Wie lassen sich Faktoren mit Unsicherheit in einem Schritt mit JMP optimieren?Hallo Community!!,
Eine Frage: Wird es dem Profiler möglich sein, bei der Durchführung einer Simulation die besten Kombinationen von Faktoren mit Unsicherheit zu finden, die den Gesamtnutzen maximieren und die Gesamtkosten minimieren, indem er eine Tabelle der besten gefundenen Kombinationen erstellt? Zum Beispiel:
Erweiterte statistische ModellierungAutomatisierung und SkriptingKonsumenten- und MarktforschungDatenexploration und -visualisierungVersuchsplanungPrädiktive Modellierung und maschinelles LernenWindowsBetreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Hogi,
Ich konnte Ihre Antwort (Google Translate) nicht verstehen, eine Frage …
Wird es ein JMP-Skript oder Plug-In geben, das den Desirability-Profiler in die Simulationsexperimentplattform integriert?
Und generieren Sie eine Tabelle mit den besten 1 oder 2 oder 3 oder xxx Ergebnissen des Mittelwerts oder der Standardabweichung oder des Wertes, zum Beispiel:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Wie verknüpft man diese beiden Simulationsarten?
1) Sie haben ein Modell, dem Sie vertrauen – und Sie haben einige Variationen der Eingabeparameter. Dann kann man die optimale Einstellung der Eingabeparameter finden, um das Ergebnis zu optimieren – angegeben durch die Erwünschtheit. Dieser Ansatz vernachlässigt alle Unsicherheiten des Modells.
2) Mit einer bestimmten Einstellung der Eingangsparameter führt man Experimente durch. Das Modell ist aber nicht 100% festgenagelt: Man investiert an der Börse, hat ein Modell über das mögliche Ergebnis, aber das Ergebnis ist noch nicht 100% klar. Das führt zu einer gewissen Streuung der möglichen Ergebniswerte - einer Unsicherheit.
Der zweite Ansatz kann durch Hinzufügen einiger zusätzlicher Parameter mit Variation simuliert werden. Die Variation der Faktoreinstellungen ist für die Optimierung irrelevant, die Variation solcher zusätzlichen Faktoren jedoch nicht. Ist es möglich, solche Eingabefaktoren für den Optimierungsschritt schwanken zu lassen, um die (Un-)Sicherheit des vorhergesagten Wertes als Teil der Erwünschtheit zu gewichten?
@Mark_Bailey schrieb:
Wenn die Erwünschtheit definiert ist, klicken Sie auf das rote Dreieck neben Prediction Profiler und wählen Sie Optimierung und Erwünschtheit > Erwünschtheit maximieren. Die Variation der Faktoreinstellungen ist für die Suche nach den optimalen Faktoreinstellungen irrelevant.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Jordan,
Die folgende Abbildung beschreibt meine Idee hinsichtlich der Einbeziehung des Erwünschtheitsprofilers in das Simulationsexperiment besser:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Und generieren Sie eine Tabelle mit den besten 1 oder 2 oder 3 oder xxx Ergebnissen des Mittelwerts oder der Standardabweichung oder des Wertes, zum Beispiel:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Das Plugin zur Bayesschen Optimierung ist eine interessante Alternative für ein Ziel und es wäre noch besser, wenn es mehrere Ziele optimieren könnte.
In Bezug auf das Simulationsexperiment sollte der Wunschprofiler als Option integriert werden, sodass er in einem einzigen Schritt die mittleren Antworten oder Standardabweichungen bzw. Werte optimiert und eine Tabelle mit den besten gefundenen Antworten erstellt.
Die Idee, auf die ich mich beziehe, ist ein Plugin wie dieses:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Das Bayesianische Optimierungs-Add-In von @yuichi_katsumur bietet einige zusätzliche Möglichkeiten, die Unsicherheit eines Vorhersagemodells zu analysieren, hauptsächlich mit dem Ziel, Stellen mit großem potenziellen Informationsgewinn (~ Unsicherheit) zu finden – um das Modell durch Hinzufügen solcher Punkte für weitere Experimente zu optimieren.
Ich nehme an, man kann dieselben Formeln verwenden, den Algorithmus ändern und ihn auch für Ihre Aufgabe verwenden?
