DOE 중심점 대 과거 공정 목표아래 시나리오에 요약된 DoE 연구에서 중심점 사용과 과거 프로세스 목표 값에 대한 일반적인 질문이 있습니다.
DoE 연구에서 요인의 높음 및 낮음 수준에 사용할 값을 결정할 때 관심 범위에 걸쳐 있는 높음/낮음 수준이 일부 요인에 대한 현재 과거 목표 값을 중심으로 정확하게 대칭이 아니라는 것이 확인되었습니다. 이러한 설계에 여러 중심점을 추가할 때 정확한 대칭 중심점이 아닌 일부 요인에 대해 현재 목표 값을 사용하는 것이 허용됩니까?
여러 중심점을 포함하는 목적은 가변성을 측정하고 곡률이 존재하는지 여부를 확인하는 것입니다. 이러한 목표를 달성하기 위해 일부 요인에 대해 약간 오프셋된 "중심점"을 사용하는 데 해롭거나 불리한 점이 있습니까?정확한 중심점보다 과거 대상 값을 사용하는 것을 선호하는 것은 과거 데이터와 비교하려는 욕구에서 비롯됩니다.어떤 생각이나 조언?
암사슴Re: DOE 중심점 대 과거 공정 목표매우 상세한 답변과 제안에 감사드립니다!나는 그것이 매우 유용하다는 것을 알았고 다른 사람들도 그러기를 바랍니다.
Re: DOE 중심점 대 과거 공정 목표좋은 질문입니다. 내 생각은 다음과 같습니다.
1. 레벨 설정에 대한 일반적인 실패 모드는 너무 좁습니다. 한 가지 가설은 나쁜 제품을 만드는 것에 대한 두려움이 있기 때문입니다(우리는 그렇게 하지 말라고 배웠습니다). 승자를 선택하는 것이 아니라 변형을 만들려는 것임을 기억하십시오. 더 과감한 수준 설정은 리소스 파급 효과가 거의 없이 추론 공간을 늘립니다. 대담하지만 합리적인 것이 제 조언입니다.
2. 내가 35년 동안 실험을 진행하고 실험을 가르친 또 다른 관찰은 아마도 무의식적으로 실험에 "최고" 수준을 포함시키려는 욕구가 있다는 것입니다. 순차적이고 반복적인 작업에는 필요하지 않습니다. 이는 경영진이 문제와 인과 구조를 이해하기보다 빠른 답변을 원하는 효과라고 생각합니다. 경영진에게 반복이라는 단어를 말하면 그들은 시간과 돈을 생각합니다...
3. 내가 주는 조언은 실험의 가능한 모든 결과를 예측하라는 것입니다(즉, 응답 변수에 실질적인 변화가 없다면 어떻게 하시겠습니까? 응답 변수에 상당한 변화가 있지만 어떤 요인도 중요하지 않은 경우 어떻게 하시겠습니까? 실험 중 특수 원인 변동이 있으면 어떻게 하시겠습니까? 요인 A가 중요하면 어떻게 하시겠습니까? 그렇지 않으면 어떻게 하시겠습니까? 등). 또한 각 치료에 대한 반응 변수의 값을 예측하는 것이 좋습니다. 이 예측의 이점 중 하나는 실행 순서에 대해 생각할 수 있다는 것입니다. 레벨 설정이 불확실하다고 가정해 보겠습니다. 실험의 처음 2회 실행으로 최상의 값을 가질 것으로 예측된 처리와 최악의 값을 가질 것으로 예측된 처리를 실행합니다. 생성된 변이가 없으면 요인의 수준 설정을 다시 생각합니다. 상당한 양의 변형이 생성된 경우 실험을 진행합니다.
4. 수년 전에 다구치 박사에게 바로 이 질문을 한 적이 있습니다. 그는 먼저 결과가 나오지 않는 치료 조합이 실험에서 가장 유익한 치료일 수 있다고 말했습니다. 그는 또한 프로세스가 실패했을 때 실제로 어떤 일이 발생했는지 이해하려고 많은 시간을 보냈고 해당 현상을 정량화하는 반응 변수를 만들었습니다. 사실 반응 변수에 대한 Taguchi의 생각은 이 분야에 대한 그의 가장 중요한 공헌 중 하나라고 생각합니다.
5. 해당 치료 조합만 복제하면 복제된 치료와 교란 블록 효과 문제가 발생하므로 이 접근 방식에 주의하십시오.
6. 한 가지 치료만 실패한 경우 나머지 데이터를 회귀하여 해당 결과가 어땠는지 추정하고 해당 값을 사용하여 나머지 실험을 복구할 수 있습니다. (또는 나머지 데이터의 평균을 해당 처리 효과를 제거하는 효과가 있는 대체 값으로 사용). 대체 개념을 사용하는 경우 제 조언은 여러 대체를 수행하고 그들이 어느 정도 동의하는지 확인하는 것입니다. 계약이 충분하면 그대로 가십시오. 그렇지 않다면 추가 실행에 대해 생각해야 합니다.
Re: DOE 중심점 대 과거 공정 목표귀하의 매우 철저한 답변에 감사드립니다. 대단히 감사합니다!
두 분 모두 요인 범위가 충분히 넓은지 확인하거나 요인 수준을 더 넓게 만들어 대상에서 등거리로 만드는 것과 관련하여 좋은 점을 제기했다고 생각합니다. 일부 요인 수준을 너무 넓게 만드는 것에 대한 우려는 짐작할 수 있듯이 일부 요인 조합이 잠재적으로 프로세스를 너무 많이 중단하여 응답에 대한 정량적 값을 얻을 수 없다는 것입니다. 설계 내에서 이러한 실험은 합격/불합격이 됩니다. DoE 연구의 범위를 설정할 때 제기되는 다소 일반적인 문제라고 생각합니다.
DoE 중에 그러한 상황이 발생하는 경우 최선의 행동 방침으로 권장하는 것은 무엇입니까?요인에 대해 더 좁은 범위로 실패한 실험만 반복하시겠습니까?응답으로 극단값을 입력하거나 그러한 실험이 실패했음을 모델에 표시하시겠습니까? 더 좁은 요인 범위로 DoE를 다시 시작하시겠습니까? DoE 연구 내에서 실패한 실험을 처리하려고 할 때 이전에 제안된 이러한 모든 가능성을 들었다고 생각합니다.
더 이상 생각이 없습니까?조언에 다시 한 번 감사드립니다!
Re: DOE 중심점 대 과거 공정 목표Mark의 뛰어난 아이디어에 추가할 몇 가지 추가 생각...
과거 목표값과 비교하려는 이유는 다음과 같은 생각에서 비롯될 수 있습니다. 테스트 중인 레벨이 현재 설정이 아닌 , 실험이 제안하는 경우 더 나은 요인을 높은(또는 낮은) 방향으로 이동하면 발생하는 일반적인 질문은 다음과 같습니다. 더 나은 현재보다? 실험에서 그러한 비교가 없습니다. 따라서 초기 스크리닝 설계를 할 때 항상 현재 수준 설정을 수준 중 하나로 포함하는 것이 좋습니다.
실험 공간에 중심점을 추가하면 곡률을 테스트하는 매우 효율적인 방법을 제공하여 처리 효과에 의해 편향되지 않는 오류 추정치를 제공하고 실험 전반에 걸쳐 무작위로 충분히 실행하면 실험 공간의 안정성을 검사하는 방법을 제공합니다. . 물론 중심점을 얻으려면 모든 요인이 양적/연속적이어야 합니다.
기록 대상에서 등거리로 수준을 설정할 수 없는 이유는 무엇입니까? 승자를 선택하려는 것이 아니라 쉽게 분석할 수 있는 변형을 만듭니다.
Re: DOE 중심점 대 과거 공정 목표당신은 당신이 좋아하는 무엇이든 할 수 있습니다. 당신은 아무것도 깨지 않을 것입니다.
효과에 대한 가설을 테스트하거나 새로운 조건에서 반응을 예측하기 위해 경험적 모델에 적합하도록 데이터를 수집하고 있습니다. 이 경우는 회귀 문제입니다. 설계된 실험의 유일한 목적은 회귀를 위한 최적의 데이터를 제공하는 것입니다. 데이터의 정보는 모델을 통해 나옵니다. 당신은 사용할 수 있습니다 애드 혹 방법 또는 원칙에 입각한 방법으로 데이터 수집을 설계합니다. 통계적 원리에 기반한 설계 방법은 주어진 사양 세트에서 최적의 데이터 수집을 제공하기 위한 것입니다.
요인 수준의 일반적인 대칭 분포는 조합 설계 방법(예: 요인 설계) 또는 선형 회귀 모델이 1차 또는 2차인 경우 최적 설계 방법의 결과입니다. 각각 2개 또는 3개의 수준이 최적의 수준입니다. 그러나 3차 선형 조합에 대한 실험을 설계하는 경우 결과로 생성되는 4개의 최적 수준은 대칭이 아닙니다. 누가 알았 겠어? 음, 그것들은 중심에 대해 대칭이지만 범위 전체에 걸쳐 균일한 간격이 아닙니다.
따라서 디자인을 조정하면 최적성이 줄어들지만 그다지 많지는 않을 것입니다. 확실히 깨지지 않을 것입니다. 케이스의 중심점은 제어 실행으로도 사용됩니다. 방법에 지정할 수 없으므로 최적의 설계를 한 후 중심점을 원하는 위치로 이동합니다. 새 중심점은 여전히 모델과 독립적인 임의 오류를 추정하기 위한 정보를 제공하고 결과적으로 적합성 부족을 테스트합니다(1차 모델을 적합한다고 가정).
또 다른 주의 사항: 요인 범위를 넓게 만들어야 합니다. 대담하십시오. 넓은 범위는 일부 바람직하지 않은 응답을 생성하므로 피해야 한다고 생각할 수 있습니다. 좋은 결과입니다! 실험의 목적은 원하는 조건을 찾는 것이 아닙니다. 목적은 원하는 조건을 찾을 모델에 맞는 데이터를 제공하는 것입니다. 따라서 게임은 요인 범위를 사용하여 낮은 표준 오류(높은 정밀도, 안정적)로 감지하기 쉬운(높은 검정력) 큰 효과(반응의 변화)를 유발하는 것입니다.
