651705_it-IT

liliconcom

Previsione delle risposte funzionali utilizzando JMP Functional DOE e Curve DOE Modeling - (2023-US-30MP-1520)

Fangyi Luo, scienziato del gruppo, Procter & Gamble
Christopher Gotwalt, Direttore della ricerca e sviluppo statistico, JMP

Risposte funzionali o curve si verificano frequentemente nell'industria. Grazie alle nuove funzionalità di JMP, ora possiamo modellare e prevedere le risposte funzionali utilizzando DOE chiave o fattori di progettazione del prodotto con la modellazione JMP Functional DOE o Curve DOE. Un modello DOE funzionale è puramente empirico. Tuttavia, un modello DOE della curva può incorporare conoscenze meccanicistiche o specialistiche sulla forma funzionale delle risposte curve. In questa presentazione, i metodi e i risultati della previsione delle risposte funzionali utilizzando il modello Functional DOE e Curve DOE vengono confrontati utilizzando casi di studio del settore dei prodotti di consumo.

Ciao, Mio nome È Fangoso i Luo E Io sono da Procter & Gamble.

Oggi Io sono presentando con Chris Gotwalth da JMP.

Erano andando A parlare Di Come A modello dati da progettato esperimenti

Quando IL risposta È funzionale curva.

Funzionale O curva risposte verificarsi molto Spesso In industria.

Grazie A IL nuovo sviluppo Di JMP,

Noi Potere Ora modello E prevedere funzionale risposte

COME a funzionale Di chiave DOE O Prodotto progetto fattori

utilizzando Entrambi funzionale DOE O curva DOE modellazione.

A funzionale DOE modello È puramente empirico.

Tuttavia, a curva DOE modello Potere Prendere in account meccanicistico

O esperto conoscenza SU IL funzionale modulo Di IL curva risposte.

In Questo presentazione, IL metodo E risultati Di predire

funzionale risposte utilizzando funzionale DOE E curva DOE modellazione Volere Essere rispetto

utilizzando caso studi da IL consumatore Prodotto industria.

Questo È IL contorno Di a parlare.

Noi Volere rottura IL parlare in due parti.

In IL Primo parte, Chris Volere parlare Di

Che cosa Sono IL funzionale dati esempi Di funzionale dati

E Poi Lui Volere aiuto Voi con fondamentale comprensione

Di IL funzionale DOE modellazione,

Compreso funzionale principio componente analisi

COME BENE COME curva DOE modellazione.

In IL secondo parte,

I Volere utilizzo due esempi da Procter & Gamble

E confrontare IL risultati Di funzionale DOE E curva DOE modellazione

utilizzando questi due esempi.

IL Primo esempio È Modellazione Viscosità

Sopra Tempo Dati da F ormulazione Sperimentare.

IL secondo esempio È Modellazione Assorbimento Volume Sopra Tempo Dati

Da a Pannolino Progetto Di Sperimentare.

Poi I Volere fine IL parlare con a breve riepilogo E conclusione.

Grazie Fangoso io.

Ora Io sono andando A Dare a presto introduzione A funzionale E curva dati analisi.

Ma Primo I Volere A punto fuori

Quello Là È a quantità Di Questo Tipo Di dati fuori Là E JMP Veramente ha fatto

analizzando curva risposta dati COME veloce, facile E accurato COME possibile.

Se Voi non l'ho fatto sentito Di funzionale dati analisi Prima,

Voi Avere certamente visto Esso fuori Là.

Suo Tutto Sopra IL posto,

e io spettacolo Voi Alcuni esempi A Fare Quello chiaro.

Per esempio, Qui Sono annuale casa prezzo indici

da 1992 -2021 per Tutto 50 NOI stati.

Ogni funzione ha a inizio misurazione

seguito di a sequenza Di altro misurazioni

E Poi a finale misurazione.

Essi Tutto Avere a inizio, a mezzo E UN FINE.

IL funzioni non Avere A Tutto Avere IL Stesso inizio E endpoint

O misurazioni A IL Stesso volte.

In a tempo serie analisi, Noi Sono Veramente interessato In utilizzando dati

A prevedere inoltrare in IL futuro utilizzando dati osservato da IL passato.

