Bonjour. Mon nom est Bradley Jones.
Je suis le directeur de le JMP BICHE Groupe, et quoi I vouloir à parler à toi à propos aujourd'hui est
a surprenant utiliser de le Ajuster Définitive Dépistage Plate-forme.
Si toi n'ont pas fait a Définitive Dépistage D conception
et analysé il en utilisant ce plate-forme,
alors toi ne serait pas savoir exactement où le plate-forme était.
Je vais montrer toi que.
Mais quoi Je suis en allant à montrer toi est que toi ne le faites pas avoir à utiliser
le définitive dépistage convenable plate-forme juste à ajuster définitive projections.
Il peut ajuster autre truc comme Bien, et c'est a surprendre.
Je vais commencer dehors par parler à propos quoi le principal idée de ce présentation est,
et alors Je vais revoir comment Ajuster Définitive Dépistage travaux.
De cours,
Je suis en allant à montrer toi par main, mais le plate-forme fait tous le travail pour toi,
donc toi ne le faites pas vraiment avoir à jamais faire tous ce fastidieux truc.
Et alors Je vais avoir a couple de exemples de en utilisant Ajuster Définitive Dépistage
à analyser autre dessins que sont pas définitive dépistage dessins.
Et Je vais faire quelques recommandations à le fin.
À commencer dehors, voici a définitive dépistage conception.
Et si toi regarder à le d'abord paire de courses à le haut, toi peut voir que
chaque valeur ici est plus ou moins un, et chaque valeur ici est moins ou plus un.
W a c'est en essayant à montrer là est que peu importe valeur le haut nombre a,
le bas nombre a le opposé valeur.
Si ce est plus un, alors que volonté être moins un.
Si ce est moins un, alors ce volonté être plus un.
Et le fait que tous six paires de dessins pour ce exemple
sont miroir images comme ce
moyens que le Définitive Dépistage Conception est a Pli sur conception.
Allons-y pense à propos quoi Pli sur dessins sont
et quoi il moyens à avoir a Pli sur conception dans termes de propriétés.
Pour n'importe lequel Pli sur conception,
le principal effets et deux- facteur interactions sont non corrélé,
et que moyens que ils sont statistiquement indépendant.
Orthogonal Pli sur dessins exister pour chaque multiple de huit court.
Cependant, orthogonal principal effets sont pas comme important
comme le orthogonalité de principal effets dans deux- facteur interactions.
Toi peut choisir à permettre pour quelques non- orthogonalité dans principal effets
dans commande à obtenir ce bon propriété que principal effets
sont pas corrélé avec deux- facteur interactions,
lequel moyens que si toi avoir actif deux- facteur interactions,
ils ne le fera pas biais le estimations de n'importe lequel principal effets.
I vouloir à montrer toi comment à faire,
ou parler à propos comment à faire a Pli sur conception en JMP,
et toi peut faire ce dans le Coutume Designer.
Toi ouvrir le Coutume Designer.
Toi ajouter deux- niveau Catégoriels ou Continu facteurs.
Par défaut, Continu facteurs sont toujours deux niveaux.
Et alors toi choisir a modèle que seulement a principal effets, lequel est Défaut, encore.
Et puis toi peut choisir a nombre de courses c'est a multiple de deux
où le multiple de deux a à être à moins comme grand comme
le nombre de facteurs fois deux.
Alors dans le rouge triangle menu sur le Coutume Designer,
toi aller à Optimalité Critère, et regarder à le sous menu
et choisir Faire Alias Optimal Conception depuis le rouge triangle menu.
Alors tu es fait. Tous toi avoir à faire est cliquez Faire Conception.
Et alors après toi voir le conception, toi peut vérifier que le Alias Matrice
contient seulement zéros pour le principal effets et deux- facteur interactions.
Si le nombre de courses dans ton conception est pas a multiple de huit,
alors toi peut voir quelques corrélations entre deux- facteur interactions et le intercepter.
Mais que intercepter estimation n'est pas vraiment important pour dépistage.
Laisser moi donner toi a JMP D émo de que processus.
Le d'abord exemple ici est comment à faire a Pli sur.
Et Je suis en allant à créer a six- facteur coutume conception.
Et dans ce conception, I avoir facteurs A à travers F.
Et toi peut voir que le Un à travers F facteurs sont le seulement des choses dans le modèle
c'est le Défaut.
Maintenant Je suis en allant à le rouge triangle menu
et I choisir Alias Optimal, lequel est le dernier choix ici.
