JMP 예측 프로파일러는 JMP의 20개 이상의 위치에서 DOE, 관찰 및 공식 데이터를 사용하여 모델을 시각화 및 탐색하고 결정을 내리는 데 사용할 수 있는 옵션입니다.
다음 방법을 참조하십시오.
- X 및 Y 변수의 각 조합을 보여주는 프로필 추적을 해석하고 검정색 선은 X가 변경됨에 따라 예측된 Y가 어떻게 변경되는지 보여줍니다.
- X축에 요인, 입력 변수, X 열, 독립 변수, 용어 및 프로세스 매개변수가 표시되는 방법 이해
- Y축이 응답, 출력 변수, Y 열, 종속 변수 및 결과를 표시하는 방법 이해
- 예측 값에 대한 95% 신뢰 구간 조사
- 연속 X 변수의 경우 파란색 선과 음영 영역이 표시됩니다.
- 범주형 X 변수의 경우 오차 막대 높이가 표시됩니다.
- 수직 점선과 x축의 빨간색 텍스트로 X의 현재 값을 검사합니다.
- Y 축의 가로 점선 및 빨간색 텍스트로 X의 현재 값에 대해 예측된 Y를 검사합니다.
- Y축의 파란색 텍스트로 예측된 Y에 대한 95% CI를 검사합니다.
- 중요한 ID 중요 모델 요소(가파름)
- ID 효과가 중요합니다(주, 2차, 상호작용).
반응을 최적화할 요인 설정의 선호도 및 ID 조합 최적화
- 바람직함 정의
- 설정 기억
- 요인 설정 잠금(요인 설정 재설정
- 여러 응답 처리
- 응답을 동시에 최적화
- 다른 것보다 더 중요한 응답 처리
예측 값 저장- JMP 공개에 저장
Andrea가 답변한 질문 @andreacoombs1 그리고 마이크 @MikeD_앤더슨 라이브 웨비나 중:
Q: 선호도 감소는 무엇을 나타냅니까? 프로파일러에 지정된 조건을 충족하기가 더 어렵다는 의미입니까?
A: 바람직함의 감소는 요인에 대한 현재 설정이 사용자가 설정한 원하는 결과를 완벽하게 충족하지 못한다는 것을 의미합니다. 그 완벽한 조건은 실제로 가능하지 않을 수 있으므로 바람직함은 질적 측정에 가깝습니다.
Q: %FPY 또는 %age에 있는 다른 응답에 대한 선호도를 최대화하는 경우 100%를 초과하거나 0% 미만이 되지 않고 최대 선호도를 제한하려면 어떻게 해야 합니까? 그냥 목표 일치일까요?
A: y에서 변환을 사용하거나 모델이 사용하는 분포를 변경해야 합니다. y에 적용 가능한 변환은 Logit Percent 또는 Logistic Percent일 수 있습니다.
Q: JMP는 데이터를 기반으로 시뮬레이션 요인의 표준 편차를 추정합니까? 프로덕션 데이터에서 SD를 입력할 수 있다는 것을 알고 있습니다.
A: 예, 그것이 시작점이며 수동으로 조정할 수도 있습니다.
Q: 빨간색 삼각형 아래의 '변수 중요도 평가' 옵션과 이 옵션 아래의 다양한 대안에 대해 설명해 주시겠습니까?
A: 높은 수준에서 변수 중요도 평가는 말 그대로 중요한 변수를 결정하는 데 도움이 됩니다. 세부 사항이 문서화되어 있습니다. 여기 .
Q: 변수를 LSL에 더 가깝게 하려면 바람직함을 사용할 수 있습니까? 예를 들어, 제조에서 우리는 제품 사양을 최소 사양에 가깝게 밀어 더 많은 양을 확보하여 더 많은 수익을 거두기를 원합니다.
A: 바람직함을 "최소화"로 설정한 다음 사양 제한과 일치하도록 바람직함의 하한을 설정합니다.
Q: 한 파일에서 다른 파일로 예측 수식을 복사할 수 있습니까?
A: 예, JMP Pro의 Formula Depot을 사용합니다.편집 아래의 공식 열에서 마우스 오른쪽 버튼 클릭 옵션을 사용한 다음 열 속성 복사를 선택하고 거기에서 다른 데이터 테이블로 이동하여 마우스 오른쪽 버튼을 클릭하고 열 속성 붙여넣기를 선택할 수 있습니다. (이렇게 하면 열 수식과 열의 다른 속성을 가져옵니다).
Q: 상호 작용이란 무엇입니까?
A: 상호 작용은 두 가지 요인이 결합된 효과입니다. 수학적으로는 모델의 용어로 "요인 A * 요인 B"로 표시됩니다. 즉, 상호작용은 요인 A가 Y 반응과 관련하여 요인 B의 수준에 어느 정도 의존하는지 또는 대안적으로 동등하게 요인 B가 Y와 관련하여 요인 A의 수준에 어느 정도 의존하는지를 설명합니다.
Q: 요소를 잠그는 대신 특정 범위로 제한할 수 있습니까?
A: 예, 선형 제약 조건을 추가할 수 있습니다.설계에 대한 제약 조건을 정의한 설계된 실험에서 데이터를 가져온 경우 DOE의 제약 조건이 자동으로 적용됩니다.
Drag Linear Constraints선형 구속조건 끌기
Add Constraint Values구속조건 값 추가
Q: 때때로 정규 분포에서 100% 이상의 수율을 얻습니다.Prediction Profiler가 비물리적 값을 제공하지 않도록 하려면 어떻게 해야 합니까?
A: JMP Pro 일반화 회귀 모델링 기능은 예를 들어 응답 분포를 0과 1 사이로 제한하는 응답 분포를 변경할 수 있도록 하여 이를 방지합니다.
Q: 누군가 사양 하한에 더 가깝게 변수를 푸시하려는 경우 변수를 사용하여 이를 수행하는 방법은 무엇입니까?
A: Prediction Profiler 내에서 사양 상한 및 하한을 드래그하거나 PC의 Prediction Profiler Desirability 영역 내에서 Alt/Click을 사용하여 수동으로 변경할 수 있습니다. 팝업이 표시되면 여기에서 값과 바람직함을 수동으로 변경할 수 있습니다.
자원
멋진 프레젠테이션, JMP 동료들에게 감사드립니다!
모양 > Y축 적응 다양한 설정을 탐색하고 각 개별 그래프에서 모든 것을 한 번에 모두 표시하려고 할 때 예측 프로파일러에서 특히 유용한 옵션입니다.
여기에 제시된 콘텐츠를 추가 검토하고 때때로 확장하는 데 관심이 있는 사람들을 위해 다음 비디오 참조를 추가하고 싶습니다.
모델 시각화 및 시뮬레이션을 사용하여 모델 이해
