Lorsque Lele s'inquiétait du cadeau d'anniversaire de sa mère, il en a discuté avec son père. Papa a mentionné que maman aime boire des boissons à la manivelle, alors Lele a suggéré de faire du thé au lait perlé toute seule. Cependant, papa lui a rappelé que les ingrédients clés pour faire Jane Milk ne sont pas faciles à trouver. Papa a expliqué que la méthode par essais et erreurs prend beaucoup de temps et que les résultats sont incertains. Papa a en outre proposé d'utiliser JMP pour la conception expérimentale afin de trouver plus efficacement la saveur de bubble tea que maman aime.
Lele : Papa, l'anniversaire de maman approche, je veux lui faire un cadeau, mais je ne sais pas quoi lui offrir pour que ça lui plaise.
Papa : Maman sera très contente de tout ce que tu lui donneras. Papa a regardé la publicité de la plate-forme de livraison à la télévision et a répondu avec désinvolture.
Lele a regardé la publicité et a dit avec un éclair d'inspiration : Maman aime boire des boissons à la manivelle, ou devrais-je lui faire une tasse de thé au lait perlé ?
Papa : Oui, mais tu sais comment faire ? Par exemple, la température de fabrication du thé noir et comment cuire les perles ?
Lele : Je ne peux pas, tu m'aides.
Papa : Il devrait y avoir ces processus de production sur Internet, mais il devrait y avoir relativement peu d'informations sur la température et le temps de cuisson, et les préférences de chacun sont différentes. Puisque nous voulons offrir un cadeau d'anniversaire spécial à ma mère, nous allons faire un Comment de lui faire une tasse de thé aux bulles exclusivement pour elle comme cadeau d'anniversaire ?
Lele : D'accord, mais comment trouver la saveur qu'elle aime ? Il devrait y avoir une variété infinie de saveurs dans le monde, alors devrions-nous faire un nombre infini de tasses ?
Papa : C'est vrai, la méthode dont tu as parlé pour essayer toutes les possibilités est la méthode dite exhaustive ou méthode des essais et erreurs, mais cette méthode va prendre beaucoup de temps, et ce n'est peut-être pas forcément la meilleure combinaison de recettes. Nous devrions utiliser JMP pour la conception expérimentale.
qu'est-ce que JMP conception expérimentale ?
Lele : Qu'est-ce que JMP ? Qu'est-ce que la conception expérimentale ? On dirait qu'un ingénieur fait une expérience. C'est tellement puissant !
Papa : JMP est un logiciel qui comprend de nombreuses fonctions d'analyse statistique, et vous avez raison, l'une de ses fonctions puissantes peut nous aider à concevoir des expériences efficaces. De plus, la conception expérimentale de JMP peut également définir le type et la gamme de facteurs en fonction de vos besoins, ajouter le modèle d'effet possible que vous pensez et le nombre d'expériences que vous pouvez effectuer, etc., pour nous aider à construire l'expérience optimale sous la condition de capacité.
Lele ne sembla pas comprendre et ses yeux se posèrent sur la cabane inachevée en Lego.
Papa a poursuivi en disant : Dans l'ensemble, nous n'avons qu'à lui dire que nous Quelles sont les options pour les sachets de thé noir, quelle plage de température de l'eau peut-elle être contrôlée, la plage de temps souhaitée pour infuser le thé, et nous voulons qu'il fasse quelques expériences, et cela nous aidera à concevoir une combinaison expérimentale Oh.
Lele : Oh, je vois, comme si on traînait ensemble, Tout comme utiliser la navigation routière pour nous aider à concevoir des itinéraires de navigation, nous pouvons nous aider à concevoir le meilleur itinéraire en lui disant où nous allons et où nous sommes maintenant. .
Papa : C'est vrai, mais la navigation connaît généralement notre objectif. Est-ce pour passer le moins de temps ? Ou prendre le chemin le plus court ? Donnez-moi la combinaison la plus suggérée en fonction des besoins. Et ce que nous allons faire maintenant est Collecte de données à un stade précoce, mais en utilisant le nombre d'expériences défini, envisagez toutes les possibilités aussi largement que possible et collectez ses résultats. Utilisez ensuite ces données pour calculer le modèle et obtenir la meilleure prédiction .
Lele : Alors maintenant, nous conduisons des ingénieurs en navigation, utilisons JMP pour concevoir des expériences à analyser, puis utilisons les données observées pour découvrir comment arriver à destination le plus rapidement ?
Papa : C'est vrai, c'est tout, utilisons JMP pour commencer notre conception expérimentale maintenant, ingénieur du thé à bulles.