In a funzionale dati analisi O a curva dati analisi,

Noi Sono generalmente Di più interessato

In spiegando IL variazione interno A IL funzioni

di predire al di là IL allineare Di volte noi abbiamo osservato.

In Prodotto E processi miglioramento In industria,

Noi Sono Spesso lavorando SU non finanziario curve.

Io sono andando A spettacolo Voi Alcuni esempi Quello Nostro clienti Avere condiviso con noi.

Qui Noi Vedere a impostato Di infrarossi spettri Di benzina campioni

usato A sviluppare UN poco costoso attrezzo A misurare ottano E benzina.

IL verde curve avevo alto ottano, E IL rosso quelli erano Basso In ottano.

IL altezza Di IL Sinistra picco trasformato fuori A Essere critico

per predire ottano livello.

Microbico crescita curve

Sono a comune tipo Di funzionale dati In IL biotecnologia industria.

Oggi, F Angyi Volere Essere dimostrando due metodi In JMP

Quello Potere Essere usato per analizzando Fa,

Dove IL risposta È a impostato Di misurazioni.

IL Primo metodo È chiamato funzionale DOE analisi

E È migliore per complicato risposta funzioni Piace spettri

Quando Voi Bisogno IL modello A Veramente Imparare IL curve E IL dati da graffio.

IL secondo È a curva DOE analisi,

Quale È basato SU non lineare regressione Modelli.

Quando Voi Potere utilizzo IL curva DOE analisi,

I trovato Quello Voi Ottenere Di più accurato risultati con Esso.

Ma Se Voi non posso Ottenere IL curva DOE analisi A lavoro,

Voi Potere Sempre autunno Indietro SU IL funzionale DOE analisi,

COME suo Di più generale di curva DOE.

IL critico fare un passo In funzionale dati analisi

Quello Volere Essere nuovo A maggior parte persone

È chiamato funzionale principio componenti analisi,

Anche chiamato FPCA per corto.

Questo È Come Noi decomporsi IL curve in forma componenti

Quello descrivere IL tipico modelli Noi Vedere In IL curve,

COME BENE COME pesi Quello attributo Come fortemente ogni individuale curva

correla con quelli forma componenti.

Suo a Tipo Di dimensione riduzione E dati compressione tecnica

Quello riduce Tutto IL informazione In IL curve

in IL maggior parte compatto rappresentazione possibile.

A illustrare FPCA, Prendere a Aspetto A IL impostato Di curve In IL complotto Qui.

Che cosa Fare Essi Avere In comune?

Come Fare Essi differire da uno un altro?

Che cosa I Vedere In comune

È a impostato Di picco forme con uno picco per curva,

E IL forme andare A zero lontano da IL picco.

Essi Anche apparire A Essere simmetrico in giro IL centro Di IL picco.

In termini Di differenze, I Vedere variazione In picco altezza,

E Là Sono chiaro orizzontale turni da Sinistra A Giusto,

E Alcuni curve Sono Anche più stretto di altro quelli.

In a funzionale dati analisi,

IL Primo cosa Noi Fare È Trovare a levigante modello

Quello converte O approssima IL discreto misurazioni,

conversione loro in continuo funzioni.

C'è a varietà Di levigante Modelli In FDE.

I non Veramente Avere a ditta regola COME A Quale uno È IL migliore In generale,

Ma Qui Sono Mio osservazioni Di IL maggior parte comune quelli.

Ondine E spline Avere diverso punti di forza.

Ondine Sono nuovo In JMP Pro 17

E Sono molto veloce E Sono generalmente IL migliore con complicato funzioni

come COME spettri, COME lungo COME IL X coordinate Di IL dati Sono SU a griglia.

SU IL altro mano, Là Sono B e P spline,

Quale Sono Più lentamente computazionalmente

Ma Sono Meglio per dati con irregolarmente- distanziato X S,

E Sono Anche Spesso Meglio

Quando Là Sono soltanto a dozzina O meno misurazioni per funzione.

Se IL dati non lo sono grande, I volevo Tentativo Entrambi spline E ondine

E Vedere Quale uno È dando noi IL migliore adatto

di guardare A IL grafici.

IL principale grafici I utilizzo A Fare decisioni Di levigante Modelli

Sono effettivo di previsto trame

E Voi ricercato IL uno Quello abbracci IL 45- grado linea Di più da vicino.

