후보 세트 설계: 문제에 맞게 DOE 제약 조건 조정(2021-EU-30MP-784) Christopher Gotwalt, SAS 통계 R&D 부문 JMP 이사
실험에서 요인들 사이에는 위반해서는 안 되지만 수학적 형태로 설명하기 어려운 제약 조건이 종종 있습니다. 이러한 제약 조건은 여러 가지 이유로 중요할 수 있습니다. 빵을 굽는 경우, 먹을 수 없는 탄소 덩어리가 생성될 시간과 온도의 조합이 있습니다. 또 다른 상황은 저온에서 높은 압력을 얻는 것처럼 물리적으로 불가능한 요인 조합이 있는 경우입니다. 이 프레젠테이션에서는 후보 요인 값의 시뮬레이션 데이터 세트를 생성하는 간단한 워크플로를 설명합니다. 여기서 JMP 데이터 시각화 플랫폼의 대화형 도구와 AutoRecalc를 함께 사용하여 JMP 16의 새로운 후보 세트 설계 기능에 제공되는 물리적으로 실현 가능한 잠재적 요인 조합 세트를 식별합니다. 그런 다음 필터링된 요인 설정 중 실험에서 실행할 최적의 하위 세트를 식별합니다. 또한 후보 세트 설계를 과거 프로세스 데이터에 적용하여 프로세스 변수의 내부 상관 구조를 유지하면서 정보 내용을 극대화하는 설계를 달성하는 방법을 설명합니다. 저희의 접근 방식은 간단하고 가르치기 쉽습니다. 이를 통해 DOE 경험이 있는 실무자라면 누구나 제약 조건이 있는 실험을 훨씬 더 쉽게 설정할 수 있습니다.
자동 생성된 대본...
| 성적 증명서 |
| 안녕하세요, 크리스 갓월트입니다. |
| 오늘은 우리가 할 것입니다 |
| 역사를 구성하다 |
| 그래픽 역설과 오, 잠깐만요, |
| 잘못된 주제입니다. 사실 우리는 |
| 후보자에 대해 이야기하고 있습니다 |
| 세트 디자인, DOE 맞춤 제작 |
| 문제의 제약. |
| 그래서 산업적 실험 |
| 제품 및 프로세스에 대한 |
| 개선에는 오랜 역사가 있습니다 |
| 내가 인정하는 많은 스레드와 함께 |
| 아주 작은 조각만 알고 있다 |
| 관찰을 활용하는 아이디어 |
| 제품 및 프로세스에 대한 |
| 혁신은 인류만큼 오래되었습니다 |
| 그 자체로. 그것은 갱신되었습니다 |
| 르네상스 시대에 초점을 맞추었고 |
| 과학 혁명. 동안 |
| 이후 산업 |
| 혁명, 과학, 산업 |
| 점점 더 많이 운영되기 시작했습니다 |
| 발맞춰서. 20세기 초에 |
| 세기, 에디슨의 연구실은 |
| 산업 혁신 |
| 공장 규모였지만 완료되었습니다 |
| 내가 아는 한, 외부에서 |
| 현대 실험적 전통. |
| RA Fisher 이후 얼마 지나지 않아 |
| 다음과 같은 개념을 도입했습니다. |
| 차단 및 무작위화, 그의 |
| 동료이자 사위, |
| George Box는 무엇을 개발했습니까? |
| 지금은 아마도 지배적일 것이다 |
| 디자인의 패러다임 |
| 가장 많은 실험을 수행 |
| 인기 있는 책은 통계학입니다 |
| 실험자를 위한 상자, |
| 헌터와 헌터. |
| Box, Hunter에 기술된 방법 |
| 그리고 Hunter는 내가 부르는 것입니다 |
| 디자인에 대한 분류학적 접근 방식. |
| 그래서 당신이 제품을 가지고 있다고 가정해 보세요. |
| 또는 개선하고 싶은 프로세스입니다. |
| 당신은 당신이 생각하는 것들을 통해 |
| 변경할 수 있습니다. 손잡이를 돌릴 수 있습니다. |
