Confirmation du modèle Definitive Screen Design (DSD)Salut tout le monde,
J'ai conçu un DSD avec les informations suivantes :
- Conception : 7 facteurs continus et 1 facteur catégoriel, 22 runs
- Évaluation de la conception sur la puissance et la corrélation : très bonne
- Ajustement du modèle via Fit Definitive Screening : excellent
- RMSE = 0,2803, RSq =0,997, PValeur<0,001)
- Manque d'ajustement : non (Ration F 191, Prob > F = 0,0561)
- Les résidus résiduels et étudiants sont tous bons
- Structure du modèle :
- Contient 5 facteurs principaux, 4 quadratiques et 1 facteur d'interaction
- Confirmation du modèle : essayez quelques essais (points) jusqu'à la désirabilité maximale
- certains sont très bien d'accord avec la prédiction
- certains montrent de grandes différences
En raison de contraintes de ressources, nous pouvons effectuer 5 à 10 exécutions de confirmation.
S'il vous plaît aviser:
- Les causes potentielles de la différence sont un sous-ajustement ou un surajustement ?
- Méthode ou procédure pour améliorer/optimiser le modèle
Merci.
Conception d'expériencesObjet : Confirmation du modèle de conception d'écran définitif (DSD)Salut @P_Bartell ,
Vos commentaires sont assez éclairants. J'apprécie vraiment que vous le souligniez Les DSD sont avant tout des conceptions de criblage. Oui, c'était l'objectif principal avant que les gens ne veuillent en tirer le meilleur parti.
Couplage avec @Mark_Bailey point sur la détermination du logiciel de simulation, je vais poser des questions sur la nécessité d'un modèle prédictif précis alors que nous connaissons maintenant la direction de DSD et pouvons obtenir une réponse exacte du logiciel de simulation.
Merci pour cette écriture si agréable. Passe de bonne vacances.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)OK... je ne peux pas résister. J'ai été assis sur la touche sur ce fil ... mais maintenant je ne peux pas m'en empêcher.@ZenCar Votre question dans votre dernier message est au cœur de ce récit. Les DSD sont avant tout des conceptions de criblage. Le DOE à des fins prédictives est quelque chose de complètement différent. L'une de mes bêtes noires des praticiens du DOE est qu'ils commencent par un problème pratique qui est fondamentalement un objectif d'optimisation pour un ensemble de réponses... puis oublient d'une manière ou d'une autre la méthode éprouvée d'expérimentation séquentielle par raisonnement inductif. George Box et d'autres en ont discuté pendant des années. C'est la façon de procéder. C'est au cœur de la différence entre toutes les conceptions de dépistage et d'autres conceptions plus aptes à la prédiction.
Aussi pour @statman 's points précédents sur le «bruit». Le bruit dans le fonctionnement futur d'un système se présente sous toutes sortes de formes et de tailles. Beaucoup ne peuvent pas être intégrés dans des expériences conçues. Par exemple, lorsque je travaillais dans l'industrie, les systèmes de production étaient souvent arrêtés pour des travaux de maintenance majeurs et des mises à niveau des immobilisations. La règle d'or était 'Vous ne voulez jamais être le premier sur la machine de revêtement après un arrêt de capital. La magie de la physique et de la chimie que vous pensiez avoir comprise peut ne pas s'appliquer maintenant en raison des changements de processus qui se sont produits. Comment allez-vous construire une mise à niveau majeure des systèmes d'immobilisations dans un DOE avant que la mise à niveau ne se produise ? Pas pratique et impossible à faire.
Donc, si la puissance prédictive des modèles basés sur le DOE s'effondre à l'avenir... pourquoi est-ce que quelqu'un est surpris ? Cela signifie simplement que plus de travail est nécessaire pour bien comprendre le processus.
Déchaînez-vous. Merci d'avoir lu jusqu'ici si vous l'avez fait.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Marquer,
De nombreux facteurs peuvent affecter la réponse que nous voulons contrôler. Nous voulons identifier quels sont les principaux contributeurs. Grâce à notre expérience en ingénierie, nous avons pu le réduire à huit facteurs. Le but du DOE est de le réduire davantage et d'obtenir des directives pratiques sur la façon d'améliorer la réponse. À cet effet, je pense que DSD fait un excellent travail.
J'ai essayé deux choses :
1) Au sein de la plate-forme DSD, j'ai supprimé quelques termes moins significatifs et réduit le modèle de 5 ME, 4 quadratiques et 1 interaction à 4 ME, 1 quadratique et 1 interaction. J'ai pu obtenir des résultats de confirmation plus souhaitables.
2) J'ajoute simplement 4 des 5 exécutions de confirmation à la table DSD d'origine et j'utilise JMP Analyze : Fit Model : Standard Least Square à la même configuration que 1) (4 ME, 1 quadratique et 1 interaction). J'ai également pu obtenir des résultats de confirmation plus souhaitables avec les données d'exécution de confirmation restantes.
