Definitif Screening Design<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo,
Ein Kunde fragte mich, ob der DSD Sinn ergeben um es zu benutzen Optimierung ? ich meine damit, das Optimum gefunden für jeden Parameter ( z.B wenn man sucht zu Antwort maximieren ) ist es so zuverlässig als ein optimal Design?
Vielen Dank für Ihre Kommentare, Valerie
Re: Definitif Screening DesignValerie,
Stimmen Sie allen Punkten meiner geschätzten Kollegen zu.
Meine zwei Cents und eine kurze Antwort
1.) DSD dient zum Screening, wie der Name schon andeutet, und ermöglicht es, viel mehr Faktoren zu untersuchen, als dies bisher möglich war, da beispielsweise 10 Faktoren in 21 Durchläufen bewertet werden können. Vergleichen Sie dies mit einem Entwurf der Resolution IV (historischer "Goldstandard"), der ungefähr den gleichen Ressourcenaufwand erfordert, um nur 6 Faktoren zu berücksichtigen.
2.) Manchmal kann man aufgrund von spärlicher Wirkung und Vererbung der Auswirkungen ziemlich glücklich sein und in der Lage sein, die DSD zur Optimierung des eigenen Prozesses zu verwenden (siehe die Novomer-Erfolgsgeschichte, in der 10 Faktoren untersucht wurden und die Spärlichkeit / Herde zu einem erheblichen Verständnis führte). Es sind keine weiteren Experimente erforderlich und die Skalierung von 3000 Gallonen 6 Monate nach dem Experiment ist erhöht.
3.) Stellen Sie jedoch fest, dass die Experimente sequentiell sind und oft eine weitere Abgrenzung durch Augmentation erforderlich ist, um das Verständnis des Systems zu verbessern.
4.) Wir wissen nicht, was wir nicht wissen, und selbst wenn wir glauben, dass das System mehr dimensioniert ist als unser Gehirn und Experimentieren erfordert, damit wir verstehen und erklären können, warum.
5.) Schließlich bedeutet für mich "Optimierung", dass ich mich mit meinen Betriebsbedingungen vertraut gemacht habe und dann die Eingaben störe, von denen erwartet wird, dass sie im Laufe der Zeit eine Variation auf den Prozess ausüben und die Robustheit meines Operationsraums abgrenzen und verstehen.
Re: Definitif Screening DesignValerie: Ich stimme allen vorherigen Kommentaren zu. Ein anderer Gedanke, der vielleicht noch nicht vollständig ausgeprägt ist, ist die Vorstellung eines Fensters der Bedienbarkeit für den vorliegenden Prozess. In Übereinstimmung mit den Kommentaren von Don, mit vielen aktiven Faktoren / Wechselwirkungen oder vielleicht kurvilinearen Reaktionen für einige Faktoren, liefert die DSD möglicherweise nicht die gewünschte Schätzgenauigkeit / Verzerrung eines mit Interaktionen gefüllten, kurvilinearen Antwortraums. Die meisten Konstruktions- oder Fertigungsingenieure wünschen mehr als nur einen einzigen optimalen Punkt in einem Konstruktionsraum ... Sie möchten das Fenster der Bedienbarkeit um diesen optimalen Sollwert kennen. Bei einer DSD erhalten Sie also einen Punkt im n-Faktor-Raum ... Bei Wechselwirkungen oder Krümmung kann das Modell jedoch nicht mit dem gewünschten Grad an Präzision / Neigung abschätzen, da sich die Prozessfaktoren von diesem Punkt weg bewegen. Wenn also Fenster der Bedienbarkeit ein wichtiges Thema sind ... können wir nicht "nur dieses Ding zum Laufen bringen", bin ich mir nicht sicher, ob ich ein DSD zur Optimierung meiner ersten Wahl verwenden würde.
Re: Definitif Screening DesignValerie,
Gute Kommentare von Don und Martin. Ich würde fragen: "Wie viele Faktoren hat der Kunde?" Ich denke, das ist sehr wichtig zu wissen. Ich würde sie davon abhalten, an einem 10-Faktor-Problem bis auf 5 zu denken oder zu stimmen. Sie lassen die Gelegenheit, sich über die fünf hinterlassenen Faktoren auf dem Whiteboard des Konferenzraums zu informieren. Wenn sie wirklich nur 5 oder weniger Faktoren haben, ist es direkter Sinn, direkt zu einem RSM-Design zu gehen, als mit einer DSD. Das standardmäßige 5-Faktor-Design mit kontinuierlichen Variablen umfasst 27 eindeutige Läufe zur Unterstützung des 21-Term-Modells.
Wenn die Anzahl der Faktoren größer ist, ist die spärliche Wirkung eher wahr. Es gilt zu beachten, dass eine DSD für 6 oder mehr Faktoren zusammenbrechen kann, um das vollständige quadratische Modell für alle 3 Faktoren zu unterstützen. Eine DSD für 18 oder mehr Faktoren kann das vollständige quadratische Modell in 4 beliebigen Faktoren unterstützen. Eine DSD mit 22 oder mehr Faktoren kann das vollständige quadratische Modell für alle fünf Faktoren unterstützen.
