최종 화면 디자인(DSD) 모델 확인안녕하세요 여러분,
다음 정보를 사용하여 DSD를 디자인했습니다.
- 설계: 연속형 요인 7개, 범주형 요인 1개, 런 22개
- 전력 및 상관관계에 대한 설계 평가 : 매우 좋음
- Fit Definitive Screening을 통한 모델 적합: 우수
- RMSE = 0.2803, RSq =0.997, P값<0.001)
- 적합성 부족: 아니요(F 비율 191, Prob > F = 0.0561)
- Residual과 Studentized Residual은 모두 좋습니다.
- 모델 구조:
- 5개의 주요인, 4개의 2차 요인, 1개의 상호작용 요인이 포함되어 있습니다.
- 모델 확인: 최대 바람직도까지 몇 번의 실행(포인트)을 시도합니다.
- 일부는 예측에 매우 동의합니다.
- 일부는 큰 차이를 보임
리소스 제약으로 인해 확인 실행을 5~10회 실행할 수 있습니다.
조언해 주세요:
- 차이의 잠재적인 원인은 과소적합 또는 과적합입니까?
- 모델을 개선/최적화하는 방법 또는 절차
감사해요.
실험 설계Re: DSD(Definitive Screen Design) 모델 확인안녕 @P_Bartell ,
귀하의 의견은 매우 계몽적입니다. 지적해주셔서 정말 감사합니다 DSD는 최우선 선별 디자인입니다. 예, 사람들이 더 많은 것을 얻기를 원하기 전에 그것이 주요 목표였습니다.
와 결합 @Mark_Bailey 시뮬레이션 소프트웨어의 결정에 대한 포인트, 이제 DSD에서 방향을 알고 시뮬레이션 소프트웨어에서 정확한 답을 얻을 수 있는 상황에서 정확한 예측 모델의 필요성에 대해 질문하겠습니다.
이렇게 기분 좋은 글을 주셔서 감사합니다. 연휴를 즐기세요.
Re: DSD(Definitive Screen Design) 모델 확인좋아...참을 수 없어. 나는 이 스레드에서 방관석에 앉아 있었지만... 지금은 나 자신을 도울 수 없습니다.@ZenCar 지난 게시물의 질문이 이 이야기의 핵심입니다. DSD는 최우선 선별 디자인입니다. 예측 목적의 DOE는 완전히 다른 것입니다. DOE 실무자들이 싫어하는 것 중 하나는 기본적으로 일련의 반응에 대한 최적화 목표인 실용적인 문제로 시작하고 귀납적 추론을 통한 순차적 실험의 검증된 방법을 어떻게든 잊어버린다는 것입니다. 조지 박스(George Box)와 다른 사람들은 수년간 이에 대해 논의했습니다. 진행하는 방법입니다. 이것이 모든 스크리닝 디자인과 예측에 더 능숙한 다른 디자인 간의 차이점의 핵심입니다.
또한 @statman '노이즈'에 대한 의 초기 포인트. 시스템의 향후 작동에서 발생하는 소음은 모든 형태와 크기로 나타납니다. 많은 것은 설계된 실험에 포함될 수 없습니다. 예를 들어, 제가 업계에서 일할 때 주요 유지 보수 및 자본 업그레이드를 위해 종종 생산 시스템이 중단되었습니다. 경험 법칙은 '자본 가동이 중단된 후 코팅 기계를 처음 사용하고 싶지는 않습니다. 당신이 이해했다고 생각했던 물리와 화학의 마법은 이제 발생한 공정 변화에 따라 적용되지 않을 수도 있습니다.' 업그레이드가 발생하기 전에 주요 자본 시스템 업그레이드를 DOE로 어떻게 구축할 건가요? 실용적이지 않고 할 수 없습니다.
따라서 DOE 기반 모델의 예측력이 미래에 무너진다면...누군가 왜 놀라겠습니까? 프로세스를 완전히 이해하려면 더 많은 작업이 필요합니다.
호언 장담하세요. 여기까지 읽어주셔서 감사합니다.
