좋은 아침이에요,
나는 2개의 답변(A와 
과 2개의 요인(C와 D)을 포함하는 DOE를 생성합니다. 두 가지 요인은 예를 들어 C의 경우 5~9, D의 경우 10~25의 농도입니다. D/C 비율이 4 이상이어야 한다는 사실을 요인에 제한하여 계획을 만들고 싶습니다. .이것을 어떻게 깨달아야 합니까? 또한 어떤 유형의 요소를 인코딩해야 합니까? 연속인가, 이산인가? 나는 조금 길을 잃었습니다.
안녕하세요 @SeanCor 님 ,
JMP 커뮤니티에 오신 것을 환영합니다!
JMP를 사용하여 DoE 생성 시 제약 조건을 관리하는 방법을 더 잘 이해하려면 @Jed_Campbell 의 블로그 기사를 읽어 보시기 바랍니다. Demystifying Factor Constraints - JMP 사용자 커뮤니티
귀하의 질문, 답변, 질문 및 의견과 관련하여:
- 요인 C와 D의 농도가 연속적으로 변할 수 있는 경우 연속 요인일 가능성이 가장 높습니다. "이산" 유형 요소는 가능한 전체 범위에 걸쳐 정의된 몇 가지 순서 값만 취할 수 있습니다. 요인 유형에 대한 자세한 내용은 여기를 참조하세요: 요인(jmp.com)
- 이 계획의 목표는 무엇입니까? 이 두 가지 요소의 효과를 정량적으로 연구하시겠습니까? 예측 모델이 있나요? 이러한 요인의 가능한 상호 작용이나 2차 효과를 분석하고 싶습니까? 이러한 질문은 단지 시작점일 뿐이지만 어떤 유형의 계획이 가장 적합한지 더 잘 이해하고 계획의 구성 및 분석에 대한 올바른 결정을 내릴 수 있도록 도와줍니다.
- Concernant votre contrainte relationnel entre C et D, vous pouvez l'ajouter dans plusieurs plateformes de construction de plan. J'ai pris l'exemple ici avec la plateforme Custom Design :
- 답변, 요인 및 범위를 입력하세요.
- Dans la partie "Define Factor Constraints", cliquer sur "Specify Linear Constraints". Comme vous souhaitez que le ratio D/C soit supérieur ou égal à 4, une remise en forme de cette équation donne :
4 * :C + -1 * :D</img> <= 0
Vous pouvez donc entrer cette contrainte dans la partie dédiée :
- 계획을 사용하여 추정하려는 효과 유형을 정의합니다. 여기 예에서는 C와 D 사이의 상호 작용을 추가했습니다. C와 D의 주 효과와 절편은 기본적으로 입력됩니다.
- 그런 다음 반복실험 횟수와 중심점을 정의하고 수행할 실행 횟수에 대해 어느 정도 유연성을 확보한 다음 "디자인 만들기" 계획 생성을 시작할 수 있습니다. 이 예에서는 2차 효과가 존재할 수 있는지 평가하고 적합성 부족 테스트를 통해 모델의 적합성을 확인할 수 있도록 3개의 중심점을 선택했습니다. 권장 실행 횟수는 12입니다.
이 관계형 제약으로 인해 요인 C와 D는 더 이상 독립적이지 않습니다. 각각의 개별적인 효과를 추정하는 것은 더 어려울 수 있습니다.
이러한 관계형 제약이 실험을 수행하는 데 물리적으로 필요한지(이 경우 물리적으로 수행이 불가능하거나 위험한 실험 생성을 피하기 위해 계획에서 고려해야 함), 아니면 좋은 결과가 있다고 생각하는 제약 조건 "우대". 두 번째 경우에는 시작 시 편견을 피하고 가능한 실험 공간에 대해 가장 중립적이고 완전한 보기를 갖기 위해 이 제약 조건을 제거하는 것이 좋습니다. 실험 공간에서 긍정적인 결과가 어디서, 어떻게, 왜 나오는지 이해하려면 부정적인 결과도 나와야 합니다.