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Jordan,
Vielen Dank für Ihre Antwort. Ich verwende Google Translate und anscheinend übersetzt es nicht gut vom Spanischen ins Englische, sondern umgekehrt. Ich habe das Simulationsexperiment getestet (ohne Spezifikationsgrenzen) und anscheinend werden in nur einem Schritt zwei Prozesse ausgeführt. Der dritte Prozess würde fehlen, basierend auf dem Beispiel. Dies ist die Minimierung der Gesamtkosten oder deren Mittelwert oder Standardabweichung, die Minimierung des Gesamtumsatzes oder deren Mittelwert oder Standardabweichung und die Maximierung des Gesamtnutzens oder des Mittelwerts oder der Standardabweichung (drei Prozesse in einem einzigen Schritt). Es wäre großartig, wenn das Simulationsexperiment über die Option „Wünschbarkeitsprofiler“ verfügen würde, sodass der Benutzer „Maximieren“, „Minimieren“, „Einen Wert finden“ oder „Keinen“ auswählen, die Wichtigkeit und Gewichtung der mittleren Antwort oder Standardabweichung oder den Wert jeder Ausgabe festlegen und eine Tabelle mit den besten 1 oder 2 oder 3 oder x gefundenen Antworten erstellen kann. Vielleicht hat jemand, der die Skriptsprache oder JSL beherrscht, das geschafft.
Die Idee könnte beispielsweise so aussehen:
Beispielsweise die 7 besten von JMP gefundenen Antworten:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Marco,
Nachdem ich mir das von Ihnen bereitgestellte Modell genauer angesehen habe, glaube ich zu wissen, warum uns die Kommunikation darüber so schwerfällt.
Das von Ihnen freigegebene Modell ist dieses aus der Profiler-Dokumentation. Es soll zeigen, wie Sie mit dem Simulator Unsicherheit zu den Eingabefaktoren hinzufügen und die wahrscheinliche Bandbreite der Ergebnisse sehen können.
Die Frage, die diese Diskussion in Gang setzte, war: „Wie lassen sich Faktoren mit Unsicherheit in einem Schritt optimieren?“ Die Antwort ist, wie @Mark_Bailey zu Beginn vorschlug, mit oder ohne Unsicherheit in den Faktoren dieselbe: Legen Sie einfach die Wunschfunktion für den Gewinn fest und maximieren Sie sie. Wenn Sie dieses Verfahren für dieses Beispiel befolgen, schlägt JMP vor, dass Sie hohe Stückverkäufe, hohe Stückpreise und niedrige Stückkosten haben sollten, um den Gewinn zu maximieren. (Ignorieren wir, dass dieses vereinfachte Modell die Beziehung zwischen Stückpreis und Stückverkäufen, auch bekannt als Angebot und Nachfrage, auslässt.) Sie mussten nicht einmal den Profiler verwenden, um zu dieser Schlussfolgerung zu gelangen, sie sollte aus der Gleichung offensichtlich sein.
Was bringt es also, den Faktoren Unsicherheit hinzuzufügen? Welche zusätzlichen Erkenntnisse erhalten Sie dadurch? In Verbindung mit dem Simulator können Sie vorhersagen, was die wahrscheinlichen Ergebnisse bei einem bestimmten Satz von Faktoreinstellungen sein werden. Es geht nicht um Optimierung. Es geht darum, Ihnen zu helfen, die Auswirkungen der Optimierung zu verstehen, die Sie zuvor durchgeführt haben.
Es stimmt, dass es einige Feinheiten bei der Wahl zwischen Faktoreinstellungen gibt, die den erwarteten Durchschnittsgewinn maximieren, und solchen, die die Variabilität des erwarteten Gewinns minimieren, und diese Überlegungen könnten Sie dazu veranlassen, den Design Space Profiler und/oder die Simulationsexperimentfunktionen in JMP zu verwenden. Aber ich denke, diese Überlegungen sind nicht das, wonach Sie wirklich gefragt haben.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Marco,
Ich werde versuchen, den Vorgang anhand Ihrer Beispieldaten oder ähnlicher Daten zu veranschaulichen. Dazu komme ich später heute.
Lassen Sie uns zunächst die andere Frage beantworten: Was ist der Unterschied zwischen dem Simulator und dem Design Space Profiler?
Wie Sie bemerkt haben, führen sowohl der Simulator als auch der Design Space Profiler ähnliche Aufgaben aus. Der Unterschied liegt in der Verwendung.
Der Simulator ist ein beschreibendes Werkzeug. Für einen gegebenen Satz von Faktorsollwerten und einen bestimmten Grad an Unsicherheit in den Faktoren zeigt er, wie das System auf lange Sicht funktionieren würde. Man kann Änderungen an den Faktorsollwerten und/oder den Verteilungen vornehmen und die Auswirkungen auf die Systemleistung sehen. Wenn es Spezifikationsgrenzen für die Antworten gibt, kann die Leistung als der erwartete Anteil der Antworten beschrieben werden, die innerhalb der Grenzen liegen.
