J'ai généré une table aléatoire de sortie (10 000 exécutions) à partir du profileur de prédiction, puis j'ai utilisé les données résultantes pour créer une matrice de nuage de points avec l'option de densité non parallèle activée.
L'application d'un filtre de données locales à la matrice de nuages de points pour identifier les régions de réponse les plus souhaitables permettrait-elle d'obtenir une indication efficace de la région de fonctionnement optimale ?
Salut @erichujh ,
Oui, l'option de générer un tableau aléatoire de sortie peut vous aider à identifier les zones intéressantes correspondant à vos spécifications/objectifs. Comme indiqué dans l'aide de JMP relative à cette section : « Le nouveau tableau de données contient des scripts permettant de visualiser les zones conformes aux spécifications des facteurs ou des réponses . » Et : « Supposons que vous souhaitiez visualiser l'ensemble des valeurs de paramètres de facteurs produisant une plage donnée de valeurs de réponse souhaitables. En sélectionnant et en masquant les points non conformes (à l'aide du pinceau graphique ou du filtre de données), vous visualisez les possibilités restantes : l'espace des opportunités permettant d'obtenir le résultat souhaité. »
Certaines lignes peuvent apparaître sélectionnées et marquées d'un point rouge. Elles représentent les points de la frontière de Pareto de désirabilité multivariée, c'est-à-dire les points qui ne sont dominés par aucun autre point en ce qui concerne la désirabilité de tous les facteurs. Les lignes sélectionnées correspondent aux lignes dont la valeur de la colonne « Dominant » est de 1 .
Une autre solution pourrait consister à utiliser le Profiler d'espace de conception pour déterminer les plages de facteurs qui permettent de maximiser la proportion d'échantillons conformes aux spécifications.
J'espère que cette réponse vous aidera.
