Definitif Screening Design<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao,
un cliente mi ha chiesto se il DSD ha senso usarlo per ottimizzazione ? intendo da tale, l'optimum trovato per ogni parametro ( per esempio se uno cerca a massimizzare la risposta ) è esso come affidabile come un ottimale design?
Grazie per i tuoi commenti, Valerie
Re: Definitif Screening DesignValerie,
D'accordo con tutti i punti fatti dai miei stimati colleghi.
I miei due centesimi e una risposta breve
1.) DSD è per lo screening come il nome indica e consente di esaminare potenzialmente molti più fattori di quelli precedentemente concessi dal momento che ad esempio 10 fattori possono essere valutati in 21 esecuzioni. Confrontalo con un progetto di risoluzione IV (uno storico "gold standard") che ha richiesto all'incirca lo stesso dispendio di risorse per considerare solo 6 fattori.
2.) A volte a causa della scarsità di effetti e dell'ereditarietà dell'effetto si potrebbe essere abbastanza fortunati e poter utilizzare il DSD per ottimizzare il processo (vedi la storia di successo di Novomer in cui sono stati studiati 10 fattori e l'effetto della sparsità / gregge ha portato a una comprensione significativa). Non sono necessari ulteriori esperimenti e 3000 galloni si accrescono dopo 6 mesi dall'esperimento.
3.) Renditi conto comunque che gli esperimenti sono sequenziali e molte volte ulteriori delineazioni attraverso l'aumento sono necessarie per migliorare la comprensione del sistema.
4.) Non sappiamo quello che non sappiamo e anche quando pensiamo di sapere che il sistema è più dimensionale del nostro cervello e richiede una sperimentazione in modo che possiamo capire e quindi spiegare perché.
5.) Infine per me "ottimizzazione" significa che mi sono sistemato sulle mie condizioni operative e quindi perturbare gli input che si prevede possano esercitare variazioni nel tempo sul processo e delineare e comprendere la robustezza del mio spazio operativo.
Re: Definitif Screening DesignValerie: sono d'accordo con tutti i commenti precedenti. Un altro pensiero forse non ancora pienamente sviluppato è la nozione di una finestra di operabilità per il processo in corso. E in linea con i commenti di Don, con molti fattori / interazioni attivi, o forse risposte curvilinee per alcuni fattori, il DSD potrebbe non fornire la stima / precisione preconcetta di un'interazione riempita, spazio di risposta curvilineo. La maggior parte degli ingegneri di progettazione o produzione desidera più di un singolo punto ottimale in uno spazio di progettazione ... vogliono conoscere la finestra di operabilità attorno a quel set point ottimale. Quindi, per un DSD, otterrete un punto nello spazio dei fattori n ... ma con le interazioni o la curvatura, poiché i fattori di processo si allontanano da quel punto, il modello potrebbe non stimare con il grado di precisione / bias desiderato. Quindi, quando le finestre di operabilità sono un problema importante ... non possiamo semplicemente "far funzionare questa cosa", non sono sicuro che utilizzerei un DSD per l'ottimizzazione come prima scelta.
Re: Definitif Screening DesignValerie,
Buoni commenti di Don e Martin. Vorrei chiedere "Quanti fattori ha il cliente?" Penso che sia molto importante sapere. Li scoraggerei dal pensare o votare un problema di 10 fattori fino a 5. Lasciano l'opportunità di conoscere i 5 fattori rimasti indietro nella lavagna della sala conferenze. Se tutto ciò che hanno veramente è 5 o meno fattori, passare direttamente a un design RSM ha più senso che andare con un DSD. Il progetto predefinito a variabile continua a 5 fattori comprende 27 esecuzioni esclusive per supportare il modello a 21 termini.
Se il numero di fattori è maggiore, è probabile che la scarsità di effetti sia vera. I numeri da tenere a mente sono che un DSD per 6 o più fattori può collassare per supportare il modello quadratico completo per 3 fattori. Un DSD per 18 o più fattori può supportare il modello quadratico completo in 4 fattori. Un DSD con 22 o più fattori può supportare il modello quadratico completo per 5 fattori.