Wenn der Kunde 10 Faktoren hat, benötigt das standardmäßige Custom DOE RSM-Design 72 eindeutige Läufe, um das 66-Term-Modell zu unterstützen. Das ist ziemlich viel Arbeit und die meisten Leute würden das nicht tun. Die 10-Faktor-DSD wäre 21 einmalige Läufe - etwas kleiner. Wenn der Experimentator Glück hat und nur drei Faktoren wichtig sind, unterstützt das Design das vollständige quadratische Modell. ABER, wenn es mehr als drei wichtige Faktoren gibt, werden die Dinge ein bisschen kniffliger. Obwohl die schrittweise Regression und / oder das neue DSD-Analyse-Add-In von Brad tatsächlich dazu führen können, dass Sie ein Modell anpassen, das beispielsweise fünf Faktoren und eine Teilmenge des vollständigen quadratischen Modells unterstützt, wäre ein konservativer Ansatz die Erweiterung der DSD, um das vollständige quadratische Modell zu unterstützen die 5 wichtigen faktoren. Durch das Hinzufügen einer Blockvariablen, um zu testen, ob sich der Prozess zwischen dem Ausführen des DSD und dem Ausführen der erweiterten Versuche verschoben hat, und der Anforderung, dass 10 neue Versuche zu den ursprünglichen 21 hinzugefügt werden sollen, ergibt sich ein erweiterter Entwurf für 31 Versuche. Dies ist immer noch ein bisschen kleiner als das RSM-Design in 10 Faktoren. Die Nachfrage nach 15 neuen anstelle von zehn Versuchen führt zu einem 36-fachen Design, das halb so groß ist wie das 72-fache RS-10-Faktor-Design.
Wie gut sind die Designs mit 31 und 36 Versuchen im Vergleich zum 27-Versuch Custom DOE in 5 Faktoren? In der Fraction Design Space (FDS) -Darstellung unterhalb der blauen Kurve ist das 27-Versuch-Custom-DOE-I-optimale Design dargestellt. Die grüne gestrichelte Kurve darüber ist für das erweiterte Design mit 31 Versuchen bestimmt. Die schwarze, gestrichelte und gepunktete Kurve, die auf die blaue Kurve fällt, ist das 36-fach erweiterte Design. Was wir hier sehen wollen ist, dass die Kurve niedrig und flach ist. Und so scheint es, dass die 36-Versuch-DSD mit der FDS-Metrik so gut ist wie der 27-Versuch-Custom-DOE. Ich würde auch sagen, dass das verbesserte Design mit 31 Versuchen nicht allzu schlecht ist.
Beim Vergleich von Designdiagnostik wie D-, G- und A-Effizienz können wir auch feststellen, dass sich die beiden erweiterten Konstruktionen gut mit dem 27-Versuch-Custom-DOE vergleichen lassen.
Um auf meinen früheren Punkt zurückzukommen, denke ich, dass die Wahl eines DSD stark davon abhängt, wie viele Faktoren der Kunde hat. Fünf oder weniger gehen direkt zum RSM, um die Optimierung durchzuführen. Mehr als 5 (in meinem Beispiel 10) sollten Sie erwägen, eine DSD zu erstellen, und wenn Sie NICHT das Glück haben, dass die Analyse das volle Quadrat unterstützt, oder wenn Sie nicht das Glück haben, schrittweise Regression zu finden, finden Sie ein geeignetes Modell, und erweitern Sie die DSD unterstützt das volle Quadrat in den wichtigen Faktoren.
Stellen Sie sich dies als einen zweistufigen Prozess vor, mit dem Sie nach der Analyse des DSD eine intelligente Entscheidung darüber treffen können, ob der zweite Schritt erforderlich ist oder nicht. Ich würde auch überlegen, einige Checkpoints zu machen, um die Modelle nach der DSD-Phase zu testen. Wenn Sie die Kontrollpunktbeobachtungen ausreichend vorhersagen können, können Sie mehr Komfort haben, wenn Sie den erweiterten Teil des zweistufigen Prozesses nicht ausführen möchten.
Tom
Re: Definitif Screening DesignValerie,
Ich stimme mit Don überein, dass dies nicht meine erste Wahl sein würde. Warum sollte der Kunde mit DSD gehen und nicht mit Custom Design (zB). Dort könnte er genau die Modellbegriffe hinzufügen, die er geschätzt haben möchte, und falls es Einschränkungen gibt, z. B. aufgrund technischer Einschränkungen, kann er diese auch problemlos einbauen. Wenn es sich nicht um einen typischen Prozess handelt, sondern beispielsweise für die Optimierung eines Bereichs, sollten Sie sich für raumfüllende Designs entscheiden.
Re: Definitif Screening DesignValerie,
Das kann in manchen Situationen der Fall sein, aber in den meisten Fällen wäre es nicht meine erste Wahl. Das Problem ist, dass es nicht möglich ist, zwei Faktorenwechselwirkungen abzuschätzen, es sei denn, die Effekte sind spärlich. Dies ist aus Sicht der Optimierung problematisch. Darüber hinaus korrelieren zwei Faktor-Wechselwirkungen miteinander und quadratische Effekte, sodass die Genauigkeit ihrer Schätzung auch dann gering sein kann, wenn Sie sie abschätzen können. Vieles davon hängt davon ab, wie viele Faktoren Sie haben und wie viele davon aktiv sind.
Don
