Manchmal ist es schwierig, meine Kinder davon zu überzeugen, dass ich einen richtigen Job habe. Ich arbeite viel von zu Hause aus und kürzlich haben sie gesehen, wie ich diese Papierhubschrauber gebaut und geflogen habe:
Wie ist diese Arbeit? Bei JMP Wir versuchen immer, Wege zu finden, um mehr Wissenschaftler und Ingenieure für die Datenanalyse zu begeistern. Eine große Leidenschaft für mich ist Versuchsplanung (DoE), weil ich weiß, wie es Wissenschaftlern und Ingenieuren hilft, schnell die besten Lösungen für schwierige Probleme zu finden.
Einer meiner Kollegen hatte die Idee, einen Wettbewerb zu veranstalten, bei dem Menschen durch ein reales Experiment praktische Erfahrungen mit DoE sammeln können. Das Papierhubschrauber-Experiment ist ein klassisches Beispiel, bei dem Sie die Herausforderung erleben können, ein Multi-Faktor-Engineering-Problem zu lösen.
Die technische Herausforderung und wie nicht um es zu lösen
Das Ziel ist einfach: Finden Sie das Design, das die längste Flugzeit bietet.
Nehmen Sie sich eine Minute Zeit und überlegen Sie, wie Sie das tun könnten. Ich bin mir sicher, dass Ihnen viele „Faktoren“ einfallen, von denen Sie erwarten, dass sie die Flugzeit beeinflussen:
- die Art des Papiers
- Wie lang sind die Flügel?
- wie breit die Flügel sind
- usw…
Wie wollen Sie angesichts all dieser Dinge, die Sie ändern könnten, herausfinden, welches Design das beste ist? Wie entscheiden Sie sich für die beste Kombination von Faktorauswahlmöglichkeiten?
Ich vermute, die meisten von Ihnen würden sofort loslegen und einen Hubschrauber bauen, von dem Sie glauben, dass er funktioniert, und ihn fliegen. Dann bauen Sie vielleicht einen zweiten mit einer Änderung am Design – vielleicht machen Sie die Flügel etwas länger – weil Sie davon ausgehen, dass sich dadurch die Flugzeit verbessert. Probieren Sie es aus und stellen Sie fest, dass es etwas länger fliegt. Beim nächsten Build ändern Sie dann möglicherweise einen anderen Faktor.
So machen Sie weiter, bis Ihnen irgendwann die Zeit oder die Energie ausgeht. Von all den Dingen, die Sie ausprobiert haben, haben Sie eines gefunden, das am besten funktioniert. Job erledigt!
Aber Sie bleiben mit einigen beunruhigenden Zweifeln zurück:
- Habe ich wirklich alle Möglichkeiten ausgeschöpft?
- Verstehe ich die Wirkung jedes Faktors?
- Weiß ich wirklich, warum dieses Design gut funktioniert hat?
- Könnte es eine bessere Lösung geben, die ich nicht ausprobiert habe?
- Hätte ich in kürzerer Zeit und mit weniger Aufwand zu einer Lösung gelangen können?
Ich spreche aus eigener Erfahrung, denn so habe ich im Labor gearbeitet, als ich Herstellungsprozesse in der chemischen Industrie entwickelt habe – bis ich von DoE erfahren habe.
Ein besserer Weg mit DoE
Für den Papierhubschrauber-Wettbewerb wurden die Teilnehmer angeleitet, mithilfe der DoE-Strategie das beste Design zu finden. Sie erhielten eine Vorlage für vier verschiedene Hubschrauber und eine Anleitung zu deren Bau.
Sie sollten einen weiteren Satz derselben vier Hubschrauber erstellen, jedoch auf einem anderen Papiergewicht (oder sie auf demselben Papier erstellen und eine Büroklammer hinzufügen), um insgesamt acht Hubschrauber zu erhalten. Durch den Bau und die Erprobung aller acht Hubschrauber hätten sie alle möglichen Kombinationen von kurzen/langen Flügeln, dünnen/dicken Flügeln und schweren/leichten Papiersorten ausprobiert. Das gleichzeitige Variieren aller Faktoren verstößt wahrscheinlich gegen das, was Ihnen gesagt wurde. Es gibt einige große Vorteile, wenn Sie auf diese Weise experimentieren.
Was wir mit DoE lernen
Ein großer Teil meiner Arbeit besteht darin, Kunden zu Seminaren und Workshops zu besuchen, um das Bewusstsein dafür zu schärfen, was sie mit der Software alles machen können. Bei einem dieser Besuche haben wir kürzlich dasselbe Experiment mit Teilnehmern durchgeführt. Dies sind die Ergebnisse einer der Gruppen. Sie haben die Flugzeit jedes Hubschraubers dreimal gemessen und den Durchschnitt ermittelt:
Sie können sehen, dass die beste Flugzeit (1,98 Sekunden) der Hubschrauber Nr. 5 hat, der aus Papier mit langen, dünnen Flügeln bestand. Obwohl das Gleiche, aber mit dicken Flügeln (#6), ist es fast genauso gut (1,83 Sekunden). Der Kartenhubschrauber mit kurzen, dünnen Flügeln (#3) ist am schlechtesten (0,51 Sekunden). Wir können diese Ergebnisse verwenden, um die einzelnen Auswirkungen jedes Faktors abzuschätzen.
Die durchschnittliche Flugzeit der Karte beträgt 0,78 Sekunden. Die durchschnittliche Flugzeit für Papier beträgt 1,52 Sekunden. Jetzt können wir ausrechnen, dass die Auswirkung des Wechsels von Karte auf Papier auf die Flugzeit 1,52 – 0,78 = 0,74 Sekunden beträgt. Das Gleiche können wir auch für die anderen Faktoren tun.
Besser noch, wir können Software wie verwenden JMP um ein Modell anzupassen, das alle diese Informationen zusammenfasst. Dieser Prediction Profiler ist eine Visualisierung eines Modells, das mithilfe von JMP an dieselben Daten angepasst wird:
Klicken Sie auf die gestrichelten roten Linien im Diagramm und ziehen Sie sie, um zu sehen, was passiert, wenn Sie die Faktoreinstellungen ändern. Dieses interaktive Bild wurde am veröffentlicht JMP Public zusammen mit einige weitere Informationen zu diesem Blogbeitrag . Sie können die Auswirkung jedes Faktors auf die Flugzeit sehen. Der Papiertyp hat den größten Einfluss. Die Flügelbreite ist nicht sehr wichtig. DoE verschafft Ihnen ein umfassendes Verständnis Ihres Systems oder Prozesses.
Mit diesem ausgewogenen Datensatz können wir auch versuchen, komplexere Verhaltensweisen zu verstehen. Gibt es eine Wechselwirkung zwischen der Auswirkung der Papiersorte und der Flügellänge? Das heißt, wird der Effekt der Papiersorte durch die Flügellänge beeinflusst? Diese einfache Visualisierung der Daten lässt darauf schließen, dass es keine große Interaktion gibt:
Der Unterschied in den Flugzeiten zwischen Karte und Papier ist sowohl bei langen als auch bei kurzen Flügeln sehr ähnlich. In anderen Fällen sind diese Interaktionseffekte sehr wichtig. Wenn Sie jeweils nur einen Faktor variieren, verfügen Sie nicht über die Daten, die Sie zum Ermitteln wichtiger Wechselwirkungen benötigen.
Dies ist ein sehr einfaches Beispiel, das zeigt, wie Sie mit DoE mehr und schneller lernen können. In der realen Welt der industriellen Wissenschaft und Technik können die Experimente komplizierter werden. Beispielsweise liegen häufig mehr Faktoren vor, sodass es nicht realistisch ist, alle Möglichkeiten auszuprobieren. Sie sollten wissen, dass die DoE-Methode an praktische Einschränkungen wie diese angepasst werden kann. Unabhängig von der experimentellen Herausforderung können Sie mit DoE mehr und schneller lernen.
Und der Gewinner ist…
Ich werde den Gewinner morgen in meinem nächsten Blogbeitrag bekannt geben und einige Auszüge aus seinem Bericht teilen. Der Wettbewerb wurde von Chemistry World, der Zeitschrift der Royal Society of Chemistry, beworben. Wir haben die Vorlage als Beilage in das Magazin eingefügt und das Team dort hat dieses tolle Video erstellt:
Bauen Sie die beste Helikopter-Herausforderung aus Welt der Chemie An Vimeo .
Wir haben die Teilnehmer des Wettbewerbs gebeten, uns einen kurzen Bericht über ihre Arbeit zu schicken, um die Chance auf den Gewinn einer DJI Mavic 2-Drohne zu erhalten. Wir haben viele tolle Einsendungen erhalten. Als Juror war ich auf der Suche nach Arbeiten, die klare Gedanken, Anstrengung, Lernbereitschaft und Sinn für Spaß zeigten. Kommen Sie also morgen wieder vorbei, um herauszufinden, wer gewonnen hat.
Vielleicht möchten Sie vorerst mehr über DoE erfahren, deshalb finden Sie hier einige weitere Ressourcen:
- Der Wettbewerb ist beendet, aber Sie können immer noch teilnehmen die Vorlage und Anweisungen um die Helikopter-Herausforderung selbst auszuprobieren.
- Pilar Gomez-Jimenez, leitende Wissenschaftlerin bei Johnson Matthey, sprach kürzlich darüber, wie man mit DoE beginnt und die Denkweise darin weiterentwickelt dieses Webinar mit Chemiewelt.
- Letztes Jahr habe ich mir vorgenommen, eine Reihe von Blogbeiträgen zu schreiben, um DoE mit einfachen Erklärungen einiger Begriffe und Konzepte zu entmystifizieren, die für Anfänger verwirrend sein können. Die komplette Serie finden Sie hier Hier .