Et alors si I dire : « Eh bien, allons faire 16 courses plutôt de 12," et Faire Conception,
c'est en allant désactivé et c'est en allant à calculer
le Alias Optimal conception pour six facteurs et 16 court.
Maintenant Je suis en allant à vérifier par regarder à le Alias matrice,
et toi peut voir que tout dans le Alias matrice est zéro.
Un autre chose I peut faire est regarder à le couleur carte et le corrélations,
et I peut voir que le principal effets sont tous blanc, et le rectangulaire zone
montrant principal effets et deux- facteur interactions est aussi tous blanc,
lequel moyens que ce conception est, dans fait, a Pliage conception.
Et I pourrait utiliser il à faire a dépistage expérience.
Laisser moi aller dos à mon diapositives.
Tous que le Définitive Écran Conception plate-forme fait
est vérifier que le conception est a Pliage.
Il n'a pas en fait exiger que quoi toi avoir dans le tableau que est actuel
est en fait a DSD.
Toi peut utiliser Ajuster DSD à analyser n'importe lequel Pli sur conception.
Et c'est le surprendre.
Et c'est le principal idée de ce est de montrer toi pas d'abord,
que toi peut créer Pli sur dessins très simplement en utilisant le Coutume Designer,
et que si toi avoir a Pli sur conception,
toi peut utiliser Ajuster Définitive Écran Conception à analyser le données.
Il tours dehors que depuis principal effets et deux- facteur interactions
sont orthogonal à chaque autre dans a Pliage conception,
toi peut diviser le réponse que toi observé dans deux nouveau réponses.
Un réponse toi utiliser pour identifier principal effets,
et toi pourrait appel il Dieu tout-puissant.
Et le autre réponse toi peut utiliser à identifier deux- facteur interactions,
et toi pourrait appel que Y2FI .
Et il tours dehors, parce que
le principal effets sont orthogonal à le deux- facteur interactions,
le deux colonnes que toi créer faire ce volonté être orthogonal à chaque autre.
Le chemin toi serait faire que est toi peut ajuster le principal effets modèle avec Non intercepter
et sauvegarder le prédit valeurs de que modèle.
Et alors après faire que, et toi peut appel que colonne Dieu tout-puissant,
et alors le suivant chose toi faire est sauvegarder le résidus depuis que ajuster,
et ceux résidus sont dans le espace de le deux- facteur interactions.
Maintenant, ces deux actes sont inutile,
mais si toi recherché à savoir qu'est-ce que derrière le écran,
alors ce permet toi à faire tous ces actes pour toi-même si toi vouloir.
Mais, de cours, toi peut utiliser le Ajustement définitif Dépistage plate-forme,
et c'est faire ce derrière le scènes.
Laisser moi faire a petit digression.
I pense c'est précieux à utiliser le Modèle Hérédité Hypothèse,
lequel est que, en général Parlant,
deux- facteur interactions sont beaucoup plus probable à se produire
si les deux le principal effets que composer que interactions sont actif eux-mêmes.
Pour exemple,
si facteur A et facteur B principal effets sont les deux actif,
alors toi pourrait vouloir à considérer convenable le deux- facteur interaction de A B.
Maintenant ce est pas a physique loi.
Rien fait il absolument nécessaire que ce prise.
Et encore empirique preuve a montré que
tel modèles sont beaucoup plus probable que ayant
interactions être actif quand le principal effets sont pas actif.
Maintenant, tout le monde qui est fait a parcelle de expériences a comptoir exemples à ce.
Tous Je suis adage est ceux comptoir exemples sont relativement rare.
Maintenant pourquoi serait toi faire ce hypothèse?
Bien, voici le raison.
Si toi utiliser le Hérédité Hypothèse,
toi peut avoir le ensemble de possible modèles être beaucoup plus petit
que si toi ne le faites pas faire ce hypothèse.
Dans le exemple que I a montré toi plus tôt où I avait facteurs A à travers F,
allons supposer que il tourné dehors que seulement facteurs C, D, et F étaient actif,
alors toi serait seulement considérer le trois deux- facteur interactions, CD, CF, et DF.
Et depuis là sont trois de ces interactions,
là sont deux à le troisième possible modèles,
un de lequel a Non interactions,
et toi avoir trois avec un interaction,
trois avec deux interactions, et un avec tous trois interactions.