마지막으로, 요인의 개별 집중이 관심 있는 정보를 구성하는지, 아니면 관심 있는 것으로 보이는 비율인지에 대한 질문도 발생합니다. 두 번째 경우에는 요인 C와 D를 요인(비율)으로 결합하여 특정 범위에 걸쳐 전개할 수 있으며 실험 설계가 필요하지 않습니다.
여기에 언급된 제한된 실험 설계를 생성하는 데 사용되는 스크립트는 다음과 같습니다.
DOE(
Custom Design,
{Add Response( Maximize, "A", ., ., . ), Add Response( Maximize, "B", ., ., . ),
Add Factor( Continuous, 5, 9, "C", 0 ), Add Factor( Continuous, 10, 25, "D", 0 ),
Set Random Seed( 1047040825 ), Number of Starts( 55959 ),
Add Constraint( [4 -1 0] ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {1, 1}, {2, 1} ), Center Points( 3 ),
Set Sample Size( 12 ), Optimality Criterion( "Make A-Optimal Design" ),
"A-Optimality Parameter Weights"n( [1 1 1 1] ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design, Set Run Order( Randomize ), Make Table}
);
또한 이 응답을 설명하기 위해 생성된 계획을 PJ에서 찾을 수 있습니다(이 방법으로 생성된 모든 실험이 제약 조건을 준수하는지 확인할 수 있도록 계산된 열 D/C 테이블에 추가).
이 답변이 도움이 되길 바랍니다.
안녕하세요 @SeanCor 님 ,
매우 정확한 요소 값과 관련하여 이는 최적의 계획을 생성하는 데 사용된 알고리즘의 결과입니다. 이 주제에 대한 답변을 확인하세요.
해결됨: Re: D-최적 RSM의 홀수 요인 설정은 어떻게 생성됩니까? - JMP 사용자 커뮤니티
해결: Re: 혼합 선별 설계에 무작위 소수가 포함되었습니다. - JMP 사용자 커뮤니티
비율 제약과 관련하여 후자는 매우 까다롭습니다. D와 C의 극단값(D의 경우 최대값, C의 경우 최소값)을 취하면 25/5 = 5와 같은 최대 비율에 도달합니다. 4와 5 사이의 비율을 찾는 법선입니다. 이 비율 제약 조건을 수정하거나 요인의 범위를 확대할 수 있습니까(C의 경우 더 낮은 값, D의 경우 더 큰 값)?
예측 목표와 관련하여 Space-Filling 유형 계획이 더 적합할 수 있습니다. 왜냐하면 실험 공간에 포인트를 배포할 수 있고 모델링(특히 기계 학습 알고리즘의 경우)과 필요한 포인트 수에 큰 유연성이 허용되기 때문입니다( 최소값은 없지만 합리적인 포인트 수를 선택해야 합니다.
"DoE", "Special Purpose", "Space-Filling"에서 사용 가능한 Space-Filling 플랫폼에서 구축할 수 있습니다.
PJ에서는 요인, 반응 및 비율 제약 조건을 사용하여 20번의 실험을 통해 구축된 공간 채우기 계획의 예를 찾을 수 있습니다.
선택한 계획 유형에 따른 실험 공간의 포인트 분포 비교:
추가 답변이 도움이 되기를 바라며,
좋은 아침이에요,
저에게 많은 도움이 되는 답변에 진심으로 감사드립니다. 실제로 패키지를 제공하기 위해 입력에서 출력을 예측하는 것을 목표로 하는 모델을 만드는 것입니다. 즉, 욕구에 따라 다른 가능성을 말하는 것입니다. A가 농도 수율이고 B가 백분율이라고 가정해 보겠습니다. 저는 요인 C와 D의 서로 다른 농도를 기반으로 답변 A와 B를 예측하고 싶습니다. 그러나 귀하가 설명하는 대로 모델을 수행하면 실제로 달성하기 어려운 매우 정확한 소수점 농도가 생성됩니다. 또한 제약 조건에서는 비율이 4보다 크거나 같아야 하며 비율은 4에서 4.91 사이(그 이상은 아님)만 갖고 있습니다. 이것이 정상인가요?
감사합니다