| 온도, 압력과 같은 |
| 시간, 사용할 수 있는 재료 또는 |
| 당신이 할 수 있는 처리 방법 |
| 사용. 이것들은 이것들이 됩니다 |
| 당신의 요인들. 그러면 당신은 생각합니다 |
| 그들이 있는지에 대해서 |
| 연속적이거나 명목적인 경우 |
| 그것들은 명목상 몇 개입니까? |
| 그들이 취하는 수준이나 범위 |
| 당신은 그것들을 다양하게 바꿀 의향이 있습니다. |
| 요인이 연속적이라면 |
| 이름을 알아내다 |
| 가장 쉽게 일치하는 디자인 |
| 문제와 자원에 따라 |
| 당신의 예산에 맞는 것을 선택하세요. |
| 그 디자인은... |
| 상자와 같은 이름을 갖게 될 것입니다 |
| Behnken 디자인, 분수형 |
| 팩토리얼 또는 중앙 |
| 합성 표지판, 또는 아마도 |
| 다구치 배열 같은 것. |
| 숫자에 제한이 있다 |
| 런의 수, 레벨... 숫자 |
| 범주적 수준의 |
| 요인 등이 있으므로 |
| 약간의 억지로 끼워 맞추는 일이 있을 거야 |
| 현재 문제를 디자인에 반영하다 |
| 찾을 수 있는 것. 예를 들어, |
| BHH의 요인 |
| 접근 방식, 박스 헌터 및 헌터 |
| 접근 방식은 종종 필요합니다 |
| 2~3개로 줄였다 |
| 고유한 값이나 수준. |
| 그 한계에도 불구하고, |
| 분류학적 접근 방식이 |
| 엄청나게 성공적이었습니다. |
| 물론 시간이 지나면서 |
| 사람들은 우리가 할 수 있는지 물었습니다 |
| 그래도 더 잘해요. |
| 그리고 더 나은 것은 우리가 묻는 것을 의미합니다. |
| 우리 자신, 우리는 어떻게 디자인합니까? |
| 가장 높은 것을 얻기 위해 공부하다 |
| 관련성이 있는 고품질 정보 |
| 개선의 목표 |
| 프로젝트? 이 라인 |
| 질문은 결국 다음과 같은 결과를 낳습니다. |
| 최적 설계. 최적 설계는 |
| 학술 연구 분야였습니다. |
| Box와 병렬로 시작됨 |
| 50년대와 60년대의 학교였지만 |
| 여러 가지 이유로 밖에 남아 있었다 |
| 산업의 주류 |
| 실험은 ~까지 |
| 맞춤형 디자이너와 JMP. |
| 관습의 철학 |
| 디자이너는 당신이 설명하는 것입니다 |
| 소프트웨어에 문제가 있습니다. |
| 그러면 당신에게 최고의 디자인을 돌려드립니다 |
| 예산에 맞는 수량 |
| 실행합니다. 선언으로 시작합니다. |
| 귀하의 응답과 함께 |
| 최소화, 최대화와 같은 목표 |
| 또는 타겟과 일치한 다음 |
| 요인의 종류를 설명하다 |
| 당신은 연속적이고 범주적입니다 |
| 혼합물 등 범주형 |
| 요인은 여러 개를 가질 수 있습니다. |
| 수준. 모델을 제공합니다. |
| 결과에 맞게 조정하고 싶습니다 |
| 데이터. 모델은 최소한 |
| 제곱 분석 및 다음으로 구성됨 |
| 주요 효과와 상호 작용 |
| 다항식 항. 관습 |
| 디자이너가 일부 기본값을 만듭니다 |
| 본성에 대한 가정 |
| 당신의 목표의 여부와 같은 |
| 당신은 스크리닝에 관심이 있습니다 |
| 또는 예측은 다음과 같습니다. |
| 최적성에 반영됨 |
| 사용되는 기준입니다. |
| 기본값은 재정의될 수 있습니다 |
| 빨간색 삼각형 메뉴가 있는 |
| 당신이 원하는 경우 옵션 |