Question : Puis-je dire que le dépistage des facteurs efficaces et la génération d'un modèle prédictif sont deux choses, c'est-à-dire que ce dernier peut être dû à d'autres raisons telles que le manque de données (séries) pour s'adapter au modèle, cependant, les résultats du dépistage sont toujours valables et applicables ?
Votre point sur la conception de remplissage de l'espace est très intéressant. Je vais me renseigner et reviendrai dans quelques jours.
Merci et Joyeuses Fêtes!
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Salut Staman,
Accepter. J'étais un fan de Taguchi et j'envie les amis qui ont eu une interaction directe avec lui. La méthode a une profonde contribution à l'amélioration de la qualité de nombreuses industries.
Merci pour votre aide. N'hésitez pas à continuer à entrer.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Soit dit en passant, je ne condamne pas les idées du Dr Taguchi. J'ai eu le privilège d'enseigner avec lui à Tokyo il y a de nombreuses années. J'ai trouvé ses réflexions sur l'application des méthodes statistiques très intéressantes, en particulier ses idées sur la création de variables de réponse appropriées. Un très ingénierie approche!
Comme je l'ai déjà commenté, je ne suis toujours pas sûr de comprendre votre situation. Je sais qu'avoir un RSquare de 99 % ne signifie pratiquement rien d'autre que le modèle que vous avez utilisé explique ~ 99 % de la variation DANS L'ENSEMBLE DE DONNÉES EN MAIN. Cela n'a pas grand-chose à voir avec l'utilité de votre modèle pour la prédiction.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Salut Staman,
Pour chaque exécution, nous devons construire manuellement un modèle CAO qui prend du temps avant d'exécuter la simulation qui prend également du temps. Au début, cela prendrait trop de ressources si vous exécutiez un FF DOE. La première exécution DSD a permis de le réduire à 8 termes (5 ME, 4 quadratiques et 1 interaction). Peut-être que je peux le réduire davantage pour exécuter un FF sur 4 ME.
Ma compréhension du bruit provenait de la méthode Taguchi. Je prendrai le vôtre à partir de maintenant.
Nous avons passé du temps au début à identifier les variables significatives potentielles afin de décider des niveaux de facteurs.
Le DSD a été conçu pour avoir une bonne évaluation de la puissance et de l'alias. Nous avons ensuite étudié les résultats du DOE et déterminé qu'il identifiait les significations d'effet correctes.
Comme je l'ai mentionné, j'ai exécuté le modèle directement après le dépistage définitif de l'ajustement et j'ai obtenu un modèle "excellent". Le Rcarré = 99 %. Mais les courses de confirmation n'étaient pas très bonnes.
J'ai commencé à réduire les termes (disons en utilisant 4 ME, et des termes quadratiques et d'interactions de 1 ME). Le résultat s'est beaucoup amélioré. Il me semble que le modèle était surajusté. Je vais regarder dans les directions que vous avez indiquées pour l'amélioration. Si ce n'est pas efficace, je peux poursuivre un FF avec 4 ME (3 niveaux ^ 4 = 81 run ?).
Merci beaucoup pour vos contributions.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Je comprends que votre système est une simulation informatique. Vous concevez une expérience informatique, vraisemblablement pour adapter un substitut. Votre simulation n'inclut aucun élément stochastique, donc les mêmes valeurs d'entrée conduisent aux mêmes sorties. Vous ne filtrez pas les entrées, auxquelles le DSD est destiné. Vous connaissez les entrées parce que vous pouvez examiner la simulation. Je suppose que la simulation n'est pas pratique (par exemple, le calcul prend trop de temps pour des graphiques fluides), vous souhaitez donc utiliser un bon substitut.
Le DSD et plusieurs autres plates-formes de conception sont destinés à des expériences physiques dans lesquelles la réponse comprend des composants stochastiques. Vous auriez dû essayer les conceptions qui remplissent l'espace. Ils sont destinés à être utilisés avec des expériences informatiques. En outre, ils prennent en charge l'ajustement du modèle de processus gaussien, qui est généralement un bien meilleur substitut que le modèle de régression linéaire.
Je pense donc que le biais dans le modèle de régression linéaire (c'est-à-dire le manque de confirmation) est dû à une non-linéarité dans la réponse qui ne peut pas être bien modélisée avec une fonction polynomiale.
Si vous combinez les résultats DSD d'origine avec les nouveaux résultats de confirmation et que vous ajustez à nouveau le modèle, l'ajustement et la réponse prédite s'améliorent-ils ?
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Je suis heureux de vous aider si je peux, mais vous n'avez pas répondu à ma première question ? Si vous exécutez des simulations, pourquoi fractionner ? A moins que le temps de calcul ne soit trop long ? L'expérience a été exécutée par un logiciel de simulation, les essais de confirmation ont-ils également été exécutés par le logiciel de simulation ?
