Cuando Lele estaba preocupado por el regalo de cumpleaños de su madre, lo discutió con su padre. Papá mencionó que a mamá le gusta beber bebidas hechas con manivela, por lo que Lele sugirió que preparara té con leche con burbujas ella sola. Sin embargo, papá le recordó que los ingredientes clave para hacer Jane Milk no son fáciles de encontrar. Papá explicó que el método de prueba y error toma mucho tiempo y los resultados son inciertos. Papá además propuso usar JMP para el diseño experimental para encontrar el sabor del té de burbujas que le gusta a mamá de una manera más eficiente.
Lele: Papá, se acerca el cumpleaños de mamá, quiero darle un regalo, pero no sé qué darle para que le guste.
Papá: Mamá estará muy contenta con lo que le debas dar. Papá vio el anuncio de la plataforma de entrega en la televisión y respondió casualmente.
Lele miró el anuncio y dijo con un destello de inspiración: a mamá le gusta beber bebidas hechas con manivela, ¿o debería prepararle una taza de té con leche de perla?
Papá: Sí, pero ¿sabes cómo hacerlo? Por ejemplo, ¿la temperatura de hacer té negro y cómo cocinar perlas?
Lele: No puedo, tú ayúdame.
Papá: Debería haber estos procesos de producción en Internet, pero debería haber relativamente poca información sobre la temperatura y cuánto tiempo cocinar en Internet, y las preferencias de todos son diferentes. Como queremos darle a mi madre un regalo de cumpleaños especial, lo hará especial ¿Qué tal si le preparamos una taza de té de burbujas exclusivamente para ella como regalo de cumpleaños?
Lele: Está bien, pero ¿cómo encontramos el sabor que le gusta? Debería haber una variedad infinita de sabores en el mundo, entonces, ¿debemos hacer una cantidad infinita de tazas?
Papá: Así es, el método que mencionaste para probar todas las posibilidades es el llamado método exhaustivo o método de prueba y error, pero este método llevará mucho tiempo y puede que no sea necesariamente la mejor combinación de recetas. Deberíamos usar JMP para el diseño experimental.
qué es JMP diseño experimental ?
Lele: ¿Qué es JMP? ¿Qué es el diseño experimental? Suena como un ingeniero haciendo un experimento. ¡Se siente tan poderoso!
Dad: JMP es un software que contiene muchas funciones de análisis estadístico, y tienes razón, una de sus potentes funciones puede ayudarnos a diseñar experimentos eficientes. Además, el diseño experimental de JMP también puede establecer el tipo y el rango de factores de acuerdo con sus necesidades, agregar el posible modelo de efecto que crea y la cantidad de experimentos que puede realizar, etc., para ayudarnos a construir el experimento óptimo bajo la condición de capacidad.
Lele no pareció entender, y sus ojos se dirigieron a la casa del árbol de Lego sin terminar.
Papá continuó diciendo: En general, solo tenemos que decirle que ¿Cuáles son las opciones para las bolsitas de té negro, en qué rango se puede controlar la temperatura del agua, el rango de tiempo deseado para preparar té, y queremos que haga algunos experimentos, y nos ayudará a diseñar una combinación experimental? Vaya.
Lele: Oh, ya veo, como si saliéramos, Al igual que usar la navegación para conducir para ayudarnos a diseñar rutas de navegación, podemos ayudarnos a diseñar la mejor ruta diciéndole a dónde vamos y dónde estamos ahora. .
Papá: Así es, pero la navegación suele conocer nuestro objetivo. ¿Es pasar el menor tiempo posible? ¿O tomar el camino más corto? Dame la combinación más sugerida según las necesidades. Y lo que vamos a hacer ahora es Recopilación de datos en la etapa inicial, pero utilizando el número establecido de experimentos, considere todas las posibilidades lo más ampliamente posible y recopile sus resultados. Luego use estos datos para calcular el modelo y obtener la mejor predicción .
Lele: ¿Así que ahora somos como ingenieros de navegación, usando JMP para diseñar experimentos para el análisis y luego usar los datos observados para descubrir cómo llegar al destino más rápido?
Papá: Así es, eso es todo, usemos JMP para comenzar nuestro diseño experimental ahora, ingeniero de té de burbujas.