Lele et son père ont décidé d'utiliser la fonction Design Of Experiment DOE (Design of Experiment) de JMP pour découvrir comment préparer un délicieux thé noir.
Papa : Trouvons d'abord la recette pour faire du thé noir, et voyons quelles sont les conditions d'influence importantes.
Papa : Vérifions les méthodes recommandées pour faire du thé noir sur la page Web, découvrons d'abord quelles sont les conditions clés qui affectent le goût, et définissons les conditions suggérées, afin que nous puissions réduire la portée de notre expérience.
Par conséquent, papa et Lele ont d'abord découvert la température et le temps de trempage du thé appropriés, ainsi que le rapport volume eau/thé recommandé sur la base des informations sur Internet. De plus, papa a trouvé deux marques de thé dans un magasin voisin et a choisi l'eau du robinet ou de l'eau minérale comme eau pour faire le thé.Les paramètres clés sont organisés comme suit (tableau 1) :
paramètre
|
Type de données
|
valeur (gamme/type)
|
marque de thé noir
|
catégorie
|
Marque A
|
Marque B
|
eau de thé
|
catégorie
|
eau du robinet
|
eau minérale
|
Rapport volumique eau/thé
|
continu
|
20 ~ 60
|
Température de trempage (⁰C)
|
continu
|
70~100
|
Temps de trempage (m)
|
continu
|
5 ~ 20
|
Tableau 1, paramètres clés et gamme de thé noir
Après avoir recherché les paramètres clés et les plages de paramètres, Lele et papa sont retournés dans le salon et se sont assis.
Lele : Alors pouvons-nous commencer à faire du thé noir maintenant ?
Papa : Pas encore, car nous ne connaissons toujours pas les valeurs réelles des paramètres qui doivent être définis dans chaque expérience, et nous avons encore besoin d'un petit assistant pour nous aider à concevoir l'expérience.
Papa : Nous avons besoin de JMP pour nous aider à concevoir la combinaison d'expériences.
Alors, papa a ouvert le logiciel de statistiques JMP sur l'ordinateur.
Qu'est-ce qu'un test personnalisé ? Design personalisé
Papa : Écoutez, si nous avons besoin de JMP pour nous aider à concevoir des expériences, vous pouvez cliquer sur la colonne "DOE" dans l'option de menu. Il existe de nombreuses méthodes DOE et fonctions DOE associées qui peuvent être utilisées ici. Si vous n'êtes pas si familier avec les principes et les objets applicables derrière chaque DOE, je vous suggère d'utiliser une conception personnalisée, c'est-à-dire des expériences personnalisées, comme point de départ.
Lele : Pourquoi utiliser cette expérience personnalisée ?
papa: L'idée derrière les expériences personnalisées est que expérience d'optimisation , selon les conditions que nous lui avons données, y compris les conditions clés que nous jugeons importantes, si ces conditions clés s'influencent les unes les autres, quel type de résultats nous voulons obtenir, le nombre d'expériences que nous pouvons faire, etc., pour suggérer notre meilleur Mélange expérimental.
Lele : Tout comme la navigation.
Papa : Cet avantage est très approprié pour les gens ordinaires comme nous, qui ne connaissent pas si bien DOE, mais qui veulent faire un bon plan expérimental.
Lele : Je deviendrai un expert du DOE à l'avenir. Je ne suis qu'un enfant maintenant, donc je ne le ferai pas. Je le ferai quand je serai grand.
Papa : D'accord, mais même les experts du DOE utilisent souvent des expériences personnalisées comme point d'entrée pour la conception expérimentale lorsque l'objectif est de concevoir les expériences les plus efficaces. Jetons donc un coup d'œil maintenant avec un design expérimental personnalisé.
Utiliser une conception expérimentale personnalisée, en spécifiant les noms des paramètres, les plages et le nombre d'expériences
Ensuite, papa a entré les paramètres et la plage dans la plate-forme de conception personnalisée (Figure 1).
JMP Custom DesignConception personnalisée JMP
Figure 1, entrées des résultats de réponse et des paramètres de la plate-forme de conception personnalisée
L'effet principal du paramètre, le terme quadratique du paramètre continu et le terme d'effet du terme croisé du paramètre continu ont été ajoutés au modèle (Figure 2).
Figure 2, entrez les éléments d'effet correspondants dans le modèle
Lele : Que sont les termes quadratiques et les termes croisés, et pourquoi devraient-ils être ajoutés ?
