Suite< Utilisez la conception expérimentale DOE Custom Design pour trouver la meilleure recette de thé au lait >、< Utilisation de la conception expérimentale JMP split-plot pour créer de délicieuses perles > Après que Lele et son père aient trouvé le meilleur goût de thé au lait et les meilleures perles, il ne restait plus que deux semaines avant l'anniversaire de sa mère, ils espéraient alors trouver la proportion de ces ingrédients que sa mère aimait le plus avec du lait, ainsi que la glace appropriée. cubes et La configuration douceur offre à maman une surprise d'anniversaire – offrez-lui une tasse de délicieux thé au lait perlé.
Lele : Enfin, il faut trouver la recette du thé au lait perlé. Comment savoir quelle saveur maman aime ?
Papa : Nous sommes ici pour recueillir les notes gustatives de maman sans qu'elle soit découverte, donc je prévois de lui donner la version expérimentale du thé au lait perlé l'une après l'autre au cours des deux dernières semaines, et pas trop de tasses à la fois, sinon maman le fera Découvrir.
Lele : Il y a un autre gros problème. Nous devons mélanger du thé noir, du lait et des perles. La quantité totale de ceux-ci doit être une quantité fixe. Les expériences que nous avons faites auparavant n'avaient pas de telles restrictions.
Papa : Tu es très puissant. Tu as remarqué ce problème, donc cette fois nous devons utiliser l'aide de JMP pour définir les contraintes de ce plan expérimental.
Lele : Je ne m'attendais pas à ce que JMP soit si puissant qu'il puisse résoudre ce problème. Alors demandons rapidement à JMP de nous aider à concevoir des expériences !
Papa a sorti son ordinateur et a lancé JMP. Il poursuit : « Commençons par trier les facteurs pris en compte et les résultats des réponses. Bien entendu, le résultat de la réponse est le score gustatif du thé au lait perlé, et les facteurs incluent la proportion de thé noir, de lait et de perles, ainsi que la quantité de glaçons et de sucre. Saisissez ces résultats et facteurs de réponse dans la plateforme de conception personnalisée (Figure 1). Cependant, lors de la saisie, vous pouvez définir le thé noir, le lait et les perles comme facteur de mélange (Mélange), ce qui signifie que thé noir + lait + perles = 1, c'est-à-dire que vous devez trouver Corrigez ces trois éléments pour obtenir une tasse et trouvez quelle proportion est la meilleure combinaison. .
Figure 1, résultats de réponse et paramètres de facteurs de l'expérience sur le thé au lait perlé
Lele a examiné les paramètres des facteurs et a demandé à son père : Pourquoi les paramètres de Bing et Tang ne sont-ils pas des facteurs continus, mais des facteurs numériques discontinus (numériques discrets) ?
Papa : Parce que je pense qu'il est difficile de mesurer la quantité exacte de glaçons et de sucre. Comme les glaçons, je peux utiliser 1 glaçon, 2 glaçons ou 3 glaçons pour ajuster, mais il est difficile d'ajouter exactement 2,5 glaçons. Cube de glace, je l'ai donc d'abord défini comme un facteur numérique discontinu. De plus, j’ai également ajusté les gammes appropriées de thé noir, de lait et de perles afin qu’il n’y ait ni trop ni trop peu de ces trois ingrédients.
Papa a continué d'appuyer sur Continu pour développer le projet Modèle, puis a déclaré : Ici, parce que nous espérons voir les quantités optimales de glace et de sucre, nous ajoutons les termes quadratiques de glace et de sucre (Figure 2) pour voir s'il y en a. phénomène de récourbure.
Figure 2 : Le modèle ajoute des termes d'effet quadratique pour les glaçons et le sucre.
Papa a ensuite fait défiler la plate-forme de conception personnalisée jusqu'à Design Generation, a coché le groupe en blocs de taille aléatoire, a rempli 3 et a entré 2 après le nombre de points centraux (Figure 3).
Papa : Écoutez, j'ai rempli 3 séries de groupes en blocs de taille aléatoire, ce qui signifie que mes données sont divisées en plusieurs blocs et chaque bloc contient trois expériences. Parce que si nous voulons que ma mère teste le goût du thé au lait bulle, nous ne pouvons pas lui en donner trop à la fois de peur qu'elle ne devienne méfiante, alors je l'ai divisé en quatre jours et je le lui ai donné, puis j'ai bu trois résultats expérimentaux à chaque fois, afin qu'elle soit moins susceptible de tomber malade.
De plus, 2 points centraux sont spécifiés après le nombre de points centraux, afin que vous puissiez voir l'état des points centraux avec plus de précision et sélectionner le nombre prédéfini d'expériences 12 fois.
Figure 3, paramètres de bloc, de point central, de nombre de répétitions et de nombre d'expériences
Une fois tous les réglages terminés, papa a appuyé sur make design pour démarrer le plan expérimental, puis sur make table pour terminer la création du tableau de la combinaison expérimentale (Figure 4).
Figure 4, combinaison de plans expérimentaux générée à l'aide de JMP
Papa a dit : Lele, regarde, dans l'expérience conçue, le thé noir + le lait + les perles dans chaque expérience sont égaux à 1, donc cette combinaison expérimentale représente la proportion de ces trois matériaux pour faire du thé au lait perlé, et le bloc aléatoire représente notre Les expériences sont divisées en 4 clusters, chaque cluster contient 3 expériences. Ensuite, nous ferons des expériences basées sur ce tableau et le donnerons à ma mère.
