Hola. Mi nombre es Laura Lancaster. I soy a estadístico revelador en el JMP grupo. Hoy, Soy aquí a hablar a tú acerca de disuelto combinaciones y operante región mejoramiento para crítico calidad atributos con el JMP 17 perfilador.
Todo eran yendo a hablar acerca de hoy tiene a hacer con el Perfilador de predicciones, y I esperanza eso todos es familiar con él. Es a maravilloso herramienta. Pero si estás no, el Perfilador de predicciones es a herramienta en JMP eso es excelente para interactivamente explorador, visualizante, y optimizando el modelos eso tú crear en JMP. Específicamente, eran yendo a hablar acerca de dos reciente nuevo características eso eran agregado a el Perfilador de predicciones. El primero es el capacidad a explorar y optimizar el modelos eso Tú tienes creado en GAMA en JMP eso tener conocido no permitido combinación fortaleza. El segundo es el capacidad a determinar un óptimo operante región para su fabricación procesos eso asegurar ambos calidad y máximo producción flexibilidad.
Vamos ir adelante y conseguir comenzó hablando acerca de explorador y optimizando modelos de diseñado experimentos con este todo combinación restricciones. I t a menudo sucede eso cuando estás diseño experimentos, es no posible o es no deseable para varios razones a ser capaz a experimento encima el habitual completo rectangular diseño región. Cuando eso sucede, tú necesidad a ser capaz a aplicar restricciones a su diseño región antes tú crear el diseño y ciertamente antes tú correr el diseño. Agradecidamente, alguna vez desde JMP 6, cual tiene estado a largo tiempo, el costumbre diseño plataforma tiene estado capaz a crear diseño experimentos con constreñido diseño regiones. Desde entonces, restricción apoyo tiene también estado agregado a rápido, flexible relleno diseños y cubierta formación diseños.
Ahora, qué tipos de restricciones son disponible en JMP ¿Plataformas DOE? El primero tipo de restricción es el más simple de el dos. Es lineal restricciones en continuo y mezcla factores. H Aquí está a imagen dónde nosotros tener dos lineal desigualdad restricciones eso son mostrado en el gris sombreado región. Entonces el diseño, tú poder ver corsé afuera de el no permitido lineal constreñido región.
El próximo tipo de restricción es llamado a no permitido combinación restricción. Es a más general y poder ser más complicado tipo de restricción. Él poder consistir de continuo, discreto, numérico y o categórico factores. Qué él es es a restricción eso es a JSL Booleano expresión eso evalúa a verdadero para factor combinaciones eso son no en su diseño región. Aquí está un ejemplo.
Nosotros tener a dos- factor diseño dónde X1 L1 y X2 L3 no puedo ser en el diseño. Ellos son no permitido y ellos son escrito como a JSL Booleano expresión, cual tú poder ver bien aquí. N padre eso este diseño es creado y corsé afuera de este no permitido región. Ahora, originalmente, todo de estos no permitido combinación restricciones tenía a ser entró como JSL como este. Pero entonces en JMP 12, a no permitido combinación filtrar era agregado eso hecho él más fácil a crear estos JSL expresiones si tú tener equitativamente fácil no permitido combinaciones semejante como individual factor rangos conjunto con y/ o expresiones. Bien mirar en un ejemplo de este dentro de poco.
Ahora, qué acerca de el Perfilador de predicciones con constreñido ¿regiones? Por qué es él importante para el Perfilador de predicciones a ser capaz a cumplir restricciones cuando tú tener modelos con ¿restricciones? Bien, si el perfilador ignora restricciones, entonces es posible eso el usuario podría navegar por a predicciones eso son no factible y ellos puede no darse cuenta él. Entonces tú podría fin arriba en un área eso es no posible, no deseable, y tú ciertamente no lo han hecho probado allá. Es un extrapolación, entonces este es malo. Entonces probablemente incluso peor, si tú desear a optimizar su modelo, tú podría fin arriba con un inviable óptimo solución. Si eso sucede, el usuario quería tener a cualquiera intentar a a mano encontrar a factible óptimo solución, cual podría ser en realidad duro o incluso imposible, o ellos quería tener a usar otro herramienta.
