Conception de criblage définitif pour l'optimisationSalut les membres de la communauté,
J'ai fait des recherches sur la conception définitive du dépistage et j'ai beaucoup lu sur ce sujet dans JMP.
J'ai appris que la conception du dépistage définitif est utilisée pour déterminer les interactions effectives de puissance principale, de second ordre et à 2 facteurs dans le modèle.
J'ai 10 paramètres et mon objectif de messagerie est de faire une optimisation. À la première étape, l'utilisation de RSM ou de conception personnalisée avec un modèle comprenant les effets principaux + la puissance du second ordre + les effets d'interactions à 2 facteurs est très coûteuse. C'est pourquoi je pense que dans un premier temps, je dois trouver les paramètres significatifs dans le modèle. Je devrais donc appliquer une conception de dépistage définie. Après avoir trouvé les paramètres efficaces en utilisant la plate-forme de criblage définitif fit, je construirai un modèle OLS avec des paramètres effectifs. Lorsque j'ai trouvé le modèle OLS, dois-je utiliser ce modèle en toute sécurité pour l'optimisation?
Si vous pensez que oui je peux l'utiliser pour l'optimisation, pourquoi le but de DSD est de déterminer les facteurs efficaces, c'est aussi bon pour l'optimisation, non?
Sincères amitiés.
BICHERe: Conception de criblage définitif pour l'optimisationIl n'y a aucun moyen de répondre à votre question «en toute sécurité» avec un degré de confiance quelconque avant de voir des données, d'utiliser vos connaissances inhérentes aux processus et de comprendre le système à l'étude. Les problèmes de type optimisation peuvent avoir de nombreuses voies différentes vers la résolution ultime du problème. En général, j'aime votre réflexion sur le fait de commencer par une conception définitive du dépistage. Ma suggestion est de passer par cette phase du processus de résolution de problèmes. Faites une pause et réfléchissez à ce que vous avez appris jusqu'à présent. Laissez ces réflexions guider vos prochaines étapes. Partagez peut-être votre expérience DSD, avec une explication du problème et du système, les données, votre analyse et vos conclusions ici ... et certains d'entre nous pourront peut-être faire part de nos réflexions.
Re: Conception de criblage définitif pour l'optimisationMerci Bartell pour votre suggestion.
une expérience dure 3 heures. DSD propose un nombre minimum d'exécutions 28 pour 10 facteurs, ce qui est également coûteux. Cela signifie que je n'ai aucune chance de prendre une mauvaise décision.
Comme je l'ai dit ci-dessous, je suis proche de DSD pour ma recherche, mais mon autre avis est que choisir d ou I une conception personnalisée optimale avec des puissances principales et 2ordre. Ensuite, selon les résultats, je peux l'augmenter avec une interaction à 2 facteurs.
Mais je ne suis pas sûr de la manière la plus efficace. Je suis proche de DSD mais j'ai des doutes car je ne l'ai jamais utilisé auparavant et il n'est pas suggéré de l'utiliser lorsqu'il y a plus de n / 2 facteurs actifs et que je ne sais pas s'il y a plus de n / 2 facteurs actifs ou ne pas.
Sincères amitiés.
Re: Conception de criblage définitif pour l'optimisationElla, en écho @P_Bartell , J'ai quelques réflexions supplémentaires concernant vos questions, mais je n'ai aucune idée de votre situation (et la plupart, sinon tous les conseils dépendraient de la situation). Première question: qu'entendez-vous par optimisation ? C'est toujours une question intéressante car elle va à l'encontre de l'idée d'amélioration continue.
Votre situation est-elle multivariée? Quelles sont vos variables de réponse? Décrivent-ils clairement les phénomènes d'intérêt? Il est difficile d'optimiser tous les Y simultanément. L'amélioration nécessite généralement des compromis.
Vous avez identifié 10 facteurs de conception, qu'en est-il du reste des variables (variables de bruit ou de nuisance)? Il ne sert à rien de «cartographier le pied de la montagne». Aucune des stratégies auxquelles vous faites allusion ne contient de stratégies de gestion du bruit (conditions ambiantes, variabilité des matières premières, incertitude de mesure, etc.).
Il est prématuré de généraliser sur l'approche la plus efficiente ou la plus efficace compte tenu de ce que vous nous avez dit sur votre situation. Il semble logique (dans de nombreuses situations) d'identifier un modèle de premier ordre raisonnable, de déterminer si ce modèle se répète au fil des conditions changeantes, puis d'augmenter l'espace. Avoir un modèle raisonnable ne signifie pas qu'il doit être complexe. En fait, vous devriez vous efforcer d'obtenir un modèle simple et robuste au bruit (c'est peut-être ce optimisation veux dire).
Re: Conception de criblage définitif pour l'optimisationSalut statman,
J'essaie de trouver des niveaux de facteur optimaux pour atteindre les objectifs de nos réponses qui sont de minimiser la «puissance sonore» tout en indiquant «le débit entre une certaine fourchette.
J'ai 10 facteurs continus, qui sont tous contrôlables. Tous les facteurs qui répondent à l'effet sont ces 10 facteurs, il n'y a pas de facteurs de bruit ou de nuisance.
Étant donné que j'ai des connaissances en ingénierie que les facteurs ont probablement un effet de courbure sur les réponses, j'ai prévu de commencer avec un modèle ayant un effet de puissance principal et secondaire.
À propos, pour choisir de commencer l'étude avec une conception personnalisée ou DSD, j'ai fait les deux types de conceptions pour 10 facteurs et simulé les réponses et essayé d'estimer les modèles OLS.Je l'ai fait 3 fois et tout le temps, j'ai observé que commencer l'utilisation d'un design personnalisé prédit mieux le même modèle. C'est pourquoi j'ai choisi la conception personnalisée pour commencer.
Sincères amitiés
Re: Conception de criblage définitif pour l'optimisationJe veux seulement ajouter que le DSD est destiné à une situation de dépistage. Il repose sur des principes clés communs de sélection, et non sur l'optimisation. L'un de ces principes clés est ' rareté des effets ». Les conceptions sont censées être très économiques en échange de la capacité à déterminer l'importance de quelques-uns des facteurs, et non l'optimisation.
Donc, si vous vous attendez à ce que la plupart des 10 facteurs soient significatifs, le DSD n'est pas un bon choix. Il fournit des données insuffisantes pour trouver les facteurs actifs. En revanche, si cette étude est un vrai cas de dépistage (moins de la moitié des 10 sont finalement significatifs), c'est un bon choix.
Re: Conception de criblage définitif pour l'optimisationN'est-il pas efficace lorsque le nombre de facteurs actifs est inférieur à n / 2? Ou est-ce quand nombre de facteurs / 2?
Je ne sais pas si je mets qq ou non, mais j'ai observé dans mon étude de simulation que la conception et l'adaptation de la plate-forme DSD ne peuvent pas prédire tous les facteurs actifs. Peut-être devrais-je augmenter le nombre d'expériences, mais mon objectif final est de masquer l'optimisation, je me sentais plus en sécurité en commençant par la conception personnalisée.
J'espère que je me sentirai toujours plus en sécurité après les expériences:)
sincères amitiés