Re: DSD(Definitive Screen Design) 모델 확인표시,
우리가 통제하고자 하는 반응에 영향을 미칠 수 있는 많은 요소가 있습니다. 우리는 누가 주요 기여자인지 확인하고 싶습니다. 엔지니어링 경험을 통해 8가지 요소로 좁힐 수 있었습니다. DOE의 목적은 범위를 더 좁히고 응답을 개선하는 방법에 대한 실질적인 지침을 얻는 것입니다. 이를 위해 DSD가 훌륭하게 작동한다고 생각합니다.
두 가지를 시도했습니다.
1) DSD 플랫폼 내에서 중요하지 않은 몇 가지 용어를 제거하고 모델을 5개의 ME, 4개의 2차 및 1개의 상호 작용에서 4개의 ME, 1개의 2차 및 1개의 상호 작용으로 트리밍했습니다. 보다 바람직한 확인 결과를 얻을 수 있었습니다.
2) 5개의 확인 실행 중 4개를 원본 DSD 테이블에 추가하고 JMP 분석: 모델 적합: 표준 최소 제곱을 1)과 동일한 설정에 사용합니다(4개의 ME, 1개의 2차 및 1개의 상호 작용). 또한 남은 확인 실행 데이터로 보다 바람직한 확인 결과를 얻을 수 있었습니다.
질문: 효과적인 요소를 선별하는 것과 예측 모델을 생성하는 것이 두 가지라고 말할 수 있습니까? 즉, 나중에는 모델에 적합하기에 충분한 데이터(실행)가 없는 것과 같은 다른 이유 때문일 수 있지만 선별 결과는 여전히 건전하고 적용 가능합니다. ?
공간을 채우는 디자인에 대한 당신의 지적은 매우 흥미롭습니다. 나는 그것을 조사하고 며칠 후에 다시 돌아올 것입니다.
감사합니다. 행복한 휴일 보내세요!
Re: DSD(Definitive Screen Design) 모델 확인안녕 스탯맨,
동의하다. 나는 예전에 다구치의 팬이었고 그와 직접 교류하는 친구들이 부러웠다. 이 방법은 많은 산업의 품질을 향상시키는 데 크게 기여합니다.
도와주셔서 감사합니다. 계속 입력해 주시기 바랍니다.
Re: DSD(Definitive Screen Design) 모델 확인그건 그렇고, 나는 다구치 박사의 생각을 비난하는 것이 아닙니다. 나는 수년 전에 도쿄에서 그와 함께 가르치는 특권을 가졌습니다. 나는 통계적 방법의 적용에 대한 그의 생각, 특히 적절한 반응 변수를 만드는 것에 대한 그의 생각이 매우 흥미로웠다는 것을 발견했습니다. 아주 공학 접근하다!
이미 언급했듯이 귀하의 상황을 이해하는 것이 아직 확실하지 않습니다. 99%의 RSquare를 갖는다는 것은 당신이 사용하는 모델이 손에 들고 있는 데이터 세트의 변동의 ~99%를 설명한다는 것 외에는 사실상 아무것도 의미하지 않는다는 것을 알고 있습니다. 모델이 예측에 유용한지 여부와는 거의 관련이 없습니다.
Re: DSD(Definitive Screen Design) 모델 확인안녕 스탯맨,
각 실행에 대해 시간이 걸리는 시뮬레이션을 실행하기 전에 시간이 걸리는 CAD 모델을 수동으로 빌드해야 합니다. 처음에 FF DOE를 실행하면 너무 많은 리소스가 필요합니다. 첫 번째 실행 DSD는 이를 8항(ME 5개, 2차 4개, 상호작용 1개)으로 줄이는 데 도움이 되었습니다. 4 ME에서 FF를 실행하기 위해 더 다듬을 수 있습니다.
소음에 대한 나의 이해는 Taguchi Method에서 나온 것입니다. 이 시점부터 당신의 것을 가져갈 것입니다.
요인 수준을 결정하기 위해 잠재적으로 중요한 변수를 식별하는 데 처음에는 시간을 들였습니다.
DSD는 파워와 앨리어스에 대한 좋은 평가를 받도록 설계되었습니다. 그런 다음 DOE의 결과를 연구하고 올바른 효과 중요성을 식별했다고 결정했습니다.
