예: 적합된 로그 선형 분산 모형 프로파일링
이 예에서는 예측 프로파일러를 사용하여 분산을 최소화하면서 반응에 대한 특정 목표를 달성하는 요인 설정을 찾는 방법을 보여 줍니다. 모형을 적합시킨 후 프로파일러를 사용하여 평균의 목표값을 일치시키고 분산을 최소화합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 InjectionMolding.jmp를 엽니다.
2. 분석 > 모형 적합을 선택합니다.
데이터 테이블의 변수에 사전 선택된 역할이 할당되어 있으므로 분석이 자동으로 실행됩니다.
3. "로그선형 분산 적합"의 빨간색 삼각형을 클릭하고 프로파일러 > 프로파일러를 선택합니다.
4. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 최적화 및 만족도 > 만족도 설정을 선택합니다.
5. 창이 나타나면 Shrinkage의 "목표"를 "최대화"에서 "목표값 일치"로 변경합니다.
6. 확인을 클릭합니다.
7. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 최적화 및 만족도 > 만족도 최대화를 선택합니다.
8. "예측 프로파일러"의 빨간색 삼각형을 클릭하고 예측 구간을 선택합니다.
참고: 최적화 프로세스의 랜덤 시작 값으로 인해 결과가 다를 수 있습니다.
그림 11.7 예측 구간을 포함한 목표값 일치 및 분산 최소화 프로파일러
평균과 분산의 관계를 확인하는 가장 좋은 방법 중 하나는 개별 예측 구간을 검토하는 것입니다. 평균 반응의 신뢰 구간(예측 프로파일러에 기본으로 표시되는 구간)은 개별 예측 신뢰 구간만큼 분산 모형에 대한 정보를 충분히 보여주지 못합니다. 예측 구간은 새로운 반응을 예측할 때 Hold Time이 증가함에 따라 반응의 변동성(Shrinkage)이 증가한다는 것을 보여 줍니다.