的脚本。 请参阅帮助 > 脚本索引 > 对象 > 探查器和模拟器。

 

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

@马克贝利我完成了参数的模拟，并且已经收集了所有的模拟结果。 超酷！！！非常感谢你的帮助。

 

对我来说唯一的挑战是从模型脚本中获取术语值。 我使用的是搜索“{Profiler(”然后搜索“Term Value”将所有术语放入列表中，然后模拟。 术语值有数字和字符，有的带有“xxxx”n，有的没有，很难针对所有不同的情况编写代码。 您是否有简单的方法从 DoE 模型中获取 Term 值？

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

经过 ” get the term value from the model script," 你是指模型表脚本中的参数估计吗？ 您是否为模型保存了表格脚本？

 

字符串可以用作名称。 名称中不允许使用某些字符。 使用不正确的名称需要解决方法。

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

@马克贝利下面是我的例子之一。 我需要一个通用代码，它需要从 Fit 组模型中读取脚本，然后将 Term Value 放入因子列表中。 有了列表后，我将与数据表中的列名进行比较，以确定它们是数字还是字符，以便我可以编写我的模拟代码。最后一部分是我的代码，但是太复杂了，如果profiler里面有多个Term Value，就不行了。 所以最好只打开 Profiler。我想知道你是否有更简单的方法来完成同样的任务？ 非常感谢你的帮助。

 

factors = {"ELONG", "HARDNESS(+/-0.2)", "ABRASION For example (%)", "MODULUS"}

这是来自示例模型的脚本：

Fit Group(
 Fit Model(
  Y( :"SILICA (%)"n ),
  Effects( :ELONG, :"HARDNESS(+/-0.2)"n ),
  Personality( "Standard Least Squares" ),
  Emphasis( "Minimal Report" ),
  Run(
   Profiler(
    1,
    Confidence Intervals( 1 ),
    Term Value(
     ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
     "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) )
    )
   ),
   :"SILICA (%)"n << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
   Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
   Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
   Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
   Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
   Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
   Press( 1 )}
  )
 ),
 Fit Model(
  Y( :SILANE Value ),
  Effects(
   :"ABRASION For example (%)"n, :MODULUS, :ELONG, :"HARDNESS(+/-0.2)"n,
   :MODULUS * :ELONG
  ),
  Personality( "Standard Least Squares" ),
  Emphasis( "Minimal Report" ),
  Run(
   Profiler(
    1,
    Confidence Intervals( 1 ),
    Term Value(
     "ABRASION For example (%)"n( 133.1, Lock( 0 ), Show( 1 ) ),
     MODULUS( 1255, Lock( 0 ), Show( 1 ) ),
     ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
     "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) )
    )
   ),
   :SILANE Value << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
   Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
   Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
   Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
   Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
   Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
   Press( 1 )}
  )
 ),
 Fit Model(
  Y( :SULFUR ),
  Effects( :ELONG ),
  Personality( "Standard Least Squares" ),
  Emphasis( "Minimal Report" ),
  Run(
   Profiler(
    1,
    Confidence Intervals( 1 ),
    Term Value( ELONG( 417.5, Lock( 0 ), Show( 1 ) ) )
   ),
   :SULFUR << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
   Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
   Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
   Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
   Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
   Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
   Press( 1 )}
  )
 ),
 <<{Profiler(
  1,
  Confidence Intervals( 1 ),
  Term Value(
<FONT color="#0000FF">   ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
   "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) ),
   "ABRASION For example (%)"n( 133.1, Lock( 0 ), Show( 1 ) ),
   MODULUS( 1255, Lock( 0 ), Show( 1 ) )</FONT>
  )
 )}
);

这是我制作因素列表的代码：

 

Names Default To Here( 1 );
dt = Current Data Table();
curep = Current Report();
dtname = dt << Get Name;
//Check how many prediction profiles, if >1 it's fit group, =1 it's fit model
pred_objs = curep << XPath( "//OutlineBox[ contains( text(), 'Prediction Profile' ) ]" );
num_objs = N Items( pred_objs );
If( num_objs < 1,
 Throw( "No prediction profile is found!" )
);
If( num_objs == 1,
 textind = "Profiler(",
 textind = "{Profiler("
);

//Read the Model Term list
modelobj = curep[Outline Box( 1 )] << get scriptable object;
modeltext = Char( modelobj << get script );
//Show( modeltext );
posA = Contains( modeltext, textind );
termstext = Right( modeltext, Length( modeltext ) - posA + 1 );
/*Show( termstext );*/
posB = Contains( termstext, "Term Value" );
posC = Contains( termstext, "Show(1))", -1 );
termvalue = Left( termstext, posC + 7 ) || ","; //Make sure all terms end with )),
termvalue = Right( termvalue, Length( termvalue ) - posB - 10 );
/*Show( termvalue );
Show( posB );
Show( posC );
Show( posD );*/

//Check how many factors or main effects in the final model
words = Words( termvalue, "," );
termnum = 0;
For( i = 1, i <= N Items( words ), i++,
 If( Contains( words[i], "Show" ),
  termnum = termnum + 1
 )
);

//Get the term with default value
term list = {};
For( k = 1, k <= termnum, k++, 
 //show(firstpos);
 pos1 = Contains( termvalue, "))," ) + 3;
 term1 = Left( termvalue, pos1 );
 //show(term1);
 termvalue = Right( termvalue, Length( termvalue ) - pos1 );
 //show(termvalue);
 Insert Into( term list, term1 );
);
Show( term list );

