질문 1: DOE 모델 분석
댓글:
@필_케이
@빅터_G : 단계별 선택은 기본적으로 권장할 만한 접근 방식은 아닐 수도 있습니다.
가이드 및 비교로는 유용하지만 GenReg 및 기타 플랫폼과 결과를 비교하는 것이 더 좋습니다.
래스터 플롯은 또한 많은 모델에서 용어가 포함되는 빈도를 확인하고 비교하는 데 도움이 될 수 있습니다. https://community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
@bdclark23 : 다양한 모델에 걸쳐 동일한 효과가 지속적으로 나타나는 증거가 우세한 여러 모델 접근 방식이 있지만 각 모델마다 편향과 가정이 다릅니다.
질문 2: 제약조건을 적용하는 "공변량 접근 방식"
댓글
@빅터_G : About constraints :
@라이언_레키베츠 :
@필_케이 : 저는 최근 LinkedIn에도 이에 대해 게시했습니다:
이 토론이 참 좋네요. 기술적인 답변으로 넘어가는 건 비교적 쉽죠(JMP!). 하지만 "왜"에 도전하는 것도 중요하죠.
@찬드라몰리_R :
영상 3: 완전 요인 설계: 몇 개의 중심점을 추천하시나요?
@필_케이 : 저는 이전에도 중심점에 관해 게시한 적이 있습니다:
@빅터_G : 중심점은 곡률을 감지하는 데 도움이 되지만 여러 2차 효과를 추정하는 것은 허용하지 않습니다.
질문: 사용자 지정 디자인에 중심점을 추가하는 방법은 무엇인가요?
에이: 
@빅터_G : 범위 설계 및 설계 공간 확인을 위한 예비 실행으로서의 사용에 관하여:
영상 4: 실험 설계를 변경하지 않고 간편 DoE에서 요인을 재설정/삭제하려면 어떻게 해야 합니까?
댓글:
@찬드라몰리_R :
@빅터_G :
- "analysieren"에서 모델 내부 및 외부 효과를 선택할 수 있습니다.
- 탭 "분석" --> "최고 모델" 시도
- 또는 JMP 데이터 테이블을 사용하여 "모델 적합성"으로 사용자 정의 모델을 만듭니다.
@조나스_린네 : Easy DOE에서 유연한 모드로 들어가서도 이 작업을 수행할 수 있다고 생각합니다.
@빅터_G : 답변을 따로 맞춰보세요. 하지만 모델을 만들고 비교하는 데 도움이 되는 리소스가 많이 있다고 생각합니다.
OFAT에는 모델이 없으며 단지 비교 접근 방식일 뿐이므로 의사 결정을 안내하는 데 큰 도움이 되지 않습니다.
비디오 5: DOE 사용을 위한 분석 문화
댓글:
@우웨_베버 : Profiler를 사용하면 이해할 수 있습니다.
@안차일드리스 : Eastman에서 가장 성공한 점은 고객/클라이언트와의 관계 구축에 집중하고, 작게 시작해서 여러분과 여러분의 기술에 대한 신뢰를 쌓았을 때입니다. 동료들과 함께 승리나 성공적인 DOE를 본 후에는 DOE를 더 신뢰하게 될 것입니다.
결과와 비용 절감은 가장 설득력 있는 기술입니다.
@DB1 : 문화 바꾸기: 인내심. 가장자리를 돌아서 일하세요. 과학자나 엔지니어 한 명을 설득할 수 있다면, 그들은 우리보다 팀원들에게 DOE 사용에 대해 더 설득력 있게 설명할 수 있습니다. Bea가 말했듯이, 회사에서 정말 좋은 DOE 데이터 세트 하나만 외교적으로 사용하고 청중을 겨냥하면 많은 사람을 설득할 수 있습니다.
녹음해 주셔서 감사합니다 @마리아_아스탈스 !
어제 논의된 사항을 자세히 설명하기 위한 몇 가지 의견:
- 단계적 선택
단계별 회귀 분석은 설계된 실험에서 문제가 될 수 있습니다.
- DoE의 실험 구조(계층 원리, 희소성 원리, 때로는 유전 원리)를 무시하지만 이 마지막 원리는 일반화 회귀 플랫폼에서 강제될 수 있습니다.
- 이러한 용어는 주로 크기/효과 크기 때문에 선택되므로 편향되거나 과장된 매개변수 추정치를 생성합니다.
- 조정 없이 여러 번 테스트하여 활성이 아닌 활성 효과를 감지할 확률(거짓 양성)의 위험이 증가합니다.