| 다른 것을 하다 |
| 소프트웨어의 의도 |
| 대부분의 워크플로 |
| 응용 프로그램을 설정하는 것입니다 |
| 모델. |
| 그런 다음 예산을 선택하세요. |
| 디자인 만들기를 클릭하세요. |
| JMP는 혼합을 사용합니다. |
| 연속형과 범주형 |
| 최적화 알고리즘, 풀기 |
| 요인의 수에 따라 |
| 행 항목의 개수. |
| 그러면 디자인 데이터를 얻을 수 있습니다. |
| 필요한 모든 것이 갖춰진 테이블 |
| 응답 데이터를 제외하고. |
| 훌륭한 워크플로입니다 |
| 요인은 다양할 수 있다 |
| 서로 독립적이다. |
| 만약 당신이 할 수 없다면? 만약 |
| 제약이 있나요? 뭐 |
| 일부 요소의 값이 |
| 가능한 범위를 결정하다 |
| 다른 요인은? |
| 그럼 당신은 할 수 있습니다....그럼 |
| 당신은 어떤 요소를 정의할 수 있습니다 |
| 제약조건이 있거나 그것을 사용하다 |
| 허용되지 않는 조합 |
| 필터. |
| 불행히도, 이것들은 |
| 강력한 도구입니다 |
| 실험적 제약 |
| 지역에서는 여전히 매우 |
| 특성화하기 어렵다 |
| 이것을 사용하여 제약을 가합니다. |
| Brad Jones의 DOE 팀, Ryan Lekivetz, |
| 조셉 모건과 케일럽 |
| 킹이 추가했습니다 |
| 매우 유용한 새로운 |
| 취급을 용이하게 하는 기능 |
| 제약 조건이 훨씬 더 쉬워졌습니다. |
| JMP 16. 이것들은 다음과 같이 불립니다. |
| 후보 또는 공변량 실행. |
| 당신이 할 수 있는 일은 당신의 |
| 자신의 모든 것을 담은 표를 만들어 보세요 |
| 가능한 조합 |
| 원하는 요소 설정 |
| 맞춤형 디자이너에게 |
| 고려해 보세요. 그런 다음 로드하세요. |
| 여기와 저것들이 될 것이다 |
| 요인의 조합만 |
| 디자이너가 설정한 설정 |
| 할 것이다... |
| 살펴볼 것입니다. 원본 |
| 내가 테이블이라고 부르는 것 |
| 후보 테이블은 다음과 같습니다. |
| 메뉴 요소 설정 |
| 맞춤형 디자이너. |
| 이것은 JMP 사용자에게 다음을 제공합니다. |
| 놀라운 수준의 통제력 |
| 그들의 디자인. 내가 할 일은 |
| 오늘은 여러 가지를 살펴보겠습니다. |
| 사용 방법을 보여주는 예 |
| 이것은 사용자 정의를 만드는 것입니다 |
| 디자이너는 자신의 잠재력을 실현한다 |
| 맞춤화하는 도구로서 |
| 현재 문제에 맞는 디자인을 찾으세요. |
| 그 전에, 나는 할 것이다 |
| 잠시 주제에서 벗어나서 |
| JMP Pro에서 지적합니다 |
| 커스텀 디자이너의 버전, |
| 이제 다음과 같은 기능이 있습니다. |
| 한계를 선언할 수 있습니다 |
| 디자인 타임에 감지. |
| 누락되지 않은 값을 원하시면 |
| 여기의 한계에 대해서는 관례에 따라 |
| 디자이너가 열을 추가합니다 |
| 정보를 제공하는 속성 |
| 일반화 회귀 플랫폼 |
| 검출 한계 및 |
| 그러면 자동으로 받게 됩니다 |
| 분석이 정확합니다. 이로 인해 |
| 극적으로 더 높은 전력 |
| 효과를 감지하고 훨씬 낮음 |
| 예측에 편향이 있지만 그게 |
| 다른 강연에서 다룰 주제입니다. |
| 다음은 여러 가지 응용 프로그램입니다. |
| 내가 생각할 수 있는 것 |