Qué eran el desafíos con conseguir el Perfilador de predicciones a cumplir ¿restricciones? Por qué hizo él llevar entonces mucho más extenso a conseguir estos restricciones en el perfilador versus ¿GAMA? Bien, el principal razón tenía a hacer con el constreñido mejoramiento. El atractivo función es a no lineal función. Eso medio eso nuestro mejoramiento tiene a no lineal objetivo función y probablemente ambos continuo y categórico factor variables eso podría ser involucrado en restricciones. Este es conocido como a mezclado entero no lineal programación problema, y es un extremadamente difícil tipo de mejoramiento problema a menos que tú saber algo favorable acerca de su objetivo función o su constreñido región. Es justo muy, muy duro.
Pero bien noticias, el Perfilador de predicciones ahora obras con todo el mismo restricciones como el Plataformas DOE. Giros afuera eso el Perfilador de predicciones tiene de hecho obedeció lineal restricciones en continuo variables todo el forma atrás a JMP 8, j solo a pareja de lanzamientos después ellos eran agregado en JMP 6. Nosotros eran capaz a hacer este antes porque estos restricciones, estos lineal restricciones en continuo variables tener en realidad lindo propiedades. B porque de eso, nosotros eran capaz a implementar a lobo- reducido gradiente variante algoritmo. Eso algoritmo hace a en realidad, en realidad bien trabajo de descubrimiento el global óptimo, especialmente si tú no tener categórico variables. En eso caso, tú debería encontrar el global óptimo.
Ahora, desde JMP 16, el Perfilador de predicciones ahora también obedece no permitido combinación restricciones en ambos continuo y categórico variables. Ahora, este era a lote más difícil porque estos restricciones son muy general. Tú podría poner absolutamente cualquier cosa adentro eso Booleano JSL expresión. Entonces nosotros no puedo asumir cualquier cosa favorable acerca de nuestro constreñido región en estos casos. De este modo, nosotros tenía a implementar a genético heurístico algoritmo, cual es a muy general tipo de algoritmo para el constreñido mejoramiento. B porque de este, nosotros no poder garantizar a global óptimo solución. Pero tú debería encontrar a solución eso es muy cerca a global óptimo, si no el global óptimo.
Vamos ir adelante y comenzar mirando en alguno ejemplos. Primero, eran yendo a mirar en a químico reacción experimento. Este experimento tiene uno respuesta, y el meta es a maximizar producir. Nosotros tener tres factores. Dos de a ellos son continuo, tiempo y temperatura, y catalizador es categórico.
Nosotros tener dos restricciones. Cuando catalizador B es usado, temperatura debe ser arriba 400. Cuando catalizador C es usado, temperatura debe ser abajo 650. W e usado Costumbre DOE a crear a respuesta superficie diseño con esto Combinaciones permitidas. Porque estos son equitativamente simple restricciones, nosotros eran capaz a usar el no permitido combinaciones filtrar.
Tú poder ver aquí eso cuando I colocar catalizador a B, temperatura no puedo ser abajo 400. Este es mi primero no permitido región. También si catalizador es DO, el temperatura no puedo ser arriba 650. Entonces una vez nosotros creado el diseño, tú poder ver eso el diseño agujas permanecer afuera de el constreñido regiones eso son gris aquí. Estos son el disuelto combinaciones regiones. Entonces nosotros corrió el experimento y nosotros usado Encaja menos Cuadrícula a adaptar a respuesta superficie modelo a el datos.