Se il cliente ha 10 fattori, il progetto DOE RSM personalizzato predefinito richiede 72 esecuzioni esclusive per supportare il modello a 66 termini. È un bel po 'di lavoro e non qualcosa che la maggior parte delle persone vorrebbe perseguire. Il fattore DSD a 10 fattori sarebbe pari a 21 esecuzioni uniche, un po 'più piccole. Se lo sperimentatore è fortunato e solo 3 fattori sono importanti, il progetto supporterà il modello quadratico completo. MA, se ci sono più di tre fattori importanti le cose diventano un po 'più complicate. Sebbene la regressione graduale e / o il nuovo componente aggiuntivo di analisi DSD di Brad possa effettivamente adattarsi a un modello che supporta per esempio cinque fattori e un sottoinsieme del modello quadratico completo, un approccio più conservativo sarebbe quello di aumentare il DSD per supportare il quadratico completo in i 5 fattori importanti. Aggiunta di una variabile di blocco per verificare se il processo si è spostato da quando è stato eseguito il DSD e quando verranno eseguiti i trial aumentati e chiedendo di aggiungere 10 nuovi trial all'originale 21, si ottiene un progetto potenziato di 31 trial. Questo è ancora un po 'più piccolo del design RSM in 10 fattori. Chiedendo 15 nuove prove invece di 10 produce un design potenziato a 36 prove - la metà delle dimensioni del progetto RSM a 10 fattori da 72 prove.
Quanto sono buoni i design a 31 e 36 trial rispetto a 27 DOE su 27 prove in 5 fattori? Nel grafico Fraction Design Space (FDS) sotto la curva blu si trova il progetto DOE I-27 personalizzato a 27 prove. La curva tratteggiata verde sopra è per il design a 31-trial. La curva nera tratteggiata e punteggiata che cade in cima alla curva blu è il design a prova di 36 ingrandimenti. Quello che vogliamo vedere qui è che la curva è bassa e piatta. E così sembrerebbe che con la metrica FDS il DSD potenziato a 36 prove sia buono come il DOE personalizzato a 27 prove. Direi anche che il design a 31 processings non è poi così male.
Confrontando la diagnostica di progettazione, come D, G e A, possiamo anche vedere che i due design aumentati si confrontano bene con il DOE personalizzato a 27 prove.
Ritornando al mio precedente punto, penso che la scelta di utilizzare un DSD dipenda molto da quanti fattori può avere il cliente. Cinque o meno vanno direttamente a RSM per fare l'ottimizzazione. Più di 5 (10 nel mio esempio) considerano fare un DSD e quindi se NON è abbastanza fortunato da far collassare l'analisi nel supportare il quadratico completo, o se NON è abbastanza fortunato da avere una regressione graduale trovare un modello adeguato, quindi aumentare il DSD a sostenere il quadratico completo nei fattori importanti.
Pensa a questo come a un processo in due fasi che ti consente di prendere una decisione intelligente dopo l'analisi del DSD sul fatto se sia necessario o meno il secondo passo. Vorrei anche prendere in considerazione alcuni checkpoint per testare i modelli dopo lo stage DSD. Se è possibile prevedere in modo adeguato le osservazioni del punto di controllo, potrebbe essere più comodo se si sceglie di non eseguire la parte aumentata del processo in due fasi.
Tom
Re: Definitif Screening DesignValerie,
Sono d'accordo con Don che questa non sarebbe la mia prima scelta. Perché il cliente vorrebbe andare con DSD e non con Custom Design (es.). Lì, egli potrebbe aggiungere esattamente il Modello di Termini che vorrebbe avere stimato e se ci sono dei vincoli, ad esempio causati da restrizioni tecniche, potrebbe anche incorporarli facilmente. Se si tratta di un processo non tipico, ad esempio l'ottimizzazione su un'area si consiglia di utilizzare i progetti di riempimento dello spazio.
Re: Definitif Screening DesignValerie,
Può essere in alcune situazioni, ma non sarebbe la mia prima scelta nella maggior parte dei casi. Il problema è che, a meno che non vi sia una sparsità di effetti, non sarà possibile stimare le interazioni tra due fattori. Da un punto di vista dell'ottimizzazione, questo è problematico. Inoltre, due interazioni fattoriali sono correlate tra loro ed effetti quadratici, quindi, anche se è possibile stimarli, la precisione della loro stima può essere bassa. Molto di ciò dipende da quanti fattori hai e quanti sono attivi.
don
