Lele, un bambino di 5 anni vivace e allegro, è preoccupato per il regalo di compleanno di sua madre e lui e suo padre discutono su quale regalo di compleanno fare a sua madre.
Papà ha detto che alla mamma piace bere bevande a manovella, quindi Lele ha pensato di preparare un tè al latte con le bolle per sua madre. Tuttavia, suo padre gli ha ricordato che gli ingredienti chiave per preparare la gelatina di latte non sono facili da trovare. Papà ha spiegato che il metodo per tentativi ed errori richiede molto tempo e che i risultati sono incerti. Papà ha inoltre proposto di utilizzare JMP per condurre un progetto sperimentale per trovare il gusto del tè al latte perlato che piace alla mamma in un modo più efficace.
Lele: Papà, tra poco arriva il compleanno della mamma, vorrei farle un regalo, ma non so cosa dovrei darle affinché le piaccia.
Papà: La mamma sarà felice di qualunque cosa le dai.
Lele ci ha pensato all'improvviso e ha detto: alla mamma piace bere bevande a manovella, o dovrei prepararle una tazza di tè al latte perlato?
Papà: Sì, ma sai come si fa? Ad esempio, qual è la temperatura per preparare il tè nero e come cucinare le perle?
Lele: Non posso, per favore aiutami.
Papà: Dovrebbero esserci questi processi di produzione su Internet, ma dovrebbero esserci meno informazioni chiave su Internet come la temperatura e la durata della cottura, e ognuno ha preferenze diverse. Dato che vogliamo fare alla mamma un regalo di compleanno speciale, le faremo un regalo di compleanno speciale. Che ne dici di prepararle una tazza di tè al latte con le bolle solo per lei come regalo di compleanno?
Lele: Ok, ma come troviamo il sapore che le piace? Dovrebbero esserci infiniti gusti al mondo. Dovremmo fare infinite tazze?
Papà: Sì, il metodo che hai menzionato per provare tutte le possibilità è il cosiddetto metodo esaustivo o metodo per tentativi ed errori, ma questo metodo richiederà molto tempo e potrebbe non consentire necessariamente un confronto. Buona combinazione di ricette. Dovremmo usare JMP per la progettazione sperimentale.
cosa è JMP design sperimentale ?
Lele: Cos'è JMP? Cos'è la progettazione sperimentale? Sembra che gli ingegneri facciano esperimenti. È così fantastico!
Papà: JMP è un software che contiene molte funzioni di analisi statistica e hai ragione: una delle sue potenti funzioni può aiutarci a progettare esperimenti efficienti. Inoltre, il disegno sperimentale di JMP può anche impostare il tipo e la gamma di fattori in base alle tue esigenze, aggiungere il modello di effetti che ritieni possibile e il numero di esperimenti che puoi eseguire, ecc. per aiutarci a costruire l'esperimento ottimale entro le capacità disponibili.
Lele sembrava non capire e il suo sguardo si spostò sulla casa sull'albero Lego incompiuta.
Papà ha continuato dicendo: Insomma, dobbiamo solo dirgli che noi Quali sono le opzioni per le bustine di tè nero, l'intervallo in cui è possibile controllare la temperatura dell'acqua, l'intervallo di tempo desiderato per preparare il tè e quanti esperimenti vogliamo che venga fatto, e ci aiuterà a progettare la combinazione sperimentale. OH.
Lele: Oh, capisco, proprio come quando usciamo a giocare, Proprio come utilizzare la navigazione di guida per aiutarci a progettare percorsi di navigazione, dirgli dove vogliamo andare e dove siamo adesso può aiutarci a progettare il percorso migliore. .
Papà: Esatto, ma la navigazione di solito conosce il nostro obiettivo, è impiegare meno tempo? O prendere il percorso più breve? Mi darà la combinazione più consigliata in base alle esigenze. Ciò che dobbiamo fare ora è Nella fase iniziale della raccolta dei dati, utilizzare il numero stabilito di esperimenti per considerare tutte le possibilità nel modo più ampio possibile e raccogliere i risultati. Quindi utilizza questi dati per calcolare il modello e ottenere la previsione migliore .
Lele: Quindi ora siamo come ingegneri alla guida della navigazione, che usano JMP per progettare esperimenti per l'analisi e poi usano i dati osservati per scoprire come raggiungere la destinazione il più velocemente?
Papà: Sì, è così. Iniziamo subito la nostra progettazione sperimentale utilizzando JMP, Pearl Milk Tea Engineer.
