지난주, 모델 시각화에 대해 설명했습니다. - 단순히 데이터 시각화를 모델에 적용하는 것 - 왜 유용하다고 설명했는지 설명합니다.
설계된 실험 , 특히 작은 DOE는 모델 시각화를 수행하기에 완벽한 장소입니다. 이에 대한 또 다른 용어는 "그래프 빌더에 의한 분석"일 수 있습니다.
수치 모델을 작성하지 않고 매개 변수 추정치를 살펴 보지 말라고 제안하는 것이 아닙니다. 피 값과 잔차. 그러나 저는 "데이터를 플롯합니다."라고 말하고 있습니다. 종종 데이터를 플롯하고, 모델을 작성하고, 플롯을 다시 방문하고 모델을 다시 방문합니다. 즉, 그래픽은 제 모델 구축 과정의 일부입니다.
예를 들어, 저는 고객이 4 요인 분수 계적 설계의 결과를 보냈습니다. 에서 그래프 빌더 , 네 가지 주요 효과를 플롯하고 요인 X_4가 강한 영향을 미쳤을뿐만 아니라 X_4의 높은 수준에서도 재미있는 것을 볼 수있었습니다. 두 그룹의 데이터는 즉시 상호 작용을 제안합니다.
상호 작용으로 JMP 데이터를 강조 표시하고 X_4의 상위 레벨에서의 그룹화가 X_2 레벨로 인해 발생할 가능성이 가장 높음을 신속하게 파악할 수 있습니다.
따라서 4 가지 요인, 8 번의 실행, 데이터 수집 및 측정, 그래프 빌더의 신속한 분석을 통해 결과가 X_4에 따라 달라지는 것으로 나타났습니다. X_4는 X_2에 따라 달라집니다.
이 Graph Builder 분석은이 작은 설계 실험에 필요한 모든 것입니다. 나에게 이것은 DOE의 아름다움이며 모델 시각화입니다.
여자 이름 쓴 :
여자 이름,
동의했다, 나는 단순한 내 성명서를 넘었다. 요인과 수준이 결정되고 설계가 구축되면 나머지는 제자리에 떨어졌습니다. 요인 및 레벨 선택은 가장 중요한 단계이며 토론이 좋은 흥미로운 단계를 지적한 것처럼 말입니다.
여자 이름
여자 이름 쓴 :
이 예제를 공유해 주셔서 감사합니다. 의견을 달리 할 수는 없습니다 : 데이터를 플로팅하는 것이 어떤 모델링보다 먼저해야 할 가장 중요한 일입니다.
나는 네가 말했을 때 동의하지 않는 경향이있다 : 그래서 그것은 단지 4 가지 요소, 8 가지 실행을 취했다. 나에게있어 여기에 내포 된 중요한 단계는 요인들에 대한 브레인 스토밍 (+ 레벨 ...), 관심의 결과 ... 이 토론은 어떤 DOE를 만들기 전에 가장 중요하며 우리에게는 흥미로운 무대입니다 !!
베스트
리사
