Lele, un niño vivaz y alegre de 5 años, está preocupado por el regalo de cumpleaños de su madre. Él y su padre discuten qué regalo de cumpleaños darle a su madre.
Papá mencionó que a mamá le gusta beber bebidas de manivela, por lo que Lele pensó en preparar té con leche de burbujas para su mamá. Sin embargo, su padre le recordó que los ingredientes clave para hacer leche gelatinosa no son fáciles de encontrar. Papá explicó que el método de prueba y error lleva mucho tiempo y los resultados son inciertos. Además, propuso utilizar JMP para realizar un diseño experimental para encontrar el sabor de té con leche de perlas que le gusta a mamá de una manera más efectiva.
Lele: Papá, pronto se acerca el cumpleaños de mamá, quiero darle un regalo, pero no sé qué debo darle para que le guste.
Papá: Mamá estará feliz con lo que le des.
Lele de repente pensó en ello y dijo: A mamá le gusta beber bebidas de manivela, ¿o debería prepararle una taza de té con leche de perlas?
Papá: Sí, pero ¿sabes cómo hacerlo? Por ejemplo, ¿cuál es la temperatura para preparar té negro y cómo cocinar las perlas?
Lele: No puedo, por favor ayúdame.
Papá: Debería haber estos procesos de producción en Internet, pero debería haber menos información clave en Internet, como a qué temperatura y cuánto tiempo cocinarlo, y cada uno tiene preferencias diferentes. Como queremos darle a mamá un regalo especial de cumpleaños, Le daremos un regalo de cumpleaños especial. ¿Qué tal si le preparamos una taza de té con leche de burbujas solo para ella como regalo de cumpleaños?
Lele: Está bien, pero ¿cómo encontramos el sabor que a ella le gusta? Debe haber infinitos sabores en el mundo. ¿Deberíamos hacer infinitas tazas?
Papá: Sí, 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 no necesariamente permitirá comparar. Buena combinación de recetas. Deberíamos utilizar JMP para el diseño experimental.
qué es JMP diseño experimental ?
Lele: ¿Qué es JMP? ¿Qué es el diseño experimental? Suena como si ingenieros estuvieran haciendo experimentos. ¡Se siente increíble!
Papá: JMP es un software que contiene muchas funciones de análisis estadístico y tienes razón: una de sus poderosas funciones puede ayudarnos a diseñar experimentos eficientes. Además, el diseño experimental de JMP también puede establecer el tipo y rango de factores según sus necesidades, agregar el modelo de efecto que crea posible y la cantidad de experimentos que puede realizar, etc. para ayudarnos a construir el experimento óptimo dentro de las capacidades disponibles.
Lele pareció no entender y sus ojos se dirigieron a la casa del árbol de Lego sin terminar.
Papá continuó diciendo: Considerándolo todo, sólo tenemos que decirle que ¿Cuáles son las opciones para las bolsitas de té negro, el rango en el que se puede controlar la temperatura del agua, el rango de tiempo deseado para preparar el té y cuántos experimentos queremos que haga? Esto nos ayudará a diseñar la combinación experimental. Vaya.
Lele: Ah ya lo entiendo, igual que cuando salimos a jugar, Al igual que usar la navegación de conducción para ayudarnos a diseñar rutas de navegación, decirle a dónde queremos ir y dónde estamos ahora puede ayudarnos a diseñar el mejor camino. .
Papá: Así es, pero la navegación normalmente conoce nuestro objetivo, ¿es tomar el menor tiempo?, ¿o tomar el camino más corto?, me dará la combinación más recomendada según las necesidades. Lo que tenemos que hacer ahora es En la etapa inicial de la recopilación de datos, utilice la cantidad establecida de experimentos para considerar todas las posibilidades de la manera más amplia posible y recopilar sus resultados. Luego use estos datos para calcular el modelo y obtener la mejor predicción. .
