Definitive Screen Design (DSD) モデルの確認こんにちは、みんな、
次の情報を使用して DSD を設計しました。
- 計画: 7 つの連続因子と 1 つのカテゴリ因子、22 実行
- 電力と相関に関する設計評価: 非常に良い
- 適合最終スクリーニングによるモデルの適合: 優れた
- RMSE = 0.2803、RSq =0.997、PValue<0.001)
- 適合性の欠如: いいえ (F Ration 191、Prob > F = 0.0561)
- 残差およびスチューデント化残差はすべて良好です
- モデル構造:
- 5 つの主因子、4 つの二次因子、および 1 つの交互作用因子が含まれています
- モデルの確認: 満足度が最大になるまで数回の実行 (ポイント) を試します。
- 予測によく一致する人もいます
- 大きな違いを示すものもあります
リソースの制約により、5 ～ 10 回の確認実行を実行できます。
お知らせ下さい：
- 違いの潜在的な原因は、過小適合または過剰適合と言われますか?
- モデルを改善/最適化するための方法または手順
ありがとう。
実験計画法Re: Definitive Screen Design (DSD) 機種確認やあ@P_バーテル、
あなたのコメントは非常に啓発的です。 ご指摘いただき誠に有難う御座いますDSD は何よりもまずスクリーニング デザインです。 はい、それは、人々がそれをもっと活用したいと思う前の主な目標でした.
カップリング@マークベイリーシミュレーション ソフトウェアの決定に関するポイントとして、正確な予測モデルの必要性について質問しますが、DSD から方向性がわかり、シミュレーション ソフトウェアから正確な答えを得ることができるようになりました。
このような楽しい書き込みをありがとう。 休日をお楽しみください。
Re: Definitive Screen Design (DSD) 機種確認わかりました...私は抵抗できません。 私はこのスレッドの傍観者として座っていました...しかし、今は自分自身を助けることができません.@ゼンカー前回の投稿での質問は、この物語の核心です。 DSD は何よりもまずスクリーニング デザインです。 予測目的の DOE はまったく別のものです。 DOE 実践者に対する私の不満の 1 つは、彼らが基本的に一連の応答の最適化目標である実際的な問題から始めて、帰納的推論による逐次実験の実証済みの真の方法をどういうわけか忘れてしまうことです。 ジョージ・ボックスと他の人々は、これについて何年も議論してきました。 進め方です。 これが、すべてのスクリーニング計画と、より予測に長けた他の計画との違いの核心です。
また、 @スタットマン「ノイズ」についての以前の指摘。 システムの将来の運用におけるノイズは、さまざまな形やサイズで発生します。 多くは、計画された実験に組み込むことができません。 たとえば、私が産業界で働いていたとき、大規模なメンテナンスや資本のアップグレードのために生産システムがシャットダウンされることがよくありました。 経験則は、「資本の閉鎖後、最初にコーティング機に乗りたいと思うことは決してありません. あなたが理解していると思っていた物理学と化学の魔法は、起こったプロセスの変化に基づいて適用されないかもしれません。 アップグレードが行われる前に、大規模な資本システムのアップグレードを DOE に組み込む方法は? 実用的ではなく、実行できません。
DOE ベースのモデルの予測能力が将来崩壊するとしたら、なぜ誰も驚かないのでしょうか? プロセスを完全に理解するには、さらに多くの作業が必要であることを意味します。
うそつき。 もしよろしければ、ここまで読んでいただきありがとうございます。
Re: Definitive Screen Design (DSD) 機種確認マーク、
制御したい応答に影響を与える要因は多数あります。 主な貢献者を特定したいと考えています。 エンジニアリングの経験を通じて、8 つの要因に絞り込むことができました。 DOE の目的は、それをさらに絞り込み、応答を改善する方法について実際的な方向性を得ることです。 この目的のために、DSD は素晴らしい仕事をしていると思います。
私は2つのことを試しました：
1) DSD プラットフォーム内で、それほど重要ではない項をいくつか削除し、モデルを 5 つの ME、4 つの二次方程式、1 つの相互作用から 4 つの ME、1 つの二次方程式、1 つの相互作用にトリムしました。 より望ましい確認結果を得ることができました。
2) 5 回の確認実行のうち 4 回を元の DSD テーブルに追加し、JMP Analyze: Fit Model : Standard Least Square を 1) と同じ設定に使用します (4 つの ME、1 つの二次方程式、1 つの交互作用)。 また、残りの確認実行データで、より望ましい確認結果を得ることができました。
質問: 有効因子のスクリーニングと予測モデルの生成は 2 つのことだと言えますか。つまり、後者は、モデルに適合するのに十分なデータ (実行) がないなどの他の理由による可能性がありますが、スクリーニング結果はまだ健全で適用可能です?
