Comment exécuter Monte Carlo pour la variation des facteurs - Expérience de simulation/Optimisation stochastiqueBonjour,
J'essaie de comprendre comment utiliser "l'expérience de simulation" sous le Simulateur triangle rouge pour évaluer comment ma réponse est affectée par la variation/distribution aléatoire de mes facteurs X, mais je ne sais pas comment interpréter les résultats. Il génère un "Modèle de processus gaussien du taux de défauts Log10" séparé :
Voici mes facteurs X dans un état fixe actuellement :
J'ai quelques questions:
1. La minimisation de la désirabilité initiale effectue-t-elle uniquement une minimisation sur l'expression/l'équation de prédiction générée, et ne prend-elle pas en compte la variation normale aléatoire des facteurs X ?
2. Lorsque j'exécute l'expérience de simulation, que me dit le processus gaussien ? Je souhaite générer une analyse de capacité de la réponse en raison de la variation aléatoire de mes facteurs X ... cela ne semble pas fournir cette information (je ne sais pas comment interpréter le taux de défauts Log10)
3. Y a-t-il des ressources/exemples de ce type de problème disponibles quelque part que je pourrais référencer ?
Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueDésolé, je n'avais pas réalisé que vous travailliez avec un ensemble de données expérimental existant que vous n'aviez pas créé.
Concernant vos exemples de situation ; Le réglage du niveau dans l'expérience et le bruit associé qui change au cours de l'expérience créent l'espace d'inférence ou de conception. Dans votre hypothétique, " la variation de température n'est pas bien comprise", si la température n'est pas bien comprise, étudiez-la ! Dans quelle mesure seriez-vous confiant dans les résultats d'une simulation qui suppose une certaine distribution et une certaine quantité de variation totale ?, Ou "est pensé pour être aléatoire dans une plage spécifique (par exemple 35 - 45 C), et seuls les bas, moyens, hauts ont été testés à partir du DoE", je suggérerais que si le bas était de 35º et le haut était de 45º et un troisième niveau au centre 40º alors vous avez une assez bonne compréhension de cet espace. Sachez qu'une simulation est basée sur un algorithme (modèle) déjà connu. Peut-être que le modèle a été créé à la suite d'une expérience. L'espace d'inférence de l'expérience est toujours une restriction à la viabilité du modèle. Pouvez-vous émettre une hypothèse sur ce qui pourrait se passer lorsque vous utilisez votre modèle pour prédire en dehors de l'espace d'inférence ? Bien sûr, mais vous feriez mieux d'exécuter des expériences sur un espace d'inférence plus large.
Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueUne grande question.
Il s'agit d'un DOE industriel qui a déjà été exécuté et qui utilise les données que je dois informer. À ma connaissance, l'huile est éliminée via une chambre à CO2 supercitique et l'extrait est mesuré via un spectromètre RMN, converti en PPM (je ne suis pas entièrement détaillé dans la ventilation de ces données à ce stade).
En ce qui concerne votre deuxième point, puisque l'étude du DoE était déjà terminée, j'espère comprendre que la variation de nos X due au hasard pourrait potentiellement avoir sur notre réponse et notre capacité. Si, par exemple, la variation de température n'est pas bien comprise ou est considérée comme aléatoire dans une plage spécifique (par exemple, 35 - 45 °C), et que seuls les niveaux bas, moyen et élevé ont été testés à partir du DoE,
Je demanderais encore : qu'est-ce que l'expérience de simulation m'apporte pour mieux comprendre ce système ? Ou la simulation des x est-elle suffisante pour étudier la variation des x et leur effet sur la réponse ?Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueJuste quelques autres pensées :
1. Je ne comprends pas ce que vous entendez par quantité d'huile en PPM. Ne pouvez-vous pas mesurer la quantité réelle d'huile résiduelle (par exemple, volume, poids, concentration, etc.). Plus votre mesure est continue, plus votre étude est efficace (et moins vous avez besoin de vous fier aux transformations)
2. Pourquoi simuleriez-vous la variation des x ? Pourquoi ne pas étudier la variation des x ? Monte Carlo est plus efficace si vous connaissez la distribution, la variation et la cohérence de la variation des x. Il me semble que vous avez besoin d'une certaine connaissance de la variation des x avant de choisir des niveaux pour votre expérience. Si la variation aléatoire à un niveau chevauche la variation aléatoire à un autre niveau, il peut être difficile d'attribuer la variation.
Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueVous avez raison!
Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueMerci pour ça!
Je crois comprendre que l'expérience de simulation est bénéfique pour minimiser le taux de défauts, car votre optimisation effectuée à l'étape de simulation après l'optimisation peut ne pas fournir le rendement le plus bas. Est-ce une évaluation précise à un niveau élevé?Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueMerci pour la référence. Maintenant je comprends mieux ce que tu fais.
L'étape de simulation après l'étape d'optimisation évalue votre réglage actuel pour chaque facteur avec la variation attendue. Il simule les exécutions futures en fonction de la définition de chaque facteur et de la réponse. C'est juste une question de capacité et de défauts. Cette information pourrait être suffisante pour votre objectif.
L'étape suivante, Expérience de simulation, n'est pas obligatoire mais offre plus d'informations. Cette étape utilise votre modèle ajusté, pas vos données expérimentales. Il utilise une conception de remplissage d'espace pour une expérience informatique dans l'espace factoriel d'origine. Une table de données est créée avec la conception et le taux de défauts global estimé en fonction de la réponse simulée pour chaque exécution. Il utilise un modèle de processus gaussien avec le taux de défauts de l'expérience informatique comme interpolateur pour prédire et visualiser les résultats de l'expérience. Les taux de défauts peuvent varier de plusieurs ordres de grandeur, de sorte que le taux est transformé avec la fonction log, base 10, pour la stabilité.
La façon dont vous définissez la composante aléatoire de vos facteurs dans la fonction Simuler vous aidera à évaluer l'effet de la façon dont vous pouvez les contrôler sur le processus.
Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueQuelle est votre réponse ? Ma réponse est un procédé de fabrication d'une quantité d'huile résiduelle sur un matériau, en PPM
Quel type de modèle utilisez-vous ? J'utilise actuellement un modèle quadratique avec des interactions bidirectionnelles
Les facteurs sont-ils significatifs ? Les termes quadratiques ne sont pas significatifs, conduisant à une interaction plus simplement à double sens et les termes linéaires (qui sont significatifs)
Quels effets modélisez-vous ? La quantité d'huile résiduelle dépend de la température, de la pression et de la quantité de Co2 utilisée dans la chambre dans laquelle elle est placée. J'essayais d'aller au-delà de l'équation de prédiction normale et dans l'optimisation stochastique, dans laquelle je crois comprendre que cela me permettra de faire des essais expérimentaux supplémentaires pour représenter la variation et l'imprévisibilité de mes variables d'effet.
J'ai utilisé l'exemple de l'optimisation stochastique : https://www.jmp.com/support/help/en/15.1/index.shtml#page/jmp/example-of-stochastic-optimization.shtml#ww375920
Lorsque je ne sais pas nécessairement avec certitude que mes facteurs d'effet peuvent être contrôlés ou seront un nombre exact, l'optimisation stochastique fournirait-elle une assistance avec cette incertitude ?Re : Comment exécuter Monte Carlo pour la variation des facteurs – Expérience de simulation/Optimisation stochastiqueJ'ai quelques questions et commentaires, puis j'essaierai de répondre à vos questions en fonction des informations que vous avez déjà fournies.
- Quelle est votre réponse ?
- Quel type de modèle utilisez-vous ?
- Les facteurs sont-ils significatifs ?
- Quels effets modélisez-vous ?
Voici mes réponses :
- Oui, la fonction de désirabilité représente la réponse moyenne car c'est ce que représente le modèle. Vous pouvez également modéliser la variance de la réponse et définir ne son opportunité séparément.
- Il y a un contrôle dans le plan de la table pour enregistrer les résultats de la simulation dans une nouvelle table de données pour l'analyse de capabilité.
- Quelles ressources avez-vous utilisées jusqu'à présent ? As-tu lu Aide > Bibliothèque de documentation JMP > Profileurs guide?