In Questo caso, I volevo scegliere IL ondine modello SU IL Giusto

Sopra IL spline modello SU IL Sinistra,

Perché quelli punti Sono più stretto in giro Quello 45- grado linea.

Subito Dopo JMP Pro si adatta a levigante modello A IL dati,

Esso si decompone IL segnali

in dominante caratteristica forme Esso trovato In IL dati.

In matematico lingua, questi forme Sono chiamato autofunzioni,

Ma a Meglio E Di più accessibile nome volevo Essere A chiamata loro forma componenti.

Qui Noi Vedere Quello JMP ha trovato

Quello IL complessivamente Significare funzione È a picco forma

E Quello Là Sono tre forma componenti

Quello spiegare 97% Di IL variazione In IL dati.

IL Primo forma componente appare A corrispondere A a picco altezza.

Io ho imparato A riconoscere Quello IL secondo forma

È a tipo Di Sinistra- Giusto picco spostare modello E Quello IL terzo forma componente

È qualcosa Quello volevo controllo IL picco larghezza.

Ricordare Quello questi Sono forme imparato da IL dati,

non qualcosa Quello I ha dato JMP al di fuori Di IL dati.

Che cosa ha accaduto È IL osservato spettri In IL dati

ha stato decomposto in UN additivo combinazione

Di IL forma componenti

con unico pesi per ogni individuale curva.

IL funzionale PCA È Piace inversione ingegneria IL ricetta Di IL curve

In termini Di IL forma componenti.

IL Significare funzione È IL cosa Quello Essi Tutto Avere In comune.

IL forma componenti Sono IL principale ingredienti.

E IL pesi Sono IL importi Di IL ingredienti

In IL individuale curve.

IL funzionale DOE analisi È IL Stesso matematicamente

COME estraendo IL punteggi O pesi

E modellazione loro In adatto modello con IL generalizzato regressione piattaforma.

Fortunatamente, Là È a rosso triangolo opzione

In IL Funzionale Dati Esploratore Quello automatizza IL modellazione,

collegamento su IL DOE Modelli con IL forma funzioni per Voi

E presentando Voi con a profilatore

Quello si collega IL DOE Modelli con IL forma funzioni.

Voi Potere direttamente Vedere Come mutevole IL DOE fattori

conduce A i cambiamenti In IL previsto curva O spettri.

Là Sono molti potenziale applicazioni Di funzionale DOE analisi,

Alcuni Di Quale Fangyi Volere Essere presentando Dopo In Questo parlare.

Là È un altro approccio In JMP chiamato curva DOE modellazione.

Questo risposte IL Stesso Tipo Di domanda COME funzionale DOE,

Ma Esso È non lineare regressione basato Piuttosto di spline O ondulata basato.

Che cosa Quello significa È Quello Se Voi Avere a Bene idea Di a non lineare modello,

Piace a tre- parametro logistico modello, E Se Quello modello si adatta tuo dati BENE,

Voi Potere Ottenere Modelli E risultati

Quello generalizzare Meglio di a funzionale DOE modello,

Perché IL generale forma Di IL curva

no Avere A Essere imparato da graffio da IL dati utilizzando spline O ondine.

IL idea essendo Quello Se Voi Potere Fare ipotesi Di tuo dati

Quello riprodurre IL modellazione sforzo necessario,

tuo predizioni Volere Essere Di più accurato, particolarmente da piccolo dati imposta.

Curva DOE analisi ha a molto simile flusso di lavoro

A a funzionale DOE analisi,

tranne Quello Voi andare Attraverso IL Adatto Curva piattaforma

Invece Di IL funzionale Dati Esploratore,

E Invece Di scegliendo ondine O spline,

Voi scelto a parametrico modello da IL piattaforma.

Appena Piace In a funzionale DOE analisi,

Voi Volere A revisione IL effettivo da previsto complotto

A Fare Sicuro Quello tuo non lineare modello È facendo a Bene lavoro Di raccordo IL dati.

A curva DOE analisi È IL Stesso COME modellazione

IL non lineare regressione parametri

estratto da IL curve utilizzando IL generalizzato regressione piattaforma.

Questo È IL Stesso cosa COME cosa c'è andando SU con a funzionale DOE analisi

con IL FPCA pesi.

Adatta curva automatizza IL modellazione E visualizzazione Appena COME FDE fa.

Una volta Voi Sapere funzionale DOE analisi,

suo Veramente non molto difficile A Tutto A Imparare curva DOE analisi.

Ora Io sono andando A mano Esso Sopra A F Angyi

Chi ha Alcuni Carino esempi illustrando funzionale DOE E curva DOE.

Grazie Chris.

Prossimo Io sono andando A parlare Di due esempi da Procter & Gamble.

IL Primo esempio È viscosità Sopra tempo curve

raccolto da a numero Di storico formulazione esperimenti

per IL Stesso tipo Di liquido formulazione.

Là Sono sei fattori Noi volevo Piace A prendere in considerazione per IL modellazione.

Essi Sono Tutto formulazione ingredienti E Noi chiamata loro fattore uno A fattore sei.

IL obiettivo Di Nostro modellazione È A utilizzo questi formulazione fattori

A prevedere O ottimizzare viscosità Sopra tempo curva.

IL risposta Di modellazione È viscosità Sopra tempo.

Questo diapositiva ha mostrato Voi Alcuni viscosità Sopra tempo dati.

Per maggioranza Di Nostro formulazioni, IL viscosità Di IL formulazioni

volevo aumento Primo con tempo E Poi diminuire Dopo SU.

Prossimo, erano andando A eseguire funzionale DOE analisi SU viscosità Sopra tempo dati.

Prima funzionale DOE analisi,

Noi Bisogno A eseguire funzionale principale componente analisi

SU IL curve liscio utilizzando diverso metodo.

Qui, Noi fare domanda a funzionale principale componente analisi

A IL curve Primo utilizzando Bs pline

E Trovare cinque funzionale principale componente

Dove Essi cumulativamente spiega Di 100% Di variazione In IL curve.

Ogni Di IL curva volevo esprimere

COME IL somma Di IL Significare funzione più lineare combinazione

Di IL cinque funzionale principale componenti

O Proprio funzioni Anche chiamato forma funzione.

Noi Anche fare domanda a diretto funzionale principale componente analisi A IL dati

Dove Esso Trovare quattro funzionale principale componenti

Quello cumulativamente spiega

Di 100% Di variazione attraverso viscosità Sopra tempo curve.

E Ma curva Volere Poi Essere espresso COME IL Significare funzione

più lineare combinazione Di IL quattro funzionale principale componenti.

Questo diapositiva confronta IL funzionale principale componente analisi modello adatto

utilizzando due diverso opzioni.

IL Primo uno È utilizzando IL Bs pieno opzione

E IL secondo uno È utilizzando IL diretto funzionale PCA analisi.

COME Voi Potere Vedere utilizzando IL B -spline opzione, IL modello adatto sembra A Essere più liscio

COME rispetto A IL modello adatto utilizzando diretto funzionale PCA analisi.

Questo diapositiva ha mostrato Voi IL diagnostico trame,

IL osservato contro previsto viscosità

da IL funzionale principale componente analisi

utilizzando due diverso opzioni.

Utilizzando diretto funzionale PCA analisi,

IL punti Sono più vicino A IL 45- grado linee

COME rispetto A IL uno utilizzando Bs pieno opzione,

indicando Quello diretto funzionale PCA analisi

si adatta IL viscosità Sopra tempo dati

leggermente Meglio di IL funzionale principale componente analisi

utilizzando B-spline opzione.

Dopo eseguendo funzionale principale componente analisi,

c'è UN opzione In JMP, Voi Potere eseguire funzionale DOE modellazione

E Ottenere funzionale DOE profilatore.

Per funzionale DOE modellazione,

fondamentalmente suo combinando IL funzionale rincipale componente analisi

con IL modello per IL funzionale principale componente punteggi

utilizzando formulazione fattori.

Per Questo profilatore Noi Potere prevedere IL funzionale risposte,

In Nostro caso, È viscosità Sopra tempo curve utilizzando diverso formulazione fattori.

Voi Potere Selezionare a combinazione Di IL formulazione fattori

E suo capace A prevedere IL viscosità Sopra tempo curva.

Questo diapositiva Spettacoli Voi IL diagnostico trame, IL osservato contro predittivo viscosità

E Anche IL residuo trame da IL funzionale DOE modellazione.

COME Voi Potere Vedere Quello IL residui da IL funzionale DOE modellazione

Sono più grandi di IL funzionale principale componente analisi

Prima IL funzionale DOE modellazione.

Nostro colleghi A Procter & Gamble

In realtà Essi Trovare Quello gaussiano Picco modello volevo adatto

individuale viscosità curve molto BENE.

Questo gaussiano Picco modello ha tre parametri A, B, C,

E Questo A indica IL picco valore Di IL viscosità Sopra tempo curva

E B È a critico punto,

Quale È a tempo Quando viscosità raggiunge massimo,

E C È a crescita valutare.

IL valutare Di IL viscosità aumento durante IL iniziale fase.

Questo È IL raccordo Di IL viscosità Sopra tempo curva

utilizzando IL gaussiano Picco modello

utilizzando a caratteristica In JMP, chiamata curva raccordo.

Questi Sono IL diagnostico trame

Di IL viscosità curva raccordo utilizzando IL gaussiano Picco Modelli.

Esso sembra Piace IL modello raccordo Sono non pure Cattivo,

Tuttavia, IL frecce sembra A Essere più grandi di IL frecce da IL raccordo

utilizzando principale funzionale componente analisi.

Dopo curva DOE raccordo utilizzando Gaussiano P eak modello,

c'è opzione In JMP Voi Potere eseguire curva DOE modellazione.

Fondamentalmente, curva DOE modello È combinando

IL parametrico modello per IL curve, IL gaussiano Picco modello,

E IL modello per IL parametri Di IL gaussiano Picco modello

esprimere IL parametro COME a funzione Di formulazione fattori

utilizzando generalizzato regressione Modelli.

Poi Voi Ottenere IL curva DOE modello

E Questo È a profilatore Di IL curva DOE modello.

Utilizzando Questo profilatore Voi Potere prevedere IL forma Di IL curva

di specificando combinazione Di IL formulazione fattori.

In realtà, Questo profilatore È un po' diverso

da IL funzionale DOE profilatore Noi avuto in precedenza.

Questi Sono IL diagnostico trame da curva DOE modello.

COME Voi Potere Vedere Qui Quello IL curva DOE modello

fa non adatto IL dati BENE E suo tanto peggio di IL funzionale DOE modello.

Questi Sono IL curva DOE modello adatto SU IL originale dati.

COME Voi Potere Vedere Quello per a numero Di formulazioni,

IL curva DOE modello fa non adatto IL dati BENE.

Questo È a confronto Di IL profiler

da funzionale DOE modello E curva DOE modello.

COME Voi Potere Vedere Quello IL profilatori, Essi Aspetto abbastanza diverso.

Questo confronta IL diagnostico trame

da funzionale DOE modello E curva DOE modello.

COME Voi Potere Vedere Quello funzionale DOE modello

si adatta IL dati tanto Meglio di IL curva DOE modello

con a più piccola radice Significare piazza errore.

Ora Io sono andando A spettacolo Voi IL secondo esempio.

Questo esempio È da a pannolino progetto Di sperimentare

con quattro diverso Prodotto A, B, C, D

A tre diverso stazioni etichettato COME S1, S2 E S3,

COSÌ suo a fattoriale progetto.

Pannolino assorbimento volume era misurato Sopra tempo

per questi quattro diverso Prodotto A tre diverso stazioni.

IL risposta È pannolino assorbimento volume Sopra tempo

E IL obiettivo È A capire IL differenza

In pannolino assorbimento curve attraverso diverso prodotti E stazioni.

Questi Sono a pochi esempi Di pannolino assorbimento volume Sopra tempo curve

Dove IL raccordo linee Sono levigante curve.

Noi eseguita principale funzionale componente analisi

SU IL pannolino assorbimento volume finito tempo curve

E Questo funzionale principale componente analisi

era capace A Trovare cinque funzionale principale componente

Dove cumulativamente,

Essi spiega Di Quasi 100% Di variazioni tra multiplo curve.

Questi Sono IL funzionale principale componente analisi modello adatto.

COME Voi Potere Vedere, per Quasi Tutto IL curve,

IL montato curva plateau Dopo a certo tempo punto.

Funzionale principale componente analisi modello montato curve Veramente BENE

COME Voi Potere Vedere da IL diagnostico trame.

Noi eseguita funzionale DOE modellazione

Di IL funzionale principale componente analisi

E Questo È profilatore Di IL funzionale DOE modello.

Questo modello consente noi A valutare forma Di IL curva

per diverso pannolino prodotti A diverso misurazione stazioni.

IL Prodotto confronto A stazione due sembra A Essere diverso

da IL Prodotto confronti A stazione uno E stazione tre.

Questi Sono IL diagnostico trame Di IL funzionale DOE modello.

Prossimo, Noi volevo Piace A eseguire curva DOE modellazione.

Prima curva DOE modellazione,

Noi volevo Piace A Trovare Alcuni parametrico modello

Quello si adatta IL pannolino assorbimento volume Sopra tempo dati BENE.

I trovato Quello c'è a funzione In JMP chiamato biesponenziale 4P modello.

Questo modello È a miscela Di due esperienziale modello

con quattro sconosciuto parametri.

Questo modello si adatta Tutto IL pannolino assorbimento volume Sopra tempo curve Veramente BENE.

Questi Sono IL diagnostico trame Di IL curva raccordo E Voi Potere Vedere

Quello IL biesponenziale 4P modello si adatta Tutto IL curve Veramente BENE.

Dopo raccordo pannolino assorbimento volume Sopra tempo curve

utilizzando biesponenziale 4P modello, Noi eseguita curva DOE modellazione utilizzando JMP

E Questo È a profilatore Di IL curva DOE modello.

Utilizzando Questo profilatore, Voi Sono capace A Vedere IL forma Di IL curva

COME a funzione Di pannolino Prodotto COME BENE COME a misurazione stazione.

Questo È a profilatore Di Prodotto A A stazione due E Poi stazione tre.

Questi Sono IL diagnostico trame Di IL curva DOE modello

E Voi Potere Vedere Quello curva DOE modello si adatta IL dati BENE,

tranne Quello A più alto pannolino assorbimento volume,

IL residui Sono ottenere più grandi.

Questi Sono IL curva DOE modello adatto SU IL originale dati.

COME Voi Potere Vedere Quello per maggior parte Di IL curve,

Questo modello si adatta IL dati Veramente BENE.

Questo obbliga IL modello profilatore

Di IL funzionale DOE modello contro curva DOE modello.

COME Voi Maggio avviso Quello c'è Alcuni differenza

fra questi due profilatore A IL Dopo tempo punto.

IL previsto pannolino assorbimento volume A IL Dopo tempo punto

tendere A altopiano da IL funzionale DOE modello,

Ma Esso Continua A aumento A Dopo tempo punto

utilizzando IL curva DOE modello.

Questo confronta IL diagnostico trame da IL funzionale DOE modello

contro curva DOE modello utilizzando il 4P biesponenziale modello.

COME Voi Potere Vedere Quello Entrambi Di questi Modelli si adatta IL dati Veramente BENE,

con funzionale DOE essendo leggermente Meglio

con leggermente piccolo radice Significare piazza errore.

Ora, Voi Avere visto IL confronto Di funzionale DOE modellazione

contro curva DOE modellazione utilizzando due P&G esempi

E Questo È Nostro riepilogo E conclusioni.

Funzionale DOE modellazione È Sempre a Bene scelta.

Quando IL parametrico modello si adatta Tutto IL curva dati BENE,

curva DOE modellazione Maggio eseguire Veramente BENE.

Tuttavia, Se IL parametrico modello fa non adatto IL curva dati BENE,

Poi IL curva DOE modellazione Maggio eseguire male.

Funzionale DOE modello È puramente empirico.

Tuttavia, curva DOE modello

Maggio Prendere in account meccanicistico comprensione

O estroverso conoscenza In IL modellazione, COSÌ Esso Potere Essere ibrido.

I è così Bene A Tentativo diverso metodo Piace diverso levigante metodo

Prima principale funzionale componente analisi.

In funzionale DOE modellazione,

provare funzionale DOE modello contro curva DOE modello

E Vedere Quale uno esegue migliore.

Questo È FINE Di Nostro presentazione.

Grazie Voi Tutto per tuo Attenzione.

Modellazione statistica avanzataModellazione predittiva e machine learning