候選集設計：根據問題自訂 DOE 限制 (2021-EU-30MP-784) Christopher Gotwalt，SAS 統計研發總監
實驗中，因子之間通常存在一些約束條件，這些約束條件至關重要，不容違反，但卻難以用數學形式描述。這些約束條件之所以重要，原因有很多。例如，如果您正在烘烤麵包，那麼某些時間和溫度的組合會導致不可食用的碳塊。另一種情況是，某些因子組合在物理上不可能實現，例如在低溫下達到高壓。在本示範中，我們將示範一個建立候選因子值模擬資料集的簡單工作流程。在此基礎上，我們將結合使用 JMP 資料視覺化平台中的互動式工具和 AutoRecalc 功能，識別一組物理上可實現的潛在因子組合，並將其提供給 JMP 16 中全新的候選集設計功能。然後，這將確定這些篩選因子設定中的最佳子集，以便在實驗中運行。我們也將展示候選集設計器如何應用於歷史過程數據，從而實現在尊重過程變數內部相關結構的同時，最大化資訊量的設計。我們的方法簡單易學。它使具有各種 DOE 經驗的從業者能夠更輕鬆地設定具有約束的實驗。
自動產生的成績單...
| 抄本 |
| 你好，我是 Chris Gotwalt。 |
| 今天，我們將 |
| 建構歷史 |
| 圖形悖論，等等， |
| 錯話題了。實際上我們想要 |
| 談候選人 |
| 佈景設計、剪裁 DOE |
| 問題的約束。 |
| 因此工業實驗 |
| 對於產品和工藝 |
| 改進歷史悠久 |
| 我承認我有很多線索 |
| 只知道一小點 |
| 的。利用觀察的想法 |
| 對於產品和工藝 |
| 創新與人類一樣古老 |
| 它本身。它得到了更新 |
| 文藝復興時期的焦點和 |
| 科學革命。在 |
| 後續工業 |
| 革命、科學和工業 |
| 開始越來越多地運作 |
| 步調一致。 20世紀初 |
| 世紀，愛迪生的實驗室是一個 |
| 產業創新 |
| 工廠規模，但已經完成了 |
| 據我所知， |
| 現代實驗傳統。 |
| RA Fisher 後不久 |
| 引入了諸如以下的概念 |
| 阻斷和隨機化，他的 |
| 同事，然後是女婿， |
| George Box 開發了 |
| 現在可能占主導地位 |
| 設計範式 |
| 實驗，最 |
| 暢銷書《統計》 |
| 對於 Box 實驗者來說， |
| 獵人與獵人。 |
| Box，Hunter 所描述的方法 |
| 和 Hunter 就是我所說的 |
| 分類學設計方法。 |
| 假設你有一個產品 |
| 或您想要改進的流程。 |
| 你仔細思考你的事情 |
| 可以改變。旋鈕可以轉動 |
| 例如溫度、壓力、 |
| 時間、你可以使用的原料或 |
| 您可以採用的處理方法 |
| 使用。這些這些東西變成 |
| 你的因素。然後你認為 |
| 關於他們是否 |
| 連續或名義的，並且如果 |
| 它們是名義上的，有多少 |
| 他們採取的水平或範圍 |
| 你願意改變它們。如果 |
| 因素是連續的，那麼你 |
| 找出 |
| 最容易搭配的設計 |
| 解決問題和資源 |
| 您...這符合您的預算。 |
| 該設計將具有... |
| 會有一個像盒子的名字 |
| Behnken 設計，分數 |
| 階乘，或中心 |
| 複合體徵，或者可能 |
| 類似於田口陣列。 |
| 對數字進行限制 |
| 跑步次數、程度…數字 |
| 分類水平 |
| 因素等等，所以 |
| 將會有一些強行插入 |
| 手邊的問題融入設計中 |
| 你可以找到。例如， |
| BHH 中的因素 |
| 方法，Box Hunter 和 Hunter |
| 方法，通常需要 |
| 減少到兩三個 |
| 獨特的價值或水平。 |
| 儘管有局限性， |
| 分類學方法 |
| 非常成功。 |
| 當然，隨著時間的推移，有些 |
| 人們問我們是否可以 |
| 仍然做得更好。 |
| 我們所說的「更好」是指 |
| 我們自己，我們如何設計我們的 |
| 學習以獲得最高 |
| 相關的品質訊息 |
| 改進目標 |
| 專案?這一行 |
| 質疑最終導致 |
| 最優設計。最優設計是 |
| 一個學術研究領域。它 |
| 與 Box 同時啟動 |
| 五六十年代的學校，但是 |
| 由於各種原因仍未 |
| 工業的主流 |
| 實驗，直到 |
| 客製化設計器和 JMP。 |
| 習俗哲學 |
| 設計師就是你描述 |
| 問題出在軟體。它 |
| 然後回到你最好的設計 |
| 您的預算數量 |
| 運行。首先聲明 |
| 你的回應以及他們的 |
| 目標，例如最小化、最大化， |
| 或匹配目標，然後你 |
| 描述各種因素 |
| 你有連續的、分類的 |
| 混合物等。分類 |
| 因素可以有任意數量的 |
| 級別。你給它一個模型， |
| 你想要適應結果 |
| 數據。該模型至少假設 |
| 平方分析，包括 |
| 主要影響和相互作用 |
| 多項式項。自訂 |
| 設計師做出一些預設設置 |
| 關於自然的假設 |
| 你的目標，例如 |
| 你對篩檢有興趣 |
| 或預測 |
| 體現在最優性上 |
| 標準。 |
| 預設值可以被覆蓋 |
| 帶有紅色三角形菜單 |
| 如果你想 |
| 做一些不同於 |
| 該軟體的用途。 |
| 大多數工作流程 |
| 應用程式是設定 |
| 模型。 |
| 然後選擇你的預算， |
| 點選“製作設計”。一旦 |
| 發生這種情況時，JMP 使用混合的 |
| 連續和分類 |
| 最佳化演算法，求解 |
| 因子數乘以 |
| 行數項。 |
| 然後你得到你的設計數據 |
| 桌子上擺滿了你需要的一切 |
| 除了響應數據之外。這 |
| 是一個很好的工作流程，因為 |
| 因素可以變化 |
| 彼此獨立。 |
| 如果你做不到怎麼辦？如果 |
| 有什麼限制嗎？ |
| 如果某些因素的價值 |
| 確定可能的範圍 |
| 其他因素？ |
| 那你可以這樣做...然後 |
| 你可以定義一些因素 |
| 限製或使用它 |
| 不允許的組合 |
| 篩選。 |
| 不幸的是，雖然這些 |
| 是強大的工具 |
| 限制實驗 |
| 地區，它仍然可以非常 |
| 難以描述 |
| 使用這些約束。 |
| Brad Jones 的 DOE 團隊、Ryan Lekivetz、 |
| 約瑟夫摩根和迦勒 |
| King 增加了 |
| 非常有用的新功能 |
| 功能使得處理 |
| 限制大大容易 |
| JMP 16. 這些被稱為 |
| 候選或協變量運行。 |
| 你可以做的是 |
| 自己，創建一個包含所有 |
| 可能的組合 |
| 您想要的因素設定 |
| 訂製設計師 |
| 考慮一下。然後加載它們 |
| 這裡，那些將是 |
| 只有因素的組合 |
| 設計師的設定 |
| 將要... |
| 會看。原來 |
| 表格，我稱之為 |
| 候選表，就像一個 |
| 選單因素設定 |
| 訂製設計師。 |
| 這為 JMP 用戶提供了 |
| 令人難以置信的控制水平 |
| 他們的設計。我要 |
| 今天要做的是複習幾個 |
| 範例展示如何使用 |
| 這是為了客製化 |
| 設計師發揮潛力 |
| 作為一種客製化工具 |
| 針對當前的問題進行設計。 |
| 在此之前，我要 |
| 暫時偏離主題， |
| 指出在 JMP Pro |
| 自訂設計器的版本， |
| 現在有一種能力 |
| 允許你聲明限制 |
| 設計時檢測。 |
| 如果你想要一個非缺失值 |
| 對於這裡的限制習慣 |
| 設計師將會新增一列 |
| 財產告知 |
| 廣義回歸平台 |
| 檢測極限和 |
| 然後會自動獲得 |
| 分析正確。這導致 |
| 顯著提高功率 |
| 檢測效果並降低得多 |
| 預測中的偏見，但那是 |
| 另一次談話的主題。 |
| 這裡有很多應用程式 |
| 我能想到的 |
| 候選佈景設計師。 |
| 最簡單的是當 |
| 連續因子取決於 |
| 一個或多個類別的級別 |
| 因素。另一個例子是 |
| 我們無法控制 |
| 完全因素 |
| 獨立地，但 |
| 約束很難寫 |
| 下來。我們有兩種方法 |
| 可以用於此目的。一個是使用 |
| 歷史過程數據 |
| 候選集，然後 |
| 另一個是我所說的過濾器 |
| 您創造的設計...設計 |
| 使用巨大的初始資料集 |
| 隨機數或空格 |
| 填充設計然後使用行 |
| 散點圖中的選擇 |
| 挑選出 |
| 不滿足約束。 |
| 還有能力 |
| 真正高度客製化的混合物 |
| 問題，特別是情況 |
| 多層 |
| 混合。這不是 |
| 我將會成為 |
| 能夠談論今天，但在 |
| 未來這是 |
| 你應該尋找 |
| 能和這個候選人合作 |
| 佈景設計師。你也可以 |
| 非線性約束 |
| 過濾方法相同 |
| 你可以做其他類型的 |
| 限制。這非常 |
| 簡單，我會快速 |
| 最後的例子 |
| 說明了這一點。 |
| 那麼讓我們考慮一下第一個 |
| 例如。假設你想 |
| 匹配目標響應 |
| 調查兩個因素。 |
| 一個裝備...一個設備 |
| 供應商，其中有兩個 |
| 水平，另一個是 |
| 設備的溫度。 |
| 兩個不同的供應商 |
| 不同的操作範圍 |
| 溫度。供應商A的 |
| 兩者之間比較狹窄，從 |
| 150至170攝氏度。 |
| 但這是可以控制的 |
| 更精細的分辨率 |
| 約5度。供應商B |
| 具有更寬的操作範圍 |
| 從 140 度到 180 度 |
| 攝氏度，但只有 |
| 可控至10度 |
| 攝氏度。假設我們想做 |
| 進行 12 次試驗設計，以找到 |
| 這些的最佳組合 |
| 兩個因素。 |
| 我們列舉所有可能的 |
| 兩者的組合 |
| 在 10 次運行中 |
| 此處的表格，只是創建 |
| 我們自己手動進行。 |
| 以下是五種可能的情況 |
| 機器類型 A 的值 |
| 溫度設定。然後 |
| 以下是五種可能 |
| B型溫度值 |
| 設定.我們想要最好的 |
| 設計進行了 12 次運行，超過了 |
| 行數 |
| 候選表。這不是 |
| 理論上的問題，但我 |
| 建議創建 |
| 候選集只是為了以防萬一 |
| 運行次數 |
| 您的候選表已超出 |
| 你要找的號碼 |
| 用於設計中。 |
| 然後我們去海關 |
| 設計師。 |
| 推播選擇協變量 |
| 因素按鈕。 |
| 選擇我們想要的列 |
| 載入為候選設計 |
| 因素。現在候選人 |
| 設計已載入並顯示。 |
| 讓我們加入互動效果， |
| 以及二次效應 |
| 溫度。現在我們處於 |
| 創建之前的最後一步 |
| 設計。我想解釋一下 |
| 您在 |
| 設計生成輪廓節點。 |
| 第一個，這將迫使 |
| 在所有行中 |
| 在原始表中選定 |
| 或在清單中 |
| 海關候選人 |
| 設計師。所以如果你有 |
| 檢查站不太可能 |
| 受到最優性的青睞 |
| 標準，並想強迫他們 |
| 融入設計中，你可以 |
| 使用此選項。這有點 |
| 就像取相同的行， |
| 建立增強設計 |
| 僅基於它們，除了 |
| 你正在控制可能 |
| 因素的組合 |
| 附加行。 |
| 第二個選擇，我 |
| 特意檢查此處，允許 |
| 要選擇的候選行 |
| 不只一次。這將 |
| 你最佳選擇 |
| 複製，並且可能是一個 |
| 如果你要跑步的話，這是個好主意 |
| 一個物理實驗。如果 |
| 另一方面，你正在使用 |
| 要找的最優行子集 |
| 試試新奇的機器 |
| 學習演算法，例如 SVEM， |
| 我的另一次演講的主題 |
| 在三月發現 |
| 會議。你不會想 |
| 檢查此選項是否 |
| 基本上，如果你 |
| 沒有得到你所有的回應 |
| 值已經存在，我會檢查 |
| 這個盒子，如果你已經 |
| 響應值，那麼就不要。 |
| 將樣本大小重設為 12，並 |
| 點選“製作設計”。候選人 |
| 設計的全部榮耀將 |
| 看起來像其他 |
| 客製化設計 |
| 設計師。正如我們在 |
| 中間的 JMP 窗口，JMP 也 |
| 選擇原始行 |
| 候選人選擇的表格 |
| 設計演算法。注意 10 |
| 沒有選擇 12 行。 |