Au cours des deux semaines suivantes, grâce à la combinaison de tables expérimentales réalisées par JMP, mon père a réalisé les expériences en quatre jours. Il a demandé à sa mère de boire le thé au lait perlé issu de ces expériences pour régaler ses collègues et a obtenu le évaluations gustatives de ces expériences. .
La veille de l'anniversaire de ma mère, mon père et Lele se sont réunis autour de la table à manger pour trouver la recette de thé au lait bulle qui convenait le mieux aux goûts de ma mère sur la base des informations recueillies.
Papa : D'accord, j'ai enfin collecté les données pour analyse. Utilisons ensuite la fonction d’analyse de JMP pour effectuer l’analyse.
Lele a montré la fiche technique JMP et a déclaré : Je me souviens que vous avez dit que vous pouviez appuyer sur le modèle à gauche pour effectuer une analyse. (Photo 5)
Figure 5. Le script Modèle sur la gauche peut effectuer une analyse de régression basée sur les résultats du plan expérimental collectés.
Papa : Tu vas de mieux en mieux. Tu sais même comment effectuer une analyse. Oui, il te suffit d'appuyer sur ce script Modèle pour effectuer une analyse ultérieure. Puis papa a appuyé sur le script Modèle.
Papa : Regardez la plate-forme de départ de l'analyse de régression (Figure 6). Elle a pris en compte les éléments que nous avons précédemment définis comme éléments d'effet de modèle dans la conception personnalisée dans les éléments d'effet de modèle construits. De plus, il existe également un élément d'effet de modèle aléatoire. élément de bloc. , il s'agit d'un facteur utilisé pour confirmer si la division de l'expérience en plusieurs jours a un impact.
Figure 6, plateforme de démarrage de l'analyse de régression
Papa a ensuite appuyé sur Exécuter pour terminer le rapport d'analyse de régression.
Papa : Tout d'abord, vous pouvez voir le résumé des effets (Figure 7). Ici, vous pouvez voir que certains éléments d'effet ont des valeurs P supérieures à 0,05. Après avoir supprimé les éléments d'effet sans importance dans l'ordre, nous avons supprimé les termes d'effet quadratique du sucre et de la glace. Terme d'effet, cela signifie également que la glace et le sucre ne se recourbent pas, c'est-à-dire que la formule optimale de la glace et du sucre ne se produit pas évidemment à une certaine valeur au milieu de la plage. La valeur P de l'effet principal du sucre est de 0,066, ce qui ne dépasse pas beaucoup 0,05, elle est donc toujours conservée dans le modèle.
Figure 7, résumé des effets du rapport d’analyse de régression
Papa a fait défiler le rapport et a continué : Nous utiliserons ensuite le rapport REML Variance Component Estimates (Figure 8) pour voir s'il y aura une différence dans la collecte de données sur différents jours. On peut remarquer ici que la valeur p de Wald est beaucoup plus élevée. supérieur à 0,05. Cela signifie que différents blocs n'entraîneront pas de différences, ce qui signifie que la collecte de données à des jours différents n'affectera pas le jugement de goût.
Figure 8, Rapport d'analyse de régression - Rapport d'estimation des composantes de variance REML
Lele : Nous pouvons donc directement utiliser ce résultat pour trouver la meilleure combinaison de recettes de bubble milk tea ?
Papa : C’est vrai. Quel outil devrions-nous utiliser ensuite pour trouver la meilleure combinaison ?
Lele : Je sais, Profiler.
Papa : Oui, tu te souviens comment l'utiliser ?
Lele : Je sais que vous devez d'abord définir la valeur souhaitée, puis optimiser la valeur souhaitée.
Papa : Oui, tu es très puissant. Nous pouvons d'abord aller dans Définir la désirabilité pour définir la valeur du désir. Par exemple, regardez les grands et les petits, ou regardez les yeux, puis maximisez la désirabilité pour optimiser la valeur de votre désir, vous pouvez trouver les paramètres de recette lorsque vous souhaitez obtenir les meilleurs résultats.
Après quelques opérations, Lele a dévoilé le résultat, Lele : je l'ai trouvé. thé noir : lait: Perle=0,6:0,2:0,2 Lorsque vous le buvez, mélangez-le avec un morceau de glace et une cuillère à café de sucre pour obtenir la recette de thé au lait moussant préférée de votre mère (image 9).
Figure 9, la meilleure combinaison de recettes de thé au lait bulle obtenue à l'aide de Profiler
Papa : Super, nous avons enfin trouvé la recette de thé au lait aux perles préférée de maman. Maman sera surprise et heureuse demain lorsqu'elle recevra la tasse de thé au lait aux perles que vous avez spécialement préparée pour elle.
Lors de la fête d'anniversaire du lendemain, le thé au lait perlé de Lele a été bien accueilli par sa mère. Tandis que Lele était fière et heureuse, elle a également remercié silencieusement JMP de l'avoir aidé à préparer cette tasse exclusive de thé au lait perlé pleine d'amour. Maintenant Essayez JMP gratuitement pendant 30 jours .
Lecture recommandée par le DOE :
