Conception du dépistage définitif<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Bonjour,
un client m'a demandé si le DSD avoir du sens l'utiliser pour optimisation ? je veux dire par ça, l'optimum a trouvé pour chaque paramètre ( par exemple si on cherche à maximiser la réponse ) est il aussi fiable en tant que optimal conception?
Merci pour vos commentaires, Valérie
Re: Conception de dépistage DefinitifValérie,
D'accord avec tous les points soulevés par mes collègues estimés.
Mes deux cents et une réponse brève
1.) DSD sert à la sélection, comme son nom l’indique, et permet d’examiner potentiellement beaucoup plus de facteurs que prévu, étant donné que, par exemple, 10 facteurs peuvent être évalués en 21 cycles. Comparez cela à un modèle de Résolution IV (un "étalon or" historique) qui nécessitait à peu près la même dépense de ressources pour ne prendre en compte que six facteurs.
2.) Parfois, en raison de la rareté et de l'hérédité de l'effet, on peut être assez chanceux et être capable d'utiliser le DSD pour optimiser son processus (voir la success story de Novomer où 10 facteurs ont été étudiés et où l'effet de la rareté / hérédité a conduit à une compréhension significative). Aucune autre expérimentation requise et une augmentation de 3000 gallons 6 mois après l'expérience.
3.) Réalisez cependant que les expériences sont séquentielles et qu'il est souvent nécessaire de procéder à une délimitation supplémentaire par augmentation pour améliorer la compréhension du système.
4.) Nous ne savons pas ce que nous ne savons pas et même lorsque nous pensons savoir que le système est plus dimensionnel que notre cerveau, il nécessite une expérimentation afin de pouvoir comprendre puis expliquer pourquoi.
5.) Enfin, pour moi, "optimisation" signifie que je me suis installé dans mes conditions de fonctionnement et que je perturbe ensuite les entrées qui sont censées exercer une variation dans le temps sur le processus et définir et comprendre la robustesse de mon espace de travail.
Re: Conception de dépistage DefinitifValerie: Je suis d'accord avec tous les commentaires précédents. Une autre idée qui n’est peut-être pas encore complètement développée est la notion d’une fenêtre d’opérabilité pour le processus en cours. Et conformément aux commentaires de Don, avec de nombreux facteurs / interactions actifs, ou peut-être des réponses curvilignes pour certains facteurs, le DSD pourrait ne pas fournir la précision / biais estimée estimée d'un espace de réponse curvilinéaire rempli d'interactions. La plupart des ingénieurs de conception ou de fabrication veulent plus qu'un seul point optimal dans un espace de conception… ils veulent connaître la fenêtre d'opérabilité autour de ce point de consigne optimal. Donc, pour un DSD, vous obtiendrez un point dans l'espace n du facteur ... mais avec des interactions ou une courbure, à mesure que les facteurs de processus s'éloignent de ce point, le modèle peut ne pas estimer avec le degré de précision / biais souhaité. Donc, lorsque les fenêtres d’opérabilité sont un problème important… nous ne pouvons pas simplement «faire en sorte que cela fonctionne», je ne suis pas sûr d’utiliser un DSD pour le travail d’optimisation comme premier choix.
Re: Conception de dépistage DefinitifValérie,
Bons commentaires de Don et Martin. Je demanderais "combien de facteurs le client a-t-il?" Je pense que c'est très important à savoir. Je les découragerais de penser ou de voter un problème de 10 facteurs à 5. Ils laissent l'occasion de se renseigner sur les 5 facteurs laissés sur le tableau blanc de la salle de conférence. Si tout ce qu'ils ont vraiment, c’est 5 facteurs ou moins, il est alors plus logique de passer directement à une conception RSM que d’utiliser un modèle DSD. La conception à variable continue et à 5 facteurs par défaut est de 27 exécutions uniques pour prendre en charge le modèle à 21 termes.
Si le nombre de facteurs est plus grand, la probabilité d'effets est plus vraisemblable. Les chiffres à garder à l'esprit sont les suivants: un DSD pour 6 facteurs ou plus peut s'effondrer pour prendre en charge le modèle quadratique complet pour 3 facteurs quelconques. Un DSD pour 18 facteurs ou plus peut prendre en charge le modèle quadratique complet dans 4 facteurs. Un DSD avec 22 facteurs ou plus peut prendre en charge le modèle quadratique complet pour 5 facteurs quelconques.