//get term name without default value
factors = {};
For( k = 1, k <= N Items( term list ), k++,
 termK = term list[k];
 firstchar = Left( termK, 1 );
 If( firstchar == "\!"",
  pos2 = Contains( termK, "\!"", -1 );
  term2 = Left( termK, pos2 + 1 );
 ,
  pos2 = Contains( termK, "(" ); //Categorical terms cannot have "()" in the column name
  term2 = Left( termK, pos2 - 1 );
 );
 Insert Into( factors, char(parse(term2)) );
);
Show( factors );

 

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

我认为有一种更优雅、更健壮的方法。 有关我正在考虑的方法，请参阅此示例的结尾。

 

Names Default to Here( 1 );

// JMP Pro 16.2

// start with example of a model script
model = Expr(
 Fit Group(
  Fit Model(
   Y( :"SILICA (%)"n ),
   Effects( :ELONG, :"HARDNESS(+/-0.2)"n ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Minimal Report" ),
   Run(
    Profiler(
     1,
     Confidence Intervals( 1 ),
     Term Value(
      ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
      "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) )
     )
    ),
    :"SILICA (%)"n << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
    Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
    Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
    Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
    Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
    Press( 1 )}
   )
  ),
  Fit Model(
   Y( :SILANE Value ),
   Effects(
    :"ABRASION For example (%)"n, :MODULUS, :ELONG, :"HARDNESS(+/-0.2)"n,
    :MODULUS * :ELONG
   ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Minimal Report" ),
   Run(
    Profiler(
     1,
     Confidence Intervals( 1 ),
     Term Value(
      "ABRASION For example (%)"n( 133.1, Lock( 0 ), Show( 1 ) ),
      MODULUS( 1255, Lock( 0 ), Show( 1 ) ),
      ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
      "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) )
     )
    ),
    :SILANE Value << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
    Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
    Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
    Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
    Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
    Press( 1 )}
   )
  ),
  Fit Model(
   Y( :SULFUR ),
   Effects( :ELONG ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Minimal Report" ),
   Run(
    Profiler(
     1,
     Confidence Intervals( 1 ),
     Term Value( ELONG( 417.5, Lock( 0 ), Show( 1 ) ) )
    ),
    :SULFUR << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
    Parameter Estimates( 1 ), Effect Tests( 0 ), Effect Details( 0 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
    Plot Regression( 0 ), Plot Residual by Predicted( 0 ),
    Plot Studentized Residuals( 1 ), Plot Effect Leverage( 0 ),
    Plot Residual by Normal Quantiles( 1 ), Box Cox Y Transformation( 0 ),
    Press( 1 )}
   )
  ),
  <<{Profiler(
   1,
   Confidence Intervals( 1 ),
   Term Value(
    ELONG( 417.5, Lock( 0 ), Show( 1 ) ),
    "HARDNESS(+/-0.2)"n( 69.775, Lock( 0 ), Show( 1 ) ),
    "ABRASION For example (%)"n( 133.1, Lock( 0 ), Show( 1 ) ),
    MODULUS( 1255, Lock( 0 ), Show( 1 ) )
   )
  )}
 );
);

// last argument is in-line message send for Profiler
last = N Arg( model );
profilerExpr = Arg( model, last );

// unwrap Send() and its list argument
profilerExpr = Arg( profilerExpr, 1 )[1];

// find term values
termVals = Associative Array();
termExpr = Arg( profilerExpr, 3 );
nArgs = N Arg( termExpr );
For( i = 1, i <= nArgs, i++,
 Insert Into( termVals,
  Char( Head( Arg( termExpr, i ) ) ),
  Arg( Arg( termExpr, i ), 1 )
 )
);

// use resulting dictionary for term values
Show( termVals );

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规范限制？

你最后显示的是你想要的变量值海峡是不是一个字符串。

 

你将如何使用海峡在你的脚本中？ 它会成为函数的参数吗？

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

@马克贝利str 只是一个变量名，在我下面的代码中我实际上使用了 random_sim 和 responses_sim，通过在我的 for 循环中改变这两个变量，我可以一次模拟所有因素。 我之前用来提取Y和Term Value的代码在字符串中有“\！，但是你提取参数的方式没有“\！，这是唯一的区别。

 

   simu model script = Parse(
    Eval Insert(
     "\[
    simobj << Simulator(
    1,
    Factors( ^random_sim^),
    Responses( ^responses_sim^ ),
    Resimulate
    );
    ]\"
    )
   );
   Show( simu model script );
   Eval( simu model script );

回复：如何使用 JSL 通过修复 Prediction Profiler 中的其他变量来找到 X 变量范围以满足规格限制？

@马克贝利您的解决方案很棒，而且比我的容易得多。 非常感谢你的帮助。

 

但是我用这种方法遇到了另一个问题。 你能帮我吗？

 

factors = {"Kilometer (kg)"n, "Temperature (ºC)"n};
responses_sim = "";
values = {1.23,2.34};
for (i=1, i<=N Items(factors), i++,
 responses_sim = responses_sim || factors[i] || "<< Add Random Noise(" || char(values[i]) || "),"
);

show(responses_sim);

responses_sim = "Kilometer (kg)<< Add Random Noise(1.23),Temperature (ºC)<< Add Random Noise(2.34),";
<BR /><FONT face="arial black,avant garde" size="5"><STRONG>I want to get this result below, how to do it?</STRONG></FONT>
responses_sim = "Kilometer (kg)"n << Add Random Noise(1.23), "Temperature (ºC)"n << Add Random Noise(2.34),"