Je ne sais pas ce que la méthode Taguchi a à voir avec cette discussion ? Il n'était certainement pas le premier à identifier l'importance du bruit dans des situations expérimentales (Voir Fisher). Si vous pointez vers le tableau interne et externe, cette méthode a été discutée pour la première fois dans les années 1950 avec les tableaux de Cox et de produits croisés. Je ne comprends pas ce que vous voulez dire "nous n'avons pas à nous soucier du bruit" ? Toutes les variables susceptibles de varier ont été étudiées ?
Il existe de nombreuses méthodes/approches pour l'ajustement du modèle. Il y a l'approche additive qui est ce que fait pas à pas et il y a l'approche soustractive qui commence saturée et supprime les termes. Différentes approches pour différentes situations. Il existe un certain nombre de statistiques qui peuvent vous aider, mais aucune ne vous donne une réponse définitive. Mon premier conseil est d'utiliser l'ingénierie et la science pour déterminer si les facteurs et les niveaux suggérés par le modèle ont du sens. parcelles), VIF, etc.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Salut Staman,
Merci pour votre patience.
Je connais le concept de bruit. J'ai commencé par utiliser la méthode Taguchi pendant de nombreuses années. Donc, dans mon cas, nous n'avons pas à nous soucier des bruits.
En bref, le DOE était basé sur les résultats du logiciel de simulation en cours d'exécution, tout semble bon sauf que le modèle fonctionne mal avec quelques données de confirmation.
Pour comprendre ce qui peut causer les moins bonnes confirmations, voici quelques choses que j'essaie maintenant :
1) Au lieu d'utiliser le modèle généré par Run Model juste après Fit Definitive Screening, j'ai utilisé la régression pas à pas pour sélectionner des termes à l'aide des critères AICc et BIC. Ensuite, j'adapte les termes sélectionnés aux moindres carrés standard. J'ai eu une amélioration.
2. Je peux également ajuster les termes sélectionnés ci-dessus avec des exécutions supplémentaires en supposant que le modèle est sous-ajusté. Question : comment décide-t-on si un modèle est sous-ajusté ou surajusté ? Quelle est la solution s'il est surajusté ?
3. Dois-je même essayer un ajustement par régression non linéaire ?
Merci.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Je ne suis pas sûr de pouvoir t'aider. Êtes-vous en train de dire que les résultats de l'exécution des expériences dans le logiciel de simulation ne sont pas reproductibles dans le logiciel de simulation ? Ou Êtes-vous en train de dire que les résultats de l'expérience dans le logiciel de simulation ne se répètent pas dans la "vraie vie" ?
Je pense qu'il peut y avoir des confusions sur ce qu'est le bruit. Il porte plusieurs noms différents : Nuisance, arrière-plan, etc. Al. Les exemples incluent : les conditions environnementales ambiantes, l'usure ou la dégradation des matériaux et de l'équipement, la technique de l'opérateur, dans certains cas, l'erreur de mesure, la variation des matériaux d'un lot à l'autre, etc. Ces variables ne sont généralement pas manipulées dans une expérience et sont soit maintenues constantes ( mauvaise idée) ou varier au cours de l'exécution de l'expérience. Celles-ci doivent être représentatives des "conditions" futures pour que vos résultats expérimentaux soient applicables à l'avenir (ou pour que votre modèle prédise les variables de réponse à l'avenir).
Si vous utilisez un logiciel de simulation, l'algorithme est déjà contenu dans le logiciel. Vous ne le savez pas ? Je n'ai aucune idée de la façon dont votre logiciel de simulation "simule" le bruit.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Salut Staman,
Le DOE était basé sur les résultats d'un logiciel de simulation. Nous avons trouvé qu'un niveau de facteur (-1,0,+1) capturait la gamme complète de la variable représentative, mais physiquement (0, 0,5, 1) ou (-1, -0,5, 0) devrait être la gamme effective pour la cible réponse.Nous pouvons donc considérer ce facteur comme un facteur de bruit et utiliser un même niveau de facteur dans l'exécution de la confirmation.
Sur la base des informations supplémentaires ci-dessus, des conseils s'il vous plaît?
Merci.
Objet : Confirmation du modèle de conception d'écran définitif (DSD)Ce sera très difficile pour nous de vous aider. Réalisez que les statistiques que vous rapportez n'ont rien à voir avec le fonctionnement futur du modèle. L'extrapolation est une technique ou scientifique et elle dépend grandement de la représentativité de votre expérience par rapport aux conditions futures. La conception définitive du criblage est une stratégie pour gérer les facteurs de conception, et non le bruit (facteurs que vous ne souhaitez pas contrôler ou gérer). Vous ne dites rien sur la façon dont vous avez géré le bruit. Si les facteurs de bruit sont maintenus constants, votre espace d'inférence est trop petit et votre modèle ne s'appliquera probablement qu'aux données disponibles. Pour de futures expérimentations, mon conseil est de passer autant de temps à réfléchir à ce que vous ferez avec les facteurs non inclus dans la structure de conception (bruit) que ceux que vous êtes.