Papa : La raison de l'ajout de l'effet de terme quadratique est de confirmer si le paramètre clé aura un phénomène de recourbe, c'est-à-dire qu'il y a une valeur au milieu de la plage qui fait que le résultat produit une valeur maximale ou minimale. L'ajout du terme croisé permet de confirmer si ces paramètres auront un effet multiplicatif les uns sur les autres, c'est-à-dire qu'en plus de l'influence de l'effet principal lui-même, certaines conditions auront des effets supplémentaires lorsqu'elles sont combinées.
Lele a vu l'image ci-dessous et a demandé, Lele : Est-ce le réglage pour combien d'expériences nous voulons faire ?
Figure 3, réglage du point central et de la répétition et saisie du numéro d'expérience
Papa : Oui, ici nous pouvons définir s'il faut ajouter des expériences répétées ou si ajouter un point central à l'expérience. Le nombre d'exécutions ci-dessous peut choisir le nombre d'expériences. Ici, le nombre minimum d'exécutions est de 12 (minimum). Le La recommandation JMP est de 16 fois (par défaut), vous pouvez également définir un nombre abordable d'expériences (spécifié par l'utilisateur), nous utilisons toujours la valeur par défaut de 16 fois (Figure 3).
Lele : Pourquoi 16 fois, plus c'est pas mieux c'est ?
Papa : Oui, mais généralement par manque de temps ou d'argent, nous avons un nombre prédéfini d'expériences qui peuvent être réalisées. Et c'est aussi l'avantage de la conception personnalisée.La conception personnalisée peut concevoir des expériences conformément à cette exigence, tandis que d'autres conceptions expérimentales doivent atteindre le nombre d'expériences spécifié. Une autre raison importante est que vous ne pouvez pas boire de thé, donc je dois boire ces 16 tasses. Papa est déjà tendu après avoir bu 16 tasses, et il ne pourra peut-être pas dormir la nuit s'il boit quelques tasses de plus.
Générer la combinaison de paramètres pour faire du thé noir et compléter la collecte de données
Lele et son père ont ensuite terminé la conception personnalisée et produit la combinaison de paramètres pour la fabrication du thé noir (Figure 4).
JMP DOE參數組合Combinaisons de paramètres JMP DOE
Figure 4, le tableau des combinaisons expérimentales
Ensuite, papa et Lele ont terminé l'expérience selon ce tableau de combinaison de paramètres, et papa a marqué dans l'ordre et a obtenu 16 résultats de notation (Figure 5).
Figure 5. Collecte des résultats de combinaisons expérimentales correspondantes
Après avoir bu trop de tasses de thé, papa a eu le hoquet et a dit : Nous avons enfin fini de collecter des données pour l'expérience.
utiliser Modèle d'ajustement JMP Effectuer une analyse de régression pour faire des prédictions de modèle
Ensuite, nous pouvons appuyer sur "Modèle" dans la zone de stockage des scripts en haut à gauche pour effectuer l'analyse ultérieure. JMP est très attentionné pour nous aider à emballer l'analyse ultérieure dans ce programme, c'est-à-dire que nous pouvons directement exister JMP Monter le modèle sur Plate-forme pour effectuer une analyse de régression , on peut directement cliquer sur "Modèle" sur le formulaire DOE à analyser (Figure 6).
Figure 6, le script Model sur la fiche technique de la combinaison d'expériences du DOE
Après avoir appuyé sur "Modèle", papa a poursuivi en disant : Ici, nous pouvons choisir d'ajouter des éléments d'effet au modèle et choisir la méthode d'analyse, nous allons utiliser "Par étapes" méthode s'il vous plaît JMP Aidez-nous à choisir le bon modèle (Figure 7).
JMP Fit ModelModèle d'ajustement JMP
Figure 7, la plateforme de départ du modèle de régression
Après avoir appuyé plusieurs fois sur la souris, papa a complété le rapport (Figure 8) et a souligné les résultats du résumé des effets et du résumé de l'ajustement sur l'ordinateur avec ses doigts.
Papa : J'exclus certains items dont la p-value dépasse 0,05 du modèle afin d'obtenir un modèle plus précis, car statistiquement parlant, si la p-value dépasse 0,05, cela signifie que l'item d'effet a peu d'influence sur le modèle. vous gardez cela?Les termes d'effet ne diffèrent pas. en outre, peut être vu Résumé de l'ajustement Voici la précision du modèle (R-carré) atteint 0,997 , ce qui signifie que ce modèle a une forte capacité à expliquer les points d'échantillonnage, ce qui signifie qu'il s'agit d'un bon modèle prédictif pour ces données .
