Interpretieren der wichtigsten Ergebnisse für Zielgrößenoptimierung

Führen Sie die folgenden Schritte aus, um Zielgrößenoptimierung zu interpretieren. Zu den wichtigsten Ergebnissen zählen das Optimierungsdiagramm, die angepassten Werte und die Konfidenzintervalle.

Schritt 1: Identifizieren Sie die optimale Einstellung für jeden Prädiktor

Verwenden Sie das Optimierungsdiagramm, um die optimalen Einstellungen für die Prädiktoren bei den von Ihnen angegebenen Parametern zu ermitteln. Sie können die Variableneinstellungen durch Verschieben der vertikalen roten Balken direkt im Diagramm ändern. Die Art und Weise, wie Sie mit dem Optimierungsdiagramm interagieren, hängt vom Menü für die Konstruktion des Modells ab.
Statistik
Doppelklicken Sie auf das Optimierungsdiagramm, um es interaktiv zu machen.
Predictive Analytics-Modul
Die Handlung ist immer interaktiv.

Das Optimierungsdiagramm stellt die angepassten Werte für die Prädiktoreinstellungen dar. Untersuchen Sie bei einem linearen Regressionsmodell die Vorhersageintervalle in der Ausgabe, um zu bestimmen, ob der Bereich der wahrscheinlichen Werte für einen einzelnen zukünftigen Wert innerhalb akzeptabler Grenzen für den Prozess liegt.

Wichtigstes Ergebnis: Optimierungsdiagramm

Bei den Dämmstoffdaten beträgt die zusammengesetzte Erwünschtheit 0,7750. Die erste Spalte der Grafik enthält die Werte der Antwortvariablen auf den einzelnen Stufen von „Material“, einer kategorialen Variablen. Die aktuellen Variableneinstellungen lauten wie folgt: „Material“ = „Formel2“, „EinsprDruck“ = 98,4848, „EinsprTemp“ = 100,0 und „AbkühlTemp“ = 45,0. Das Ziel war, „Isolierung“ zu maximieren. Der prognostizierte Wert lautet 25,6075, und die individuelle Erwünschtheit liegt bei 0,85386. Die Kovariate „MessTemp“ ist als nicht steuerbare Rauschvariable in das Modell eingebunden und wird bei 21,49 gehalten. Weitere Beobachtungen lauten wie folgt:
  • Material: Die zwei Punkte für jede Zelle in dieser Spalte stellen die beiden Ebenen der kategorialen Variablen dar: Formula1 und Formula2. „Formel2“ ist anscheinend das beste Material. Durch einen Wechsel zu „Formel1“ würde der Dämmwert sinken und die Dichte zunehmen. Dies ist beides unerwünscht. Da der Materialtyp jedoch mit anderen Faktoren interagiert, gilt dieser Trend möglicherweise nicht für andere Einstellungen. Überlegen Sie, ob Sie eine lokale Lösung für die Formel 1 finden können. Oder ändern Sie die Einstellungen für Formel1 direkt im Diagramm, indem Sie die vertikalen Balken verschieben.
  • EinsprDruck: Durch das Erhöhen des Einspritzdrucks werden die Werte aller drei Antwortvariablen erhöht. Daher liegt die optimale Einstellung in der Mitte des Bereichs (98,4848), was einen Kompromiss zwischen widersprüchlichen Zielen darstellt. Ziel ist es, den Isolationswert zu maximieren, die Dichte zu minimieren und die Festigkeit zu maximieren.
  • EinsprTemp: Eine Erhöhung der Einspritztemperatur erhöht auch alle Ansprechwirkungen. Aber der Einfluss auf die Dichte ist minimal im Vergleich zu dem Effekt auf den Dämmwert. Die zusammengesetzte Erwünschtheit wird also gesteigert, wenn die Einspritztemperatur maximiert wird. Die optimalen Einstellungen der Einspritztemperatur liegen bei den maximalen Werten im Versuch. Dieses Ergebnis verweist darauf, dass Sie mit höheren Temperaturen experimentieren sollten.
  • AbkühlTemp: Das Erhöhen der Abkühltemperatur erhöht den Dämmwert, allerdings nehmen Dichte und Festigkeit ab. Die optimalen Einstellungen sowohl der Einspritztemperatur als auch der Kühltemperatur liegen auf den maximalen Werten des Experiments. Dieses Ergebnis verweist darauf, dass Sie mit höheren Temperaturen experimentieren sollten. Sie können an den Diagrammen erkennen, dass höhere Abkühltemperaturen möglicherweise die Ergebnisse optimieren könnten. Wenn die Diagramme extrapoliert werden könnten, würden höhere Abkühltemperaturen den Dämmwert und die Dichte verbessern. Die Festigkeit würde jedoch abnehmen.