空間充填設計に関するあなたの指摘は非常に興味深いものです。 私はそれを調べて、数日後に戻ってきます。
ありがとう、ハッピーホリデー！
Re: Definitive Screen Design (DSD) 機種確認スタットマンさん、こんにちは。
同意。 昔田口さんのファンだったので、直接交流のある友達がうらやましいです。 この方法は、多くの産業の品質向上に大きく貢献しています。
ご協力ありがとうございました。 引き続きお気軽にご入力ください。
Re: Definitive Screen Design (DSD) 機種確認ところで、私は田口先生の考えを否定しているわけではありません。 私は何年も前に東京で彼と一緒に教えることができました。 統計手法の適用に関する彼の考え、特に適切な応答変数の作成に関する彼の考えは非常に興味深いものでした。 非常にエンジニアリングアプローチ！
すでにコメントしたように、私はまだあなたの状況を理解しているかどうか確信が持てません。 R2 乗が 99% であることは、使用したモデルが手持ちのデータセットの変動の ~99% を説明すること以外には実質的に何も意味しないことを私は知っています。 モデルが予測に役立つかどうかはほとんど関係ありません。
Re: Definitive Screen Design (DSD) 機種確認スタットマンさん、こんにちは。
実行ごとに、シミュレーションを実行する前に CAD モデルを手動で構築する必要があり、シミュレーションにも時間がかかります。 最初は、FF DOE を実行するとリソースがかかりすぎます。 最初の実行 DSD は、8 項 (5 ME、4 二次方程式、および 1 相互作用) に削減するのに役立ちました。 たぶん、4 つの ME で FF を実行するようにさらにトリミングできます。
私のノイズの理解は、タグチメソッドからでした。 この時点から、私はあなたのものを取ります。
因子レベルを決定するために、最初に潜在的な重要な変数を特定するのに時間を費やしました.
DSD は、パワーとエイリアスの評価が高くなるように設計されています。 次に、DOE の結果を調査し、正しい効果の有意性を特定したと判断しました。
前述したように、Fit Definitive Screening の直後にモデルを実行し、「優れた」モデルを取得しました。 R2乗 = 99%。 しかし、確認ランはあまり良くありませんでした。
私は項を縮小し始めました (たとえば、4 つの ME を使用し、1 つの ME の 2 次項と交互作用項を使用するとします)。 結果はかなり改善されました。 これは、モデルが過適合だったようです。 ご指摘いただいた点を改善に向けて検討させていただきます。 効率が悪い場合は、4ME(3レベル^4=81ラン?)でFFを進めてもいいかもしれません。
ご意見をお寄せいただき、誠にありがとうございました。
Re: Definitive Screen Design (DSD) 機種確認あなたのシステムがコンピュータ シミュレーションであることは理解しています。 おそらく代理に合うように、コンピューター実験を設計しています。 シミュレーションには確率要素が含まれていないため、同じ入力値が同じ出力につながります。 DSD が意図する入力をスクリーニングしていません。 シミュレーションを調べることができるので、入力がわかります。 シミュレーションは非現実的だと思います (たとえば、滑らかなグラフィックスを作成するには計算に時間がかかります)。
DSD およびその他のいくつかの設計プラットフォームは、応答に確率的要素が含まれる物理実験を対象としています。 あなたはスペースフィリングのデザインを試してみるべきでした. これらは、コンピューター実験で使用するためのものです。 また、ガウス過程モデルの適合もサポートしています。これは通常、線形回帰モデルよりもはるかに優れた代理です。
したがって、線形回帰モデルの偏り (つまり、確認の欠如) は、多項式関数でうまくモデル化できない応答の非線形性によるものだと思います。
元の DSD 結果を新しい確認結果と組み合わせて、モデルを再度適合させた場合、適合と予測された応答は改善されますか?
Re: Definitive Screen Design (DSD) 機種確認できれば喜んでお手伝いさせていただきますが、最初の質問に答えていませんか? シミュレーションを実行している場合、なぜ分割するのでしょうか? 計算時間が長すぎない限り？ 実験はシミュレーション ソフトウェアによって実行されましたが、確認の実行もシミュレーション ソフトウェアによって実行されましたか?
