LPP 문제에 대해 의문점이 있습니다.
저는 DOE->맞춤 설계를 선택합니다.
여기서 우리의 목표를 정의하겠습니다.
Z = 최대값 또는 최소값
그런 다음 요인과 해당 변수의 유형 및 범위(예: X1 및 X2)를 정의하고 이에 의존합니다.
그다음 제약 조건을 정의합니다.
그다음 실행 횟수를 선택합니다(기본값 또는 사용자 지정).
그다음 디자인 만들기 -> 테이블 만들기
이 단계에서는 X1 및 X2 값에 대한 데이터 옵션이 이미 확정되어 있습니다.
우리 모토의 공식, 즉 Z=X1 +X2 또는 X1-X2 또는 X1*X2 등 다양한 형태의 공식이 JMP에서 아직 정의되지 않았습니다.
그렇다면 JMP는 어떻게 공식에 따라 최적값을 얻을 수 있을까요?
저도 같은 문제를 겪고 있습니다. 데이터셋에서 극단적인 값만 나오는데, 최적값은 중간에 있습니다.
안녕하세요 @AnkushSethi 님 ,
커뮤니티에 오신 것을 환영합니다!
문제에 적합한 가정 모델(또는 기본 모델)을 정의하는 것은 항상 간단한 일은 아닙니다. 목표(스크리닝, 탐색, 최적화, 예측 등), 요인 수, 실험 예산 제약(가능한 실험 횟수)에 따라 다양한 선택지가 있을 수 있습니다. 가정 모델은 문제를 설명하는 가정 방정식을 정의하는 데 도움을 주고, 이 모델/방정식을 결정하는 데 유용한 설계점을 생성하는 데 도움을 줍니다. 이 단계에서 모델을 완벽하게 지정할 필요는 없습니다. 결과를 분석하고 모델을 적합시키면 되며, 최종 모델은 설계 단계에서 지정한 가정 모델보다 더 간단할 수 있습니다(항 수가 더 적을 수 있음). 또한 가정 모델이 너무 단순하여(항이 부족한 경우) 처음부터 다시 시작할 필요 없이, 새로 생성된 항을 사용한 예비 실험을 통해 더 많은 항을 가진 복잡한 모델을 탐색하도록 설계를 확장 할 수 있습니다. 마지막으로, 가정한 모델에 대해 전혀 모르거나 모델 형태에 관심이 없다면, 공간 채움 설계(space filling designs)를 시도해 볼 수도 있습니다. 이 설계는 실험 공간에 균일하게 분포된 점들을 생성하여 다양한 모델링 접근 방식(표준 다변량 선형 모델 및 머신 러닝 모델)을 통해 최적화 및 예측을 가능하게 합니다.
제시하신 정보로는 문제의 목적과 사용하려는 전략을 이해하기 어렵습니다. 또한, 답변의 목적(최대화 또는 최소화)과 중간값을 포함해야 한다는 점이 다소 혼란스럽습니다. 최적값에 대한 기대값(중간값 또는 임의의 값)을 설정하여 " 목표값과 일치 "와 같이 목적을 정의할 수 있습니다.
하지만 요인의 수가 적고 중간값을 얻기 위해 반응을 최적화하는 데 관심이 있다면, 반응 표면 모델( 모델 패널에서 RSM 클릭)을 지정하여 요인을 범위의 최소, 중간, 최대의 세 가지 수준에서 테스트할 수 있습니다. 이렇게 하면 반응 값의 변동성을 높이고 요인의 최소/최대 수준만 연구할 때 극단적인 반응 값만 나타나는 상황을 방지할 수 있습니다.
실험 예산이 제한적이어서 전체 RSM 모델을 테스트하는 데 필요한 실험을 여러 번 수행할 수 없는 경우에도, 실험 설계에 중심점을 추가하여( 설계 생성 패널에서 중심점 개수 지정) 실험 설계의 중심에서 반응값이 무엇인지 확인할 수 있습니다.
제가 당신의 문제를 제대로 이해했기를 바라며, 이 두 가지 해결책이 도움이 되기를 바랍니다.
안녕하세요 @AnkushSethi 님 : " LPP 문제"라고 하셨는데, 선형 프로그래밍 문제를 말씀하시는 건가요? 만약 그렇다면, DoE는 선형 프로그래밍 문제를 위해 설계된 도구가 아닙니다.