Ahora, I desear a espectáculo tú cómo tú quería usar el Perfilador de predicciones a explorar el modelo y encontrar el máximo producir. Soy yendo a ir conseguir afuera de PowerPoint y ir a JMP en realidad rápidamente. Aquí es el datos mesa de el químico reacción experimento eso nosotros creado con JMP costumbre diseño plataforma. Nosotros tenemos ya correr él y entró todo el resultados. El importante cosa I desear a punto afuera es eso Costumbre Se agregó el DOE este datos mesa guion llamado No permitido Combinaciones. Cuando tú abierto él arriba, tú ver es consiguió el JSL Booleano expresión de mi no permitido combinaciones. Y este es qué el Perfilador de predicciones lee en, y eso es cómo él sabe acerca de mi no permitido combinaciones restricciones.
Yo tengo ya salvado mi respuesta superficie modelo, y Soy yendo a correr él y ir abajo a el perfilador. Porque I tener eso no permitido combinaciones restricción salvado en el mesa, es capaz a leer aquellos en y el perfilador poder cumplir el restricciones. yo f I colocar catalizador a B, aviso eso I no puedo conseguir a a temperatura 400 o abajo. Si I colocar catalizador a DO, I no puedo conseguir a a temperatura 650 o arriba porque aquellos son no permitido regiones. También, cuando I maximizar producir, I fin arriba con a solución eso es factible, es no en a no permitido región.
Ahora, qué quería tener sucedió en a versión de JMP previo a JMP 16? Bien, nosotros poder ver qué quería tener sucedió por mirando en el exacto mismo datos mesa sin el no permitido combinación guion. Soy yendo a correr el mismo exacto modelo y ir a el perfilador. Ahora este tiempo, el perfilador no saber acerca de mi restricciones. Entonces cuando I colocar catalizador a B, I poder ir abajo en a no permitido región abajo a 350. Catalizador DO, I poder deambular arriba en otro no permitido región, temperaturas arriba 650. W gallina I hacer el mejoramiento, I hacer fin arriba con un inviable solución. Soy en el no permitido región dónde catalizador es C y temperatura es 750.
I quería ser forzado a tener a intentar a a mano encontrar a factible solución eso es no en a no permitido región. Pero agradecidamente, eso es estado resuelto desde JMP dieciséis. Vamos ir limpio arriba y Vamos ir a otro ejemplo.
Bueno, el próximo ejemplo eran yendo a mirar en es a tableta producción experimento. El meta de este experimento es a maximizar disolución. Nosotros tener cinco factores. Cuatro son continuo y uno es categórico. Nosotros tener dos restricciones. El primero restricción es eso cuando pantalla tamaño es 3, tiempo de molino tiene a ser abajo 16, y mi pulverización tasa y revestimiento viscosidad seguir este no lineal restricción.
I usado Costumbre Próximo DOE a crear a respuesta superficie diseño con no permitido combinaciones usando estos dos restricciones. Porque este es a complicado restricción, nosotros podría no usar el no permitido combinaciones filtrar, entonces nosotros tenía a ingresar él como a guion, cual es no duro a hacer. Aquí está dónde Yo tengo entró eso no lineal restricción como a guion. Aviso Yo tengo volteado el desigualdad a espectáculo qué no permitido en cambio de qué debería ser permitido. T gallina Yo tengo también agregado pantalla tamaño es igual 3 y molino tiempo mayor que que 16 como el otro no permitido región.
Ahora, nosotros poder ver por mirando en dos diferente rebanadas de mi diseño. Este primero gráfico es pulverización tasa versus revestimiento viscosidad. I poder ver eso todo el diseño agujas permanecer afuera de el no permitido región colocar por este no lineal restricción. W gallina I mirar en pantalla tamaño versus molino tiempo, cuando pantalla tamaño es 3, m mal momento no puedo ser arriba dieciséis. Entonces nosotros corrió el experimento, y nosotros usado Ajuste de mínimos cuadrados a adaptar a respuesta superficie modelo a el datos. N Ay eran yendo a usar Perfilador de predicciones a explorar el modelo y encontrar el máximo disolución.