| 후보 세트 디자이너. |
| 가장 간단한 것은 범위가 |
| 연속적인 요인은 다음에 따라 달라집니다. |
| 하나 이상의 범주형 수준 |
| 요인. 또 다른 예는 다음과 같습니다. |
| 우리는 범위를 제어할 수 없습니다 |
| 요인을 완전히 |
| 독립적으로, 그러나 |
| 제약조건을 작성하기 어렵다 |
| 아래로. 두 가지 방법이 있습니다 |
| 이것을 위해 사용할 수 있습니다. 하나는 사용 중입니다 |
| 과거 프로세스 데이터로서 |
| 후보자 집합, 그리고 |
| 다른 하나는 내가 필터라고 부르는 것입니다. |
| 당신이 창조하는 디자인...디자인 |
| 거대한 초기 데이터 세트를 사용하여 |
| 난수 또는 공백 |
| 디자인을 채운 후 행을 사용하세요 |
| 산점도의 선택 |
| 포인트를 골라내다 |
| 제약조건을 충족하지 못합니다. |
| 또한 다음 기능이 있습니다. |
| 정말 고도로 맞춤화된 혼합물 |
| 문제, 특히 상황 |
| 다층이 있는 곳 |
| 혼합. 이건 아니야 |
| 내가 될 것 같은 일 |
| 오늘은 말할 수 있지만, |
| 미래는 뭔가다 |
| 당신이 찾고 있어야 할 것 |
| 이 후보자와 함께 할 수 있다 |
| 세트 디자이너. 또한 다음을 수행할 수 있습니다. |
| 비선형 제약 조건 |
| 필터링 방법은 동일하다 |
| 다른 종류의 작업을 수행할 수 있는 방법 |
| 제약이 있어요. 매우 |
| 간단하고 빨리 할게 |
| 맨 마지막에 있는 예 |
| 이것을 설명합니다. |
| 그럼 우리의 첫 번째를 고려해 봅시다 |
| 예를 들어, 다음과 같은 작업을 수행하려고 한다고 가정해 보겠습니다. |
| 대상 응답과 일치 |
| 두 가지 요인에 대한 조사. |
| 하나는 장비가 장착되어 있습니다...장비 |
| 공급업체는 두 가지가 있습니다. |
| 레벨과 다른 하나는 |
| 장치의 온도. |
| 두 개의 다른 공급업체가 있습니다 |
| 다양한 작동 범위 |
| 온도. 공급업체 A의 것이 더 많습니다. |
| 둘 중 좁은 것에서 시작해서 |
| 섭씨 150~170도. |
| 하지만 그것은 제어 가능합니다 |
| 더 세밀한 수준의 해상도 |
| 약 5도. 공급업체 B |
| 작동 범위가 더 넓습니다 |
| 140도에서 180도로 이동 |
| 섭씨이지만 단지 |
| 최대 10도까지 조절 가능 |
| 섭씨. 우리가 하고 싶다고 가정해 보자 |
| 12개 런 설계를 찾아라 |
| 이것들의 최적의 조합 |
| 두 가지 요소. |
| 우리는 가능한 모든 것을 열거합니다 |
| 두 가지의 조합 |
| 10개의 실행을 고려합니다. |
| 여기 테이블, 그냥 만들어요 |
| 이건 우리 스스로 직접 하는 거예요. |
| 그래서 여기에 가능한 5가지가 있습니다. |
| 머신 유형 A의 값 |
| 온도 설정. 그리고 |
| 여기 아래에 가능한 다섯 가지가 있습니다 |
| B형 온도 값 |
| 설정. 우리는 최고를 원합니다 |
| 12번의 실행으로 설계되었으며 이는 다음을 초과합니다. |
| 행의 수 |
| 후보 테이블입니다. 이것은 아닙니다 |
| 이론상 문제지만 나는 |
| 사본을 만드는 것이 좋습니다 |
| 후보자 집합은 그럴 경우를 대비해 |
| 실행 횟수 |
| 후보자 테이블이 초과되었습니다 |