Der Design Space Profiler verwendet ebenfalls Simulationen, aber der Schwerpunkt ist ein anderer. Er ermöglicht es Benutzern, zu fragen: „Wie sollte ich Grenzen für meine Faktoren festlegen, um sicherzustellen, dass der Anteil der erwarteten Antworten, die innerhalb der Spezifikationsgrenzen liegen, akzeptabel ist.“ Beachten Sie, dass wir über zwei Arten von Grenzen sprechen: Wir ändern die Grenzen der Faktoren, um die Leistung im Vergleich zu den Spezifikationsgrenzen der Antworten zu prüfen.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Jordan,
Ich verstehe Ihre Antwort nicht. Könnten Sie Ihre Antwort bitte anhand des von mir gesendeten Beispiels (Unsicherheitstabelle optimieren) anwenden?
Eine Frage... was ist der Unterschied zwischen der Verwendung des Simulators und des Design Space Profiler? Beispielsweise gebe ich im Design Profiler „Gesamtnutzen zwischen 10 und 11“ ein und führe 10.000 Simulationen aus, dann erstelle ich die Tabelle mit den 10.000 Simulationen und finde den „Gesamtnutzen zwischen 10 und 11“, dann erstelle ich im Simulator 10.000 Simulationen mit denselben Daten und verwende den Filter, um den „Gesamtnutzen zwischen 10 und 11“ zu finden. Ich bin sicher, dass ich etwas übersehe, aber ich sehe keinen Unterschied zwischen der Verwendung des Simulators und des Design Space Profiler.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Marco,
Kurz gesagt: Nein. Es gibt keine Möglichkeit, all dies in einem Schritt zu erledigen. Der Grund dafür, dass Sie nicht alles in einem Schritt erledigen können, ist, dass Sie viele Entscheidungen treffen müssen, die Ihr Ergebnis beeinflussen.
Für die oben vorgeschlagene Lösung des Simulationsexperiments sind die Schritte ungefähr wie folgt:
- Definieren oder passen Sie Ihr Modell an
- Führen Sie den Profiler aus und legen Sie die Wunschfunktion für jede Antwort fest
- Schalten Sie den Simulator ein und wählen Sie Verteilungen für die Faktoren aus, die Sie variieren möchten
- Führen Sie ein Simulationsexperiment durch und untersuchen Sie die Ergebnisse, um festzustellen, welche Faktoreinstellungen Ihren Anforderungen entsprechen.
Der oben beschriebene Prozess erfordert in jedem Schritt eine sorgfältige Auswahl der Optionen und ich glaube nicht, dass er noch weiter vereinfacht werden könnte.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Jordan,
Vielen Dank für Ihre Antwort. Eine Frage: Gibt es eine Möglichkeit, dem Simulator und dem Design Space-Profiler die Möglichkeit zu geben, in einem einzigen Schritt die Mittelwerte oder die Standardabweichung der Antworten (Ausgaben) zu optimieren (maximieren, minimieren, 1 Ziel oder Bereich finden, keines)?
Grüße
Marco
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Mark,
Vielen Dank für Ihre Antwort. Eine Frage: Wird es für JMP eine Möglichkeit geben, den Mittelwert oder die Standardabweichung der Antworten aller generierten Simulationen zu optimieren? Das heißt, dass der Wunschprofiler die Wahrscheinlichkeits- und Wunschverteilungen verwenden kann, um die Kombination von Faktoren zu finden, die den Wunsch erreichen.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Wenn die Erwünschtheit definiert ist, klicken Sie auf das rote Dreieck neben Prediction Profiler und wählen Sie Optimierung und Erwünschtheit > Erwünschtheit maximieren. Die Variation der Faktoreinstellungen ist für die Suche nach den optimalen Faktoreinstellungen irrelevant.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Jordan,
Ich freue mich, Sie begrüßen zu dürfen. Ich verwende Google Translate, kann meine Frage aber anscheinend nicht gut erklären. Ich werde versuchen, etwas spezifischer zu sein.
Beachten Sie, dass Spezifikationsgrenzen nicht verwendet werden sollten.
Basierend auf dem Beispiel im Bild unten würde ich gerne wissen, ob es eine Möglichkeit gibt, mit JMP die 3 Ausgaben (Gesamtkosten, Gesamtumsatz und Gesamtgewinn) in einem Schritt zu optimieren, d. h. die Menge oder den Mittelwert oder Abweichungsstandard oder die optimale Varianz der Simulationen zu ermitteln, z. B. dass JMP in einem einzigen Schritt 10.000 Simulationen der 3 Faktoren mit Unsicherheit generiert und der Wunschprofiler die Gesamtkosten minimiert, das optimale Szenario in der Nähe von 6.500 USD des Gesamtumsatzes findet und den Gesamtnutzen maximiert, und dann eine Tabelle mit den besten gefundenen Szenarien generiert, z. B. dass der Benutzer angeben kann, dass JMP die 5 oder 20 besten optimalen Szenarien, die vom Wunschprofiler gefunden wurden, in die neue Tabelle einfügt.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Ich möchte Sie bitten, klarzustellen, was Sie mit „optimieren“ meinen. Versuchen Sie, im Durchschnitt das beste Ergebnis zu erzielen? Oder versuchen Sie, einen Kompromiss zwischen der besten durchschnittlichen Reaktion und geringer Reaktionsvariabilität zu finden?
Wenn Sie im Profiler „Wünschbarkeit maximieren“ wählen, findet JMP die optimale mittlere Antwort für Sie, wie @Mark_Bailey sagte. Variabilität oder Unsicherheit in den Faktoren spielen hier keine Rolle.
Wenn Sie Unsicherheiten in Bezug auf die Faktoren haben, sind Sie möglicherweise besorgt darüber, wie sich diese Unsicherheit auf die Variabilität der Antwort sowie auf die mittlere Antwort auswirkt. Der von Mark erwähnte Design Space-Profiler eignet sich zur Untersuchung dieser Frage, wenn Sie Spezifikationsgrenzen haben. Wenn dies nicht der Fall ist, können Sie ein Simulationsexperiment versuchen.
Dokumentation
Video
Simulationsexperimente funktionieren gut, wenn Sie Spezifikationsgrenzen und Fehlerraten haben, wie im Beispiel im Video. Aber auch ohne Spezifikationsgrenzen können Sie sich Mittelwert und Standardabweichung Ihrer Antwortvariable bei verschiedenen Faktoreinstellungen ansehen. Es liegt an Ihnen, Faktoreinstellungen auszuwählen, die einen akzeptablen Kompromiss zwischen wünschenswerter mittlerer Antwort und geringer Antwortvariabilität bieten.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Wie könnte ich es in diesem Fall machen?
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Sie müssen lediglich Wunschfunktionen mit dem ausgewählten Modell im Prediction Profiler verwenden, um die Faktoreinstellungen zu optimieren.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Sie optimieren die mittlere Antwort mithilfe von Wunschfunktionen. Die Unsicherheit wird als Konfidenzintervall für die Antwort dargestellt. Anschließend verwenden Sie eine Simulation mit eingefügter Varianz für jeden signifikanten Faktor. Sie haben die erwartete Unsicherheit oder den Grad der Kontrolle durch die Spezifikation der eingefügten Varianz dargestellt. Die Verteilung der simulierten Antworten wird anhand der Spezifikationen ausgewertet.
Der Design Space Profiler ist eine alternative Möglichkeit.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Hogi,
Ich freue mich, Sie begrüßen zu dürfen. Das Unsicherheitsdiagramm mit den von Ihnen erstellten Filtern funktioniert sehr gut!!! … eine Frage: Wird es dem Profiler möglich sein, bei der Durchführung einer Simulation die besten Kombinationen von Faktoren mit Unsicherheit zu finden, die den Gesamtnutzen maximieren und die Gesamtkosten minimieren, indem eine Tabelle mit den besten gefundenen Kombinationen erstellt wird? Zum Beispiel:
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Vielen Dank für Ihre Antwort, Mark. Die Idee besteht darin, Probleme ohne Spezifikationsgrenzen zu lösen. Design Space Profiler erfordert Spezifikationsgrenzen.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Hallo Mark,
Ich freue mich, Sie begrüßen zu dürfen! Vielen Dank für die Beobachtung ... Ich würde gerne wissen, ob es für JMP möglich ist, die Faktoren mit Unsicherheit in einem Schritt zu optimieren.
Grüße,
Marco
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Verwandter Beitrag: Könnte JMP Faktoren mit Unsicherheit optimieren?
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Beachten Sie, dass JMP 17 eine Erweiterung des Prediction Profiler eingeführt hat: den Design Space Profiler . Damit können Sie Betriebsbereiche für Ihre Faktoren bestimmen, um einen bestimmten Ertrag im Vergleich zu den Spezifikationen zu erzielen. Dieses Tool könnte bei Ihrem Vorhaben hilfreich sein.
Betreff: Wie lassen sich mit JMP Faktoren mit Unsicherheit in einem Schritt optimieren?Ihr erster Screenshot des Prediction Profiler zeigt nicht die Wunschfunktionen. Diese Funktionen werden verwendet, um Einstellungen für alle Antwortziele und Wichtigkeitseinstellungen zu optimieren. Diese Aktion erfolgt normalerweise vor der Simulation, um die Leistungsfähigkeit zu bewerten.
