Il Functional Data Explorer (FDE) in JMP Pro viene generalmente utilizzato quando l'output di un processo è costituito da dati funzionali/curvi. Tuttavia, con alcuni accorgimenti, i dati funzionali possono essere utilizzati anche come input per un DOE. Per illustrarlo, utilizzerò un caso di studio fittizio, illustrando i passaggi necessari insieme a una spiegazione di ciò che sta accadendo. Ho anche allegato un diario JMP a questo post del blog, in modo che i lettori possano seguirlo.
Background: ACME Plastic Recycling Company
ACME Plastic Recycling acquista plastica triturata alla rinfusa, che fonde e forma in billette da vendere ai produttori di plastica. Questa plastica triturata è disponibile in diverse distribuzioni di dimensioni, che influiscono sul processo di fusione. ACME ha creato un modo economico e veloce per ottenere una curva della distribuzione delle dimensioni per ogni spedizione in entrata. Vuole ottimizzare i parametri del processo di fusione per ridurre al minimo il tempo necessario per ciascuna spedizione specifica.
Passaggio 1: analizzare i dati della curva
Il team ha creato un set di dati che include l'intervallo di ciò che generalmente vedono per le distribuzioni delle dimensioni in entrata, mostrato nel grafico seguente:
Utilizzando la piattaforma FDE, il team ha scoperto che una semplice B Spline con 2 FPC spiega il 98,6% dei dati. L'aumento degli FPC a 3 spiega un ulteriore 1%, ma aggiunge complessità e corre il rischio di tentare di prevedere il rumore. Hanno optato per 2 FPC, come mostrato di seguito.
2. Componenti principali funzionali in uscita
La piattaforma FDE ha la capacità di produrre gli FPC da qualsiasi modello adattato. Ciò significa che le curve, come rappresentate dagli FPC, possono essere utilizzate in altre piattaforme in JMP. L'esportazione degli FPC può essere eseguita selezionando il triangolo rosso vicino al contorno Riepiloghi funzioni, quindi selezionando Personalizza. Utilizzando il pulsante "Deseleziona tutto", quindi selezionando "OK e salva" viene creata una nuova tabella dati con gli FPC per ciascun gruppo, come mostrato nelle due immagini seguenti.
Un trucco con la tabella dati sarà necessario per dopo: rinominare le colonne "Data FPC 1" e "Data FPC 2" solo in "FPC 1" e FPC 2" renderà più semplice il collegamento dei profiler più avanti nel processo. dovrebbero assicurarsi che la loro tabella dati abbia nomi di colonna aggiornati come indicato di seguito.
3. Creare ed eseguire DOE personalizzato
Il processo di fusione e billetta ha quattro fattori, tre dei quali sono continui, mentre il quarto è la distribuzione della plastica triturata. Il team ha iniziato utilizzando il Designer personalizzato per popolare tutto tranne la distribuzione della plastica triturata, come mostrato di seguito.
La parte successiva è fondamentale: l'utilizzo degli FPC come fattori di covariata nella finestra di progettazione personalizzata obbliga JMP a utilizzare queste distribuzioni specifiche nell'esperimento. Ciò è possibile perché ogni riga contiene una combinazione di FPC, che rappresentano, in questo caso, il 98,6% di tutta l'informazione presente nelle curve stesse. Per ottenere questo risultato nel Designer personalizzato, il team ha seguito questi passaggi:
- Dopo esserti assicurato che la tabella Riepilogo FPC sia la tabella più in alto nella finestra di progettazione personalizzata, seleziona Aggiungi fattore...Covariata.
- Nella casella che si apre, seleziona le due colonne "Data FPC" e premi OK.
- Dopo aver fatto clic su "Continua" e "RSM" per creare il modello, seleziona la casella di controllo "Consenti la ripetizione delle righe di covariata".
- Fai clic su "Crea progetto" per creare l'esperimento e la tabella di raccolta dati.
Consentire la ripetizione delle righe della covariata significava che il team doveva trovare e utilizzare la materia prima che corrispondesse alla distribuzione specificata. JMP ha reso tutto ciò più semplice includendo il numero di riga della tabella dati FPC nella tabella del progetto sperimentale. Ad esempio, nello screenshot seguente, la prima esecuzione ha utilizzato la riga 11 della tabella di riepilogo, che era la distribuzione "k" del set di dati originale utilizzato nella piattaforma FDE.
Il team ha completato l'esperimento con i fattori continui specificati (da X1 a X3) e la distribuzione delle dimensioni della plastica specificata. Hanno quindi utilizzato lo script del modello generato dal Designer personalizzato, eliminando i termini non significativi uno alla volta fino a quando nel modello rimanevano solo i termini significativi (lo script del "modello finale" nel diario, per coloro che seguivano). Questo modello è mostrato di seguito:
4. Utilizzo combinato di FDE e Adatta modello
Invece di cercare di comprendere i fattori FPC 1 e FPC 2 nel Prediction Profiler, il team ha trovato un metodo più semplice: collegare i profiler dal modello e dalla FDE. Lo hanno fatto selezionando il triangolo rosso in Prediction Profiler...Factor Impostazioni...Link Profiler. Successivamente, hanno disposto le finestre una accanto all'altra, in modo che la modifica degli FPC nel Prediction Profiler abbia modificato anche la forma della curva nella finestra FDE.
Ora, il flusso di lavoro in ACME Plastics prevede i seguenti passaggi:
- Ogni nuovo lotto ha una distribuzione dimensionale eseguita all'inizio del processo. Nell'esempio seguente, il batch Target non corrisponde perfettamente a nessuna delle distribuzioni precedenti. Questo è previsto: è per questo che il team ha voluto utilizzare la piattaforma FDE in primo luogo.
- Questa distribuzione viene inserita come Target nella piattaforma FDE, che rende disponibile il pulsante Ottimizza Target. In questo caso, il batch in arrivo viene descritto con FPC di circa -.359 e .032.
-
Con il profiler di previsione del DOE collegato al profiler FPC della piattaforma FDE, quando viene selezionato il pulsante "Ottimizza target", il profiler di previsione si aggiorna. Il blocco dei due FPC nel Prediction Profiler consente quindi al team di massimizzare la desiderabilità per i restanti tre fattori continui. In questo caso, le impostazioni ottimali della macchina sono X1 nella fascia bassa, X2 nella fascia alta e X3 impostata su -0,341.
Il team di ACME Plastics ha ottenuto ottimi risultati con il processo e ora sta valutando la possibilità di frequentare l' eccellente corso gratuito di scripting JSL in modo da poter combinare le due finestre e semplificare ulteriormente il processo. Per ora, sono contenti di poter utilizzare i dati funzionali come input per il loro processo.
Ottimo esempio @Jed_Campbell ! Volevo affrontare un ulteriore modo per connettere FDE e Stima modello, ovvero salvare i coefficienti B-Spline e usarli come input per Stima mista. Questo ha alcune somiglianze con un adattamento TYPE=RSMOOTH di SAS PROC GLIMMIX. Passaggi:
1. Dal triangolo rosso su "B-Spline sui dati iniziali" fare clic su "Salva dati"
2. Nella tabella risultante, avviare Stima modello, Personalità modello misto e caricare i coefficienti come Effetti fissi
3. In Effetti casuali, aggiungi Etichetta e tutti i coefficienti nidificati con Etichetta.
