Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour la communauté !!,
Une question : le profileur sera-t-il capable de trouver les meilleures combinaisons de facteurs avec incertitude lors de la réalisation d'une simulation, qui maximisent l'utilité totale et minimisent le coût total, en générant un tableau des meilleures combinaisons trouvées ? Par exemple :
Modélisation statistique avancéeAutomatisation et scriptsÉtudes de marché et de consommationExploration et visualisation des donnéesPlan d'expériencesModélisation prédictive et apprentissage automatiqueFenêtresRé: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Hogi,
Je n'ai pas compris votre réponse (Google Translate), une question....
Y aura-t-il un script ou un plugin JMP qui intègre le profileur de désirabilité dans la plateforme d'expérimentation de simulation ?
Et générer un tableau avec les 1 ou 2 ou 3 ou xxx meilleurs résultats trouvés de la moyenne ou de l'écart type ou de la valeur, par exemple :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Comment lier ces 2 types de simulations ?
1) vous disposez d'un modèle auquel vous faites confiance et de quelques variations des paramètres d'entrée. Vous pouvez alors trouver le réglage optimal des paramètres d'entrée pour optimiser le résultat, spécifié par la désirabilité. Cette approche néglige les incertitudes du modèle.
2) avec un réglage spécifique des paramètres d'entrée, on effectue des expériences. Mais le modèle n'est pas fixé à 100 % : vous investissez en bourse, vous avez un modèle sur le résultat possible, mais le résultat n'est pas encore clair à 100 %. Cela conduit à une certaine dispersion des valeurs possibles résultantes - une incertitude.
La deuxième approche peut être simulée en ajoutant des paramètres supplémentaires avec variation. La variation des paramètres de facteurs n'est pas pertinente pour l'optimisation, mais la variation de ces facteurs supplémentaires ne l'est pas. Est-il possible de maintenir ces facteurs d'entrée fluctuants pour l'étape d'optimisation, afin de pondérer la (in)certitude de la valeur prédite dans le cadre de la désirabilité ?
@Mark_Bailey a écrit :
Une fois la désirabilité définie, cliquez sur le triangle rouge en regard de Prediction Profiler et sélectionnez Optimisation et désirabilité > Maximiser la désirabilité. La variation des paramètres de facteur n'est pas pertinente pour la recherche des paramètres de facteur optimaux.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Salut Jordan,
L'image suivante décrit mieux l'idée à laquelle je fais référence concernant l'inclusion du profileur de désirabilité dans l'expérience de simulation :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Et générer un tableau avec les 1 ou 2 ou 3 ou xxx meilleurs résultats trouvés de la moyenne ou de l'écart type ou de la valeur, par exemple :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Le plugin d'optimisation bayésienne est une alternative intéressante pour 1 objectif et il serait préférable qu'il puisse optimiser plusieurs objectifs.
En ce qui concerne l'expérience de simulation, le profileur de désirabilité devrait être inclus en option afin qu'en une seule étape, il optimise les réponses moyennes ou les écarts types ou les valeurs et génère un tableau avec les meilleures réponses trouvées.
L'idée à laquelle je fais référence est un plugin quelque chose comme ceci :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Le module complémentaire d'optimisation bayésienne de @yuichi_katsumur fournit des possibilités supplémentaires pour analyser l'incertitude d'un modèle de prédiction, principalement dans le but de trouver des points avec un gain d'information potentiel important (~ incertitude) - pour optimiser le modèle en ajoutant de tels points pour d'autres expériences.
Je suppose que l'on peut utiliser les mêmes formules, modifier l'algorithme et l'utiliser également pour votre tâche ?
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Jordan,
Merci pour votre réponse, j'utilise Google Translate et apparemment il ne traduit pas bien de l'espagnol vers l'anglais et l'inverse......Je testais l'expérience de simulation (sans limites de spécification) et apparemment en une seule étape il fait 2 processus, le troisième processus qui manquerait... basé sur l'exemple... est de minimiser le coût total ou sa moyenne ou son écart type, minimiser les ventes totales ou sa moyenne ou son écart type et maximiser l'utilité totale ou sa moyenne ou son écart type... (3 processus en 1 seule étape), ce serait génial si l'expérience de simulation avait l'option de profileur de désirabilité afin que l'utilisateur puisse sélectionner maximiser, minimiser, trouver une valeur ou aucune, l'importance et les poids de la réponse moyenne ou de l'écart type ou la valeur de chaque sortie et générer un tableau avec les 1 ou 2 ou 3 ou x meilleures réponses trouvées.....peut-être quelqu'un qui maîtrise le langage de script, ou JSL j'ai réussi.
Par exemple, l’idée serait quelque chose de similaire à ceci :
Par exemple, les 7 meilleures réponses trouvées par JMP :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Salut Marc,
Après avoir examiné de plus près le modèle que vous avez fourni, je pense savoir pourquoi nous avons du mal à communiquer à ce sujet.
Le modèle que vous avez partagé est celui-ci issu de la documentation du profileur. Il est destiné à montrer comment utiliser le simulateur pour ajouter de l'incertitude aux facteurs d'entrée et voir la plage probable des résultats.