Lele e suo padre hanno deciso di utilizzare la funzione Design Of Experiment DOE (Design of Experiments) di JMP per scoprire come preparare un delizioso tè nero.
Papà: Troviamo prima la ricetta per fare il tè nero e vediamo quali sono le condizioni d’influenza importanti.
Papà: Controlliamo i metodi consigliati per preparare il tè nero sul sito Web. Innanzitutto, scopriamo quali sono le condizioni chiave che influenzano il gusto. Con le impostazioni delle condizioni consigliate, possiamo restringere la portata del nostro esperimento.
Pertanto, papà e Lele hanno prima trovato la temperatura di infusione e il tempo di ammollo appropriati, nonché il rapporto volume acqua/tè consigliato, basandosi sulle informazioni su Internet. Inoltre, papà ha trovato due marche di tè in un negozio vicino e ha scelto l'acqua del rubinetto o l'acqua minerale come acqua per preparare il tè. Tutti i parametri chiave sono stati organizzati come segue (Tabella 1):
parametro
|
Tipo di dati
|
valore(intervallo/tipo)
|
marca di tè nero
|
categoria
|
Marca A
|
Marca B
|
acqua del tè
|
categoria
|
acqua di rubinetto
|
acqua minerale
|
Rapporto volume acqua/volume tè
|
continuo
|
20~60
|
Temperatura di ammollo (⁰C)
|
continuo
|
70~100
|
Tempo di ammollo (m)
|
continuo
|
5~20
|
Tabella 1, parametri chiave e intervalli di tè nero
Dopo aver cercato i parametri chiave e gli intervalli di parametri richiesti, Lele e suo padre tornarono in soggiorno e si sedettero.
Lele: Possiamo iniziare a preparare il tè nero adesso?
Papà: Non ancora, perché non conosciamo ancora i valori effettivi dei parametri da impostare per ogni esperimento e abbiamo bisogno anche di un piccolo aiutante che ci aiuti nella progettazione degli esperimenti.
Papà: Abbiamo bisogno che JMP ci aiuti a progettare la combinazione di esperimenti.
Quindi mio padre ha aperto il software statistico JMP sul computer.
Che cos'è un esperimento personalizzato Design personalizzato
Papà: Guarda, se abbiamo bisogno che JMP ci aiuti a progettare esperimenti, puoi fare clic sul campo "DOE" nell'opzione del menu. Esistono molti metodi DOE che possono essere utilizzati e le relative funzioni DOE. Se non capisci i principi alla base di ogni DOE e gli oggetti applicabili, ti suggerisco di utilizzare il design personalizzato, ovvero esperimenti personalizzati, come punto di partenza.
Lele: Perché utilizzare questo esperimento personalizzato?
Papà: La logica alla base degli esperimenti personalizzati è Esperimento di ottimizzazione , ci suggerirà la soluzione migliore in base alle condizioni che gli diamo, comprese le condizioni chiave che riteniamo importanti, se queste condizioni chiave si influenzano a vicenda, che tipo di risultati vogliamo ottenere, quanti esperimenti possiamo fare, ecc. Combinazioni sperimentali.
Lele: Proprio come la navigazione.
Papà: Il vantaggio è che è molto adatto alla gente comune come noi, che non sa molto di DOE, ma vuole fare un buon progetto sperimentale.
Lele: In futuro diventerò un esperto DOE. Sono solo un ragazzino adesso, quindi non posso. Quando sarò grande, lo farò.
Papà: Ok, ok, ma anche gli esperti del DOE spesso utilizzano esperimenti personalizzati come punto di ingresso per la progettazione sperimentale se l'obiettivo è progettare gli esperimenti più efficaci. Quindi diamo ora un'occhiata a un design sperimentale personalizzato.
Utilizza un design sperimentale personalizzato per impostare nomi di parametri, intervalli e numero di esperimenti
Quindi papà inserisce i parametri e l'intervallo nella piattaforma di progettazione personalizzata (Figura 1).
JMP Custom DesignJMP Custom DesignJMP Custom DesignJMP Custom DesignProgettazione personalizzata JMP
Figura 1, input dei risultati e dei parametri della risposta nella piattaforma di progettazione personalizzata
E aggiungere nel modello l'effetto principale del parametro, il termine quadratico del parametro continuo e il termine effetto del termine incrociato del parametro continuo (Figura 2).
Figura 2, inserisci gli elementi dell'effetto corrispondenti nel modello
Lele: Cosa sono i termini quadratici e i termini incrociati e perché dovremmo aggiungerli?
