Das Video wurde mit JMP Pro 19 erstellt und im November 2025 veröffentlicht.
Diese Schulung richtet sich an Produkt- und Prozessingenieure in der Forschung und Entwicklung, die dafür verantwortlich sind, schnell Innovationen zu entwickeln, um als Erste ein neues Produkt auf den Markt zu bringen.
Die Bayes'sche Optimierung ist ein iteratives Lernverfahren, das mithilfe eines Modells neue Testläufe zur Bewertung generiert. Sie lernt mit jeder Iteration aus den Ergebnissen und liefert im Vergleich zu traditionellen Ansätzen klarere Hinweise darauf, wann Experimente beendet werden können. Durch die iterative Vorgehensweise lässt sich der Zeit- und Ressourcenaufwand für die Prozess- und Produktentwicklung potenziell erheblich reduzieren, weshalb sie sich für viele Forschungs- und Entwicklungsbereiche eignet.
Ausgehend von vorhandenen Daten, entweder historischen Daten oder Daten aus ersten Versuchsreihen, wird ein Gaußprozessmodell (GaSP) erstellt. Anschließend werden mithilfe der Modellvorhersagen, der Vorhersageunsicherheit und der Zielvorgaben neue Kandidatenkombinationen von Faktoren generiert und getestet. Nach jedem Test wird das Modell mit den neuen Daten aktualisiert. Diese Schritte werden wiederholt, bis die Zielvorgaben erreicht sind und eine optimale Kombination von Faktoreinstellungen gefunden wurde.
Die neue Erweiterung von JMP Pro beinhaltet eine interaktive Plattform, die Bayes'sche Optimierung.
„ Diese Technik dient nicht dazu, die Güte der Modellanpassung zu bestimmen. Vielmehr ist sie ein Weg, neue Bereiche zu entdecken, für die wir noch keine Daten haben .“ C. Gotwalt
Chris Gotwalt, Chief Data Scientist bei JMP und einer der Hauptentwickler der neuen Bayes'schen Optimierung, demonstriert und erläutert deren Funktionsweise und die zugrundeliegenden statistischen Verfahren. Im Anschluss an die Präsentation gibt es Zeit für Fragen und Antworten.
Dieses JMP-Entwickler-Tutorial behandelt : die interaktive Generierung des initialen Gaußprozessmodells; die Angabe neuer Kandidaten-Faktorkombinationen zum Testen oder Ausführen; die Erkundung des Designraums; die Zusammenfassung der Anpassung des Gaußprozessmodells; den Vergleich und die interaktive Durchführung von Was-wäre-wenn-Analysen von Faktoren und Reaktionen.
Ressourcen
- Aktives Lernen im JMP ENBIS Workshop
- Die Struktur der wissenschaftlichen Revolution, zweite erweiterte Auflage , Thomas S. Kuhn
- Ein Tutorial zur Bayes'schen Optimierung , Peter I. Frazier, 10. Juli 2018.
- Surrogatmodelle: Modellierung, Design und Optimierung von Gaußprozessen für die angewandten Wissenschaften , von Robert Gramacy
- Den Menschen aus dem Regelkreis herausnehmen: Ein Überblick über die Bayes'sche Optimierung , Bobak Shahriari, Kevin Swersky, Ziyu Wang, Ryan P. Adams und Nando de Freitas