La question qui a lancé cette discussion était « Comment optimiser les facteurs avec incertitude en une seule étape ? » La réponse est, comme @Mark_Bailey l'a suggéré au début, la même avec ou sans incertitude dans les facteurs : il suffit de définir et de maximiser la fonction de désirabilité pour le profit. Lorsque vous suivez cette procédure pour cet exemple, JMP suggère que vous devez avoir des ventes unitaires élevées, un prix unitaire élevé et un coût unitaire faible pour maximiser le profit. (Ignorons que ce modèle simplifié omet la relation entre le prix unitaire et les ventes unitaires, c'est-à-dire l'offre et la demande). Vous n'avez même pas eu besoin d'utiliser le profileur pour arriver à cette conclusion, elle devrait être évidente à partir de l'équation.
Alors, à quoi bon ajouter de l'incertitude aux facteurs ? Quel éclairage supplémentaire cela vous apporte-t-il ? Utilisé en conjonction avec le simulateur, il vous permet de prévoir les résultats probables d'un ensemble donné de paramètres de facteurs. Il ne s'agit pas d'optimisation. Il s'agit de vous aider à comprendre les implications de l'optimisation que vous avez effectuée précédemment.
Il est vrai qu'il existe une certaine subtilité dans le choix entre les paramètres de facteurs qui maximisent le profit moyen attendu et ceux qui minimisent la variabilité du profit attendu, et ces considérations peuvent vous amener à utiliser le profileur d'espace de conception et/ou les fonctionnalités d'expérimentation de simulation dans JMP. Mais je pense que ces considérations ne correspondent pas vraiment à ce que vous demandiez.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Salut Marc,
Je vais essayer d'illustrer le processus en utilisant vos données d'exemple ou des données similaires. J'y reviendrai plus tard dans la journée.
Commençons d’abord par aborder l’autre question : quelle est la différence entre le simulateur et le profileur d’espace de conception ?
Comme vous l'avez remarqué, le simulateur et le profileur d'espace de conception font des choses similaires. La différence réside dans les utilisations.
Le simulateur est un outil descriptif. Pour un ensemble donné de points de consigne de facteurs et une quantité spécifiée d'incertitude dans les facteurs, il montre comment le système se comporterait à long terme. On peut modifier les points de consigne de facteurs et/ou les distributions et voir l'effet sur les performances du système. S'il existe des limites de spécification sur les réponses, alors les performances peuvent être décrites comme la proportion attendue de réponses qui seront dans les limites.
Le profileur d'espace de conception utilise également la simulation, mais l'objectif est différent. Il permet aux utilisateurs de se demander « comment dois-je définir des limites pour mes facteurs, afin de garantir que la proportion de réponses attendues se situant dans les limites de spécification soit acceptable ». Notez que nous parlons de deux types de limites : nous modifions les limites des facteurs pour examiner les performances par rapport aux limites de spécification des réponses.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Jordan,
Je ne comprends pas votre réponse, pourriez-vous s'il vous plaît appliquer votre réponse en utilisant l'exemple que j'ai envoyé (Optimiser le tableau d'incertitude) ?
Une question...quelle est la différence entre l'utilisation du simulateur et du profileur d'espace de conception ? Par exemple, dans le profileur de conception, je mets "Utilité totale entre 10 et 11" et j'exécute 10 000 simulations, puis je génère le tableau des 10 000 simulations et je trouve l'"Utilité totale entre 10 et 11", puis dans le simulateur, je génère 10 000 simulations avec les mêmes données et j'utilise le filtre pour trouver l'"Utilité totale entre 10 et 11", je suis sûr qu'il me manque quelque chose mais je ne vois pas la différence entre l'utilisation du simulateur et du profileur d'espace de conception.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Salut Marc,
En bref, non. Il n'existe aucun moyen de faire tout cela en une seule étape. La raison pour laquelle vous ne pouvez pas tout faire en une seule étape est qu'il y a de nombreux choix à faire qui influenceront votre résultat.
Pour la solution d'expérience de simulation que j'ai suggérée ci-dessus, les étapes sont approximativement :
- Définissez ou ajustez votre modèle
- Exécutez le profileur et définissez la fonction de désirabilité pour chaque réponse
- Allumez le simulateur et sélectionnez les distributions pour les facteurs que vous souhaitez faire varier
- Exécutez une expérience de simulation et explorez les résultats pour voir quels paramètres de facteurs répondent à vos besoins.
Le processus ci-dessus nécessite une sélection minutieuse des options à chaque étape, je ne pense pas qu'il puisse être simplifié davantage.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Salut Jordan,
Merci pour votre réponse, une question... existe-t-il un moyen pour que le profileur Simulator et Design Space ait la possibilité d'optimiser (maximiser, minimiser, trouver 1 objectif ou plage, aucun) en 1 seule étape de la moyenne ou de l'écart type des réponses (sorties) ?
