例如,使用 Tiretread.jmp 样本数据集。该数据集显示轮胎制造商的实验结果。实验目标是基于硅石、硅烷和硫磺三个因子的含量来匹配硬度目标值 = 70。假定硅烷和硫磺含量可以方便(精确)地进行控制,但是硅石则存在需要考虑的变异性。
为了进行比较,首先我们优化硬度的因子而不考虑噪声因子导致的变异。
1. 选择图形 > 刻画器以启动“预测刻画器”。
2. 将预测公式-硬度分配给 Y,预测公式角色。
3. 点击确定。
4. 在“预测刻画器”菜单中选择优化和意愿 > 意愿函数。
5. 在“意愿”图中双击以打开“响应目标”窗口。从列表中选择匹配目标值。
6. 选择优化和意愿 > 最大化意愿以找到我们硬度目标值的最佳因子设置。
我们得到以下“预测刻画器”显示。请注意硅石因子的最佳值在刻画曲线的倾斜部分。这意味着硅石的变异将被传递成为响应硬度的变异。
注意:您可能从中得到不同的结果,因为不同的因子值组合均可以匹配目标。
硬度的最大化意愿
现在,我们不仅想优化硬度的特定目标值,而且想优化值位于硅石曲线的平坦部分。因此,重复上述过程并添加硅石作为噪声因子。
1. 选择图形 > 刻画器。
2. 选择预测公式-硬度,然后点击 Y,预测公式。
3. 选择硅石并点击噪声因子。
4. 点击确定。
5. 像以前一样更改预测公式-硬度意愿函数。
最终的刻画器具有相对于噪声因子的拟合模型的适当导数,该噪声因子设置在导数为零处(它最平坦的点)为最大意愿。
对硅石的预测公式的导数
6. 选择优化和意愿 > 最大化意愿以在权衡使噪声因子传递的变异最小的情况下找到过程因子的最佳值。
这次我们也匹配了硬度的目标值,但是硅石的值位于更平坦的区域。这意味着硅石的许多变异没有传递到硬度。
最大化意愿
通过对每个刻画器(一个没有噪声因子,一个有噪声因子)执行这些步骤,您可以看到这对预测的变异的影响:
1. 从平台菜单中选择模拟器。
2. 将硅石分配给具有标准差 0.05 的随机正态分布。
设置随机正态分布
3. 点击模拟。
4. 点击“模拟结果输出表”节点下的制表按钮。
按这些步骤对原始变量最佳模拟和对噪声因子最佳模拟将生成两个相似的数据表(每个表对应一个模拟)。我们将创建预测的两个直方图来进行比较,要求两个预测列在一个数据表中。
5. 将预测公式-硬度列从一个模拟表复制到另一个表。它们必须具有不同的名称,如没有噪声因子和有噪声因子。
6. 选择分析 > 分布并将两个预测列分配为 Y。
7. 直方图出现时,从“分布”主标题栏中选择统一尺度。
有噪声因子和没有噪声因子的分布比较
这些直方图显示:当噪声因子未包含在分析中时,硬度的变异更大。
还有一件有趣的事情要注意:在包含噪声因子时直方图的形状。在比较上述直方图时,注意到有噪声因子分布的数据仅在一个方向上逐渐消失。预测有偏斜,因为硬度相对于硅石为最小值,如显示“硬度”对“硅石”的最小值的预测刻画器 中所示。因此硅石的变异只能使硬度增加。使用非稳健方案时,该变异可能向任何一个方向传递。
显示“硬度”对“硅石”的最小值的预测刻画器