タグチメソッドがこの議論と何の関係があるのかわからない? 確かに、実験状況におけるノイズの重要性を特定したのは彼が初めてではありません (Fisher を参照)。 内側と外側の配列を指している場合、この方法は 1950 年代に Cox とクロス積配列で最初に議論されました。 「騒音を気にしなくていい」という意味がわかりませんか？ 変化する可能性のあるすべての変数が研究されていますか?
モデルフィッティングには多くの方法/アプローチがあります。 ステップワイズが行う加法アプローチと、飽和して項を削除する減法アプローチがあります。 さまざまな状況に対するさまざまなアプローチ。 参考になる統計はたくさんありますが、決定的な答えが得られる統計はありません。 私の最初のアドバイスは、工学と科学を使用して、モデルによって提案された因子と水準が意味をなすかどうかを判断することです。有用な統計には、RMSE、R2乗-R2乗調整デルタ(一部は予測R2乗を使用)、係数、p値、残差(多くのプロット)、VIF など。
Re: Definitive Screen Design (DSD) 機種確認スタットマンさん、こんにちは。
お待ち頂きまして、ありがとうございます。
私はノイズの概念に精通しています。 私はタグチメソッドを長年使用することから始めました。 だから私の場合、ノイズを気にする必要はありません。
要するに、DOE はシミュレーション ソフトウェアを実行した結果に基づいており、一部の確認データでモデルがうまく機能しないことを除けば、すべて良さそうです。
あまりよくない確認の原因を突き止めるために、私が今試していることがいくつかあります。
1) 決定的スクリーニングの適合の直後にモデルの実行によって生成されたモデルを使用する代わりに、ステップワイズ回帰を使用して、AICc および BIC 基準を使用して項を選択しました。 次に、選択した項を標準最小二乗法で当てはめます。 私はいくつかの改善を得ました。
2. モデルが適合不足であると仮定して、上記の選択された項を加算実行で適合させることもできます。 質問: モデルがアンダーフィットかオーバーフィットかをどのように判断しますか? オーバーフィットの解決策は何ですか？
3. 非線形回帰適合を試す必要がありますか?
ありがとう。
Re: Definitive Screen Design (DSD) 機種確認私があなたを助けることができるかどうかわからない。 シミュレーション ソフトウェアで実験を実行した結果は、シミュレーション ソフトウェアで再現できないと言っているのですか? またシミュレーション ソフトウェアでの実験結果が「実生活」で繰り返されていないと言っているのですか?
ノイズとは何かについて混乱があるかもしれません。 迷惑、背景など、さまざまな名前があります。アル。 例としては、周囲環境条件、材料および機器の摩耗または劣化、オペレーターの技術、場合によっては測定誤差、材料のロットごとの変動などがあります。これらの変数は通常、実験では操作されず、一定に保たれます (悪い考え) または実験の実行中に変化します。 これらは、実験結果が将来適用される (またはモデルが将来の応答変数を予測する) ための将来の「条件」を表す必要があります。
シミュレーション ソフトウェアを使用している場合、アルゴリズムは既にソフトウェアに含まれています。 あなたはそれを知りませんか？ シミュレーション ソフトウェアがノイズを「シミュレート」する方法がわかりません。
Re: Definitive Screen Design (DSD) 機種確認スタットマンさん、こんにちは。
DOE は、シミュレーション ソフトウェアの結果に基づいています。 1 つの因子レベル (-1,0,+1) が代表変数の全範囲をキャプチャすることがわかりましたが、物理的には (0, 0.5, 1) または (-1, -0.5, 0) がターゲットの有効な範囲である必要があります。応答。したがって、この因子をノイズ因子と見なして、確認実行で同じ因子レベルを使用できます。
上記の追加情報に基づいて、アドバイスをお願いします。
ありがとう。
Re: Definitive Screen Design (DSD) 機種確認これは私たちがお手伝いするのは非常に困難です。 報告する統計は、モデルが将来にわたって機能するかどうかとは何の関係もないことを認識してください。 外挿は工学的または科学的なものであり、実験が将来の条件をどの程度代表しているかに大きく依存します. 決定的スクリーニング計画は、ノイズ (制御または管理したくない要因) ではなく、設計要因を処理するための戦略です。 あなたは騒音をどのように処理したかについて何も言いません。 ノイズ係数が一定に保たれている場合、推論空間が小さすぎるため、モデルは手元のデータにのみ適用される可能性があります。 将来の実験のために、私のアドバイスは、設計構造に含まれていない要因 (ノイズ) をどうするかを、実際の要因と同じくらい時間をかけて検討することです。