Cependant, si nous recherché à regarder à tous le deux- facteur interactions
parmi tous le facteurs A à travers F,
alors là sont six choisir deux ou 15 possible deux- facteur interactions,
lequel moyens que là sont deux à le 15e ou plus que 32 000 possible modèles.
Et tamisage à travers tous de ceux modèles est a beaucoup Plus fort modèle sélection problème.
Si toi peut compter sur sur le Hérédité Hypothèse,
toi peut sauvegarder toi-même a parcelle de travail
et aussi a parcelle de ambiguïté dans fabrication ton modèle sélections.
Maintenant en allant dos à comment toi faire ce,
toi peut formulaire le deux- facteur interactions impliquant le actif principal effets
et alors faire étape sage régression en haut à le indiquer où
le signifier quadrillé erreur de le modèle que toi avoir est relativement petit.
Si toi avoir un estimation d'un Sigma quadrillé,
si ils sont à peu près comparable, alors que est le temps à arrêt.
Mais, de cours, ce toujours est pas nécessaire t o faire par main
parce que Ajustement définitif Dépistage est en allant à faire il pour toi.
Laisser moi montrer toi a couple de exemples de ce processus
et Je vais démarrer avec un exemple depuis Doug Montgomery
Conception et Analyse de Expériences manuel, le huitième edition.
Et il a fait ce comme d'abord en cours d'exécution a résolution trois fractionnaire factorielle
avec Sept facteurs et huit court.
Laisser moi montrer toi que conception et comment que est analysé.
Voici a résolution trois conception,
et si I faire juste Ajuster Dépistage,
quoi toi voir ici est que notre B, D et A sont le actif effets
et peut être G est marginalement actif mais petit comparé à le effets de B, D et A.
Mais allons évaluer ce conception.
I juste cliquez le Évaluer Conception scénario dans le tableau.
Et si I regarder à le Alias matrice,
toi peut voir que facteur A est confondu avec le BD interaction.
Toi pourrait aussi apprendre le même chose par regarder à le couleur carte.
Et toi peut voir que le corrélation entre A et le BD interaction est un,
lequel moyens que I ne le faites pas savoir si quoi Je suis vision
est en fait le principal effet de A
ou le deux- facteur interaction de B et D ou n'importe lequel linéaire combinaison de ceux.
Quoi I avoir est un ambiguïté
et I besoin à faire quelques plus courses dans commande à résoudre que ambiguïté.
En allant dos à mon exemple,
quoi alors ça arrive dans le manuel est que le conception est plié sur.
Maintenant plutôt de huit court, là sont 16 court.
Et laisser moi montrer toi que exemple.
Voici le plié sur conception.
Si I faire Évaluer Conception et alors regarder à le Alias matrice,
I peut voir que le Alias matrice est identiquement zéro pour chaque possible valeur.
Et I peut apprendre le même chose par en allant à le couleur carte sur corrélations.
Et I voir que le principal effets sont orthogonal
et tous le principal effets sont orthogonal à tous le deux- facteur interactions.
I maintenant savoir que I avoir a Pli sur conception et que
mon principal effets sont pas en allant à être biaisé par deux- facteur interactions.
I avoir données pour le temps il prend pour le œil à se concentrer.
Et si I cliquez sur ce scénario, I voir le résultat de ayant fait le Pli sur.
Et quoi I voir est d'abord que B et D sont le deux principal effets, c'est comme avant,
sauf que A est Non plus long là parce que, deviner quoi ?
Le BD interaction est massivement significatif.
Et le vrai modèle est BD et le BD interaction.
Et maintenant nous peut courir ce modèle et nous peut voir que
d'abord notre réel par- prédiction parcelle et notre résidus tous regarder bien.
Et alors jouant avec le profileur, nous peut voir que
comme I se déplacer B depuis un fin à le autre,
le pente de le doubler, le prédiction doubler de le effet de D sur temps changements.
Et c'est le nature de interactions.
Quand toi avoir un interaction,
le pente de un facteur dépend sur le valeur de le autre facteur.
Et donc maintenant nous avoir
ce est le paramètre que toi serait utiliser si
toi recherché à maximiser le temps que prend le yeux à se concentrer.
En général, toi serait vouloir à minimiser le temps.
Ce serait être le paramètre que toi recherché à utiliser à minimiser le œil se concentrer temps.
C'est le fin de que exemple.
Laisser moi maintenant aller dos à mon diapositives pour juste un deuxième
et introduire le Arachide Solides exemple.