Soy yendo a ir atrás a JMP. Este es el tableta producción experimento eso era producido por JMP Costumbre Plataforma DO. N padre eso una vez de nuevo, él tiene salvado el no permitido combinaciones datos mesa guion a el mesa. Soy yendo a mirar en eso. Tú ver eso es el JSL Booleano expresión de mi esto combinaciones permitidas, y este es qué el perfilador voluntad leer en. Yo tengo salvado el respuesta superficie modelo a el mesa. Cuando nosotros ir a el perfilador a explorar el modelo, tú poder ver eso él obedece mi combinaciones no permitidas restricción. Cuando pantalla tamaño es 3, El tiempo del molino no puede ser arriba dieciséis.
También, pulverización tasa y revestimiento viscosidad cumplir eso no lineal desigualdad restricción. Cuando I maximizar el solución, I fin arriba con un óptimo solución eso es factible y aviso eso es de hecho en el restricción límite. T tiene dice a mí eso si I tenía no estado reconociendo el restricciones, I casi ciertamente quería tener terminó arriba con un óptimo solución eso no era factible, y I quería tener tenía a intentar a a mano encontrar él, cual quería tener estado muy difícil, si no imposible.
Todo bien . Vamos mover en a el próximo tema. Aquí nosotros ir. Atrás a PowerPoint. Bueno . Nuestro próximo tema es operante región mejoramiento para crítico calidad atributos. Este es dónde Soy yendo a introducir el nuevo Perfilador de espacio de diseño eso es nuevo a JMP 17.
Qué hacer nosotros significar por diseño espacio cuando eran hablando acerca de el ¿Perfilador de espacio de diseño? Bien, este es un importante concepto eso es usado en farmacéutico desarrollo eso identifica el óptimo operante región eso da máximo flexibilidad de su producción mientras aún asegurando calidad. Este concepto era introducido por el FDA y el Internacional Conferencia en Armonización cuando aquellos agencias decidido a adoptar Calidad por Diseño principios para desarrollo, fabricación, y regulación de drogas. W gallina ellos hizo eso, ellos poner afuera alguno en realidad importante pauta documentos, ICH Q8-Q12, eso mayoría droga empresas seguir.
Específicamente, nosotros desear a mirar en ICH Q8 ( R2) , cual cubiertas diseño espacio. Él define diseño espacio como el multidimensional combinación y interacción de material atributos y proceso parámetros eso tener estado demostrado a proporcionar garantía de calidad.
Ahora, allá son a número de pasos eso necesidad a ser tomado a determinar diseño espacio para a producto, y varios de a ellos necesidad a ser hecho antes tú poder conseguir a el Perfilador de espacio de diseño y JMP. Uno de el primero cosas eso tú necesidad a hacer es tú necesidad a determinar qué su crítico calidad atributos son y qué el adecuado especulación límites son a mantener calidad. Bien referirse a estos crítico calidad atributos como Sistema de control de calidad de California (CQAS). El Documento ICH define a crítico calidad atributo como a físico, químico, biológico, o microbiológico propiedad o característica eso debería ser dentro un adecuado límite, rango, o distribución a asegurar el deseado producto calidad. Este es el importante primero paso.
Próximo, nosotros desear a usar diseñado experimentos a determinar qué son nuestro crítico fabricación proceso parámetros eso afectar aquellos crítico calidad atributos. Bien referirse a estos como CPP, crítico proceso parámetro, porque ICH Q8 define a crítico proceso parámetro como a proceso parámetro cuyo variabilidad tiene un impacto en a crítico calidad atributo y por lo tanto debería ser monitoreado o revisado a asegurar el proceso produce el deseado calidad. Entonces, una vez Tú tienes determinado su CQAs y su CPP, entonces tú desear a encontrar a en realidad bien predicción modelo para su CQAs en términos de su crítico proceso parámetros. Una vez Tú tienes hecho todo de eso, tú poder usar el Perfilador de espacio de diseño a determinar a bien diseño espacio para su producto.