JMP Fit ModelModèle d'ajustement JMP
Figure 8, rapport d'analyse du modèle de régression
Lele l'a regardé et a dit : "Pourquoi la valeur P du temps de trempage est-elle supérieure à 0,05 mais elle n'a pas été supprimée ? Et il y a un indicateur à la hausse à côté.
Papa : Parce qu'il y a d'autres sous-éléments qui doivent être conservés dans le modèle, vous pouvez voir que le temps de trempage * temps de trempage cet élément est inférieur à 0,05 doit être conservé, comme son élément parent, le temps de trempage doit également être conservé, et cet indicateur à la hausse Il vous indique simplement quels sont les projets parents qui ont ce problème et doivent être conservés.
Papa a continué à faire défiler la molette de la souris, présentant la moitié inférieure du rapport.
inspecter Profileur de prédiction Rapporte les changements observés pour chaque paramètre sur les résultats
Papa a poursuivi en disant : Nous sommes descendus pour trouver le rapport. Profileur de prédiction( marqueur) Rapport , ici le modèle est présenté avec des images interactives, ce qui peut nous aider à comprendre plus rapidement Comment la modification de chaque paramètre change-t-elle la saveur ? . Vous pouvez voir le nom du paramètre ci-dessous, son axe (axe X) représente la valeur du paramètre que nous avons définie et l'axe de gauche (axe Y) représente la valeur prédite du score de goût. Si vous voulez connaître les scores de différentes conditions, il vous suffit d'ajuster la valeur du paramètre ci-dessous à la valeur que vous avez définie, et vous pouvez obtenir le résultat de goût prévu.Par exemple, je choisis un thé, le tremper avec de l'eau du robinet, le quantité d'eau/quantité de thé je choisis 40 pour le ratio, 80 pour la température de trempage, et 15 pour le temps de trempage, et quand je le change comme ça... tu vois, résultat prévisionnel Il est sorti, seulement 4,83 points (Figure 9).
JMP Prediction ProfilerProfileur de prédiction JMP
Figure 9, Profileur de prédiction
Papa a dit qu'en faisant glisser la souris pour modifier les paramètres, les yeux de Lele s'écarquillèrent, comme s'il se sentait incroyable.
Lele : Il modifiera directement le score de goût prévu sur l'image en fonction de vos ajustements, trop cool.
Papa : Oui, cette fonction interactive est plus simple d'utilisation et facilite la compréhension du modèle par tous. Examinons de plus près ce graphique. En fait, ce graphique peut vous dire approximativement dans quelle direction ajuster pour obtenir un score de goût plus élevé, ce qui signifie qu'il a meilleur goût. Par exemple, regardons la première carte du thé, B Le thé est meilleur que A Le thé est haut, peut savoir B Le thé a un rapport A Tendance du thé délicieux , de la même manière, Le thé à base d'eau minérale a meilleur goût que celui à base d'eau du robinet ,ainsi que Le temps de trempage est d'environ 10 ~ 15 ça ira mieux dans quelques minutes , pour que vous puissiez jouer avec.
JMP Prediction ProfilerProfileur de prédiction JMP
Figure 9, Profileur de prédiction
Lele ne pouvait pas attendre pour commencer à tirer divers réglages de paramètres.Après avoir joué pendant un moment, il a posé une question.
Lele : Papa, écoute, si je change le rapport volume d'eau/volume de thé, d'autres paramètres changeront en conséquence, certains deviendront plus hauts et plus bas dans l'ensemble, et certains changeront légèrement de forme, ce qui est tellement étrange.
Papa : Hey, tu es incroyable, tu as remarqué ce petit changement. Ces petits changements viennent de L'effet du réglage des paramètres , de sorte que la forme des autres paramètres augmentera. Si vous constatez qu'avec la modification de la valeur du paramètre d'origine, la forme des autres paramètres présente une variation évidente. les éléments ont un impact important. De plus, vous pouvez voir que la ligne de tendance de certains paramètres n'est pas une ligne droite, mais une ligne courbe.S'il y a une valeur maximale ou minimale, cela signifie que l'effet de son terme secondaire est très influent.
Lele hocha la tête, à moitié compris, puis demanda : Je peux donc prédire tous les résultats possibles de cette manière ?