Schritt 2: Identifizieren Sie die Punktschätzung und den wahrscheinlichen Bereich jeder Antwort.

Verwenden Sie die Anpassungswerte, um die Punktschätzung jeder Antwortvariablen für die Einstellungen im Optimierungsdiagramm zu identifizieren.

Die Analyse berechnet Vorhersageintervalle für Modelle aus dem Statistik Menü und Modelle aus Lineare Regression Predictive Analytics-Modul dem Menü . Das Vorhersageintervall (PI) ist ein Bereich, der wahrscheinlich einen einzelnen zukünftigen Antwortwert für eine angegebene Kombination von Variableneinstellungen enthält. Wenn Sie einen anderen Datenpunkt mit denselben Einstellungen erfassen, liegt der neue Datenpunkt wahrscheinlich innerhalb des Vorhersageintervalls. Schmalere Prognoseintervalle weisen auf eine genauere Prognose hin.

Anhand der Prognoseintervalle können Sie die praktische Signifikanz Ihrer Ergebnisse beurteilen. Wenn ein Prognoseintervall die akzeptablen Grenzen überschreitet, sind die Prognosen für Ihre Anforderungen möglicherweise nicht genau genug. Ziehen Sie in diesem Fall die folgenden Optionen in Betracht:
  • Suchen Sie nach Einstellungen, die eine ausreichende Genauigkeit im Optimierungsdiagramm bieten.
  • Führen Sie zusätzliche Untersuchungen durch und erwägen Sie, die Stichprobengröße zu erhöhen, um genauere Vorhersagen zu erhalten.
Die Art und Weise, wie Sie mit dem Optimierungsdiagramm interagieren, hängt vom Menü für die Konstruktion des Modells ab.
Statistik
Doppelklicken Sie auf das Optimierungsdiagramm, um es interaktiv zu machen.
Predictive Analytics-Modul
Die Handlung ist immer interaktiv.

Um nach besseren Einstellungen im Optimierungsdiagramm zu suchen, passen Sie die Prädiktoreinstellungen direkt auf dem an Optimierungsdiagramm, indem Sie die roten vertikalen Balken verschieben. Wählen Sie für ein Optimierungsdiagramm für a Lineare Regression die Prognose Schaltfläche in der Symbolleiste aus, um neue Vorhersageintervalle zu generieren und zu bestimmen, ob die neue Lösung akzeptabel ist.

Mehrere Antwortprognosen

VariableEinstellung
MaterialFormel2
EinsprDruck98,4848
EinsprTemp100
AbkühlTemp45
MessTemp21,4875
AntwortAnpassungSE Anpassung95%-KI95%-PI
Festigkeit32,341,04(29,45; 35,22)(27,25; 37,43)
Dichte0,68260,0597(0,5167; 0,8484)(0,3899; 0,9753)
Isolierung25,6080,268(24,863; 26,352)(24,294; 26,921)
Wichtigste Ergebnisse: Passform, PI

In diesen Ergebnissen entsprechen die Einstellungen der Eingabevariablen im Optimierungsdiagramm den folgenden prognostizierten Mittelwerten und Prognoseintervallen:
  • Die mittlere Stärke liegt bei 32,34 und der Bereich der wahrscheinlichen Werte für einen einzelnen zukünftigen Wert liegt zwischen 27,25 und 37,43.
  • Die mittlere Dichte beträgt 0,6826 und der Bereich der wahrscheinlichen Werte für einen einzelnen zukünftigen Wert liegt zwischen 0,3899 und 0,9753.
  • Die mittlere Isolierung beträgt 25,608 und der Bereich der wahrscheinlichen Werte für einen einzelnen zukünftigen Wert liegt zwischen 24,294 und 26,921.

Nutzen Sie Ihre Kenntnisse des Prozesses, um zu entscheiden, ob die Prognoseintervalle innerhalb von akzeptablen Grenzen liegen.