레벨: 중급
직무 기능: 분석가 / 과학자 / 엔지니어
필립 램지, 소유자 겸 교수, North Haven Group 및 University of New Hampshire
최우수 기여 논문 최종 후보
공정/제품 개발 또는 개선에 중요하지만, 제약된 혼합 및 혼합 공정 실험은 지역적 및 선형적 제약으로 인해 발생하는 큰 효과 상관관계로 인해 분석하기 어려웠습니다. 종종 적합성이 부족한 작은 과소적합 모델이나 예측 분산이 부풀려진 큰 과대적합 모델이 선택되었습니다. JMP Pro의 일반화 회귀 플랫폼에서 고급 모델 선택 방법을 사용하면 이제 많은 잠재적 혼합 효과 세트를 적합하고 평가할 수 있습니다. Pruned forward, LASSO 또는 모든 가능한 모델과 같은 모델 선택 기술을 사용하면 잠재적 효과 수가 실험 시도 수를 초과하는 경우(과포화)에도 많은 후보 풀에서 가장 좋은 효과 하위 세트를 찾을 수 있습니다. 지역적 및 선형적 제약이 모두 있는 10개 구성 요소 혼합 실험을 사용하여 일반화 회귀가 큰 혼합 모델(예: Scheffe full cubic)도 평가하고 중요한 효과 하위 세트를 식별하는 방법을 보여줍니다. 과대적합을 방지하기 위한 Gotwalt 및 Ramsey(2018)의 자동 검증 방법이 설명되어 있습니다. 우리는 복잡한 혼합 공정 요인 실험을 분석하는 데 동일한 방법을 사용합니다. 이 강연은 주로 라이브 JMP 분석과 토론입니다. Custom Design에서 혼합 또는 혼합 공정 실험을 생성하는 것도 논의됩니다.