Lele: Entonces, ahora somos como conducir ingenieros de navegación, usamos JMP para diseñar experimentos para el análisis y luego usamos los datos observados para descubrir cómo llegar al destino más rápido.
Papá: Sí, eso es todo. Comencemos nuestro diseño experimental usando JMP ahora, ingeniero de té con leche perla.
Lele y su padre decidieron utilizar la función Design Of Experiment DOE (Diseño de experimentos) 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 que influyen importantes.
Papá: Revisemos los métodos recomendados para preparar té negro en el sitio web. Primero, descubramos cuáles son las condiciones clave que afectan el sabor. Con las configuraciones de condiciones recomendadas, podemos limitar el alcance de nuestro experimento.
Por lo tanto, papá y Lele primero encontraron la temperatura y el tiempo de remojo del té adecuados, así como la proporción recomendada de volumen de agua/té basándose en la información de 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. Todos los parámetros clave estaban organizados 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 volumen de agua/volumen de té
|
continuo
|
20~60
|
Temperatura de remojo (⁰C)
|
continuo
|
70~100
|
Tiempo de remojo (m)
|
continuo
|
5~20
|
Tabla 1, parámetros clave y rangos de té negro
Después de buscar los parámetros clave requeridos y los rangos de parámetros, Lele y su padre regresaron a la sala y se sentaron.
Lele: ¿Podemos empezar a preparar té negro ahora?
Papá: Todavía no, porque todavía no conocemos los valores reales de los parámetros que deben establecerse para cada experimento. También necesitamos un pequeño ayudante que nos ayude a diseñar los experimentos.
Papá: Necesitamos que JMP nos ayude a diseñar la combinación de experimentos.
Entonces, mi padre abrió el software estadístico JMP en la computadora.
¿Qué es un experimento personalizado? Diseño personalizado
Papá: Mira, si necesitamos que JMP nos ayude a diseñar experimentos, puedes hacer clic en el campo "DOE" en la opción del menú. Hay muchos métodos DOE que se pueden usar y funciones DOE relacionadas. Si no comprende los principios detrás de cada DOE y los objetos aplicables, le sugiero que utilice un diseño personalizado, es decir, experimentos personalizados, como punto de partida.
Lele: ¿Por qué utilizar este experimento personalizado?
papá: La razón detrás de los experimentos personalizados es Experimento de optimización , nos sugerirá la mejor solución en función de las condiciones que le demos, incluidas las condiciones clave que consideramos importantes, si estas condiciones clave se afectan entre sí, qué tipo de resultados queremos obtener, cuántos experimentos podemos hacer, etc. .Combinaciones experimentales.
Lele: Al igual que la navegación.
Papá: La ventaja de esto es que es muy adecuado para personas comunes y corrientes como nosotros, que no saben mucho sobre DOE, pero quieren hacer un buen diseño experimental.
Lele: Me convertiré en un experto del DOE en el futuro. Ahora soy solo un niño, así que no puedo. Cuando sea mayor, lo haré.
Papá: Está bien, está bien, pero incluso los expertos del DOE suelen utilizar experimentos personalizados como punto de entrada para el diseño experimental si el objetivo es diseñar los experimentos más eficaces. Así que echemos un vistazo ahora con un diseño experimental personalizado.
Utilice un diseño experimental personalizado para establecer nombres de parámetros, rangos y número de experimentos
Luego papá ingresa los parámetros y el rango en la plataforma de diseño personalizado (Figura 1).
JMP Custom DesignJMP Custom DesignJMP Custom DesignJMP Custom DesignDiseño personalizado JMP
Figura 1, resultados de respuesta de entrada y parámetros en la plataforma de diseño personalizado
Y agregue el efecto principal del parámetro, el término cuadrático del parámetro continuo y el término de efecto del término cruzado del parámetro continuo al modelo (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 deberíamos sumarlos?
