JMP ha una lunga esperienza nell'aggiunta di metodi utili per aiutare il lavoro di scienziati, ingegneri, ricercatori e analisti. Cosa ispira l'aggiunta di questi nuovi metodi? Spesso, c'è una storia dietro l'ispirazione per includere nuovi metodi, e nel caso di progetti A-optimum, inizia con la dissertazione di uno studente di dottorato chiamato Jon Stallings , che ora è Assistant Professor of Statistics presso la North Carolina State University.
Il nostro Bradley Jones , Illustre ricercatore nel JMP divisione, servito nel comitato di tesi per Jon, la cui tesi, Ottimizzazione ponderata generale di esperimenti progettati, include il caso di utilizzo motivazionale per l'aggiunta di criteri di ottimizzazione di A alle funzionalità di progettazione personalizzata in JMP.
Jon ha condiviso i suoi pensieri sull'inserimento dei progetti di A-optimality in JMP 14:
"Definire un design ottimale può essere molto fuorviante per i professionisti. È importante che i professionisti comprendano che un design è risultato ottimale rispetto a una misura sintetica delle prestazioni dell'analisi di quel progetto. Il riassunto viene fornito con una perdita di informazioni sulla performance di quel progetto e gli operatori dovrebbero essere consapevoli di come il criterio di ottimalità si rapporta ai loro obiettivi di analisi. Il criterio D è di gran lunga il criterio più popolare e funziona molto bene per i disegni di superfici di risposta che danno uguale importanza alla stima degli effetti principali e delle interazioni. Se si volesse porre maggiormente l'accento sulla stima di alcuni effetti sugli altri, il criterio D non sarebbe appropriato. L'inclusione di criteri ponderati A in JMP 14 offre ai professionisti una maggiore flessibilità nella selezione del design e consente loro di adattare un design ai loro obiettivi specifici. La potente piattaforma di Custom Design di JMP consente ai professionisti di generare e confrontare rapidamente progetti concorrenti in base a questi criteri e di essere maggiormente coinvolti nella selezione del design. "
Come spiega Brad, "i progetti A-ottimale e D-ottimale sono simili, ma i progetti A-ottimali consentono di porre un'enfasi diversa sui gruppi di parametri attraverso la ponderazione e i criteri di ottimalità sono facili da comprendere. A seconda della situazione, potresti voler enfatizzare maggiormente gli effetti principali, o gli effetti del secondo ordine e i design ottimizzati ponderati A ti danno la flessibilità per farlo. "
In questo esempio, confrontando i progetti A-ottimale e D-ottimale, il design A-ottimale ha proprietà più desiderabili. Il design D-ottimale ha strutture di correlazione disordinate e la diagnostica del design per il design A-ottimale è molto meglio.
Questo è un esempio semplice, ma trasmette il potenziale per i progetti A-optimal per darti flessibilità per enfatizzare alcuni effetti rispetto ad altri e creare un design che possa soddisfare meglio le tue esigenze.
I criteri di A-optimality sono un'area di ricerca relativamente nuova in progettazione di esperimenti e siamo lieti di includerlo in JMP 14. Puoi aspettarti post più dettagliati sui blog sulle nuove funzionalità DOE più avanti nell'anno.
