@malcolm_moore1
Ho una domanda riguardante un problema con il Prediction Profiler e apprezzerei il vostro aiuto per capirlo. Ho costruito un modello utilizzando la funzione Adatta Modello, in cui tre risposte sono state adattate separatamente, ciascuna includendo più effetti in modalità Screening Effetti. Dopo aver costruito il modello, ho identificato gli effetti più significativi e ho verificato la normalità dei residui. Una volta completata la diagnostica del modello, ho utilizzato il Prediction Profiler per esplorare quali valori dei fattori avrebbero prodotto una risposta target specifica. Successivamente, ho applicato la Funzione di Desiderabilità, impostando la risposta su un valore target. Questo ha prodotto una curva di desiderabilità a campana. Ho quindi utilizzato Massimizza Desiderabilità, che ha regolato i valori dei fattori in modo che la risposta corrispondesse al target. Tuttavia, ho notato qualcosa di inaspettato: quando modifico manualmente una linea dei fattori nel Prediction Profiler e poi clicco di nuovo su Massimizza Desiderabilità, i valori dei fattori risultanti a volte differiscono significativamente da quelli precedenti e anche la funzione di desiderabilità sotto il fattore cambia forma.
Perché accade questo? E a quale insieme di valori dei fattori dovrei affidarmi quando cerco di prevedere le impostazioni più adatte per ottenere la risposta desiderata?
Ciao @Rokusan91 ,
La situazione che descrivi è piuttosto comune: più risposte aggiungi alla tua modellazione e al tuo Profiler, più "compromessi"/compromessi dovrai accettare per ottenere una soluzione "ottimale". Nella maggior parte dei casi, le risposte non si evolvono con la stessa direzione e lo stesso schema, quindi potrebbe non esserci un'unica soluzione che possa rappresentare un buon compromesso.
Per visualizzare meglio questa situazione, puoi utilizzare il Simulatore per generare punti dati dal tuo modello, coprendo gli intervalli dei fattori con un numero sufficiente di punti e distribuzioni casuali uniformi. La tabella dati risultante conterrà le risposte previste, nonché una colonna "Obj" contenente il punteggio di desiderabilità complessivo.
È quindi possibile tracciare i punti dati di questa tabella e vedere dove si trovano gli ottimi. Probabilmente si noterà che ci sono diverse combinazioni che possono aiutare a raggiungere un ottimo (qui un esempio con due risposte per tre fattori), un fronte di Pareto:
L'altra opzione consiste nell'eseguire l'opzione "Massimizza e Ricorda" in "Ottimizzazione e Desiderabilità" più volte, partendo da punti di partenza diversi. Ma è un lavoro impegnativo, che potrebbe non essere del tutto esaustivo e indurre a errori.
Spero che questa soluzione del fronte di Pareto possa aiutarti,