Lele y su padre decidieron usar la función DOE (Diseño de Experimento) de Diseño de Experimento de JMP para descubrir cómo preparar un delicioso té negro.
Papá: Primero busquemos la receta para hacer té negro y veamos cuáles son las condiciones de influencia importantes.
Papá: Revisemos los métodos recomendados para hacer té negro en la página web, primero descubramos cuáles son las condiciones clave que afectan el sabor y establezcamos las condiciones sugeridas para que podamos reducir el alcance de nuestro experimento.
Por lo tanto, papá y Lele primero averiguaron la temperatura y el tiempo de remojo adecuados para el té, así como la proporción de volumen de agua/té recomendada según la información en Internet. Además, papá encontró dos marcas de té en una tienda cercana y eligió agua del grifo o agua mineral como agua para preparar el té y clasificó todos los parámetros clave de la siguiente manera (Tabla 1):
parámetro
|
tipo de datos
|
valor (rango/tipo)
|
marca de té negro
|
categoría
|
Marca A
|
Marca B
|
agua de te
|
categoría
|
agua del grifo
|
agua mineral
|
Relación de volumen de agua/té
|
continuo
|
20~60
|
Temperatura de remojo (⁰C)
|
continuo
|
70~100
|
Tiempo de remojo (m)
|
continuo
|
5~20
|
Tabla 1, parámetros clave y gama de té negro
Después de buscar los parámetros clave y los rangos de parámetros, Lele y papá regresaron a la sala de estar y se sentaron.
Lele: Entonces, ¿podemos empezar a hacer té negro ahora?
Papá: Todavía no, porque aún no conocemos los valores reales de los parámetros que deben configurarse en cada experimento, y aún necesitamos un pequeño ayudante que nos ayude a diseñar el experimento.
Papá: Necesitamos que JMP nos ayude a diseñar la combinación de experimentos.
Entonces, papá abrió el software estadístico JMP en la computadora.
¿Qué es un experimento personalizado? Diseño personalizado
Papá: Mire, si necesitamos que JMP nos ayude a diseñar experimentos, puede hacer clic en la columna "DOE" en la opción de menú. Hay muchos métodos DOE y funciones DOE relacionadas que se pueden usar aquí. Si no conoce los principios detrás de cada DOE y los objetos aplicables, le sugiero que use un diseño personalizado, es decir, experimentos personalizados, como comienzo.
Lele: ¿Por qué usar este experimento personalizado?
papá: La idea detrás de los experimentos personalizados es que experimento de optimización , de acuerdo con las condiciones que le dimos, incluidas las condiciones clave que creemos que son importantes, si estas condiciones clave se afectan entre sí, qué tipo de resultados queremos obtener, la cantidad de experimentos que podemos hacer, etc., para sugerir nuestro mejor Mezcla experimental.
Lele: Al igual que la navegación.
Papá: Esta ventaja es muy adecuada para la gente común como nosotros, que no conocemos muy bien el DOE, pero queremos hacer un buen diseño experimental.
Lele: Me convertiré en una experta del DOE en el futuro. Soy solo una niña ahora, así que no lo haré. Lo seré cuando sea grande.
Papá: Está bien, pero incluso los expertos del DOE a menudo usan experimentos personalizados como punto de entrada para el diseño experimental cuando el objetivo es diseñar los experimentos más efectivos. Así que echemos un vistazo ahora con un diseño experimental personalizado.
Use un diseño experimental personalizado, especificando nombres de parámetros, rangos y número de experimentos
Luego, papá ingresó los parámetros y el rango en la plataforma de diseño personalizado (Figura 1).
JMP Custom DesignDiseño personalizado JMP
Figura 1, resultados de respuesta de entrada y parámetros a la plataforma de diseño personalizado
Se agregaron al modelo el efecto principal del parámetro, el término cuadrático del parámetro continuo y el término de efecto del término cruzado del parámetro continuo (Figura 2).
Figura 2, ingrese los elementos de efecto correspondientes en el modelo
Lele: ¿Qué son los términos cuadráticos y los términos cruzados y por qué se deben agregar?