Le Arachide Solides exemple était un exemple
que mon ami Chris Nachtsheim en fait a fait dans a consultant environnement
et nous avoir dans le échantillon données bibliothèque et
le Arachide Solides expérience comme a définitive dépistage conception.
Mais quoi I a fait était plutôt I créé a deux- niveau Pliage conception
et utilisé le même modèle à créer données pour que.
Et donc laisser moi montrer toi que données,
lequel est mon deuxième exemple ici, le arachide exemple.
Et avis que I avoir PH, eau température, extraction temps,
rapport, agitation vitesse, et deux catégorique facteurs,
si toi hydrolyser le cacahuètes d'abord et si toi prisonniers le cacahuètes,
et alors quoi sont être mesuré sont le arachide solides.
Avis aussi que le nombre de courses ici est 22,
lequel est pas a multiple de huit.
Et donc, quand I regarder à Évaluer D conception,
I ne le faites pas attendre que ce conception volonté être orthogonal pour le principal effets.
Et quand I regarder à le Alias matrice,
toi peut voir que le intercepter est corrélé ou aliasé
par a très petit montant par n'importe lequel actif deux- facteur interaction.
Et encore, si I regarder à le corrélation couleur carte cellule parcelle,
toi peut voir que le principal effets sont pas orthogonal à chaque autre,
mais leur corrélations,
leur absolu corrélations sont très petit comme un sur onze.
Et encore, parce que ce zone est blanc,
principal effets sont orthogonal à deux- facteur interactions.
Et ce est quoi nous recherché.
Ce est quoi nous avoir à avoir dans commande à utiliser le Ajuster Définitive Dépistage plate-forme.
Maintenant Je suis en allant à courir que plate-forme.
Et quoi I voir sont que I avoir quatre actif principal effets et que moyens que I avoir
comme beaucoup comme quatre choisir deux ou six deux- facteur interactions à vérifier.
Et il apparence comme rapport et agitation vitesse
est a terme que I ne le faites pas vraiment besoin, très petit estimation de le exemple.
Mais le vrai modèle que généré le données
implique ces quatre deux- facteur interactions ici.
Rapport fois agitation vitesse tours dehors à être a taper un erreur,
sauf nous serait probablement obtenir débarrasser de il de toute façon, et c'est estimation est très petit.
Ici nous avons utilisé le Ajuster Définitive Dépistage Conception
et aussi ce hypothèse de hérédité
de le principal effets et deux- facteur interactions
à trouver pas seulement tous le principal effets mais quatre actif deux- facteur interactions
parmi le deux- facteur interactions que sont en rapport à le actif principaux effets.
Nous trouvé le réel données- générateur modèle, le correct modèle.
D'accord, donc quoi faire I recommander que toi faire?
D'abord, J'ai montré toi comment à utiliser le optimal conception critère
dans le Coutume Designer à créer Pli sur dessins
et toi peut faire que relativement simplement
et toi ne le faites pas nécessairement avoir à créer orthogonal Foldov r dessins.
Le Ajuster Définitive Dépistage Conception plate-forme n'a pas soins
si le conception est orthogonal ou pas,
il volonté toujours analyser le données comme long comme le conception est a Pli sur conception.
Et alors une fois toi avoir ce Pli sur conception et le données,
toi peut utiliser le Ajuster Définitive Dépistage Conception plate-forme à analyser le données.
Et donc, dans le mots de Nike, "Juste faire il."
Ici sont quelques références.
Le d'abord deux sont référencement le original papier
sur Définitive Dépistage expériences et alors le papier par Xiao et co- auteurs
spectacles comment nous créer Définitive Dépistage Dessins aujourd'hui
sans impliquant optimisations, juste par direct construction
en utilisant conférence matrices.
Alors le deuxième papier, Miller et Séance,
avoir le basique idée que J'ai introduit ici à analyser F vieux sur dessins.
Ce était dans Technométrie chemin dos dans 2005,
mais étaient en utilisant légèrement plus actuel modèle sélection techniques
que Miller et Séance.
Et enfin, le dernier référence là
est révélateur comment, encore dans Technométrie, Chris Nachtsheim et I a écrit a papier à
essentiellement expliquer comment à utiliser ce Pli sur technique
et l'analyse à faire
modèle sélection pour Définitive Dépistage D conceptions dans a deux- étape méthode
que I parlé à propos à le très début de ce parler.
Remercier toi très beaucoup pour ton attention
et Je vais être à le parler quand c'est enfin livré à répondre des questions.