Papà: Il motivo per aggiungere l'effetto del termine quadratico è confermare se i parametri chiave avranno un fenomeno di ricorsione, cioè c'è un valore nel mezzo dell'intervallo che farà sì che il risultato produca un valore massimo o minimo. Lo scopo dell'aggiunta del termine incrociato è quello di confermare se questi parametri avranno un effetto moltiplicativo l'uno sull'altro, ovvero, oltre all'effetto principale dei parametri stessi, determinate condizioni avranno effetti aggiuntivi se combinate.
Lele ha visto l'immagine qui sotto e ha chiesto, Lele: è questa l'impostazione di quanti esperimenti dobbiamo fare?
Figura 3, punto centrale e numero di impostazioni di ripetizione e input del numero di esperimenti
Papà: Sì, qui possiamo impostare se aggiungere esperimenti ripetuti o se aggiungere punti centrali agli esperimenti. Il Numero di esecuzioni di seguito può selezionare il numero di esperimenti. Il numero minimo di volte scritto qui è 12 volte (Minimo). JMP consiglia È 16 volte (impostazione predefinita). È inoltre possibile impostare un numero accessibile di esperimenti (specificato dall'utente). Utilizziamo ancora il valore predefinito 16 volte (Figura 3).
Lele: Perché 16 volte? Più volte non è meglio è?
Papà: Sì, ma di solito, per mancanza di tempo o denaro, abbiamo un numero preimpostato di esperimenti che possono essere eseguiti. Questo è anche il vantaggio della progettazione personalizzata: la progettazione personalizzata può progettare esperimenti in base a questo requisito, mentre altri progetti sperimentali devono raggiungere il numero specificato di esperimenti. Un altro motivo importante è che non puoi bere il tè, quindi devo bere queste 16 tazze. Papà è già teso dopo aver bevuto 16 tazze. Se beve qualche tazza in più, potrebbe non riuscire a dormire la notte.
Genera combinazioni di parametri per preparare il tè nero e completa la raccolta dei dati
Lele e suo padre hanno quindi completato il progetto personalizzato e prodotto la combinazione di parametri per preparare il tè nero (Figura 4).
JMP DOE參數組合JMP DOE參數組合JMP DOE參數組合JMP DOE參數組合Combinazione di parametri JMP DOE
Figura 4, tabella delle combinazioni sperimentali
Poi papà e Lele hanno completato l'esperimento secondo questa tabella di combinazione dei parametri. Papà ha segnato in sequenza e ha completato i 16 risultati del punteggio (Figura 5).
Figura 5: raccogliere i risultati della combinazione sperimentale corrispondente
Dopo aver bevuto troppe tazze di tè, mio padre ruttò e disse: Abbiamo finalmente completato la raccolta dei dati per l'esperimento.
utilizzo Modello adatto a JMP Esegui analisi di regressione e fai previsioni sui modelli
Quindi, possiamo fare clic su "Modello" nell'area di archiviazione degli script in alto a sinistra per eseguire l'analisi successiva. JMP è molto premuroso nell'aiutarci a impacchettare tutte le analisi successive in questo programma, ovvero possiamo direttamente esistere JMP Adatta il modello Piattaforma per eseguire analisi di regressione , possiamo premere direttamente "Modello" sulla tabella DOE da analizzare (Figura 6).
Figura 6, script del modello sul foglio informativo del portafoglio sperimentale del DOE
Dopo aver premuto "Modello", mio padre continuò: Qui possiamo scegliere se aggiungere termini effetto al modello e scegliere un metodo di analisi. utilizzo "Per gradi" Metodo per favore JMP Aiutaci a scegliere il modello giusto (Figura 7).
JMP Fit ModelJMP Fit ModelJMP Fit ModelJMP Fit ModelModello adatto a JMP
Figura 7, piattaforma iniziale del modello di regressione
Dopo diversi clic del mouse, papà ha completato il rapporto (Figura 8) e ha indicato con il dito il riepilogo degli effetti e il riepilogo dei risultati di adattamento sul computer.
Papà: Ho escluso dal modello alcuni elementi con termini effetto p-value superiori a 0,05 per ottenere un modello più accurato, perché statisticamente parlando, se il valore P supera 0,05, significa che il termine effetto ha poco impatto sul modello Hai mantenuto questo? Non c'è differenza nei termini dell'effetto. Inoltre, si può vedere Riepilogo dell'adattamento Qui parliamo della precisione del modello (R-quadrato) Raggiunto 0,997 , il che significa che questo modello ha una forte capacità di spiegare i punti campione, il che significa che questo modello è un buon modello di previsione per questi dati. .