내가 언급했듯이 Fit Definitive Screening 직후에 모델을 실행하고 "우수한" 모델을 얻었습니다. R제곱 = 99%. 그러나 확인 실행은 그다지 좋지 않았습니다.
나는 용어를 정리하기 시작했습니다(4개의 ME, 1개의 ME에 대한 2차 및 상호 작용 용어 사용). 결과물이 많이 좋아졌습니다. 이것은 나에게 모델이 과적합 된 것 같습니다. 지적해주신 부분은 개선 방향을 살펴보도록 하겠습니다. 효율적이지 않으면 4 ME(3 레벨^4 = 81 실행?)로 FF를 추구할 수 있습니다.
입력해 주셔서 대단히 감사합니다.
Re: DSD(Definitive Screen Design) 모델 확인귀하의 시스템이 컴퓨터 시뮬레이션이라는 것을 알고 있습니다. 대리모에 맞도록 컴퓨터 실험을 설계하고 있습니다. 시뮬레이션에는 확률적 요소가 포함되어 있지 않으므로 동일한 입력 값이 동일한 출력으로 이어집니다. DSD가 의도된 입력을 선별하지 않습니다. 시뮬레이션을 검사할 수 있기 때문에 입력을 알고 있습니다. 나는 시뮬레이션이 비실용적이라고 가정합니다(예: 부드러운 그래픽을 위해 계산 시간이 오래 걸림). 그래서 좋은 대리자를 사용하고 싶습니다.
DSD 및 기타 여러 설계 플랫폼은 반응에 확률적 구성 요소가 포함된 물리적 실험을 위한 것입니다. 공간을 채우는 디자인을 시도했어야 합니다. 그들은 컴퓨터 실험에 사용하기 위한 것입니다. 또한 일반적으로 선형 회귀 모델보다 훨씬 나은 대용인 가우시안 프로세스 모델 피팅을 지원합니다.
그래서 선형 회귀 모델의 편향(즉, 확인 부족)은 다항 함수로 잘 모델링할 수 없는 응답의 비선형성 때문이라고 생각합니다.
원본 DSD 결과와 새로운 확인 결과를 결합하여 모델을 다시 피팅하면 피팅과 예측 응답이 향상됩니까?
Re: DSD(Definitive Screen Design) 모델 확인도와드릴 수 있다면 기꺼이 도와드리겠습니다. 하지만 제 첫 번째 질문에 답하지 않으셨나요? 시뮬레이션을 실행 중이라면 왜 분할해야 합니까? 컴퓨팅 시간이 너무 길지 않다면? 실험은 시뮬레이션 소프트웨어에 의해 실행되었으며 확인 실행도 시뮬레이션 소프트웨어에 의해 실행되었습니까?
Taguchi 방법이 이 토론과 어떤 관련이 있는지 잘 모르겠습니다. 확실히 그는 실험 상황에서 소음의 중요성을 확인한 최초의 사람은 아닙니다(Fisher 참조). 내부 및 외부 배열을 가리키는 경우 이 방법은 1950년대 Cox 및 외적 배열과 함께 처음 논의되었습니다. "소음에 대해 걱정할 필요가 없다"는 말을 이해하지 못합니까? 달라질 수 있는 모든 변수가 연구되었습니까?
모델 피팅에는 여러 가지 방법/접근 방식이 있습니다. 단계적으로 수행하는 가법 방식과 포화 상태를 시작하여 항을 제거하는 감산 방식이 있습니다. 다양한 상황에 대한 다양한 접근법. 도움을 줄 수 있는 많은 통계가 있지만 확실한 답을 제공하는 통계는 없습니다. 첫 번째 조언은 엔지니어링과 과학을 사용하여 모델에서 제안한 수준이 의미가 있는지 여부를 결정하는 것입니다. 유용한 통계에는 다음이 포함됩니다. 플롯), VIF 등
Re: DSD(Definitive Screen Design) 모델 확인안녕 스탯맨,
기다려 주셔서 감사합니다.
나는 소음 개념에 익숙하다. 다구치 방법을 사용하기 시작했습니다. 그래서 제 경우에는 소음에 대해 걱정할 필요가 없습니다.
