JMP) Model 최적화 및 시뮬레이션 1 - Prediction Profiler

JMP에는 Regression, DOE, Fit-curvea, PCA, Clustering, Random Forest 등 20개 이상의 다양한 데이터 분석 모듈이 있다. 

이들은 모두 함수적(Formula) 분석 결과이다.

 

JMP에서는 Formula 기반 분석 모델의 최적화 해를 구하거나 시뮬레이션 결과를 쉽게 파악할 수 있다.

 

그 기능이 Profiler이다. 

 

Profiler를 통해 분석 변수(X, Factor)에 따른 분석 결과(Y, Response)를 그래프 형식으로 가시화할 수 있고 변수의 조건 변경에 따른 그 결과를 즉각적으로 파악할 수 있다. 

이는 매우 중요하고 탁월한 기능이다.

 

또한, Profiler를 통해 다양한 조건을 파악, 제안 조건을 반영한 최적의 조건을 찾을 수 있고, X변수의 분포 조건을 설정하여 몬테카를로 시뮬레이션을 통해 결과의 분포를 파악함으로써 우수한 의사결정을 내릴 수 있기 때문이다. 

 

Profiler에서 표현하는 기본적 내용에 대한 설명은 아래 그림과 같다.

 

 

Profiler에 대한 학습 자료는 아래 링크를 참조하면 된다.

Prediction Profiler Part 1

 

 

Profiler의 ▼메뉴 >> Optimization and Desireability >> Desireability Function 선택함으로써 Y 반응의 최적해를 찾을 수 있다.   

Desireability Function 실행 시 Profiler 우측과 아래에 Desireability 창이 생성된다.  

 

Desirability 는 만족도(원하는 목표값에 만족하는) 함수를 지칭한다.    

 

우측 상단 Desirability 그래프의 의미는 다음과 같다. 

우상향 곡선 : 망대 특성 (반응값이 큰것이 목표)

 

우하향 곡선 : 망소 특성 (반응값이 작은것이 목표)

 

옆으로 노말분포 : 망목특성 (반응값이 특정 값에 위치하는 것이 목표)

 

만족도 그래프의 기울기가 중요한 것이 아니라 만족도 그래프의 경향이 중요하다. 

 

 

▼메뉴 >> Optimization and Desireability >> Set Desireabilities에서 수치적으로 설정 가능하다. 

 

Set Desireability 기능을 통해 Y변수에 맞는 Desireability를 입력할 수 있고, 여러 Y변수가 존재할 경우에는 Importance를 통해 변수의 중요도를 고려하여 최적화값(Maximize Desireability)을 계산할 수 있다.  

 

 

반응 Y값에 해당되는 Column의 Properties에서 Spec Limit를 설정하면 자동으로 Desireability Function 실행 시 만족도 그래프가 세팅된다.

 

하단의 Desireability는 만족도 그래프 설정에 의한 적합성을 나타낸다. 여러 Y가 있을 경우 Maximize 되는 최적의 위치를 찾도록 하면 각각의 Y의 값을 고려하여 최적을 위치를 JMP가 계산하게 되고 그때의 만족도는 각각의 Y값을 고려한 적합도가 계산된다.  

만족도 그래프에서 빨간 선이 최적화된 변수에서의 만족도 위치를 나타낸다. 그 값이 Desireability로 수치적으로 표현된다고 볼 수 있다. 

.