Salutations
Marco
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Marc,
Merci pour votre réponse, une question...y aura-t-il un moyen pour JMP d'optimiser la moyenne ou l'écart type des réponses des simulations totales générées ?...c'est-à-dire, pour que le profileur de désirabilité utilise les distributions de probabilité et de désirabilité pour trouver la combinaison de facteurs qui permettent d'atteindre la désirabilité.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Une fois la désirabilité définie, cliquez sur le triangle rouge en regard de Prediction Profiler et sélectionnez Optimisation et désirabilité > Maximiser la désirabilité. La variation des paramètres de facteur n'est pas pertinente pour la recherche des paramètres de facteur optimaux.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Jordan,
Je suis heureux de vous saluer, j'utilise Google Translate et il semble qu'il ne puisse pas bien expliquer ma question, je vais essayer d'être un peu plus précis.
Notez que les limites de spécification ne doivent pas être utilisées.
Sur la base de l'exemple de l'image ci-dessous, j'aimerais savoir s'il existe un moyen pour JMP en 1 étape d'optimiser les 3 sorties (coût total, ventes totales et bénéfice total), c'est-à-dire de trouver la quantité ou la moyenne ou l'écart type ou la variance optimale des simulations, par exemple que JMP en 1 seule étape génère 10 000 simulations des 3 facteurs avec incertitude et le profileur de désirabilité minimise le coût total, trouve le coût optimal proche de 6 500 USD des ventes totales et maximise l'utilité totale, puis génère un tableau avec les meilleurs scénarios trouvés, par exemple que l'utilisateur peut indiquer que JMP place dans le nouveau tableau les 5 ou 20 meilleurs scénarios optimaux trouvés par le profileur de désirabilité.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Je vous demanderais de clarifier ce que vous entendez par « optimiser ». Essayez-vous d'obtenir le meilleur résultat en moyenne ? Ou essayez-vous de trouver un compromis entre la meilleure réponse moyenne et une faible variabilité de réponse ?
Lorsque vous choisissez « Maximiser la désirabilité » dans le profileur, JMP vous trouvera la réponse moyenne optimale comme l'a dit @Mark_Bailey . La variabilité ou l'incertitude des facteurs n'entre pas en jeu ici.
Si vous avez une incertitude dans les facteurs, vous vous demandez peut-être comment cette incertitude affecte la variabilité de la réponse ainsi que la réponse moyenne. Le profileur Design Space mentionné par Mark est adapté pour explorer ce problème lorsque vous avez des limites de spécifications. Lorsque ce n'est pas le cas, vous pouvez essayer une expérience de simulation.
Documentation
Vidéo
Les expériences de simulation fonctionnent bien lorsque vous disposez de limites de spécifications et de taux de défauts, comme dans l'exemple de la vidéo. Mais même en l'absence de limites de spécifications, vous pouvez examiner la moyenne et l'écart type de votre variable de réponse à différents paramètres de facteurs. C'est à vous de sélectionner les paramètres de facteurs qui présentent un compromis acceptable entre une réponse moyenne souhaitable et une faible variabilité de la réponse.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Dans ce cas, comment pourrais-je le faire ?
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Il vous suffit d'utiliser les fonctions de désirabilité avec le modèle sélectionné dans le profileur de prédiction pour optimiser les paramètres de facteurs.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Vous optimisez la réponse moyenne à l'aide de fonctions de désirabilité. L'incertitude est présentée sous la forme d'un intervalle de confiance pour la réponse. Vous utilisez ensuite une simulation avec variance injectée pour chaque facteur significatif. Vous avez représenté l'incertitude anticipée ou le degré de contrôle par la spécification de la variance injectée. La distribution des réponses simulées est évaluée par rapport aux spécifications.
Le Design Space Profiler est une méthode alternative.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Hogi,
Je suis heureux de vous saluer, le graphique d'incertitude avec les filtres que vous avez créé fonctionne très bien !!!....une question : sera-t-il possible pour le profileur de trouver les meilleures combinaisons de facteurs avec incertitude lors de la réalisation d'une simulation, qui maximisent l'utilité totale et minimisent le coût total, en générant un tableau des meilleures combinaisons trouvées ? Par exemple :
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Merci pour votre réponse Mark, l'idée est de résoudre les problèmes sans limites de spécification, Design Space Profiler nécessite des limites de spécification
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Bonjour Marc,
Je suis heureux de vous accueillir ! Merci pour l'observation... J'aimerais savoir s'il est possible pour JMP d'optimiser les facteurs avec incertitude en 1 étape.
Salutations,
Marco
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?article connexe : JMP pourrait-il optimiser les facteurs avec incertitude ?
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Notez que JMP 17 a introduit une amélioration au Prediction Profiler : le Design Space Profiler . Il vous permet de déterminer les plages de fonctionnement de vos facteurs pour atteindre un rendement donné par rapport aux spécifications. Cet outil pourrait vous être utile dans votre tentative.
Ré: Comment optimiser les facteurs avec incertitude en 1 étape avec JMP ?Votre première capture d'écran du profileur de prédiction n'affiche pas les fonctions de désirabilité. Ces fonctions sont utilisées pour optimiser les paramètres de tous les objectifs de réponse et les paramètres d'importance. Cette action se produit généralement avant la simulation pour évaluer la capacité.