| 당신이 찾고 있는 숫자 |
| 디자인에 있어서. |
| 그럼 우리는 관습으로 간다 |
| 디자이너. |
| 선택 공변량을 푸시합니다 |
| 요인 버튼. |
| 우리가 원하는 열을 선택하세요 |
| 후보 디자인으로 로드됨 |
| 요인들. 이제 후보자 |
| 디자인이 로드되어 표시됩니다. |
| 상호작용 효과를 추가해 보겠습니다. |
| 2차 효과와 마찬가지로 |
| 온도의. 이제 우리는 |
| 생성하기 전 마지막 단계 |
| 디자인입니다. 설명하고 싶습니다. |
| 당신이 보는 두 가지 옵션 |
| 디자인 생성 개요 노드. |
| 첫 번째는 강제로 |
| 모든 행에 |
| 원래 테이블에서 선택됨 |
| 또는 목록에서 |
| 관습에 따른 후보자 |
| 디자이너. 그래서 만약 당신이 |
| 가능성이 없는 체크포인트 |
| 최적성에 의해 선호되다 |
| 기준을 정해놓고 강제로 시키려고 한다 |
| 디자인에 들어가면, 당신은 할 수 있습니다 |
| 이 옵션을 사용하세요. 조금 |
| 같은 줄을 취하는 것과 같습니다. |
| 증강 디자인 만들기 |
| 그들만을 기준으로 하지만, |
| 당신은 가능성을 통제하고 있습니다 |
| 요인들의 조합 |
| 추가 행. |
| 두 번째 옵션은 내가 선택한 것입니다. |
| 여기서 의도적으로 확인하면 허용됩니다. |
| 선택할 후보 행 |
| 한 번 이상. 이렇게 하면 |
| 당신이 최적으로 선택했습니다 |
| 복제이며 아마도 |
| 달리려고 한다면 좋은 생각이에요 |
| 물리적 실험. 만약 |
| 반면에, 당신은 사용하고 있습니다 |
| 찾을 행의 최적 하위 집합 |
| 멋진 새 기계를 시도하다 |
| SVEM과 같은 학습 알고리즘 |
| 내 다른 강연 중 하나의 주제 |
| 3월 디스커버리에서 |
| 컨퍼런스. 당신은 원하지 않을 것입니다 |
| 이 옵션을 체크하려면 |
| 케이스. 기본적으로, 만약 당신이 |
| 모든 답변을 다 가지고 있지는 않아요 |
| 이미 값이 있다면 확인하겠습니다. |
| 이 상자와 이미 가지고 있다면 |
| 응답 값은 그렇지 않습니다. |
| 샘플 크기를 12로 재설정하고 |
| 디자인을 클릭하세요. 후보자 |
| 디자인은 모든 영광 속에서 |
| 다른 것과 똑같아 보인다 |
| 맞춤형으로 만든 디자인 |
| 디자이너. 우리가 볼 수 있듯이 |
| 중간 JMP 창, JMP도 |
| 원본의 행을 선택합니다 |
| 후보자가 선택한 테이블 |
| 설계 알고리즘. 10 |
| 12개 행이 선택되지 않았습니다. |
| 오른쪽에 새로운 것을 볼 수 있습니다 |
| 디자인 테이블, 가장 오른쪽 |
| 표의 열은 다음을 나타냅니다. |
| 해당 원점 행 |
| 실행. 원래 행이 |
| 11과 15는 두 번 선택되었습니다. |
| 그리고 복제품입니다. |
| 다음은 히스토그램 보기입니다. |
| 디자인입니다. |
| 온도의 다른 값 |
| 후보자 집합에 의해 선택되었습니다 |
| 다양한 기계에 대한 알고리즘 |
| 유형입니다. 전반적으로 이 디자인은 |
| 균형이 잘 잡혀 있지만 우리는 그렇지 않습니다. |
| 온도는 3단계로 조절 가능 |
| 기계 유형 A. 다행히도, |
| 우리는 행을 선택할 수 있습니다 |
| 디자인에 강제로 들어가고 싶다 |
| 우리가 3을 가지고 있는지 확인하기 위해 |