Si le client a 10 facteurs, la conception par défaut Custom DOE RSM nécessite 72 exécutions uniques pour prendre en charge le modèle de 66 termes. C'est beaucoup de travail et pas quelque chose que la plupart des gens poursuivraient. Le DSD à 10 facteurs correspondrait à 21 exécutions uniques, un peu plus petites. Si l'expérimentateur a de la chance et que 3 facteurs seulement sont importants, la conception prendra en charge le modèle quadratique complet. MAIS, s'il y a plus de trois facteurs importants, les choses deviennent un peu plus compliquées. Bien que la régression pas à pas et / ou le nouveau complément d’analyse DSD de Brad puissent vous permettre d’adapter un modèle prenant en charge, par exemple, cinq facteurs et un sous-ensemble du modèle quadratique complet, une approche plus prudente consisterait à augmenter la DSD pour prendre en charge le quadratique complet. les 5 facteurs importants. L'ajout d'une variable de bloc pour vérifier si le processus a changé entre le moment où le DSD a été exécuté et le moment où les essais augmentés seront exécutés, et demander l'ajout de 10 nouveaux essais au 21 original - génère une conception augmentée de 31 essais. C'est encore un peu plus petit que le modèle RSM dans 10 facteurs. Demander 15 nouveaux essais au lieu de 10 donne lieu à une conception augmentée de 36 essais, soit deux fois moins que le modèle RSM à 10 facteurs et à 72 essais.
Quelle est la qualité des conceptions augmentées à 31 et à 36 essais par rapport au modèle DOE personnalisé à 27 essais sur 5 facteurs? Dans le graphique FDS (Fraction Design Space) situé au-dessous de la courbe bleue, le modèle Custom DOE I-optimal à 27 essais est utilisé. La courbe en tirets verts au-dessus correspond au modèle augmenté de 31 essais. La courbe en pointillé noir et en pointillé qui tombe au-dessus de la courbe bleue correspond à la conception augmentée de 36 essais. Ce que nous voulons voir ici, c'est que la courbe est basse et plate. Et ainsi, il semblerait que, selon la métrique FDS, le DSD augmenté à 36 essais soit aussi bon que le Custom DOE à 27 essais. Je dirais également que la conception augmentée de 31 essais n’est pas si mauvaise.
En comparant les diagnostics de conception tels que l'efficacité D, G et A, nous pouvons également constater que les deux conceptions améliorées se comparent bien au Custom DOE de 27 essais.
Pour revenir à mon propos précédent, j'estime que le choix d'utiliser un DSD dépend fortement du nombre de facteurs que le client peut avoir. Cinq ou moins vont directement à RSM pour faire de l'optimisation. Plus de 5 (10 dans mon exemple) envisagent de créer un DSD puis, s'ils ne sont PAS assez chanceux pour que l'analyse se replie pour prendre en charge le quadratique complet, ou s'ils ne sont PAS assez chanceux pour pouvoir vous trouver un modèle adéquat, réglez ensuite le DSD de manière à soutenir le quadratique complet dans les facteurs importants.
Considérez ceci comme un processus en deux étapes qui vous permet de prendre une décision intelligente après l'analyse du DSD pour déterminer si la deuxième étape est nécessaire ou non. Je voudrais aussi envisager de faire quelques points de contrôle pour tester les modèles après l'étape DSD. Si vous pouvez prédire correctement les observations du point de contrôle, cela peut vous donner plus de confort si vous choisissez de ne pas exécuter la partie augmentée du processus en deux étapes.
À M
Re: Conception de dépistage DefinitifValérie,
Je suis d'accord avec Don pour dire que ce ne serait pas mon premier choix. Pourquoi le client voudrait-il utiliser DSD et non une conception personnalisée (par exemple)? Il pourrait y ajouter exactement les termes types qu’il souhaiterait avoir et, s’il existe des contraintes, dues par exemple à des restrictions techniques, il pourra également les intégrer facilement. Si ce n’est pas un processus typique mais qu’il s’agit par exemple d’optimiser sur une zone donnée, vous voudrez peut-être utiliser des conceptions de remplissage d'espace.
Re: Conception de dépistage DefinitifValérie,
Cela peut arriver dans certaines situations, mais ce ne serait pas mon premier choix dans la plupart des cas. Le problème est que, sauf en cas de faible densité des effets, vous ne pourrez pas estimer les interactions à deux facteurs. Du point de vue de l'optimisation, c'est problématique. De plus, les interactions entre deux facteurs et les effets quadratiques sont corrélées. Par conséquent, même si vous pouvez les estimer, la précision de leur estimation peut être faible. Cela dépend en grande partie du nombre de facteurs que vous avez et de ceux qui sont actifs.
Don