즉, DOE는 시뮬레이션 소프트웨어를 실행한 결과를 기반으로 했으며 일부 확인 데이터에서는 모델이 제대로 작동하지 않는 것을 제외하고는 모두 좋아 보입니다.
그다지 좋지 않은 확인의 원인을 파악하기 위해 지금 시도하는 몇 가지 사항이 있습니다.
1) Run Model에서 생성된 모델을 Fit Definitive Screening 직후 바로 사용하는 대신 AICc 및 BIC 기준을 사용하여 항을 선택하기 위해 단계적 회귀를 사용했습니다. 그런 다음 선택한 항을 Standard Least Squares로 맞춥니다. 나는 약간의 개선을 얻었다.
2. 모델이 과소 적합하다고 가정하고 추가 실행을 사용하여 위에서 선택한 항을 적합할 수도 있습니다. 질문: 모델이 과소적합인지 과적합인지 어떻게 결정합니까? 해결책은 무엇입니까? 과잉 적합입니까?
3. 비선형 회귀 피팅을 시도해야 합니까?
감사해요.
Re: DSD(Definitive Screen Design) 모델 확인내가 당신을 도울 수 있는지 잘 모르겠습니다. 시뮬레이션 소프트웨어에서 실험을 실행한 결과가 시뮬레이션 소프트웨어에서 반복되지 않는다는 말씀이신가요? 또는 시뮬레이션 소프트웨어의 실험 결과가 "실생활"에서 반복되지 않는다는 말입니까?
소음이 무엇인지 헷갈릴 수 있다고 생각합니다. 성가신, 배경 등 다양한 이름으로 불립니다. 알. 예를 들면 주변 환경 조건, 재료 및 장비의 마모 또는 저하, 작업자 기술, 경우에 따라 측정 오류, 재료의 로트 간 변동 등이 있습니다. 이러한 변수는 일반적으로 실험에서 조작되지 않으며 일정하게 유지됩니다( 나쁜 생각) 또는 실험 실행 중에 변경됩니다. 실험 결과를 미래에 적용하려면(또는 모델이 미래의 반응 변수를 예측하려면) 미래 "조건"을 대표해야 합니다.
시뮬레이션 소프트웨어를 사용하는 경우 알고리즘은 이미 소프트웨어에 포함되어 있습니다. 당신은 그것을 몰라? 시뮬레이션 소프트웨어가 소음을 "시뮬레이션"하는 방법을 모르겠습니다.
Re: DSD(Definitive Screen Design) 모델 확인안녕 스탯맨,
DOE는 시뮬레이션 소프트웨어 결과를 기반으로 했습니다. 하나의 요인 수준(-1,0,+1)이 대표 변수의 전체 범위를 캡처했지만 물리적으로 (0, 0.5, 1) 또는 (-1, -0.5, 0)이 대상에 대한 유효 범위여야 합니다. 응답.따라서 이 요인을 노이즈 요인으로 보고 확인 실행에서 동일한 요인 수준을 사용할 수 있습니다.
위의 추가 정보를 바탕으로 조언을 부탁드립니다.
감사해요.
Re: DSD(Definitive Screen Design) 모델 확인이것은 우리가 돕기가 매우 어려울 것입니다. 보고하는 통계는 모델이 미래에 작동하는지 여부와 아무 관련이 없음을 인식하십시오. 외삽법은 공학적 또는 과학적 방법이며 실험이 미래 조건을 얼마나 대표하는지에 따라 크게 달라집니다. 확정 선별 설계는 잡음(제어하거나 관리하기를 꺼리는 요인)이 아니라 설계 요인을 처리하는 전략입니다. 소음을 어떻게 처리했는지에 대해서는 아무 말도 하지 않습니다. 노이즈 요인이 일정하게 유지되면 추론 공간이 너무 작아서 모델이 보유한 데이터에만 적용될 가능성이 높습니다. 향후 실험을 위해 디자인 구조(노이즈)에 포함되지 않은 요소로 무엇을 할 것인지에 대해 생각하는 데 많은 시간을 할애하는 것이 좋습니다.