| 온도 수준 |
| 두 가지 기계 유형 모두. |
| 원하는 행을 선택하세요 |
| 디자인에 강제로 포함됨 |
| 공변량 표. 포함 확인 |
| 선택된 모든 공변 행을 |
| 디자인 옵션. |
| 그리고 당신이 통과하면 |
| 그 모든 것을 당신은 볼 것입니다 |
| 이제 두 수준 모두 |
| 기계에는 최소한 3개가 있어야 합니다 |
| 온도 수준 |
| 디자인. 그래서 첫 번째 디자인은 |
| 우리가 만든 것은 왼쪽에 있습니다 |
| 그리고 새로운 디자인 강제 |
| 3가지 수준이 있습니다 |
| 기계 유형 A |
| 온도 설정이 끝났습니다 |
| 여기 오른쪽에 있어요. |
| 두 번째 예는 다음을 기반으로 합니다. |
| 실제 데이터 세트 |
| 야금 제조 |
| 프로세스입니다. 회사는 |
| 수축량을 조절하다 |
| 소결 단계 동안. 그들은 |
| 많은 역사적 데이터가 있다 |
| 그리고 기계를 적용했습니다 |
| 예측을 위한 학습 모델 |
| 수축이 있어서 어떤 생각이 들었어요 |
| 주요 요인은 무엇인가. |
| 그러나 실제로 최적화하려면 |
| 그 과정을 당신은 정말로 해야 합니다 |
| 설계된 실험을 하세요. |
| 로라 카스트로-쉴로 역 |
| 한 번 가리키면... |
| Laura Castro-Schilo가 한때 |
| 나에게 말했어, 인과관계는 |
| 데이터의 속성이 아니라 |
| 데이터가 생성되면 |
| 메커니즘, 그리고 George Box로서 |
| 안쪽 표지에 적혀있다 |
| 실험자를 위한 통계, |
| 무슨 일이 일어나는지 알아내려면 |
| 당신이 무언가를 바꾸면 그것은 |
| 변경이 필요합니다. |
| 지금은 우리가 사용할 수 없지만 |
| 증명할 역사적 데이터 |
| 인과관계가 있다 |
| 에 대한 필수 정보 |
| 어떤 요소들의 조합인가 |
| 우리가 사용할 수 있는 것이 가능합니다 |
| 디자인에서. |
| 우리는 먼저 분리해야 합니다 |
| 표의 열 |
| 제어 가능한 요소를 나타냅니다 |
| 더 많은 것들로부터 |
| 수동 센서 측정 |
| 또는 수량을 구동합니다. |
| 직접 제어할 수 없습니다. |
| 산점도를 살펴보면 |
| 잠재적 연속 요인 |
| 있다는 것을 나타냅니다 |
| 암묵적인 제약이 있을 수 있음 |
| 특성화하기 어려울 수 있습니다 |
| 선형 제약 조건 또는 허용되지 않음 |
| 조합. 그러나 이러한 |
| 샘플을 나타냅니다 |
| 가능한 조합 |
| 와 함께 사용할 수 있습니다 |
| 후보 디자이너는 꽤 |
| 쉽게. |
| 이를 위해 우리는 다음을 가져옵니다. |
| 맞춤형 디자이너. 설정 |
| 응답. 나는 일부를로드하고 싶습니다 |
| 공변량 요인. 다음을 선택하세요. |
| 우리가 제어할 수 있는 열 |
| 요인...DOE 요인 및 |
| 확인을 클릭하세요. 이제 완료되었습니다. |
| 로드되었습니다. 이차 방정식을 설정해 보겠습니다. |
| 우리의 반응 표면 모델 |
| 기본 모델. 그런 다음 모든 것을 선택하십시오. |
| 모델 용어를 제외한 |
| 가로채기. 그런 다음 제어를 수행하세요. |
| 플러스 마우스 오른쪽 버튼을 클릭하고 변환 |
| 그 모든 용어를 if로 바꾸다 |
| 가능한 효과. 이것은 |
| 반응과의 조합 |
| 선택된 표면 모델은 다음을 의미합니다. |
| 우리가 만들 것입니다 |
| 베이지안 I-최적 후보 |
| 무대 디자인. |
| 허용된 상자를 체크하세요 |
| 최적으로 선택된 반복. |
| 표본 크기를 입력하세요. |
| 그런 다음 디자인을 만듭니다. |
| 우리를 위해. 우리가 살펴보면 |
| 요인의 분포, |
| 우리는 그것이 열심히 시도되고 있다는 것을 봅니다 |
| 더 큰 균형을 추구합니다. |
| 왼쪽에는 |
| 산점도 행렬 |
| 연속적인 요인 |
| 원본 데이터와 오른쪽 |
| 100줄 디자인입니다. 볼 수 있습니다 |
| 소결에서 |
| 온도, 우리는 몇 가지를 가지고 있습니다 |
| 1220에서 잠재적 이상치가 발생합니다. |
| 하나는 그것을 확인하고 싶을 것입니다 |
| 그것들은 진짜 가치입니다. |
| 장군님, 당신은 ~해야 할 것입니다 |
| 입력을 확인하세요 |
| 후보자 설정은 명확합니다 |
| 이상치 및 누락된 값 |
| 후보로 사용하기 전에 |
| 세트 디자인. 론과의 대화에서 |
| 케넷 이거... 3월에 |
| 2021 디스커버리 컨퍼런스, |
| 나는 당신이 어떻게 사용할 수 있는지 간략하게 시연합니다 |
| 이상치와 누락된 값 |
| 제거할 스크리닝 플랫폼 |
| 이상치를 대체하고 |
| 누락된 값을 사용할 수 있도록 |
| 이후에 사용하세요 |
| 이런 무대. |
| 이제 문제가 있다고 가정해 보자. |
| 첫 번째 예와 유사합니다. |
| 두 대의 기계가 있는 곳 |
| 유형이지만 이제 우리는 가지고 있습니다 |
| 온도와 압력은 |
| 요인들, 그리고 우리는 그것을 알고 있습니다 |
| 온도와 압력은 할 수 없다 |
| 독립적으로 변화하며 |
| 그 의존성의 본질 |
| 기계 유형 간의 변경 사항. |
| 우리는 초기 공간을 만들 수 있습니다 |
| 디자인 채우기 및 사용 |
| 데이터 필터를 제거하려면 |
| 실행 불가능한 조합 |
| 별도로 설정된 요소 |
| 각 기계 유형. 그런 다음 |
| 후보 세트 디자이너를 사용하세요 |
| 가장 효율적인 것을 찾기 위해 |
| 이런 상황에 맞춰 디자인했습니다. |
| 그래서 이제 나는 이것을 겪었고, |
| 그래서 이제 내 공간을 만들었어 |
| 디자인 채우기. 1,000개나 들어있어요 |
| 실행하고 가져올 수 있습니다 |
| 그것에 대한 글로벌 데이터 필터와 |
| 그것을 사용하여 다양한 것을 면도합니다 |
| 온도의 조합 |
| 그리고 우리가 할 수 있도록 압력을 가한다 |
| 별도의 제약 조건이 있습니다 |
| 기계 유형. |
| 그래서 저는 Laso를 사용합니다 |
| 잘라내는 도구 |
| 기계 B의 모서리. |
| 그리고 나는 돌아가서 끊어버린다 |
| 기계 B의 또 다른 모서리이므로 |
| 기계 B는 다음과 같은 기계입니다. |
| 좀 더 넓은 운영 지역 |
| 온도와 압력에서. |
| 그럼 우리는 기계로 전환합니다 |
| A. 그리고 우리는 그냥 사용할 것입니다 |
| 올가미 도구 |
| 면도하다 |
| 그 밖에 있는 점들 |
| 운영 지역. 그리고 우리는 봅니다 |
| 그 운영 지역은 다음과 같습니다. |
| 기계 A보다 훨씬 좁습니다. |
| 그리고 여기에 우리의 결합된 디자인이 있습니다. |