Vamos hablar a pequeño más específicamente acerca de el Perfilador de espacio de diseño y JMP. El meta de el Perfilador de espacio de diseño es a determinar a bien diseño espacio por intentando a encontrar el más grande hiper rectángulo eso encaja en el aceptable región eso es definido por su crítico calidad atributo presupuesto aplicado a eso predicción modelo eso tú encontró. Una vez tú encontró eso hiper rectángulo, él voluntad dar el más bajo y superior límites de su crítico proceso parámetros eso determinar a bien diseño espacio.
El problema es eso eso aceptable región es generalmente no lineal, y descubrimiento el más grande hiper rectángulo en a no lineal región es a muy, muy difícil matemático problema. Porque de eso, nosotros preguntarse cómo hace el Perfilador de espacio de diseño de hecho determinar Diseño Espacio ¿entonces? Bien, en cambio de intentando a encontrar el más grande hiper rectángulo matemáticamente, nosotros usar a simulado acercarse. Qué él hace es él genera miles de uniformemente repartido agujas a lo largo de el espacio definido por su inicial Partido Comunista Chino límites. Entonces él usos eso predicción modelo eso tú encontró a simular respuestas para su CQAs. Nota, porque su predicción modelo es no sin error, tú debería siempre agregar respuesta error a su simulaciones.
Una vez Tú tienes consiguió su simulado colocar, él calcula un dentro de las especificaciones parte, contabilidad el total número de agujas en eso colocar eso son dentro de las especificaciones para todo su CQAs de todo el agujas eso son dentro el actual Partido Comunista Chino factor límites. Este es más fácil a ver por de hecho mirando en un ejemplo y yendo a JMP y mirando en el Perfilador de espacio de diseño. Eso es qué eran yendo a hacer próximo.
Eran yendo a mirar en un ejemplo de a dolor crema estudiar. El meta de este estudiar era a reutilizar a hábito- formando oral opioid droga en a crema eso proporciona el mismo alivio como el oral droga. T él primero cosa eso nosotros necesario a hacer era determinar nuestro crítico calidad atributos para este droga. Nosotros determinado eso allá eran tres de a ellos trampa eficiencia, vesícula tamaño, y en- vitro liberar. Nosotros también necesario a determinar qué son el especulación límites eso asegurar calidad. Eso es qué estos números son.
Próximo, nosotros corrió experimentos a determinar cual de nuestro fabricación proceso factores afectar estos crítico calidad atributos. Él vueltas afuera allá eran tres de a ellos. Ellos son emulsionante, lípidos, y lecitina, y estos son el inicial factor límites para estos CPP.
Próximo, nosotros usado costumbre diseño y Ajuste de mínimos cuadrados a encontrar respuesta superficie modelos para nuestro tres crítico calidad atributos en términos de nuestro tres crítico proceso parámetros. Una vez nosotros hizo todo de eso, ahora eran capaz a ir a el Perfilador de espacio de diseño y JMP a determinar a diseño espacio para este dolor crema. Vamos ir atrás a JMP.
Soy yendo a abierto arriba mi dolor crema estudiar. T su era mi respuesta superficie modelo diseño creado en JMP Plataforma DO. Yo tengo consiguió mi diseño en términos de mi tres crítico proceso parámetros aquí, y estos son mi tres crítico calidad atributo respuestas aquí. El importante cosa I desear a punto afuera es eso para cada de estos crítico calidad atributo respuestas, Yo tengo salvado especulación límites como columna propiedades. T tiene es porque el Perfilador de espacio de diseño tiene a saber qué el especulación límites son para su crítico calidad atributos. Entonces si tú no ingresar a ellos como columna propiedades, tú lo harás ser impulsado a ingresar a ellos una vez tú lanzamiento el Perfilador de espacio de diseño, a menos que Tú tienes agregado a ellos aquí.
Yo tengo ya salvado mi respuesta superficie modelos como a guion. Soy yendo a correr eso guion. Él lanzamientos Ajuste de mínimos cuadrados, y I tener él colocar arriba a automáticamente espectáculo el Perfilador de predicciones. Este es el mismo Perfilador de predicciones eso estás probablemente usado a vidente. I tener mi tres respuestas, mi crítico calidad atributos aquí, mi tres crítico proceso parámetros, mi factores aquí, y I poder explorar el modelo como habitual. Pero ahora I desear a intentar a cifra afuera a diseño espacio para mi fabricación proceso.
Ahora I poder fácilmente hacer eso por yendo a el producción perfilador, pequeño rojo triángulo menú, y varios abajo. I ver Hay a nuevo opción para Perfilador de espacio de diseño, y si I seleccionar eso bien abajo el Perfilador de predicciones, el Perfilador de espacio de diseño voluntad aparecer.
Como I anotado, si I no había ya tenía especulación límites adjunto a mi respuestas, él quería inmediato a mí para eso. Pero ahora I poder ver eso es trajo a ellos en de mi columna propiedades. Tú poder ver bien abajo aquí. Es también trajo en un error estándar desviación. Estos valores son próximo de el raíz significar al cuadrado error de mi Mínimos cuadrados modelos. Y o poder ver aquí, RMSE es aquí, es el mismo valor para in vitro liberar como el error estándar desviación aquí. De curso, tú poder cambiar estos, tú poder incluso borrar a ellos. Pero nosotros muy recomendar eso tú tener alguno error para su predicciones desde su profético modelos son no perfecto, no sin error.
Bueno. El primero cosa tú podría aviso acerca de este perfilador es eso él aspecto a pequeño diferente en eso cada factor celúla tiene dos curvas en cambio de el habitual uno curva. Eso es porque eran intentando a encontrar factor límites. W antes de intentando a encontrar un intervalo, eran intentando a encontrar el operante región, el diseño espacio dónde eran optimizando nuestro operante región. El azul curva- nosotros tener a leyenda a ayuda a nosotros- este representa el dentro de las especificaciones parte como el más bajo límite cambios, y el rojo curva representa el dentro de las especificaciones parte como el superior límite cambios.
Tú poder ver cómo si I eran a cambiar el superior límite de emulsionante, él quería aumentar mi dentro de las especificaciones parte. Eso quería ser a bien cosa. Eso es cómo eso obras. También el dentro de las especificaciones parte, tú no ver el valor encima aquí en el izquierda como tú generalmente hacer, pero es bien encima aquí a el bien de el células. Es inicialmente, 79,21% de mi agujas son dentro de las especificaciones y eso es dentro de las especificaciones para todo de el respuestas a todo de el CQAs. Si tú desear a ver el individual dentro de las especificaciones porciones, tú poder encontrar a ellos abajo aquí próximo a el específico respuesta.
También, tú poder aviso este volumen parte es narración a mí eso I soy actualmente usando todo de mi simulado datos y eso es porque el factor límites son colocar en su lleno rango inicialmente. A ser capaz a cambiar el factor límites o intentar a cambiar el operante región, tú poder cualquiera mover el marcadores como habitual o tú poder ingresar diferente factor límite valores aquí en este mesa o bien aquí abajo el células o tú poder usar estos botones . I en realidad como estos botones. Si I hacer clic en Mover Interior, es yendo a encontrar el más grande aumentar en dentro de las especificaciones parte. Es yendo a encontrar el mover eso da a mí el más grande aumentar. Es yendo a encontrar el más empinado hacia arriba camino . Mover Exterior quería hacer el opuesto. Él quería encontrar el más empinado camino hacia abajo.
Si I hacer clic Mover Interior, aviso eso mi emulsionante más bajo límite tiene aumentó de 700 a 705, y mi dentro de las especificaciones parte tiene aumentó a 81.95. Si I hacer clic él de nuevo, ahora mi lecitina más bajo límite tiene aumentó de 30 a 31, y mi dentro de las especificaciones parte tiene desaparecido arriba a 84.5. I poder mantener haciendo este.
Pero antes I mantener haciendo este hasta I encontrar el deseado dentro de las especificaciones parte eso I como- y Soy feliz con el factor límites, I pensar es a razonable operante región- allá son varios opciones en el Diseño Espacio Perfilador menú eso I como a mirar en. El primero uno es hacer y Conectarse a aleatorio mesa. W tiene este hace es él crea a nuevo aleatorio mesa de uniformemente repartido agujas. Tú siempre desear a agregar aleatorio ruido. Es yendo a usar el mismo aleatorio errores nosotros usado antes. Soy yendo a hacer clic Bueno. Ahora, I conseguir este mesa de 10.000 nuevo aleatorio agujas, y ellos son color- codificado. El unos eso son marcado como verde son en- especulación, el unos eso son rojo son afuera de especulación, y el unos eso son seleccionado son dentro mi actual factor límites, mi actual operante región.
Es útil a mirar en el mesa, pero I en realidad como a mirar en estos gráficos eso son producido por alguno de estos salvado guiones. Si I correr Diagrama de dispersión Matriz Y, él voluntad dar a mí a respuesta vista de todo mi datos . El sombreado región eso es verde aquí es el especulación límites. T gallina I también como a mirar en el Matriz de diagrama de dispersión INCÓGNITA, cual da a mí el factor espacio vista. Es lindo si I poder mirar en a ellos ambos en el mismo tiempo. Mientras Soy alterando mi factor límites, si I hacer clic en Mover Interior de nuevo, tú poder ver cómo el agujas cambiar . I encontrar él incluso más útil. Tú también ver cómo el factor espacio cambios. I encontrar él incluso más útil a esconder todo el agujas eso son no en mi actual operante región, entonces I no incluso tener a mirar en a ellos.
Ahora, como I mantener haciendo clic en Mover Interior, tú poder ver cómo eso operante región es contracción. Si tú solo desear a ser preocupado con el afuera- de- especulación agujas, tú poder hacer clic en Y Afuera de Especulación, y eso voluntad solo espectáculo el afuera -de- especulación agujas eso son ocurriendo. Aviso eso mi dentro de las especificaciones parte, como I mantener emocionante mi factor límites en, es creciente .
Soy yendo a mantener yendo hasta I cualquiera golpear 100% o mi operante región aspecto como algo I no poder eso no es factible, eso I justo no ser capaz a alcanzar. Soy yendo a mantener haciendo clic Mover Interior. Cosas aún mirar bien. Mover Interior, justo yendo a mantener haciendo clic él. Bueno, I golpear 100, y I aún pensar eso estos factor límites representar un operante región eso I pensar I debería ser capaz a alcanzar.
A ser capaz a mirar en eso más, I poder enviar el puntos medios de estos factor límites a el original perfiladores, ver qué eso aspecto como. I pensar eso aspecto bonito bien. I poder también enviar el límites a el simulador en el Perfilador de predicciones, y I poder decidir a usar diferente distribuciones. I de hecho pensar eso mi crítico proceso parámetros seguir normal distribuciones. Soy yendo a seleccionar este Normal con Límites en 3 Sigma . Él vueltas en el simulador, y él conjuntos mi distribuciones a normal, y él cifras afuera el significar y estándar desviaciones para estos límites con Sigma, 3 Sigma.
De curso, tú poder cambiar todo estos valores como tú pensar parece adaptar para su propio situación, para su propio fabricación proceso. Tú poder cambiar el distribución, tú poder cambiar el significar cedro desviaciones. Soy justo yendo a dejar él, y Soy yendo a ver qué simulando, qué el normal distribuciones aspecto como. Él aspecto en realidad bien. Tú poder ver mi defecto tasa. Cuando I mantener golpeando Simular, es a menudo 0.
I también como a simular a el mesa a ser capaz a justo conseguir a vista de qué mi capacidad análisis quería mirar como justo como a cordura controlar. I f tú venir abajo aquí, tú poder simular el mesa, y es yendo a usar estos normal distribuciones para el crítico proceso parámetros. Es yendo a usar el mismo errores para su predicciones como nosotros usado antes.