Papá: La razón de agregar el efecto del término cuadrático es para confirmar si el parámetro clave tendrá un fenómeno recurvo, es decir, hay un valor en el medio del rango que hace que el resultado produzca un valor máximo o mínimo. La adición del término cruzado es para confirmar si estos parámetros tendrán un efecto multiplicativo entre sí, es decir, además de la influencia del efecto principal en sí, ciertas condiciones tendrán efectos adicionales cuando se combinen.
Lele vio la imagen de abajo y preguntó: Lele: ¿Es este el escenario para la cantidad de experimentos que queremos hacer?
Figura 3, punto central y configuración de repetición e ingreso del número de experimento
Papá: Sí, aquí podemos configurar si agregar experimentos repetidos o si agregar un punto central al experimento. El número de ejecuciones a continuación puede elegir el número de experimentos. Aquí, el número mínimo de ejecuciones es 12 (mínimo). El La recomendación de JMP es 16 veces (predeterminada), también puede establecer una cantidad asequible de experimentos (especificado por el usuario), todavía usamos la predeterminada 16 veces (Figura 3).
Lele: ¿Por qué 16 veces?, ¿cuantas más veces mejor?
Papá: Sí, pero generalmente por falta de tiempo o dinero, tenemos un número predeterminado de experimentos que se pueden realizar. Y esta es también la ventaja del diseño personalizado. El diseño personalizado puede diseñar experimentos de acuerdo con este requisito, mientras que otros diseños experimentales deben lograr el número especificado de experimentos. Otra razón importante es que no puedes beber té, así que tengo que beber estas 16 tazas. Papá ya está tenso después de beber 16 tazas y es posible que no pueda dormir por la noche si bebe algunas tazas más.
Genere la combinación de parámetros para hacer té negro y complete la recopilación de datos
Luego, Lele y su padre completaron el diseño personalizado y produjeron la combinación de parámetros para hacer té negro (Figura 4).
JMP DOE參數組合Combinaciones de parámetros JMP DOE
Figura 4, la tabla de combinación experimental
Luego papá y Lele completaron el experimento de acuerdo con esta tabla de combinación de parámetros, y papá anotó en orden y completó 16 resultados de puntuación (Figura 5).
Figura 5. Colección de resultados de combinaciones experimentales correspondientes
Después de beber demasiadas tazas de té, papá hipó y dijo: Finalmente terminamos de recopilar datos para el experimento.
usar Modelo de ajuste JMP Realizar análisis de regresión para hacer predicciones de modelos
Luego, podemos presionar "Modelo" en el área de almacenamiento de scripts en la parte superior izquierda para hacer el análisis posterior. JMP es muy considerado para ayudarnos a empaquetar el análisis posterior en este programa, es decir, podemos directamente existir JMP Ajustar modelo en Plataforma para realizar análisis de regresión , podemos hacer clic directamente en "Modelo" en el formulario DOE para analizar (Figura 6).
Figura 6, la secuencia de comandos del modelo en la hoja de datos de combinación de experimentos del DOE
Después de presionar "Modelo", papá continuó diciendo: Aquí podemos elegir si agregar elementos de efecto al modelo y elegir el método de análisis, lo haremos usar "Paso a paso" método por favor JMP Ayúdanos a elegir el modelo correcto (Figura 7).
JMP Fit ModelModelo de ajuste JMP
Figura 7, la plataforma de partida del modelo de regresión
Después de presionar el mouse varias veces, Papá completó el informe (Figura 8) y señaló los resultados de Resumen de efectos y Resumen de ajuste en la computadora con los dedos.
Papá: Excluyo del modelo algunos ítems cuyo valor de p supera 0,05 para obtener un modelo más preciso, porque estadísticamente hablando, si el valor de p supera 0,05, significa que el elemento de efecto tiene poca influencia en el modelo. ¿Te quedas con esto? Los términos de los efectos no difieren. además, puede ser visto Resumen de ajuste Aquí está la precisión del modelo (R-cuadrado) llegó a 0,997 , lo que significa que este modelo tiene una gran capacidad para explicar los puntos de muestra, lo que significa que este es un buen modelo predictivo para estos datos .
JMP Fit ModelModelo de ajuste JMP
Figura 8, informe de análisis del modelo de regresión
Lele lo miró y dijo: ¿Por qué el valor P del tiempo de remojo es mayor a 0.05 pero no se ha eliminado? Y hay un indicador ascendente al lado.