JMP Fit ModelJMP Fit ModelJMP Fit ModelJMP Fit ModelModello adatto a JMP
Figura 8, rapporto di analisi del modello di regressione
Lele lo guardò e disse: Perché il valore P del tempo di ammollo è maggiore di 0,05 ma non viene cancellato? E accanto c'è un indicatore verso l'alto.
Papà: Poiché ci sono altri elementi secondari che devono essere conservati nel modello, puoi vedere che il tempo di immersione * il tempo di immersione è inferiore a 0,05. Questo elemento deve essere mantenuto. Come elemento principale, anche il tempo di immersione deve essere mantenuto , e questo indicatore al rialzo ti dice quali progetti principali hanno tali problemi e devono essere mantenuti.
Papà ha continuato a scorrere la rotellina del mouse, visualizzando la metà inferiore del rapporto.
osservare Profilo di previsione Riportare i cambiamenti osservati nei risultati per ciascun parametro
Papà continuò: Siamo scesi a cercare il rapporto Profilo di previsione( marcatore) Rapporto , il modello è qui presentato con immagini interattive, che possono aiutarci a capire più rapidamente In che modo ogni modifica dei parametri influirà sul gusto? . Puoi vedere il nome del parametro qui sotto. Il suo asse (asse X) rappresenta il valore del parametro che abbiamo impostato, mentre l'asse a sinistra (asse Y) rappresenta il valore previsto del punteggio di gusto. Se vuoi conoscere i punteggi delle diverse condizioni, devi solo regolare i valori dei parametri seguenti sui valori impostati per ottenere i risultati del gusto previsti. Ad esempio, scelgo il tè A, lo preparo con l'acqua del rubinetto, e la quantità di acqua/quantità di foglie di tè. Il rapporto che scelgo è 40, la temperatura di ammollo è 80, il tempo di ammollo scelgo 15, quando lo cambio così... vedi, risultato della previsione Ne è uscito con soli 4,83 punti (Figura 9).
JMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerProfilo di previsione JMP
Figura 9, Profiler di previsione
Mentre suo padre parlava, trascinava il mouse per modificare le impostazioni dei parametri e gli occhi di Lele si spalancavano, come se si sentisse incredibile.
Lele: Cambierà direttamente il punteggio di gusto previsto sull'immagine in base alle tue modifiche. È fantastico.
Papà: Sì, questa funzione interattiva è più facile da usare e rende più facile per tutti comprendere il modello. Diamo un'occhiata più da vicino a questo grafico. In effetti, questo grafico può dirti approssimativamente in quale direzione aggiustarti per ottenere un punteggio di gusto più alto, il che significa che ha un sapore migliore. Ad esempio, diamo un'occhiata alla prima immagine della foglia di tè, B Il tè è migliore di A Le foglie di tè sono alte, puoi sapere B Il tè ha un rapporto A La tendenza del tè delizioso , Allo stesso modo, Il tè preparato con acqua minerale ha un sapore migliore del tè preparato con l'acqua del rubinetto ,così come Il tempo di ammollo è di ca. 10~15 Avrà un sapore migliore in pochi minuti , con cui puoi giocare.
JMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerProfilo di previsione JMP
Figura 9, Profiler di previsione
Lele non vedeva l'ora di iniziare a impostare i vari parametri e, dopo averci giocato un po', ha posto una domanda.
Lele: Papà, guarda, quando cambio il rapporto volume acqua/volume tè, anche gli altri parametri cambieranno di conseguenza. Alcuni diventeranno più alti o più bassi nel loro insieme, altri cambieranno leggermente forma. È così strano.
Papà: Ehi, sei molto potente, hai notato questo piccolo cambiamento. Questi piccoli cambiamenti derivano Effetti della regolazione dei parametri , quindi gli altri parametri aumenteranno con la stessa forma. Se scopri che quando il valore del parametro originale cambia, la forma degli altri parametri presenta cambiamenti evidenti. Ad esempio, l'originale sinistro, superiore e inferiore destro diventa inferiore sinistro e superiore destro, ciò significa che la forma degli altri parametri cambia e l'impatto dei termini incrociati è potente. Inoltre, puoi vedere che le linee di tendenza di alcuni parametri non sono linee rette, ma curve: se c'è un valore massimo o minimo, significa che l'effetto del termine quadratico è molto alto.
Lele annuì comprensivo, e poi chiese: Allora posso prevedere tutti i possibili risultati in questo modo?
Papà ha risposto: Questa è una bella domanda. Quello che abbiamo appena fatto è chiedere a JMP di fornirci un modello stimato basato sui dati che abbiamo raccolto. Tuttavia, questi dati si basano su punti ampi e uniformi all'interno dell'intervallo che abbiamo definito in precedenza. Prova a considerare il più possibile le prestazioni di ciascun punto in tutti gli intervalli, ma per le combinazioni di parametri al di fuori dell'intervallo, la capacità di previsione di questo modello sarà scarsa, quindi cerchiamo di non fare previsioni al di fuori dell'intervallo di progettazione sperimentale originale Ma entro l'intervallo Per la maggior parte delle combinazioni di parametri, possiamo utilizzare questo modello per prevedere un risultato accurato.
Successivamente, dobbiamo eseguire i passaggi chiave di oggi: Trova la migliore combinazione di parametri e condizioni , puoi regolare le impostazioni dei parametri sul punteggio e vedere quale combinazione trovi che ti dà il punteggio più alto.
Lele annuì e ci fu un altro giro di regolazioni delle impostazioni dei parametri sul Prediction Profiler.
esistere Profilo di previsione , trova la migliore combinazione di parametri
Lele: Papà, ne ho trovato uno con un punteggio di 9,47. Ho scelto il tè B e l'ho preparato con acqua minerale. Il rapporto volume acqua/volume tè era 60, la temperatura di ammollo era 89,5 e il tempo di ammollo era 11,9. Il risultato ha un punteggio di gusto di 9,47, il che è molto buono.
Papà: Non male, è già molto alto, pensi che ci sarà un punteggio più alto?
Lele: Forse, perché non li ho impostati tutti per vedere i suoi punteggi.
Papà: Questo è il momento di mostrare la magia di JMP. Vedi, posso aprire i set di desiderabilità sul JMP Prediction Profiler e impostare gli obiettivi. Ad esempio, più alto è il punteggio su questo argomento, meglio è. Quindi possiamo scegliere Massimo Per impostare il risultato il più grande possibile, ovvero più grande è, meglio è . e utilizzare Massimizzare la desiderabilità funzione per trovare la migliore combinazione di parametri per raggiungere l'obiettivo (Figura 10). Oppure scegli Massimizza e Ricorda per trovare la migliore combinazione di parametri e registrarla nel report.
Figura 10, (a sinistra, al centro) Imposta desiderabilità imposta la funzione del valore desiderato, (a destra) massimizza il valore desiderato Massimizza desiderabilità
Papà preme Massimizza e Ricorda sul Profiler per trovare rapidamente la migliore combinazione di parametri e registrarla nel report (Figura 11).
Figura 11, Massimizza e ricorda i risultati
Lele: Questo è troppo veloce e conveniente!
Papà: sì, Di solito l'analisi dei dati richiede più tempo per raccogliere i dati. JMP Può far risparmiare più tempo di analisi, quindi molte aziende che necessitano di utilizzare i dati per l'analisi statistica utilizzeranno questo software per accelerare i tempi di analisi. . Infatti confrontare la combinazione di parametri che hai ottenuto manualmente differisce solo di poco dalla combinazione migliore, sei anche molto bravo. Inoltre, i parametri continui, come la temperatura di ammollo, 91.02894, in realtà non sono facili da controllare. Forse possiamo usare 91 o 90 per sostituire l'impostazione.
Lele e suo padre hanno poi discusso l'impostazione di ogni parametro. Infine, hanno usato il tè B, l'acqua minerale, il rapporto volume acqua/volume tè è 55, la temperatura di ammollo è 90 e il tempo di ammollo ho scelto 12,5, che è l'impostazione finale della condizione del parametro chiave (Figura 12).
Figura 12, i migliori risultati di previsione basati sul disegno sperimentale
Lele: Sì! Allora, la prossima volta prepariamo il tè al latte e le perle?
Papà guardò l'ora e poi disse: La mamma tornerà presto, se vogliamo fare una sorpresa per il compleanno della mamma, mettiamo via subito l'attrezzatura sperimentale altrimenti verremo scoperti. La prossima volta sperimenteremo il tè al latte e le perle per trovare una buona combinazione di formule, applicando altre tecniche DOE.
Lele disse tutta contenta: "Va bene, andiamo a ritirarlo velocemente. Non vedo l'ora."
Papà e Lele si precipitarono a ripulire l'esperimento prima che la mamma tornasse a casa, ma un piccolo seme di DOE germogliò lentamente nel cuore di Lele.
>>Il prossimo episodio spiegherà come realizzare deliziose perle attraverso la piattaforma di progettazione sperimentale JMP DOE. <<
Ottieni più risorse relative alla progettazione sperimentale DOE:
