651705_ja-JP

liliconcom

JMP 機能 DOE および曲線 DOE モデリングを使用した機能反応の予測 - (2023-US-30MP-1520)

Fangyi Luo 氏、プロクター・アンド・ギャンブル社グループ科学者
Christopher Gotwalt 氏、JMP 統計研究開発ディレクター

機能的または曲線的な反応は、業界で頻繁に発生します。 JMP の新機能のおかげで、主要な DOE または JMP Functional DOE または Curve DOE モデリングによる製品設計要素を使用して機能応答をモデル化し、予測できるようになりました。 Functional DOE モデルは純粋に経験に基づくものです。ただし、Curve DOE モデルには、曲線応答の関数形式に関する機構または専門知識を組み込むことができます。このプレゼンテーションでは、消費者製品業界のケーススタディを使用して、機能 DOE モデリングと曲線 DOE モデリングを使用して機能反応を予測する方法と結果を比較します。

こんにちは、 私の 名前 は ファンジー i ルオ そして 私は から プロクター・アンド・ギャンブル。

今日 私は プレゼンテーションする と クリス ゴットワルス から JMP。

だった 行く に 話す について どうやって に モデル データ から 設計 実験

いつ の 応答 は 機能的な 曲線。

機能的 または 曲線 反応 起こる とても 頻繁 で 業界。

ありがとう に の 新しい 発達 の JMP、

私たちは できる 今 モデル そして 予測する 機能的な 反応

として a 機能的な の 鍵 エネルギー省 または 製品 デザイン 要因

使用して 両方 機能的な エネルギー省 または 曲線 エネルギー省 モデリング。

A 機能的な エネルギー省 モデル は 純粋に 経験的な。

しかし、 a 曲線 エネルギー省 モデル できる 取る の中へ アカウント 機械的な

または 専門家 知識 の上 の 機能的な 形状 の の 曲線 反応。

で これ プレゼンテーション、 の 方法 そして 結果 の 予測する

機能的な 反応 使用して 機能的な エネルギー省 そして 曲線 エネルギー省 モデリング 意思 なれ 比較した

使用して 場合 研究 から の 消費者 製品 業界。

これ は の 概要 の a 話す。

私たちは 意思 壊す の 話す の中へ 二 部品。

で の 初め 一部、 クリス 意思 話す について

何 は の 機能的な データ 例 の 機能的な データ

そして それから 彼 意思 ヘルプ あなた と 基本的 理解

の の 機能的な エネルギー省 モデリング、

含む 機能的な 原理 成分 分析

として 良い として 曲線 エネルギー省 モデリング。

で の 2番 一部、

I 意思 使用 二 例 から プロクター・アンド・ギャンブル

そして 比較する の 結果 の 機能的な エネルギー省 そして 曲線 エネルギー省 モデリング

使用して これら 二 例。

の 初め 例 は モデリング 粘度

以上 時間 データ Fから 定式化 実験。

の 2番 例 は モデリング 吸収 音量 以上 時間 データ

から a おむつ デザイン の 実験。

それから I 意思 仕上げる の 話す と a 簡単な まとめ そして 結論。

ありがとう ファンジー 私。

今 私は 行く に 与える a 素早い イントロ に 機能的な そして 曲線 データ 分析。

しかし 初め I 欲しい に ポイント 外

それ そこには は a 多く の これ 親切 の データ 外 そこには そして JMP 本当に もっている 作った

分析する 曲線 応答 データ として 速い、 簡単 そして 正確な として 可能。

もし あなた していない 聞いた の 機能的な データ 分析 前に、

あなた 持っている 確かに 見た それ 外 そこには。

その 全て 以上 の 場所、

そして私はそうします 見せる あなた いくつかの 例 に 作る それ クリア。

のために 例、 ここ は 年間 家 価格 インデックス

から 1992年 -2021 のために 全て 50 私たち 州。

それぞれ 関数 もっている a 始まり 測定

フォローしました による a 順序 の 他の 測定値

そして それから a 最後の 測定。

彼らは 全て 持っている a 始まり、 a 真ん中 そして の 終わり。

の 機能 しないでください 持っている に 全て 持っている の 同じ 始める そして エンドポイント

または 測定値 で の 同じ 回。

で a 時間 シリーズ 分析、 私たちは は 本当に 興味がある で 使用して データ

に 予測する フォワード の中へ の 未来 使用して データ 観察された から の 過去。

で a 機能的な データ 分析 または a 曲線 データ 分析、

私たちは は 一般的に もっと 興味がある

で 説明する の 変化 内部 に の 機能

よりも 予測する 超えて の 範囲 の 回 私たちは持っています 観察された。

で 製品 そして プロセス 改善 で 業界、

私たちは は 頻繁 働く の上 非金融 曲線。

私は 行く に 見せる あなた いくつかの 例 それ 私たちの 顧客 持っている 共有 と 私たち。

ここ 私たちは 見る a セット の 赤外線 スペクトル の ガソリン サンプル

使用済み に 開発する の 安価な 道具 に 測定 オクタン価 そして ガソリン。

の 緑 曲線 持っていた 高い オクタン価、 そして の 赤 もの だった 低い で オクタン価。

の 身長 の の 左 ピーク 回った 外 に なれ 致命的

のために 予測する オクタン価 レベル。

微生物 成長 曲線

は a 一般 タイプ の 機能的な データ で の バイオテクノロジー 業界。

今日、 F アンジー 意思 なれ 実演する 二 メソッド で JMP

それ できる なれ 使用済み のために 分析する DOE、

どこ の 応答 は a セット の 測定。

の 初め 方法 は 呼ばれた 機能的な エネルギー省 分析

そして は 最高 のために 複雑 応答 機能 のように スペクトル

いつ あなた 必要 の モデル に 本当に 学ぶ の 曲線 そして の データ から 傷。

の 2番 は a 曲線DOE 分析、

どれの は ベースの の上 非線形 回帰 モデル。

いつ あなた できる 使用 の 曲線DOE 分析、

I 見つかった それ あなた 得る もっと 正確な 結果 と それ。

しかし もし あなた できない 得る の 曲線DOE 分析 に 仕事、

あなた できる いつも 秋 戻る の上 の 機能的な エネルギー省 分析、

として その もっと 一般的な よりも 曲線DOE。

の 致命的 ステップ で 機能的な データ 分析

それ 意思 なれ 新しい に ほとんど 人々

は 呼ばれた 機能的な 原理 コンポーネント 分析、

また 呼ばれた FPCA のために 短い。

これ は どうやって 私たちは 分解する の 曲線 の中へ 形 コンポーネント

それ 説明する の 典型的な パターン 私たちは 見る で の 曲線、

として 良い として 重み それ 属性 どうやって 強く それぞれ 個人 曲線

相関する と それらの 形 コンポーネント。

その a 親切 の 寸法 削減 そして データ 圧縮 技術

それ 減らす 全て の 情報 で の 曲線

の中へ の ほとんど コンパクト 表現 可能。

に 説明する FPCA、 取る a 見て で の セット の 曲線 で の プロット ここ。

何 する 彼らは 持っている で 一般？

どうやって する 彼らは 異なる から 1つ 別の？

何 I 見る で 一般

は a セット の ピーク 形 と 1つ ピーク あたり 曲線、

そして の 形 行く に ゼロ 離れて から の ピーク。

彼らは また 現れる に なれ 対称的な その周り の 中心 の の ピーク。

で 条項 の 違い、 I 見る 変化 で ピーク ハイツ、

そして そこには は クリア 水平 シフト から 左 に 右、

そして いくつかの 曲線 は また 狭い よりも 他の もの。

で a 機能的な データ 分析、

の 初め もの 私たちは する は 探す a スムージング モデル

それ 改宗する または 近似値 の 離散 測定、

変換する 彼ら の中へ 継続的な 機能。

あるよ a バラエティ の スムージング モデル で FDE。

I しないでください 本当に 持っている a 固い ルール として に どれの 1つ は の 最高 で 一般的な、

しかし ここ は 私の 観察 について の ほとんど 一般 もの。

ウェーブレット そして スプライン 持っている 違う 強み。

ウェーブレット は 新しい で JMP プロ 17

そして は とても 速い そして は 一般的に の 最高 と 複雑 機能

そのような として スペクトル、 として 長さ として の X 座標 の の データ は の上 a グリッド。

の上 の 他の 手、 そこには は BとP スプライン、

どれの は もっとゆっくり 計算的に

しかし は より良い のために データ と 不定期に～ 間隔をあけたX さん、

そして は また 頻繁 より良い

いつ そこには は のみ a ダース または 少ない 測定値 あたり 関数。

もし の データ そうではありません 大きい、 I するだろう 試す 両方 スプライン そして ウェーブレット

そして 見る どれの 1つ は 与える 私たち の 最高 フィット

による 探している で の グラフ。

の 主要 グラフ I 使用 に 作る 決断 について スムージング モデル

は 実際の による 予測された プロット

そして あなた 欲しかった の 1つ それ 抱擁 の 45- 程度 ライン もっと 密接に。

で これ 場合、 I するだろう 選ぶ の ウェーブレット モデル の上 の 右

以上 の スプライン モデル の上 の 左、

なぜなら それらの ポイント は よりきつい その周り それ 45- 程度 ライン。

すぐに 後 JMP プロ 合う a スムージング モデル に の データ、

それ 分解する の 信号

の中へ 支配的な 特性 形 それ 見つかった で の データ。

で 数学的 言語、 これら 形 は 呼ばれた 固有関数、

しかし a より良い そして もっと 親しみやすい 名前 するだろう なれ に 電話 彼ら 形 コンポーネント。

ここ 私たちは 見る それ JMP もっている 見つかった

それ の 全体 平均 関数 は a ピーク 形

そして それ そこには は 三つ 形 コンポーネント

それ 説明する 97% の の 変化 で の データ。

の 初め 形 成分 表示されます に 対応する に a ピーク 身長。

私は 学んだ に 認識する それ の 2番 形

は a タイプ の 左- 右 ピーク シフト パターン そして それ の 三番目 形 成分

は 何か それ するだろう コントロール の ピーク 幅。

覚えて それ これら は 形 学んだ から の データ、

ない 何か それ I 与えた JMP 外 の の データ。

何 もっている 起こりました は の 観察された スペクトル で の データ

もっている された 分解された の中へ の 添加剤 組み合わせ

の の 形 コンポーネント

と 個性的 重み のために それぞれ 個人 曲線。

の 機能的な PCA は のように 逆行する エンジニアリング の レシピ の の 曲線

で 条項 の の 形 コンポーネント。

の 平均 関数 は の もの それ 彼らは 全て 持っている で 一般。

の 形 コンポーネント は の 主要 材料。

そして の 重み は の 金額 の の 材料

で の 個人 曲線。

の 機能的な エネルギー省 分析 は の 同じ 数学的に

として 抽出する の スコア または 重み

そして モデリング 彼ら で フィット モデル と の 一般化された 回帰 プラットホーム。

幸いなことに、 そこには は a 赤 三角形 オプション

で の 機能的 データ 冒険者 それ 自動化します の モデリング、

リンクする 上 の エネルギー省 モデル と の 形 機能 のために あなた

そして プレゼンテーションする あなた と a プロファイラー

それ 接続します の エネルギー省 モデル と の 形 機能。

あなた できる 直接 見る どうやって 変化 の エネルギー省 要因

リード に 変化 で の 予測された 曲線 または スペクトル。

そこには は 多くの 潜在的 アプリケーション の 機能的な エネルギー省 分析、

いくつかの の どれの 方宜 意思 なれ プレゼンテーションする 後で で これ 話す。

そこには は 別の アプローチ で JMP 呼ばれた 曲線 エネルギー省 モデリング。

これ 答え の 同じ 親切 の 質問 として 機能的な エネルギー省、

しかし それ は 非線形 回帰 ベースの それよりも よりも スプライン または ウェーブレット に基づいています。

何 それ 手段 は それ もし あなた 持っている a 良い アイデア の a 非線形 モデル、

のように a 三つ- パラメータ ロジスティック モデル、 そして もし それ モデル 合う あなたの データ 良い、

あなた できる 得る モデル そして 結果

それ 一般化する より良い よりも a 機能的な エネルギー省 モデル、

なぜなら の 一般的な 形 の の 曲線

しません 持っている に なれ 学んだ から 傷 から の データ 使用して スプライン または ウェーブレット。

の アイデア いる それ もし あなた できる 作る 仮定 について あなたの データ

それ 再現する の モデリング 努力 必要な、

あなたの 予測 意思 なれ もっと 正確な、 特に から 小さい データ セット。

曲線 エネルギー省 分析 もっている a とても 似ている ワークフロー

に a 機能的な エネルギー省 分析、

を除外する それ あなた 行く を通して の フィット 曲線 プラットホーム

その代わり の の 機能的な データ 冒険者、

そして その代わり の 選択する ウェーブレット または スプライン、

あなた 選んだ a パラメトリック モデル から の プラットホーム。

ただ のように で a 機能的な エネルギー省 分析、

あなた 欲しい に レビュー の 実際の 予測による プロット

に 作る もちろん それ あなたの 非線形 モデル は やってる a 良い 仕事 の フィッティング の データ。

A 曲線DOE 分析 は の 同じ として モデリング

の 非線形 回帰 パラメーター

抽出された から の 曲線 使用して の 一般化された 回帰 プラットホーム。

これ は の 同じ もの として 何ですか 行く の上 と a 機能的な エネルギー省 分析

と の FPCA 重み。

フィットカーブ 自動化します の モデリング そして 視覚化 ただ として FDE そうです。

一度 あなた 知る 機能的な エネルギー省 分析、

その 本当に ない とても 難しい で 全て に 学ぶ 曲線DOE 分析。

今 私は 行く に 手 それ 以上 に F アンジー

誰が もっている いくつかの ニース 例 説明する 機能的な エネルギー省 そして 曲線DOE。

ありがとう クリス。

次 私は 行く に 話す について 二 例 から プロクター・アンド・ギャンブル。

の 初め 例 は 粘度 以上 時間 曲線

集めました から a 番号 の 歴史的な 配合 実験

のために の 同じ タイプ の 液体 配合。

そこには は 六 要因 私たちは するだろう のように に 考慮する のために の モデリング。

彼らは は 全て 配合 材料 そして 私たちは 電話 彼ら 要素 1つ に 要素 六。

の ゴール の 私たちの モデリング は に 使用 これら 配合 要因

に 予測する または 最適化する 粘度 以上 時間 曲線。

の 応答 の モデリング は 粘度 以上 時間。

これ 滑り台 示した あなた いくつかの 粘度 以上 時間 データ。

のために 過半数 の 私たちの 製剤、 の 粘度 の の 製剤

するだろう 増加 初め と 時間 そして それから 減少 後で の上。

次、 だった 行く に 実行する 機能的な エネルギー省 分析 の上 粘度 以上 時間 データ。

前に 機能的な エネルギー省 分析、

私たちは 必要 に 実行する 機能的な 主要 成分 分析

の上 の 曲線 スムーズ 使用して 違う 方法。

ここ、 私たちは 適用する 機能的な 主要 成分 分析

に の 曲線 初め を使用して Bs ライン

そして 探す 五 機能的な 主要 成分

どこ 彼らは 累積的に 説明する について 100% の 変化 で の 曲線。

それぞれ の の 曲線 するだろう 急行

として の 和 の の 平均 関数 プラス 線形 組み合わせ

の の 五 機能的な 主要 コンポーネント

または 自分の 機能 また 呼ばれた 形 関数。

私たちは また 適用する 直接 機能的な 主要 成分 分析 に の データ

どこ それ 探す 四 機能的な 主要 コンポーネント

それ 累積的に 説明する

について 100% の 変化 横切って 粘度 以上 時間 曲線。

E しかし 曲線 意思 それから なれ 表現された として の 平均 関数

プラス 線形 組み合わせ の の 四 機能的な 主要 コンポーネント。

これ 滑り台 比較する の 機能的な 主要 成分 分析 モデル フィット

を使用して 二 違う オプション。

の 初め 1つ は 使用して の Bs 満杯 オプション

そして の 2番 1つ は 使用して の 直接 機能的な PCA 分析。

として あなた できる 見る 使用して の B -スプライン オプション、 の モデル フィット らしい に なれ より滑らかな

として 比較した に の モデル フィット 使用して 直接 機能的な PCA 分析。

これ 滑り台 示した あなた の 診断 プロット、

の 観察された 対 予測された 粘度

から の 機能的な 主要 成分 分析

使用して 二 違う オプション。

使用する 直接 機能的な PCA 分析、

の ポイント は クローザー に の 45- 程度 行

として 比較した に の 1つ 使用して Bs 満杯 オプション、

示す それ 直接 機能的な PCA 分析

合う の 粘度 以上 時間 データ

わずかに より良い よりも の 機能的な 主要 成分 分析

使用して B スプライン オプション。

後 演奏する 機能的な 主要 成分 分析、

あるよ の オプション で JMP、 あなた できる 実行する 機能的な エネルギー省 モデリング

そして 得る 機能的な エネルギー省 プロファイラー。

のために 機能的な エネルギー省 モデリング、

基本的に その 組み合わせる の 機能的な 校長 成分 分析

と の モデル のために の 機能的な 主要 成分 スコア

使用して 配合 要因。

のために これ プロファイラー 私たちは できる 予測する の 機能的な 反応、

で 私たちの 場合、 は 粘度 以上 時間 曲線 使用して 違う 配合 要因。

あなた できる 選択する a 組み合わせ の の 配合 要因

そして その できる に 予測する の 粘度 以上 時間 曲線。

これ 滑り台 ショー あなた の 診断 プロット、 の 観察された 対 予測的な 粘度

そして また の 残留物 プロット から の 機能的な エネルギー省 モデリング。

として あなた できる 見る それ の 残差 から の 機能的な エネルギー省 モデリング

は より大きな よりも の 機能的な 主要 成分 分析

前に の 機能的な エネルギー省 モデリング。

私たちの 同僚 で プロクター・アンド・ギャンブル

実は 彼らは 探す それ ガウス ピーク モデル するだろう フィット

個人 粘度 曲線 とても 良い。

これ ガウス ピーク モデル もっている 三つ パラメーター A、B、C、

そして これ A を示します の ピーク 価値 の の 粘度 以上 時間 曲線

そして B は a 致命的 ポイント、

どれの は a 時間 いつ 粘度 到達する 最大、

そして C は a 成長 レート。

の レート の の 粘度 増加 その間 の イニシャル 段階。

これ は の フィッティング の の 粘度 以上 時間 曲線

使用して の ガウス ピーク モデル

使用して a 特徴 で JMP、 曲線と呼ばれる フィッティング。

これら は の 診断 プロット

の の 粘度 曲線 フィッティング 使用して の ガウス ピーク モデル。

それ 見た目 のように の モデル フィッティング は ない あまりにも 悪い、

しかし、 の 矢印 らしい に なれ より大きな よりも の 矢印 から の フィッティング

使用して 関数プリンシパル 成分 分析。

後 曲線DOE フィッティング 使用して ガウス P イク モデル、

あるよ オプション で JMP あなた できる 実行する 曲線 エネルギー省 モデリング。

基本的に、 曲線 エネルギー省 モデル は 組み合わせる

の パラメトリック モデル のために の 曲線、 の ガウス ピーク モデル、

そして の モデル のために の パラメーター の の ガウス ピーク モデル

急行 の パラメータ として a 関数 の 配合 要因

使用して 一般化された 回帰 モデル。

それから あなた 得る の 曲線DOE モデル

そして これ は a プロファイラー の の 曲線DOE モデル。

使用する これ プロファイラー あなた できる 予測する の 形 の の 曲線

による 指定する 組み合わせ の の 配合 要因。

実は、 これ プロファイラー は 幾分 違う

から の 機能的な エネルギー省 プロファイラー 私たちは 得た 以前。

これら は の 診断 プロット から 曲線DOE モデル。

として あなた できる 見る ここ それ の 曲線DOE モデル

する ない フィット の データ 良い そして その 多くの 悪い よりも の 機能的な エネルギー省 モデル。

これら は の 曲線DOE モデル フィット の上 の オリジナル データ。

として あなた できる 見る それ のために a 番号 の 製剤、

の 曲線DOE モデル する ない フィット の データ 良い。

これ は a 比較 の の プロファイラー

から 機能的な エネルギー省 モデル そして 曲線DOE モデル。

として あなた できる 見る それ の プロファイラー、 彼らは 見て とても 違う。

これ 比較する の 診断 プロット

から 機能的な エネルギー省 モデル そして 曲線DOE モデル。

として あなた できる 見る それ 機能的な エネルギー省 モデル

合う の データ 多くの より良い よりも の 曲線DOE モデル

と a 小さい 根 平均 四角 エラー。

今 私は 行く に 見せる あなた の 2番 例。

これ 例 は から a おむつ デザイン の 実験

と 四 違う 製品 あいうえお

で 三つ 違う 駅 ラベルが貼られた として S1、 S2 そして S3、

それで その a 階乗 デザイン。

おむつ 吸収 音量 だった 測定された 以上 時間

のために これら 四 違う 製品 で 三つ 違う 駅。

の 応答 は おむつ 吸収 音量 以上 時間

そして の ゴール は に 理解する の 違い

で おむつ 吸収 曲線 横切って 違う 製品 そして 駅。

これら は a 少し 例 の おむつ 吸収 音量 以上 時間 曲線

どこ の フィッティング 行 は スムージング 曲線。

私たちは 実行されました 関数プリンシパル 成分 分析

の上 の おむつ 吸収 ボリュームオーバー 時間 曲線

そして これ 機能的な 主要 成分 分析

だった できる に 探す 五 機能的な 主要 成分

どこ 累積的に、

彼らは 説明する について ほとんど 100% の バリエーション の間で 複数 曲線。

これら は の 機能的な 主要 成分 分析 モデル フィット。

として あなた できる 見る、 のために ほとんど 全て の 曲線、

の フィットした 曲線 頭打ちの 後 a ある 時間 ポイント。

機能的 主要 成分 分析 モデル フィットした 曲線 本当に 良い

として あなた できる 見る から の 診断 プロット。

私たちは 実行されました 機能的な エネルギー省 モデリング

の の 機能的な 主要 成分 分析

そして これ は プロファイラー の の 機能的な エネルギー省 モデル。

これ モデル 許可します 私たち に 評価する 形 の の 曲線

のために 違う おむつ 製品 で 違う 測定する 駅。

の 製品 比較 で 駅 二 らしい に なれ 違う

から の 製品 比較 で 駅 1つ そして 駅 三つ。

これら は の 診断 プロット の の 機能的な エネルギー省 モデル。

次、 私たちは するだろう のように に 実行する 曲線DOE モデリング。

前に 曲線DOE モデリング、

私たちは するだろう のように に 探す いくつかの パラメトリック モデル

それ 合う の おむつ 吸収 音量 以上 時間 データ 良い。

I 見つかった それ あるよ a 関数 で JMP 呼ばれた 双指数関数 4P モデル。

これ モデル は a 混合 の 二 経験的な モデル

と 四 未知 パラメーター。

これ モデル 合う 全て の おむつ 吸収 音量 以上 時間 曲線 本当に 良い。

これら は の 診断 プロット の の 曲線 フィッティング そして あなた できる 見る

それ の 双指数 4P モデル 合う 全て の 曲線 本当に 良い。

後 フィッティング おむつ 吸収 音量 以上 時間 曲線

使用して 双指数 4P モデル、 私たちは 実行されました 曲線DOE モデリング 使用して JMP

そして これ は a プロファイラー の の 曲線DOE モデル。

使用する これ プロファイラー、 あなた は できる に 見る の 形 の の 曲線

として a 関数 の おむつ 製品 として 良い として a 測定する 駅。

これ は a プロファイラー の 製品 A で 駅 二 そして それから 駅 三つ。

これら は の 診断 プロット の の 曲線 エネルギー省 モデル

そして あなた できる 見る それ 曲線 エネルギー省 モデル 合う の データ 良い、

を除外する それ で より高い おむつ 吸収 音量、

の 残差 は 取得 もっと大きい。

これら は の 曲線DOE モデル フィット の上 の オリジナル データ。

として あなた できる 見る それ のために ほとんど の の 曲線、

これ モデル 合う の データ 本当に 良い。

これ 強制する の モデル プロファイラー

の の 機能的な エネルギー省 モデル 対 曲線DOE モデル。

として あなた 5月 知らせ それ あるよ いくつかの 違い

間 これら 二 プロファイラー で の 後で 時間 ポイント。

の 予測された おむつ 吸収 音量 で の 後で 時間 ポイント

傾向がある に 高原 から の 機能的な エネルギー省 モデル、

しかし それ 続く に 増加 で 後で 時間 ポイント

使用して の 曲線DOE モデル。

これ 比較する の 診断 プロット から の 機能的な エネルギー省 モデル

対 曲線DOE モデル 双指数 4P を使用する モデル。

として あなた できる 見る それ 両方 の これら モデル 合う の データ 本当に 良い、

と 機能的な エネルギー省 いる わずかに より良い

と わずかに 小さい 根 平均 四角 エラー。

今、 あなた 持っている 見た の 比較 の 機能的な エネルギー省 モデリング

対 曲線 エネルギー省 モデリング 使用して 二 P&G 例

そして これ は 私たちの まとめ そして 結論。

機能的 エネルギー省 モデリング は いつも a 良い 選択。

いつ の パラメトリック モデル 合う 全て の 曲線 データ 良い、

曲線DOE モデリング 5月 実行する 本当に 良い。

しかし、 もし の パラメトリック モデル する ない フィット の 曲線 データ 良い、

それから の 曲線 エネルギー省 モデリング 5月 実行する 不完全に。

機能的 エネルギー省 モデル は 純粋に 経験的な。

しかし、 曲線DOE モデル

5月 取る の中へ アカウント 機械的な 理解

または 外向的 知識 で の モデリング、 それで それ できる なれ ハイブリッド。

I tさん 良い に 試す 違う 方法 のように 違う スムージング 方法

前に 関数プリンシパル 成分 分析。

で 機能的な エネルギー省 モデリング、

機能的に試してみる エネルギー省 モデル 対 曲線DOE モデル

そして 見る どれの 1つ 実行します 最高。

これ は 終わり の 私たちの プレゼンテーション。

感謝 あなた 全て のために あなたの 注意。

高度な統計モデリング予測モデリングと機械学習