Papa a répondu : "C'est une bonne question. Ce que nous avons fait, c'est demander à JMP de nous fournir un modèle estimé basé sur les données que nous avons collectées, mais ces données sont basées sur des points larges et uniformes dans la plage que nous avons définie au début. Essayez d'examiner autant que possible les performances de tous les points dans la plage, mais pour les combinaisons de paramètres en dehors de la plage, la capacité prédictive de ce modèle sera médiocre, il est donc préférable pour nous de ne pas faire de prédictions en dehors de la conception expérimentale d'origine gamme autant que possible, mais pour les paramètres dans la gamme Pour la plupart des combinaisons de paramètres, nous pouvons prédire un résultat précis avec ce modèle.
Ensuite, nous allons suivre les étapes clés d'aujourd'hui : Trouver la meilleure combinaison de paramètres et de conditions , vous pouvez ajuster les réglages des paramètres sur le traceur pour voir quel type de combinaison vous trouvez le score le plus élevé.
Lele hocha la tête, et il y eut une autre rafale d'ajustements de paramètres sur le Prediction Profiler.
exister Profileur de prédiction , pour trouver la meilleure combinaison de paramètres
Lele : Papa, j'en ai trouvé un avec un score de 9,47. J'ai choisi des feuilles de thé B et je les ai trempées dans de l'eau minérale. J'ai choisi 60 pour le rapport volume d'eau/volume de thé, la température de trempage était de 89,5 et le temps de trempage était de 11,9 Le résultat est une note gustative de 9,47, ce qui est très bon.
Papa : Pas mal, déjà très haut, tu penses qu'il y aura des scores plus élevés ?
Lele : Peut-être qu'il y en aura, parce que je ne les ai pas tous mis pour voir ses scores.
Papa : Il est maintenant temps de montrer la magie de JMP. Vous voyez, je peux activer la désirabilité définie sur le profileur de prédiction JMP et définir des objectifs. choisir Maximum Pour définir le résultat comme prometteur, c'est-à-dire que plus il est grand, mieux c'est . et utilise Maximiser la désirabilité fonction pour obtenir la meilleure combinaison de paramètres pour l'objectif atteint (Figure 10). Ou sélectionnez Agrandir et Mémoriser pour trouver la meilleure combinaison de paramètres et l'enregistrer dans le rapport.
Figure 10, (à gauche, au milieu) Fonction Définir la désirabilité pour définir la valeur de la volonté, (à droite) Maximiser la désirabilité
Papa appuie sur Agrandir et Mémoriser sur le profileur pour trouver rapidement la meilleure combinaison de paramètres et l'enregistrer sur le rapport (Figure 11).
Figure 11, Maximiser et mémoriser les résultats
Lele : C'est trop rapide et pratique !
Papa : Oui, Habituellement, l'analyse des données prend le plus de temps pour collecter des données. JMP Il peut économiser plus de temps d'analyse, de sorte que de nombreuses entreprises qui ont besoin d'utiliser des données pour l'analyse statistique utiliseront ce logiciel pour accélérer le temps d'analyse . En fait, comparer la combinaison de paramètres que vous avez obtenue manuellement n'est qu'un peu moins bonne que la meilleure combinaison, vous êtes également très bon. De plus, les paramètres continus, tels que la température de trempage, 91,02894, ne sont en fait pas faciles à contrôler. Peut-être pouvons-nous utiliser 91 ou 90 pour remplacer le réglage.
Lele et papa ont ensuite discuté du réglage de diverses conditions de paramètres, et ont finalement utilisé des feuilles de thé B, de l'eau minérale, le rapport du volume d'eau au volume de thé était de 55, la température de trempage était de 90 ° C et le temps de trempage était de 12,5, la finale réglage de la condition du paramètre clé (Fig. douze).
Figure 12. Le meilleur résultat de prédiction selon le plan d'expérience
Lélé : Ouais ! Alors allons-nous faire du thé au lait et des perles ensuite ?
Papa regarda l'heure, puis dit : Maman revient bientôt, si on veut faire une surprise pour l'anniversaire de ma mère, rangeons le matériel expérimental dès que possible, sinon on sera découvert. La prochaine fois, nous expérimenterons avec du thé au lait et des perles pour trouver une bonne combinaison de formule, qui utilisera d'autres compétences du DOE.
Lele a dit joyeusement: "D'accord, alors récupérons-le dès que possible, je l'attends avec impatience."
Papa et Lele se sont précipités pour nettoyer l'expérience avant que maman ne rentre à la maison, mais une petite graine de DOE a lentement germé dans le cœur de Lele.
>> Le prochain épisode expliquera comment fabriquer de délicieuses perles grâce à la plate-forme de conception expérimentale JMP DOE. <<
Obtenez plus de ressources liées à la conception d'expériences DOE :