Papá: Debido a que hay otros elementos secundarios que se deben mantener en el modelo, puede ver que el tiempo de remojo * el tiempo de remojo este elemento es inferior a 0.05 debe mantenerse, como su elemento principal, el tiempo de remojo también debe ser guardado, y este indicador alcista Solo te dice cuáles son los proyectos principales que tienen este problema y deben mantenerse.
Papá continuó moviendo la rueda del mouse, presentando la mitad inferior del informe.
inspeccionar Perfilador de predicción Informa sobre los cambios observados para cada parámetro en los resultados
Papá continuó diciendo: Bajamos a buscar el informe. Perfilador de predicción( marcador) Informe , aquí se presenta el modelo con imágenes interactivas, que pueden ayudarnos a comprender más rápido ¿Cómo cambiar cada parámetro cambia el sabor? . Puede ver el nombre del parámetro a continuación, su eje (eje X) representa el valor del parámetro que configuramos, y el eje izquierdo (eje Y) representa el valor predicho de la puntuación de sabor. Si desea conocer el puntaje de diferentes condiciones, solo necesita ajustar el valor del parámetro a continuación al valor que estableció, y puede obtener el resultado de sabor previsto.Por ejemplo, elijo un té, lo remojo con agua del grifo, el cantidad de agua/la cantidad de té elijo 40 para la proporción, 80 para la temperatura de remojo y 15 para el tiempo de remojo, y cuando lo cambio así... verás, resultado del pronóstico Salió, sólo 4,83 puntos (Figura 9).
JMP Prediction ProfilerPerfilador de predicción JMP
Figura 9, Perfilador de predicción
Papá dijo mientras arrastraba el mouse para cambiar la configuración de los parámetros, los ojos de Lele se abrieron como si se sintiera increíble.
Lele: Él cambiará directamente la puntuación de sabor predicha en la imagen de acuerdo con tus ajustes, genial.
Papá: Sí, esta función interactiva es más fácil de operar y facilita que todos entiendan el modelo. Echemos un vistazo más de cerca a este gráfico. De hecho, este gráfico puede decirle aproximadamente en qué dirección ajustar para obtener una puntuación de sabor más alta, lo que significa que sabe mejor. Por ejemplo, veamos el primer mapa del té, B El té es mejor que A. El té es alto, puede saber B El té tiene una proporción A Tendencia del té delicioso , similarmente, El té hecho con agua mineral sabe mejor que el hecho con agua del grifo ,así como El tiempo de remojo es de aproximadamente 10~15 Será mejor en minutos. , para que juegues.
JMP Prediction ProfilerPerfilador de predicción JMP
Figura 9, Perfilador de predicción
Lele no podía esperar para comenzar a extraer varios ajustes de parámetros. Después de jugar un rato, planteó una pregunta.
Lele: Papá, mira, si cambio la proporción de volumen de agua/volumen de té, otros parámetros cambiarán un poco, algunos serán más altos y más bajos como un todo, y algunos cambiarán ligeramente de forma, lo cual es muy extraño.
Papá: Oye, eres increíble, has notado este pequeño cambio. Estos pequeños cambios provienen de El efecto de ajustar los parámetros. , por lo que otros parámetros aumentarán en la misma forma. Si encuentra que con el cambio del valor del parámetro original, la forma de otros parámetros tiene una variación obvia, por ejemplo, la esquina superior izquierda y la esquina inferior derecha originales se convierten en la esquina inferior izquierda y la esquina superior derecha, lo que significa que la intersección de los elementos tiene un fuerte impacto. Además, puedes ver que la línea de tendencia de algunos parámetros no es una línea recta, sino una línea curva, si hay un valor máximo o mínimo, significa que el efecto de su término secundario es muy influyente.
Lele asintió comprendiendo a medias y luego preguntó: ¿Entonces puedo predecir todos los resultados posibles de esta manera?