Papá: La razón para agregar el efecto del término cuadrático es para confirmar si los parámetros clave tendrán un fenómeno de recurvatura, es decir, hay un valor en el medio del rango que hará que el resultado produzca un valor máximo o mínimo. El propósito de agregar el término cruzado es confirmar si estos parámetros tendrán un efecto multiplicativo entre sí, es decir, además del efecto principal de los parámetros en sí, ciertas condiciones tendrán efectos adicionales cuando se combinen.
Lele vio la imagen de abajo y preguntó: Lele: ¿Esta configuración indica cuántos experimentos tenemos que hacer?
Figura 3, punto central y número de configuraciones de repetición e ingreso del número de experimentos
Papá: Sí, aquí podemos establecer si agregar experimentos repetidos o si agregar puntos centrales a los experimentos. El número de ejecuciones a continuación puede seleccionar el número de experimentos. El número mínimo de veces escrito aquí es 12 veces (mínimo). JMP recomienda Es 16 veces (predeterminado). También puede configurar un número asequible de experimentos (especificado por el usuario). Todavía usamos el valor predeterminado 16 veces (Figura 3).
Lele: ¿Por qué 16 veces? ¿No es que cuantas más veces mejor?
Papá: Sí, pero normalmente por falta de tiempo o dinero, tenemos un número preestablecido de experimentos que se pueden realizar. 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 se puede tomar té, así que tengo que beber estas 16 tazas. Papá ya está tenso después de beber 16 tazas. Si bebe algunas tazas más, es posible que no pueda dormir por la noche.
Genere combinaciones de parámetros para preparar té negro y complete la recopilación de datos.
Luego, Lele y su padre completaron el diseño personalizado y produjeron la combinación de parámetros para preparar té negro (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Combinación de parámetros JMP DOE
Figura 4, tabla de combinación experimental
Luego, papá y Lele completaron el experimento de acuerdo con esta tabla de combinación de parámetros, papá calificó en secuencia y completó los 16 resultados de puntuación (Figura 5).
Figura 5: Recopile los resultados de la combinación experimental correspondiente
Después de beber demasiadas tazas de té, mi padre eructó y dijo: Finalmente completamos la recopilación de datos para el experimento.
usar Modelo de ajuste JMP Realizar análisis de regresión y hacer predicciones de modelos.
Luego, podemos hacer clic en "Modelo" en el área de almacenamiento de scripts en la parte superior izquierda para realizar análisis posteriores. JMP es muy considerado al ayudarnos a empaquetar todos los análisis posteriores en este programa, es decir, podemos directamente existir JMP Ajustar modelo en Plataforma para realizar análisis de regresión. , podemos presionar directamente "Modelo" en la tabla DOE para analizar (Figura 6).
Figura 6, guión modelo en la hoja de información del portafolio experimental del DOE
Después de presionar "Modelo", mi padre continuó: Aquí podemos elegir si deseamos agregar términos de efecto al modelo y elegir un método de análisis. usar "Paso a paso" Método por favor JMP Ayúdanos a elegir el modelo correcto (Figura 7).
JMP Fit ModelJMP Fit ModelJMP Fit ModelJMP Fit ModelModelo de ajuste JMP
Figura 7, plataforma de inicio del modelo de regresión
Después de varios clics del mouse, papá completó el informe (Figura 8) y señaló el Resumen del efecto y el resumen de los resultados de ajuste en la computadora con el dedo.
Papá: Excluí del modelo algunos elementos con términos de efecto con valor p superior a 0,05 para obtener un modelo más preciso, porque estadísticamente hablando, si el valor P supera 0,05, significa que el término de efecto tiene poco impacto en el modelo. ¿Ha conservado esto? No hay diferencia en los términos del efecto. además, puede ser visto Resumen de ajuste Aquí hablamos de la precisión del modelo (R-cuadrado) Alcanzó 0,997 , lo que significa que este modelo tiene una gran capacidad para explicar los puntos de muestra, lo que significa que este modelo es un buen modelo de predicción para estos datos. .