- p-값은 용어 선택과 통계적 테스트 추정에 모두 사용될 수 있으므로 신뢰할 수 없습니다.
- 다중공선성을 해결하지 못하는데, 이는 설계에서 용어 간의 강력한 별칭/상관관계로 인해 문제가 될 수 있으며 혼합 설계의 경우에도 마찬가지입니다.
- 생성된 설계와 관련된 가정 모델을 완전히 무시합니다.
다른 이유도 있을 수 있습니다. 이 주제에 관한 문헌과 토론을 쉽게 찾을 수 있습니다.
SP0016 단계별로 할 것인가, 아니면 단계별로 할 것인가? 다중변수 모델링의 해야 할 것과 하지 말아야 할 것 | Annals of the Rheumatic Diseases
다중공선성을 해결하기 위해 단계적 회귀를 사용하는 것은 적절하지 않습니다 - PMC
왜 우리는 단계적 회귀를 싫어하는가 | 통계 모델링, 인과 추론 및 사회 과학
회귀 분석에서 변수를 단계적으로 선택하는 것은 악입니다.
단계적 선택은 여전히 벤치마크 모델로 유용할 수 있으며, 요인 수가 너무 많지 않다면 모든 가능한 모델 옵션은 다양한 모델이 선택 및 추정이라는 용어에 대해 어떻게 동의하고 동의하지 않는지 보는 데 흥미로울 수 있습니다. 그러나 모델 비교 및 선택은 설계의 기반이 되는 가정 모델과 도메인 전문 지식에 따라야 합니다.
DoE 데이터에 대한 단계별 접근 방식과 관련된 커뮤니티의 일부 토론 및 게시물:
동시에 다른 용어를 사용하는 두 모델을 맞추는 방법
일반(비전문가) JMP를 사용한 혼합 DOE 분석을 위한 역방향 회귀?
단계적 회귀를 포함한 혼합 DOE 분석
DoE 모델 문제 증강
모델 선택을 위한 적합성 확정적 스크리닝 대 단계별(최소 AICC)
- 제약 조건
제약조건을 추가하는 방법은 두 가지가 있습니다.
- 요인 제약 조건 정의 패널을 통해 제약 조건과 한계를 추가하면 제약 조건에 따라 설계 포인트 생성이 제한됩니다.
- 후보 집합 접근 방식을 사용하여 설계 생성에 사용할 수 있는 설계 포인트를 직접 제한함으로써: 후보 집합 설계: 문제에 대한 DOE 제약 조건 조정(2021-EU-30MP-784)
이 주제에 관해서는 @제드 캠벨 의 블로그 게시물인 '요인 제약 조건의 신비 해제'를 꼭 읽어야 합니다.
- 센터 포인트
중심점을 추가하기로 선택하는 것은 종종 목표와 실제적 이유, 즉 곡률 탐지, 실험 중 측정 안정성 프로세스 보장, 순수 오차/변동성 추정치, 설계 공간의 중심에서 추정치(요인 공간/설계 품질과 관련된 견고성 분석 맥락에서) 등과 관련이 있습니다. 가정한 모델과 설계 유형에 따라 중심점이 필요하지 않을 수도 있습니다. 중앙 합성 설계 및 확정적 선별 설계와 같은 기존 설계에는 중심점이 있는 반면, 계산된 최적 설계에는 중심점이 필요하지 않을 수 있습니다.
이 주제에 관한 몇 가지 문헌:
5.3.3.7. 중심점 추가
중심점: 데이터의 수학적 중심 찾기 - isixsigma.com
https://www.statease.com/blog/importance-center-points-central-composite-designs/
그리고 커뮤니티에서의 몇몇 토론과 게시물 :
중심점의 효과
Re: 중심점을 블록 전체에 균등하게 분산하도록 강제하는 사용자 정의 디자인
디자인에 중심점을 몇 개나 추가해야 하나요?
@마리아_아스탈스 다음 회의를 위한 제안으로, 일부 주제를 미리 투표하고 준비할 수 있다면 좋을 것 같습니다. DoE 클럽은 분기별 회의이므로 다양한 주제로 여론 조사를 만들고 다음 클럽 회의 전에 투표할 시간이 충분할 것입니다. 이렇게 하면 더 심도 있는 토론과 더 다양한 주제(그리고 더 많은 참여/참여)가 보장될 것입니다. 준비/투표된 주제와 자발적인 주제/질문을 혼합하는 것이 향후 회의에 좋은 아이디어가 될 수 있을까요?
Bill @스탯맨 님을 회의에 모시게 되어서 정말 좋았습니다. 정말 당신에게서 배우는 것을 즐깁니다.