Papá respondió: Esta es una buena pregunta. Lo que acabamos de hacer es pedirle a JMP que nos proporcione un modelo estimado basado en los datos que recopilamos, pero estos datos se basan en puntos amplios y uniformes dentro del rango que definimos al principio. Intente observar el rendimiento de todos los puntos dentro del rango tanto como sea posible, pero para las combinaciones de parámetros fuera del rango, la capacidad predictiva de este modelo será pobre, por lo que es mejor para nosotros no hacer predicciones fuera del rango del diseño experimental original tanto como sea posible, pero para parámetros dentro del rango Para la mayoría de las combinaciones de parámetros, podemos predecir un resultado preciso con este modelo.
A continuación, vamos a hacer los pasos clave de hoy: Encuentre la mejor combinación de parámetros y condiciones , puede ajustar la configuración de los parámetros en el trazador para ver qué tipo de combinación encuentra la puntuación más alta.
Lele asintió y hubo otra ráfaga de ajustes de configuración de parámetros en el Prediction Profiler.
existir Perfilador de predicción , para encontrar la mejor combinación de parámetros
Lele: Papá, encontré uno con una puntuación de 9,47. Elegí hojas de té B y las remojé en agua mineral. Elegí 60 para la relación entre el volumen de agua y el volumen de té, la temperatura de remojo fue de 89,5 y el tiempo de remojo fue de 11,9. El resultado es una puntuación de sabor de 9,47, que es muy buena.
Papá: No está mal, ya es muy alto, ¿crees que habrá puntajes más altos?
Lele: Tal vez los haya, porque no los he configurado todos para ver sus puntajes.
Papá: Ahora es el momento de mostrar la magia de JMP. Verá, puedo abrir el conjunto de deseabilidad en JMP Prediction Profiler y establecer objetivos. elegir Máximo Fijar el resultado como esperanzador, es decir, cuanto más grande mejor . y use Maximizar la deseabilidad función para obtener la mejor combinación de parámetros para el objetivo completado (Figura 10). O seleccione Maximizar y recordar para encontrar la mejor combinación de parámetros y registrarla en el informe.
Figura 10, (izquierda, centro) Establecer función de Deseabilidad para establecer el valor de voluntad, (derecha) Maximizar Deseabilidad
Papá presiona Maximizar y Recordar en el Perfilador para encontrar rápidamente la mejor combinación de parámetros y registrarla en el informe (Figura 11).
Figura 11, resultados de Maximizar y recordar
Lele: ¡Esto es demasiado rápido y conveniente!
Papá: Sí, Por lo general, el análisis de datos toma la mayor parte del tiempo para recopilar datos. JMP Puede ahorrar más tiempo de análisis, por lo que muchas empresas que necesitan utilizar datos para el análisis estadístico utilizarán este software para acelerar el tiempo de análisis. . De hecho, comparar la combinación de parámetros que obtuviste manualmente es solo un poco peor que la mejor combinación, también eres muy bueno. Además, los parámetros continuos, como la temperatura de remojo, 91.02894, en realidad no son fáciles de controlar. Tal vez podamos usar 91 o 90 para reemplazar la configuración.
Luego, Lele y papá discutieron la configuración de varias condiciones de parámetros y finalmente usaron hojas de té B, agua mineral, la relación entre el volumen de agua y el volumen de té fue de 55, la temperatura de remojo fue de 90 ° C y el tiempo de remojo fue de 12.5, que fue la configuración final de la condición del parámetro clave (Fig. doce).
Figura 12. El mejor resultado de predicción según el diseño experimental
Lele: ¡Sí! Entonces, ¿vamos a hacer té con leche y perlas a continuación?
Papá miró la hora y luego dijo: "Mamá volverá pronto. Si queremos tratarlo como una sorpresa para el cumpleaños de mi madre, guardemos el equipo experimental lo antes posible o nos descubrirán". La próxima vez experimentaremos con té con leche y perlas para encontrar una buena combinación de fórmula, que utilizará otras habilidades del DOE.
Lele dijo felizmente: "Está bien, entonces recogámoslo lo antes posible, lo espero con ansias".
Papá y Lele se apresuraron a limpiar el experimento antes de que mamá llegara a casa, pero una pequeña semilla DOE germinó lentamente en el corazón de Lele.
>>El próximo episodio compartirá cómo hacer deliciosas perlas a través de la plataforma de diseño experimental JMP DOE. <<
Obtenga más recursos relacionados con el diseño de experimentos del DOE:
