DOE 中心点と過去のプロセス目標以下のシナリオで概説されている DoE 研究における中心点と過去のプロセス目標値の使用について一般的な質問があります。
DoE 調査で因子の高水準と低水準に使用する値を決定する際、関心のある範囲にわたる高水準と低水準が、一部の因子の現在の過去の目標値を中心に正確に対称的ではないことが判明しました。 このような設計に複数の中心点を追加する場合、正確な対称中心点ではなく、いくつかの要因に対して現在の目標値を使用することは許容されますか?
私の理解では、複数の中心点を含める目的は、変動性の尺度を取得し、曲率が存在するかどうかを判断することです。 これらの目的を達成するために、いくつかの要因に対してわずかにオフセットされた「中心点」を使用することに害や不利益はありますか?正確な中心点ではなく、過去の目標値を使用する傾向があるのは、過去のデータと比較したいからです。何か考えやアドバイスはありますか？
DOERe: DOE 中心点と過去のプロセス目標非常に詳細な回答と提案をありがとうございます！私はそれが非常に有用であると感じました.
Re: DOE 中心点と過去のプロセス目標良い質問です。 ここに私の考えがあります：
1. レベル設定の典型的な失敗モードは、狭すぎることです。 仮説の 1 つは、悪い製品を作ることへの恐れがあるためです (私たちはそうしないように教えられてきました)。 勝者を選ぶのではなく、バリエーションを作成しようとしていることを忘れないでください。 大胆なレベル設定では、リソースへの影響がほとんどなく、推論スペースが増加します。 大胆ですが、合理的なアドバイスです。
2. 私が 35 年間実験を行ったり、実験を教えたりしてきたもう 1 つの観察結果は、おそらく無意識のうちに、実験に「最高の」レベルを含めたいという欲求があることです。 これは、シーケンシャルで反復的な作業には必要ありません。 これは経営陣が問題や因果構造を理解するよりも、早く答えを求めた結果だと思います。 経営陣に繰り返しという言葉を言うと、彼らは時間とお金を考えます...
3. 私が与えるアドバイスは、実験のすべての可能な結果を予測することです (つまり、応答変数に実質的な変化がない場合、あなたはどうしますか? 応答変数に大きな変化があり、どの要因も重要でない場合はどうしますか? 実験中に特別な原因による変動があった場合はどうしますか? 因子 A が有意な場合はどうするか、そうでない場合はどうするかなど）。 さらに、各処理の応答変数の値を予測することをお勧めします。 この予測の利点の 1 つは、実行順序について考えることができることです。 レベル設定について確信が持てないとしましょう。 実験の最初の 2 回の実行として、最良の値を持つと予測された処理と、最悪の値を持つと予測された処理を実行します。 バリエーションが生まれない場合は、因子のレベル設定を再考します。 かなりの量のバリエーションが作成された場合は、実験を続行します。
4. 何年も前に田口博士にこの質問をしたことがあります。 彼は最初に、結果が得られなかった治療の組み合わせが、実験で最も有益な治療である可能性があると述べました. 彼はまた、プロセスが失敗したときに実際に何が起こったのかを理解するためにかなりの時間を費やし、その現象を定量化する応答変数を作成しました。 実際、応答変数に関する田口の考え方は、この分野に対する田口の最も重要な貢献の 1 つだと思います。
5. 治療の組み合わせだけを複製すると、複製された治療でブロック効果が交絡する問題が生じるため、このアプローチには注意が必要です。
6. 1 つの処理のみを失った場合、残りのデータを回帰して、その結果が何であったかを推定し、その値を使用して残りの実験を救うことができます。 (または、残りのデータの平均を、その治療効果を取り除く効果を持つ代替値として使用します)。 置換の概念を使用する場合は、複数の置換を行って、それらがどの程度一致するかを確認することをお勧めします。 合意で十分である場合は、それに従います。 そうでない場合は、追加の実行について考える必要があります。
Re: DOE 中心点と過去のプロセス目標お二方とも丁寧なご回答、誠にありがとうございました！
因子範囲が十分に広いことを確認するか、因子レベルを広くしてターゲットから等距離にすることに関連して、両方とも良い点を挙げたと思います。 因子水準の一部を広くしすぎると、お察しのとおり、因子の組み合わせによってはプロセスが大幅に中断され、応答の定量的な値が得られなくなる可能性があります。 設計内のそのような実験は、合格/不合格になります。 これは、DoE 研究の範囲を設定する際に提起されるかなり一般的な懸念事項だと思います。
DoE 中にそのような状況が発生した場合、最善の措置として何をお勧めしますか?因子の範囲を狭くして、失敗した実験だけを繰り返しますか?応答として極端な値を入力するか、モデル内でそのような実験が失敗したことを何らかの方法で示しますか? より狭い因子範囲で DoE をやり直しますか? DoE 研究で失敗した実験に対処しようとしたときに、これらの可能性のすべてが提案されたことを聞いたことがあると思います。
さらに考えはありますか？アドバイスありがとうございます！
Re: DOE 中心点と過去のプロセス目標マークの優れたアイデアに追加するいくつかのさらなる考え...
過去の目標値と比較したい理由は、次のような考えから来ているのかもしれません。 あなたがテストしているレベルは現在の設定ではありません、実験が示唆する場合より良い因子を高 (または低) 方向に動かした場合の結果、一般的な質問:より良い現在より？ 実験ではそのような比較はありません。 したがって、最初のスクリーニング計画を行うときは、常に現在のレベル設定をレベルの 1 つとして含めることをお勧めします。
実験空間への中心点の追加は、曲率をテストする非常に効率的な方法を提供し、治療効果によってバイアスされない誤差の推定値を提供し、実験全体でそれらをランダムに十分に実行する場合、実験空間の安定性を調べる方法. もちろん、中心点を取得するには、すべての要因が定量的/連続的である必要があります。
過去の目標から等距離のレベルを設定できないのはなぜですか? 勝者を選ぶのではなく、簡単に分析できるバリエーションを作成します。
Re: DOE 中心点と過去のプロセス目標あなたは好きなことをすることができます。 あなたは何も壊しません。
効果に関する仮説をテストするため、または新しい条件下での応答を予測するために、経験的モデルに適合するデータを収集しています。 このケースは回帰問題です。 設計された実験の (唯一の) 目的は、回帰に最適なデータを提供することです。 データ内の情報は、モデルを通じて出てきます。 あなたは使用することができますこのためにデータ収集を設計するための方法または原則に基づいた方法。 統計原理に基づく設計手法は、特定の仕様セットの下で最適なデータ収集を提供することを目的としています。
因子レベルの一般的な対称分布は、線形回帰モデルが 1 次または 2 次の場合、組合せ計画法 (要因計画など) または最適計画法のいずれかの結果です。 それぞれ 2 つまたは 3 つのレベルが最適なレベルです。 しかし、3 次線形結合の実験を計画すると、結果として得られる 4 つの最適レベルは対称ではありません。 誰かわかったね？ まあ、それらは中心について対称ですが、範囲全体で等間隔ではありません.
そのため、設計を適応させると最適性が低下しますが、おそらくそれほどではありません。 確かに壊れません。 あなたの場合の中心点は、コントロールランとしても機能することを意図しています。 メソッドにそれを指定することはできませんので、最適なデザインを作成してから、中心点を必要な場所に移動します。 新しい中心点は、モデルに関係なくランダム誤差を推定するための情報を引き続き提供し、次に適合の欠如をテストします (1 次モデルを適合すると仮定します)。
もう 1 つの注意事項: 係数の範囲を広くするようにしてください。 大胆になります。 範囲が広いと望ましくない反応が生じるので、避けるべきだと思うかもしれません。 それは良い結果です！ 実験の目的は、望ましい条件を見つけることではありません。 目的は、目的の条件を見つけるモデルに適合するデータを提供することです。 したがって、因子範囲を使用して、標準誤差が低く (高精度、安定)、検出が容易 (高出力) な大きな効果 (応答の変化) を引き起こすことが重要です。
