因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化こんにちは、
「シミュレーション実験」の活用方法を理解しようとしています。シミュレーターX 因子のランダムな変動/分布によって応答がどのように影響を受けるかを評価するために赤い三角形を使用しましたが、結果を解釈する方法がわかりません。 別の「Log10 欠陥率のガウス過程モデル」を生成します。
以下は、現在固定状態にある私の X ファクターです。
いくつかの質問を聞きたいんです：
1. 初期の満足度の最小化は、生成された予測式/方程式の最小化のみを実行し、X 因子のランダム正規変動を考慮に入れませんか?
2. シミュレーション実験を実行すると、ガウス過程は何を教えてくれますか? X 因子のランダムな変動による応答の能力分析を生成したい...これはその情報を提供していないようです (Log10 欠陥率を解釈する方法がわかりません)
3. この種の問題に関するリソースや例は、どこかで参照できますか?
Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化申し訳ありませんが、あなたが作成していない既存の実験データ セットを使用していたことに気付きませんでした。
あなたの状況例について;実験のレベル設定と、実験中に変化する関連するノイズによって、推論または設計空間が作成されます。 あなたの仮説では、「気温の変化がよくわからない」という方、気温がよくわからない方は勉強しましょう！ ある程度の分布とある程度の総変動量を想定したシミュレーションの結果に、どの程度の自信がありますか?, または、「特定の範囲内 (たとえば 35 ～ 45 C) でランダムであると考えられており、低、中、高のみが DoE からテストされた」場合、低が 35°、高が 45°、中央 40 度の 3 番目のレベルでは、そのスペースをかなりよく理解しています。 シミュレーションは、アルゴリズム (モデル) は既に知られています。 おそらく、モデルは実験の結果として作成されました。 実験の推論空間は、依然としてモデルの実行可能性に対する制限です。 モデルを使用して推論空間の外側を予測すると、何が起こるか仮説を立てることができますか? もちろん、より広い推論空間で実際に実験を実行する方がよいでしょう。
Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化素晴らしい質問です。
これはすでに実行されている業界の DOE であり、私が報告するデータを活用しています。 私の理解では、オイルは超臨界 CO2 チャンバーを介して除去され、抽出物は NMR スペクトルを介して測定され、PPM に変換されます (現時点では、そのデータの内訳について詳しく説明していません)。
2 点目ですが、DoE の調査はすでに完了しているため、ランダム性による X の変動が応答と能力に影響を与える可能性があることを理解したいと思います。 たとえば、温度変動がよく理解されていないか、特定の範囲内 (たとえば 35 ～ 45 C) でランダムであると考えられ、低、中、高のみが DoE からテストされた場合、
このシステムをさらに理解する上で、シミュレーション実験によって何が得られるのでしょうか? それとも、x のシミュレートは、x の変動と応答への影響を調べるのに十分でしょうか?Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化他のいくつかの考え：
1. PPM でのオイル量の意味がわかりません。 実際の残油量（量、重さ、濃度など）は測れませんか？ 測定が継続的であればあるほど、研究はより効率的になります (そして、変換に頼る必要が少なくなります)。
2. なぜ x の変動をシミュレートするのですか? x の変化を研究してみませんか? x の分布、変動、および変動の一貫性がわかっている場合、モンテカルロはより効果的です。 実験のレベルを選択する前に、x の変動についてある程度の知識が必要なようです。 あるレベルでのランダム バリエーションが別のレベルでのランダム バリエーションと重複する場合、バリエーションを割り当てるのが難しくなる可能性があります。
Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化あなたは正しいです！
Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化これありがとう！
最適化後のシミュレーションステップで実行された最適化では歩留まりが最低にならない可能性があるため、シミュレーション実験が不良率を最小限に抑えるのに有益であることは理解しています。 それは高いレベルでの正確な評価ですか？Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化参考にしていただきありがとうございます。 今、私はあなたが何をしているのかをよりよく理解しています。
最適化ステップの後のシミュレーション ステップでは、各因子の現在の設定が予想される変動で評価されます。 各因子と応答の定義を考慮して、将来の実行をシミュレートします。 それは単に能力と欠陥に関するものです。 その情報はあなたの目的には十分かもしれません。
次のステップであるシミュレーション実験は必須ではありませんが、より多くの情報を提供します。 このステップでは、実験データではなく、あてはめたモデルを使用します。 元の因子空間内でのコンピューター実験に空間充填計画を使用します。 計画と、実行ごとにシミュレートされた応答に基づく推定全体不良率を使用して、データ テーブルが作成されます。 コンピューター実験からの欠陥率を内挿器として使用してガウス過程モデルを使用し、実験結果を予測して視覚化します。 不良率は桁違いに変動する可能性があるため、不良率は、安定性のために対数 (10 を底とする) 関数で変換されます。
シミュレート機能で因子のランダム成分をどのように定義するかは、それらを工程でどれだけうまく制御できるかの影響を評価するのに役立ちます。
Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化あなたの反応は何ですか？ 私の回答は、材料の残留油の量のPPMでの製造プロセスです
どのようなモデルを使用していますか? 私は現在、双方向の相互作用を持つ二次モデルを使用しています
要因は重要ですか？ 二次項は重要ではなく、より単純な双方向の相互作用と線形項 (重要) につながります。
どのような効果をモデル化していますか? 残留オイルの量は、温度、圧力、およびチャンバー内で使用される CO2 の量によって異なります。 私は通常の予測方程式を超えて確率的最適化を試みていました。これにより、追加の実験を実行して、効果変数の変動と予測不可能性を表すことができると理解しています。
確率的最適化の例を利用しました。 https://www.jmp.com/support/help/en/15.1/index.shtml#page/jmp/example-of-stochastic-optimization.shtml#ww375920
効果係数を制御できるか、正確な数になるかを完全に確信できるとは限らない場合、確率的最適化はこの不確実性を解決するのに役立ちますか?Re: 因子の変動に対してモンテカルロを実行する方法 - シミュレーション実験/確率的最適化質問とコメントがいくつかあります。それから、あなたがすでに提供した情報に基づいて、あなたの質問に答えようとします。
- あなたの反応は何ですか？
- どのようなモデルを使用していますか?
- 要因は重要ですか？
- どのような効果をモデル化していますか?
ここに私の答えがあります：
- はい、望ましさ関数は平均応答を表します。それがモデルが表すものだからです。 応答の分散もモデル化し、定義することができますその望ましさは別にしてください。
- テーブル アウトラインには、シミュレーション結果を工程能力分析用の新しいデータ テーブルに保存するためのコントロールがあります。
- これまでにどのようなリソースを使用しましたか? 読んだことがありますかヘルプ > JMP ドキュメント ライブラリ > プロファイラガイド？
