가우시안 과정 모형의 예
지정된 공학 모형이 주어지면 가우시안 과정 모형을 사용하여 모형에 포함된 요인이 반응에 미치는 영향을 이해할 수 있습니다. 이 데이터는 지표면에서 두 개의 대수층을 통과하여 뚫은 보어홀을 통한 물의 흐름을 보여 줍니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Design Experiment/Borehole Latin Hypercube.jmp를 엽니다.
2. 분석 > 전문 모델링 > 가우시안 과정을 선택합니다.
3. Log10 Rw ~ Kw를 선택하고 X를 클릭합니다.
4. Y를 선택하고 Y를 클릭합니다.
5. 
JMP Pro에서 분석을 더 빠르게 실행하려면 "빠른 GASP"를 선택된 상태로 둡니다.
6. 확인을 클릭합니다.
그림 17.5 Borehole Latin Hypercube 보고서
참고: 최소화 루틴의 시작점이나 적합 옵션이 다르기 때문에 추정된 모수가 다를 수 있습니다. 위에 표시된 결과는 JMP Pro의 빠른 GASP 루틴을 사용하여 얻은 것입니다.
실제값 대 예측값 그림의 데이터가 Y = X 선을 따라 분포되어 있으므로 가우시안 과정 예측 모형이 실제 함수와 유사한 근사값을 산출한다는 것을 나타냅니다. "모형 보고서"에서 첫 번째 요인 log10 Rw의 총 민감도가 가장 높음을 확인할 수 있습니다. Log10 Rw의 추정된 총 민감도는 반응의 변동을 90% 넘게 설명합니다. 세타 값이 작은 요인은 예측 계산식에 거의 또는 전혀 영향을 미치지 않습니다. 프로파일러를 사용하여 민감도를 시각화할 수 있습니다.
7. "Y의 가우시안 과정 모형"의 빨간색 삼각형을 클릭하고 프로파일러를 선택합니다.
반응 Y에 "반응 한계" 열 특성이 있으므로 만족도 함수가 자동으로 나타납니다.
8. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 최적화 및 만족도 > 만족도 최대화를 선택합니다. 필요한 경우 Y 축을 조정하여 최적의 결과를 확인합니다.
그림 17.6 가우시안 과정 모형 프로파일러
Y의 "반응 한계" 열 특성에 목표가 "최대화"로 설정되어 있으므로 만족도 함수는 반응 Y를 최대화하도록 설정됩니다. 만족도 함수를 최대화하면 반응을 최대화하는 요인 값이 식별됩니다. 음영이 적용된 대역은 95% 신뢰 구간을 나타냅니다.