| 거기에서 우리는 그것을 다시 로드할 수 있습니다 |
| 맞춤형 디자이너로 전환합니다. |
| 거기에 RSM 모델을 넣으면 |
| 실행 횟수를 32회로 설정합니다. |
| 공비행 행을 허용합니다. |
| 반복됩니다. 그리고 크랭크가 돌 것입니다 |
| 통과. 일단 그것이 완료되면, |
| 모든 점을 선택합니다 |
| 후보자 집합에 의해 선택됨 |
| 디자이너. 그리고 여기서 우리는 볼 수 있습니다 |
| 선택된 포인트. |
| 그들은 강조되었고 |
| 후보 포인트의 원래 세트 |
| 선택되지 않은 것은 다음과 같습니다. |
| 회색입니다. |
| 우리는 새로운 디자인을 가져올 수 있습니다 |
| Fit Y by X에서 우리는 할 수 있습니다 |
| 우리가 보는 산점도를 보세요 |
| 그것이 |
| 기계 A 디자인 포인트 |
| 빨간색이에요. 내부에 있어요 |
| 공간의 다음 유형 |
| B 런은 파란색입니다. |
| 더 넓은 운영 영역 및 |
| 우리가 이 점들을 보는 방식이 바로 이거야 |
| 여기, 더 멀리. 그래서 |
| 우리는 빠르게 달성했습니다 |
| 선형 제약 조건을 사용한 설계 |
| 범주별로 변경됨 |
| 가지 않고도 요인 |
| 성가신 유도 과정 |
| 선형 결합 계수. |
| 우리는 단순히 기본 JMP 101을 사용했습니다. |
| 시각화 및 필터링 |
| 도구. 이 아이디어는 일반화됩니다. |
| 다른 비선형에 |
| 제약 및 기타 복잡한 |
| 상황을 비교적 쉽게 해결할 수 있습니다. |
| 그럼 이제 우리는 사용할 것입니다 |
| 필터링 및 다변량 |
| 매우 독특한 새로운 유형을 설정 |
| 내가 당신에게 확신시키는 디자인 |
| 이전에 본 적이 없습니다. |
| 로 가다 |
| 올가미 도구. 우리는 가고 있어요 |
| 매우 특이한 것을 잘라내다 |
| 강제. |
| 그리고 우리는 반전할 것입니다 |
| 선택. |
| 해당 행을 삭제하겠습니다. |
| 그러면 우리는 이것을 가속화할 수 있습니다. |
| 조금. 우리는 통과할 수 있습니다 |
| 그리고 똑같은 일을 해 |
| X1의 다른 조합의 경우 |
| 그리고 다른 변수들. |
| 매우 조각하다 |
| 특이한 모양의 후보 집합. |
| 우리는 이것을 로드할 수 있습니다 |
| 커스텀 디자이너. 동일 |
| 이전과 같은 일. 우리의 것을 가져와 |
| 공변량으로서의 열, |
| 모든 것을 고려하여 디자인을 설정합니다. |
| 모든 고차원 상호 작용이 이루어짐 |
| 가능하다면 백개로 |
| 실행됩니다. 그리고 이제 우리는 봅니다 |
| 우리의 디자인은 바로 이것입니다 |
| 특이한 제한 영역 |
| 이것이 주어진 최적입니다 |
| 제약 조건. |
| 그럼 나는 이걸로 당신을 떠날 것입니다 |
| 이미지. 정말 기대돼요 |
| 당신이 할 수 있었던 일을 들어보세요 |
| 새로운 후보자 세트와 함께 |
| 디자이너. DOE에 경의를 표합니다. |
| 이것을 추가해 준 팀에게 감사드립니다 |
| 놀라울 정도로 유용하고 |
| 유연한 새 기능. 감사합니다. |
| 너. |
고급 통계 모델링자동화 및 스크립팅기본 데이터 분석 및 모델링소비자 및 시장 조사콘텐츠 구성데이터 블렌딩 및 정리데이터 탐색 및 시각화실험 설계대량 맞춤화품질 및 공정 엔지니어링결과 공유 및 전달
