Q : Comment pouvons-nous sauvegarder le modèle FDE, afin que de nouveaux spectres puissent y être exécutés pour obtenir ces valeurs propres à une date ultérieure ?
R : Cette fonctionnalité est une demande de fonctionnalité connue. Actuellement, vous ajoutez des données supplémentaires à votre ensemble et les appelez données de validation. Vous devez toujours l'exécuter à nouveau. Voir la vidéo ci-dessous.
Q : Existe-t-il des hypothèses pour le calcul des fonctions de forme ?
A : Di Michelson, éducateur JMP @Di_Michelson a salué une série de vidéos DeeperDive qui décrivent les calculs.
Q : Quelle est la différence entre cette approche et l’utilisation manuelle de l’ACP pour réduire les spectres, puis créer un modèle sur ces composants ?
R : PCA nécessite des colonnes de longueur d'onde comme en-têtes de colonne, donc tout doit être uniformément espacé et mesuré à chaque valeur. Pour certaines données, cela n'est pas possible. Dans FDE, ce n'est pas nécessaire. Pour l'exemple de démonstration, vous pouvez le reformater et le diviser dans l'autre sens. Mais PCA ne résume que les Y et ne peut pas optimiser l'impact direct d'un élément sur la forme.
Q : Les chiffres bleus dans les intervalles de confiance à 95 % du Prediction Profiler (Octane) ?
R : Oui
Q : Que sont les valeurs propres et comment sont-elles utilisées dans l’analyse actuelle ?
R : Les valeurs propres représentent les variances des composantes principales fonctionnelles. Dans l'exemple ci-dessous, la variance de la composante principale 1 représente 79,4 % de la variance des données. Et chaque FPC est une combinaison de vos variables d'entrée d'origine.
Eigen Values ExampleExemple de propres valeursExemple de propres valeurs
Q : Existe-t-il un seuil de valeurs propres qui suggère quel FPC est le plus contributif ?
R : Si la valeur propre définit au moins 1 % de votre variance, elle sera incluse. Vous pouvez personnaliser sous Résumés fonctionnels.
Q : Pouvez-vous inclure un facteur non fonctionnel avec des facteurs fonctionnels ?
R : Oui, il suffit de transmettre cette variable dans une analyse et elle apparaîtra dans une colonne et le modèle l’utilisera comme valeur, des facteurs Z supplémentaires qui seront inclus avec les formes.
Q : Comment reliez-vous le FPC aux facteurs expérimentaux ?
A : Voir la présentation et les documents « Comprendre et modéliser les courbes de réponse » de Jason Wiggins et Peter Hersh.
Q : Lors des tests suivants, vous obtiendrez un spectre et pour prédire les résultats, vous aurez besoin de vos composantes principales fonctionnelles. Exécutez-vous à nouveau l'EDF pour que ces FPC soient intégrés à votre modèle de prédiction ?
R : À ce stade, oui. Vous réexécutez le modèle pour créer les nouveaux composants de données fonctionnelles, puis vous utilisez ces nouvelles données comme données de validation.
Model Summaries Extracted to New TableRésumés des modèles extraits dans un nouveau tableauRésumés des modèles extraits dans un nouveau tableau
Q : Existe-t-il un moyen d’augmenter le nombre de nœuds pour améliorer l’ajustement ?
R : Oui, si l'ajustement d'origine continue d'augmenter avec plus de nœuds, il peut être utile d'envisager de changer les nœuds et/ou de recommencer en utilisant une gamme de nœuds. Vous pouvez également utiliser p-spline.
Q : Pouvez-vous identifier la longueur d’onde qui pourrait être la plus sensible à l’octane ?
R : Oui, nous explorons FDOE Profiler et expérimentons différentes options ici, y compris un simulateur.
Q : Pouvez-vous modifier l’ordre des étapes que vous utilisez dans le nettoyage des données ?
R : Vous pouvez effectuer les étapes dans n'importe quel ordre. Elles s'appuient les unes sur les autres, donc si vous souhaitez refaire l'ordre, nous vous suggérons de continuer à supprimer les dernières étapes jusqu'à ce que vous arriviez à la première étape avec un résultat qui vous convient, puis de continuer.
Data Cleanup StepsÉtapes de nettoyage des donnéesÉtapes de nettoyage des données
Q : Pouvez-vous définir des limites (max, min, valeur cible) sur Prediction Profiler ?
R : Oui, les profileurs fonctionnent comme tous les profileurs de prédiction. Vous pouvez également inclure le contrôle Extrapolation pour vous assurer que vous ne dépassez pas une zone de forme normale. JMP intègre un avertissement si vous extrapolez en dehors de la zone de confort.
Extrapolation Control Step 1Contrôle d'extrapolation Étape 1Contrôle d'extrapolation Étape 1
Q : Comment obtenir l’indicateur de sensibilité ?
R : Il s'agit d'une option du triangle rouge du Prediction Profiler. Affiche ou masque un triangle violet dont la hauteur et la direction correspondent à la valeur de la dérivée partielle de la fonction de profil à sa valeur actuelle. Ceci est utile dans les profils volumineux pour pouvoir repérer rapidement les cellules sensibles.
Extrapolation Control Step 2Contrôle d'extrapolation Étape 2Contrôle d'extrapolation Étape 2
Q : Pouvez-vous exécuter une simulation Monte Carlo à partir du FDOE Profiler et, si oui, serait-ce utile ?
R : Oui, c'est possible et vous pouvez simuler des valeurs qui ne figurent pas dans la table de données. Voici comment procéder :
Q : Comment avez-vous fait pour que le graphique spectral apparaisse dans une colonne de tableau de données ?
R : Après avoir exécuté le modèle, dans le triangle rouge Résumés fonctionnels, sélectionnez Personnaliser les résumés fonctionnels, puis cochez la case Enregistrer le graphique.