Soy yendo a hacer clic Hacer Mesa, y cuando I hacer eso, él automáticamente crea alguno guiones. Uno de a ellos es distribución. Si I correr eso, I poder muy fácilmente mirar en mi capacidad informes porque I salvado mi especulación límites como columna propiedades. I ver eso el capacidad aspecto, en el menos para el simulado datos, él aspecto en realidad bastante bien. Entonces Soy bonito feliz con este, incluso aunque este es justo en el simulado datos. De curso, I necesidad a controlar el real datos, pero Soy en realidad feliz con qué Soy vidente entonces lejos. I pensar Soy yendo a usar estos límites como mi diseño espacio.
Ahora, justo a nota antes I ir más, I tener a bien situación aquí, pero Vamos decir eso tú no tener a bien situación dónde su dentro de las especificaciones parte no era dónde tú buscado él a ser, y tú en realidad no poder ajustar su factor límites ya no. Tú podría hacer qué- si escenarios por cambio su especulación límites o su errores si tú pensar eso es algo eso podría razonablemente suceder. Pero I tener a bien situación, y Soy feliz.
I soy yendo a usar este opción Ahorrar Límites de especificación X, y eso va a ahorrar estos factor límites atrás a mi original datos mesa, a mi crítico proceso parámetros, entonces I poder ahorrar estos factor límites. Cuando I hacer eso, cuando I ir atrás a mi original mesa, tú poder ver eso aquellos factor límite ajustes tener estado salvado como Especulación Límites a mi crítico proceso parámetros.
I encontrar él en realidad útil a ser capaz a mirar en este diseño espacio en términos de el contorno respuestas y el aceptable región. Yo tengo ya salvado mi predicciones como fórmulas y I tener a guion salvado a correr el Perfilador de contornos. Soy yendo a correr eso . Este es yendo a dar a mí mi contorno respuestas para todo combinaciones de mi factores, mi crítico proceso parámetros. I no saber si tú poder ver el débil rectángulos, pero eso es mi diseño espacio como definido por aquellos factor límites eso consiguió salvado como especulación límites en mi crítico proceso parámetros. El sombreado de colores áreas, estos son mi especulación límite respuesta contornos.
Tú poder ver eso mi diseño espacio es bien dentro un aceptable región para todo estos contornos . Es incluso más en. Es no conmovedor a ellos. Eso es porque nosotros agregado eso Fin del error para nuestro predicciones. Soy en realidad feliz con este.
Bueno, Vamos conseguir atrás a PowerPoint. I justo desear a dar tú a pocos comida para llevar acerca de el Perfilador de espacio de diseño antes nosotros envoltura arriba.
Primero de todo, eso dentro de las especificaciones parte eso nosotros sierra en el Perfilador de espacio de diseño no debería ser tomado como a probabilidad declaración a menos que tú creer eso su factores, su crítico proceso parámetro factores, de hecho seguir a uniforme distribución porque eso es qué era usado a distribuir a ellos. También, el Perfilador de espacio de diseño es no quiso decir para modelos eso tener a grande número de factores o muy pequeño factor rangos porque de el simulado acercarse eso él acepta.
Es también recomendado, como Yo tengo mencionado varios veces, a siempre agregar aleatorio error a su respuestas porque su predicción modelos son no sin error. Y finalmente, I justo buscado a hacer a declaración eso incluso aunque este era motivado por farmacéutico industria, él en realidad es aplicable mucho más que eso. En cualquier caso dónde tú desear a encontrar un óptimo operante región y tú desear a mantener flexibilidad y calidad, entonces este poder ser útil.
Allá eran muchos cosas acerca de el Diseño Espacio Perfilador I no tener tiempo a espectáculo. I en realidad esperanza eso tú voluntad controlar él afuera. Cualquier ¿preguntas?