| 在右邊我們看到了新的 |
| 設計表，最右邊 |
| 表中的欄位表示 |
| 原點行 |
| 運行。請注意，原始行 |
| 11 和 15 被選中兩次 |
| 並且是重複的。 |
| 這是 |
| 設計。你可以看到 |
| 不同的溫度值 |
| 被候選集選中 |
| 針對不同機器的演算法 |
| 類型。總體而言，這種設計 |
| 平衡得很好，但我們沒有 |
| 有 3 個溫度等級 |
| A型機。幸運的是， |
| 我們可以選擇行 |
| 想要強制進入設計 |
| 確保我們有 3 |
| 溫度水平 |
| 兩種機器類型。 |
| 只需選擇您想要的行 |
| 強制進入設計中 |
| 協變量表。檢查包括 |
| 所有選定的協變行放入 |
| 設計選項。 |
| 如果你透過 |
| 所有這些，你會看到 |
| 現在兩個層面 |
| 機器至少有三個 |
| 溫度水平 |
| 設計。所以第一個設計 |
| 我們創建的是在左邊 |
| 以及新的設計強制 |
| 有三個層次 |
| A型機器 |
| 溫度設定結束 |
| 此處右側。 |
| 我的第二個例子是基於 |
| 來自的真實數據集 |
| 冶金製造 |
| 流程。公司希望 |
| 控制收縮量 |
| 在燒結過程中。它們 |
| 擁有大量歷史數據 |
| 並已應用機器 |
| 學習模型來預測 |
| 收縮等有一些想法 |
| 關鍵因素是什麼。 |
| 然而，要真正優化 |
| 這個過程，你真的應該 |
| 做一個設計實驗。 |
| 勞拉·卡斯特羅-斯基洛 |
| 一旦指出... |
| 正如 Laura Castro-Schilo 曾經 |
| 告訴我，因果關係是 |
| 不是數據的財產，而是 |
| 如果數據生成 |
| 機制，正如喬治·博克斯 |
| 內頁寫著 |
| 實驗人員統計數據， |
| 了解當 |
| 你改變了一些東西，它是 |
| 有必要改變它。 |
| 現在，雖然我們不能使用 |
| 歷史數據證明 |
| 因果關係，存在 |
| 關於的重要訊息 |
| 哪些因素的組合 |
| 我們可以使用 |
| 在設計中。 |
| 我們必須先分離 |
| 表中的列 |
| 代表可控因素 |
| 從那些更 |
| 被動感測器測量 |
| 或驅動量 |
| 無法直接控制。 |
| 散點圖一覽 |
| 潛在的連續因素 |
| 表示有 |
| 隱含的約束 |
| 很難被描述為 |
| 線性約束或不允許 |
| 組合。然而，這些 |
| 代表 |
| 可能的組合 |
| 可以與 |
| 候選人設計師相當 |
| 容易地。 |
| 為了做到這一點，我們提出了 |
| 自訂設計師。設定 |
| 回應。我喜歡加載一些 |
| 協變量因素。選擇 |
| 我們可以控制的列 |
| 因素...DOE因素和 |
| 點選“確定”。現在我們得到了它們 |
| 載入.讓我們建立一個二次方程 |
| 響應曲面模型作為我們的 |
| 基礎模型。然後選擇所有 |
| 除以下條款外的示範條款 |
| 攔截。然後進行控制 |
| 加上右鍵並轉換 |
| 所有這些術語都適用於 if |
| 可能產生的影響。這 |
| 與響應的組合 |
| 選擇表面模型意味著 |
| 我們將創建一個 |
| 貝葉斯 I 最優候選 |
| 佈景設計。 |
| 勾選允許 |
| 最佳選擇的重複。 |
| 輸入樣本大小。 |
| 然後創建設計 |
| 對我們來說。如果我們看看 |
| 因素的分佈， |
| 我們看到它正在努力 |
| 追求更大的平衡。 |
| 在左邊，我們有一個 |
| 散點圖矩陣 |
| 連續因素 |
| 原始數據和右側 |
| 是百行設計。我們可以看到 |
| 在燒結過程中 |
| 溫度，我們有一些 |
| 1220 處存在潛在異常值。 |
| 人們希望確保 |
| 這些都是真正的價值觀。 |
| 將軍，你需要 |
| 確保輸入 |
| 候選集已清除 |
| 異常值和缺失值 |
| 在將其用作候選之前 |
| 佈景設計。在我和榮恩的談話中 |
| Kennet 今年三月 |
| 2021 年探索大會， |
| 我簡要地示範如何使用 |
| 異常值和缺失值 |
| 篩選平台移除 |
| 異常值並替換 |
| 缺少值，以便你可以 |
| 在後續使用它們 |
| 像這樣的舞台。 |
| 現在假設我們有一個問題 |
| 與第一個例子類似， |
| 有兩台機器 |
| 類型，但是現在我們有 |
| 溫度和壓力 |
| 因素，我們知道 |
| 溫度和壓力不能 |
| 獨立變化，並且 |
| 這種依賴的性質 |
| 機器類型之間的變化。 |
| 我們可以創造一個初始空間 |
| 填充設計並使用 |
| 資料過濾器刪除 |
| 不可行的組合 |
| 分別設定因素 |
| 每種機器類型。然後我們可以 |
| 使用候選集設計器 |
| 找到最有效的 |
| 針對這種情況進行設計。 |
| 現在我已經經歷了這一切， |
| 所以現在我創建了我的空間 |
| 填充設計。它有 1,000 |
| 運行，我可以提出 |
| 對其進行全域資料過濾， |
| 用它來刮掉不同的 |
| 溫度組合 |
| 和壓力，以便我們能夠 |
| 有單獨的約束 |
| 機器類型。 |
| 所以我使用套索 |
| 切割工具 |
| 機器 B 的一個角落。 |
| 我回去並切斷 |
| 機器 B 的另一個角落 |
| 機器 B 是具有 |
| 更廣泛的營運區域 |
| 在溫度和壓力方面。 |
| 然後我們切換到機器 |
| 答：我們只需要使用 |
| 套索工具 |
| 剃掉 |
| 其之外的點 |
| 操作區域。我們看到 |
| 其經營區域是 |
| 比機器 A 的窄很多。 |
| 這是我們的組合設計。 |
| 從那裡我們可以將其加載回來 |
| 進入定制設計器。 |
| 然後把 RSM 模型放在那裡 |
| 將運行次數設定為 32， |
| 允許協變數行 |
| 重複。它會 |
| 通過。一旦完成，它 |
| 選擇所有點 |
| 由候選集選擇 |
| 設計師。在這裡我們可以看到 |
| 所選的點。 |
| 他們被重點強調， |
| 原始候選點集 |
| 未被選中的是 |
| 是灰色的。 |
| 我們可以提出新的設計 |
| 在「以 X 擬合 Y」中，我們可以 |
| 看散點圖，我們看到 |
| 即 |
| 機器A設計要點 |
| 是紅色的。它們在內部 |
| 空間，然後是類型 |
| B 輪為藍色。它有 |
| 更廣泛的營運區域和 |
| 這就是我們看待這些觀點的方式 |
| 就在這裡，再遠一點。所以 |
| 我們很快就實現了 |
| 具有線性約束的設計 |
| 隨類別而變化 |
| 因素而不去 |
| 惱人的過程推導 |
| 線性組合係數。 |
| 我們只是使用了基本的 JMP 101 |
| 可視化和過濾 |
| 工具。這個想法概括了 |
| 對其他非線性 |
| 約束和其他複雜 |
| 情況相當容易。 |
| 現在我們要使用 |
| 過濾和多變量 |
| 建立一個非常獨特的新型 |
| 我向你保證 |
| 從未見過。 |
| 前往 |
| 套索工具。我們要 |
| 剪掉一個非常不尋常的 |
| 約束。 |
| 我們要反轉 |
| 選擇。 |
| 我們將刪除這些行。 |
| 然後我們可以加快速度 |
| 一點點。我們可以 |
| 做同樣的事情 |
| 對於 X1 的其他組合 |
| 以及其他變數。 |
| 打造一個非常 |
| 不尋常形狀的候選集。 |
| 我們可以將其加載到 |
| 訂製設計師。相同 |
| 和以前一樣。把我們的 |
| 作為協變數的列， |
| 建立一個包含所有...的設計 |
| 所有高階交互作用 |
| 如果可能的話，一百 |
| 運行。現在我們看到 |
| 我們的設計 |
| 異常約束區域 |
| 這是最佳的 |
| 限制。 |
| 所以我留給你們這個 |
| 圖片。我很高興 |
| 聽聽你能做什麼 |
| 新的候選集 |
| 設計師。向 DOE 致敬 |
| 團隊添加此 |
| 出奇地有用， |
| 靈活的新功能。謝謝 |
| 你。 |
進階統計建模自動化和腳本基礎資料分析與建模消費者與市場研究內容組織資料混合與清理數據探索與視覺化實驗設計大規模客製化品質與工藝工程分享和交流成果