JMP Fit ModelJMP Fit ModelJMP Fit ModelJMP 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 que 0,05 pero no se elimina? Y hay un indicador ascendente al lado.
Papá: Debido a que hay otros subelementos que deben conservarse en el modelo, puede ver que el tiempo de remojo * el tiempo de remojo es inferior a 0,05. Este elemento debe conservarse. Como elemento principal, el tiempo de remojo también debe conservarse. , y este indicador ascendente le indica qué proyectos principales tienen tales problemas y deben conservarse.
Papá continuó moviendo la rueda del mouse y mostró la mitad inferior del informe.
observar Perfilador de predicción Informar los cambios observados en los resultados para cada parámetro.
Papá continuó: Bajamos a buscar el informe. Perfilador de predicción( goleador) Informe , el modelo se presenta aquí con imágenes interactivas, que pueden ayudarnos a comprender más rápidamente ¿Cómo afectará cada cambio de parámetro al sabor? . Puede ver el nombre del parámetro a continuación: su eje (eje X) representa el valor del parámetro que configuramos y el eje de la izquierda (eje Y) representa el valor predicho de la puntuación de sabor. Si desea conocer las puntuaciones de diferentes condiciones, solo necesita ajustar los valores de los parámetros a continuación a los valores que configuró para obtener los resultados de sabor previstos. Por ejemplo, elijo el té A, lo preparo con agua del grifo, y la cantidad de agua/cantidad de hojas de té. La proporción que elijo es 40, la temperatura de remojo es 80, el tiempo de remojo elijo 15, cuando lo cambio así... ya ves, resultado del pronóstico Salió con sólo 4,83 puntos (Figura 9).
JMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerPerfilador de predicción JMP
Figura 9, Generador de perfiles de predicción
Mientras su padre hablaba, arrastró el mouse para cambiar la configuración de los parámetros y los ojos de Lele se abrieron como si se sintiera increíble.
Lele: Cambiará directamente el puntaje de sabor previsto en la imagen según tus ajustes. Es genial.
Papá: Sí, esta función interactiva es más fácil de operar y facilita que todos comprendan el modelo. Echemos un vistazo más de cerca a este gráfico. De hecho, este gráfico puede indicarle aproximadamente en qué dirección ajustar para obtener una puntuación de sabor más alta, lo que significa que sabe mejor. Por ejemplo, veamos la primera imagen de la hoja de té, B El té es mejor que A. Las hojas de té son altas, puedes saber B. El té tiene una proporción A. La tendencia del delicioso té ,Similarmente, El té elaborado con agua mineral sabe mejor que el té elaborado con agua del grifo ,así como El tiempo de remojo es de aprox. 10~15 Sabrá mejor en minutos. , para que juegues.
JMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerJMP Prediction ProfilerPerfilador de predicción JMP
Figura 9, Generador de perfiles de predicción
Lele no podía esperar para comenzar a configurar varios parámetros y, después de jugar un rato, planteó una pregunta.
Lele: Papá, mira, cuando cambio la relación entre el volumen de agua y el volumen de té, otros parámetros cambiarán en consecuencia. Algunos aumentarán o disminuirán en su conjunto, y otros cambiarán ligeramente su forma. Es muy extraño.
Papá: Oye, eres muy poderoso, has notado este pequeño cambio. Estos pequeños cambios provienen de Efectos del ajuste de parámetros. , por lo que otros parámetros aumentarán con la misma forma. Si descubre que a medida que cambia el valor del parámetro original, la forma de otros parámetros tiene cambios obvios. Por ejemplo, la izquierda superior derecha e inferior derecha originales se convierten en la izquierda inferior derecha superior, que Significa que el impacto de los términos cruzados es poderoso. Además, se puede ver que las líneas de tendencia de algunos parámetros no son líneas rectas, sino líneas curvas, si hay un valor máximo o mínimo significa que el efecto del término cuadrático es muy alto.
Lele asintió comprendiendo 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. Sin embargo, estos datos se basan en puntos amplios y uniformes dentro del rango que definimos al principio. Al principio, intente observar el rendimiento de cada punto en todos los rangos tanto como sea posible, pero para combinaciones de parámetros fuera del rango, la capacidad de predicción de este modelo será pobre, por lo que tratamos de no hacer predicciones fuera del rango de diseño experimental original. Pero dentro del rango de la mayoría de las combinaciones de parámetros, podemos usar este modelo para predecir un resultado preciso.
A continuación, tenemos que seguir los pasos clave de hoy: Encuentre la mejor combinación de parámetros y condiciones. , puede ajustar la configuración de los parámetros en el marcador y ver qué combinación encuentra que le otorga la puntuación más alta.
Lele asintió y hubo otra ronda de ajustes de configuración de parámetros en Prediction Profiler.
existir Perfilador de predicción , encuentre la mejor combinación de parámetros
Lele: Papá, encontré uno con una puntuación de 9,47. Elegí té B y lo preparé con agua mineral. La relación volumen de agua/volumen de té fue 60, la temperatura de remojo fue 89,5 y el tiempo de remojo fue 11,9. El resultado Tiene una puntuación de sabor de 9,47, lo cual es muy bueno. Eso es increíble.
Papá: No está mal, ya es muy alto, ¿crees que habrá una puntuación más alta?
Lele: Tal vez, porque no los he configurado todos para ver sus puntuaciones.
Papá: Este es el momento de mostrar la magia de JMP. Verás, puedo abrir establecer deseabilidad en JMP Prediction Profiler y establecer objetivos. Por ejemplo, cuanto mayor sea la puntuación en este tema, mejor. Entonces podremos elegir Máximo Para establecer el resultado lo más grande posible, es decir, cuanto más grande, mejor . y use Maximizar la deseabilidad Función para encontrar la mejor combinación de parámetros para lograr el objetivo. (Figura 10). O elija Maximizar y recordar para encontrar la mejor combinación de parámetros y registrarla en el informe.
Figura 10, (izquierda, centro) Establecer deseabilidad establece la función del valor de deseo, (derecha) maximiza el valor de deseo Maximizar deseabilidad
Papá presiona Maximizar y Recordar en Profiler para encontrar rápidamente la mejor combinación de parámetros y registrarla en el informe (Figura 11).
Figura 11, Maximizar y recordar resultados
Lele: ¡Esto es demasiado rápido y conveniente!
papá: sí, Por lo general, el análisis de datos requiere más tiempo para recopilar datos. JMP Puede ahorrar más tiempo de análisis, por lo que muchas empresas que necesitan utilizar datos para análisis estadístico utilizarán este software para acelerar el tiempo de análisis. . De hecho, comparar la combinación de parámetros que obtuvo manualmente es solo un poco diferente de la mejor combinación, y también es 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 su padre discutieron la configuración de cada condición de parámetro, finalmente usaron té B, agua mineral, la relación volumen de agua/volumen de té es 55, la temperatura de remojo es 90 y el tiempo de remojo elegí 12,5, que es la configuración de la condición del parámetro clave final (Figura 12).
Figura 12, los mejores resultados de predicción basados en el diseño experimental.
Lele: ¡Sí! Entonces, ¿a continuación prepararemos té con leche y perlas?
Papá miró la hora y luego dijo: Mamá volverá pronto. Si queremos tratarlo como una sorpresa para el cumpleaños de mamá, guardemos el equipo experimental rápidamente o nos descubrirán. La próxima vez experimentaremos con té con leche y perlas para encontrar una buena combinación de fórmula, aplicando otras técnicas del DOE.
Lele dijo alegremente: "Está bien, recopilémoslo rápidamente. Estoy deseando que llegue".
Papá y Lele se apresuraron a limpiar el experimento antes de que mamá regresara a casa, pero una pequeña semilla DOE brotó 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 experimental del DOE:
