Conception du DOE pour étudier spécifiquement la variance (ou écart std)Chère communauté JMP,
Dans l'espoir d'entendre quelques réflexions sur une conception DOE visant à examiner les écarts-types d'une méthode de test.
Mes collègues ont un test qu'ils effectuent sur un produit que nous fabriquons et veulent voir s'ils peuvent changer des parties de la méthodologie de test afin de réduire les écarts types. Je ne connais pas de plate-forme DOE spécifique dans JMP conçue pour cela, nous avons donc fini par utiliser la plate-forme personnalisée.
Après quelques discussions, nous nous sommes arrêtés sur quatre facteurs qui pourraient être modifiés: X1 - facteur continu (-1,1), X2 - facteur continu (-1,1), X3 - catégorique à 2 niveaux (L1, L2) , et X4 - catégorie à 6 niveaux (L1-L6). Nous étions vraiment intéressés par chacun des quatre effets principaux et leurs interactions de premier ordre: X1, X2, X3, X4, X1 * X2, X1 * X3, X1 * X4, X2 * X3, X2 * X4 et X3 * X4 (10 effets en tout). Nous sommes allés avec 36 comme nombre total de courses. Mais, afin d'obtenir une estimation de l'écart type à chaque paramètre, nous avons répliqué le DOE un total de 4 fois - pour un total de 144 tests. C'était à peu près tout ce que nous pouvions nous permettre.
Nous pouvons bien sûr exécuter l'évaluation DOE sur les 144 tests pour estimer la réponse moyenne (et le bruit de l'expérimentation) avec les facteurs du modèle, ce que nous avons fait. Mais ce que nous voulons vraiment examiner, c'est si un paramètre de traitement a modifié ou non l'écart-type de la méthode de test. Pour ce faire, nous avons calculé un écart type par rapport aux exécutions répliquées (maintenant de retour à 36 points de données) et avons exécuté ces résultats dans le modèle.
Pour moi, tout cela semble être une manière raisonnable de procéder à un DOE où le but est d'évaluer les changements dans les écarts-types et non les moyens. Cependant, s'il existe une meilleure approche (peut-être par expérience), ou un DOE spécifiquement conçu pour ce faire, nous serions heureux d'en savoir plus et peut-être de l'adopter pour les prochaines tentatives.
Réflexions et commentaires très appréciés.
Merci!,
DS
PS Si vous êtes intéressé, après avoir évalué toutes les mesures individuelles et les écarts-types par rapport aux répliques, nous avons constaté que le facteur X4 avait le plus grand impact sur les écarts-types. Malheureusement, lorsque nous avons exécuté plus tard des cycles de vérification - en comparant maintenant simplement 32 exécutions (au total) sur deux des niveaux de X4, les résultats ne supportaient pas le DOE d'origine et nous ne pouvions pas voir l'amélioration de l'écart type que nous espérions du côté positif, ce n'était pas pire!).
AnalytiqueBICHERe: conception du DOE pour étudier spécifiquement la variance (ou écart std)Voici quelques-unes de mes réflexions, bien que votre description de la situation ne soit pas suffisante pour fournir des conseils précis.
1. Pour clarifier, vous souhaitez comprendre quels facteurs peuvent influencer la variation du système de test (précision). Existe-t-il des hypothèses quant à savoir si la précision est influencée par différents instruments ou opérateurs? Si c'est le cas, c'est reproductibilité précision. Si c'est uniquement dû à une variation de l'instrument, c'est répétabilité précision. Cela est important parce que vous voulez savoir comment acquérir des mesures pour utiliser les statistiques récapitulatives appropriées. Y a-t-il un intérêt pour la stabilité? Et la discrimination?
2. Vous devez tenir compte des variables de réponse et de la manière dont elles seront obtenues. Je ne sais pas ce que vous testez? Je ne vois aucune information sur le nombre d'échantillons qui seront mesurés? Vous devriez faire des mesures répétées du même échantillon pour obtenir des erreurs de mesure (peut-être au même endroit). Que vous incluiez op-to-op ou simplement la précision de répétabilité devrait être une fonction de vos hypothèses.
3. Si vous avez vraiment fait des répliques, vous avez confondu la variation d'un traitement à l'autre avec des erreurs de mesure. Ce n'est pas ainsi que j'aborderais le problème. J'utiliserais des répétitions, pas des répliques pour obtenir les statistiques récapitulatives appropriées. Pensez aux données utilisées pour estimer la statistique récapitulative (p. Ex. Écart type). Qu'est-ce qui change entre ces points de données? Vous souhaitez simplement capturer les composants de mesure dans les points de données (minimiser les autres composants du sous-groupe) que vous utilisez pour estimer l'écart type.
4. Je ne sais pas où vous en êtes dans le continuum des connaissances, mais vous avez biaisé votre étude au facteur X4 en la testant à tant de niveaux (pensez aux degrés de liberté). J'aurais commencé avec tous les facteurs à 2 niveaux (choisir les extrêmes des catégories de facteur 4) et procéder comme s'il s'agissait d'un plan de dépistage.
Re: conception du DOE pour étudier spécifiquement la variance (ou écart std)salut @statman ,
Merci pour vos réflexions et vos commentaires. Pour répondre à vos commentaires / questions:
1. Oui, les responsables du DOE souhaitaient modifier les différents facteurs qu'ils pensaient avoir le plus d'influence sur le bruit du test. Chacun des facteurs testés est connu pour avoir un impact sur la réponse moyenne des mesures, mais nous voulions voir si les facteurs et leurs interactions pouvaient également conduire à une amélioration du bruit. Des tests antérieurs ont montré que les instruments impliqués et les opérateurs ne sont pas aussi bruyants que la méthodologie de test. L'un des gros problèmes de ce test est que nous avons affaire à de la poudre à petit grain avec de très petites quantités - moins de 1/4 de gramme. Donc, je suppose que la ségrégation induite par la taille des particules a un grand rôle. L'un des facteurs testés était le montant, mais nous n'avons trouvé aucune amélioration des écarts-types avec l'utilisation de plus de matériau.
2/3. Dès le premier article, j'ai mentionné que sur la base des 10 facteurs (principaux effets et interactions), JMP a recommandé 36 courses. Chaque cycle (traitement) a été mesuré quatre fois afin de calculer un écart std pour chaque traitement, donc un total de 144 mesures individuelles ont été effectuées. Donc, pour répondre à votre préoccupation, nous avons fait des mesures répétées du «même» échantillon. Je mets entre guillemets car l'échantillon de test est consommé dans le processus de test. Mais, le matériau source a été généré pour chaque essai et les échantillons de celui-ci ont ensuite été mesurés plusieurs fois (4) pour chaque traitement. Répliquer n'est peut-être pas le bon terme - mais c'est ce que nous avons fait dans JMP pour augmenter le DOE et garder une trace de chaque exécution que nous devions faire.
4. X4 est lié au fait que nous avons affaire à des poudres et que nous devons examiner différentes gammes de PSD, d'où les nombreux niveaux de X4. Nous savons d'après les tests précédents que le bas et le haut de la PSD ont un impact important sur la moyenne de la réponse, et il y avait des indications que l'écart std pourrait être réduit. Les niveaux supplémentaires ont été ajoutés pour voir si nous pouvons utiliser des tailles de PSD plus étroites pour réduire le bruit. Ce DOE a fini par donner une indication que c'est possible, mais les cycles de vérification n'ont pas pris en charge ce résultat. Les autres facteurs sont tous des réglages haut / bas, dont seulement deux sont en fait continus.
Malheureusement, notre matériau est une poudre et les poudres ne se comportent pas "bien" comme des blocs semi-conducteurs ou des éléments usinés par exemple. Je pense que la méthodologie est intrinsèquement bruyante à cause de cela et qu'elle est à peu près aussi bonne qu'elle va l'être.
Merci encore pour vos réflexions, quelques bons points à considérer pour mes collègues lorsqu'ils veulent faire quelque chose de similaire à l'avenir.
Merci!,
DS
Re: conception du DOE pour étudier spécifiquement la variance (ou écart std)OK, merci pour les informations supplémentaires que vous avez fournies sur la situation. Je ne sais toujours pas quelles caractéristiques / propriétés des poudres que vous essayez de quantifier?
Si je comprends bien, cette mesure est altérante ou destructrice (l'échantillon identique ne peut pas être mesuré deux fois). Dans la mesure où c'est le cas, il est impossible de séparer la répétabilité de la mesure de la variation d'un échantillon à l'autre. Dans ces cas, il existe certaines options pour «biaiser» l'effet sur la composante de mesure. J'ai joint mes notes sur la façon de gérer cela.
Vous ne devez pas analyser les répétitions (qui sont imbriquées dans le traitement) en tant que répliques. Vous pouvez consulter ces 4 points de données sur une carte de contrôle de plage, puis résumer ces 4 points de données pour chaque traitement (moyenne et écart type par exemple), le cas échéant. Le modèle qui vous intéresse le plus est celui de la variable de réponse de std dev. (ou statistique récapitulative équivalente)
Répétitions - les combinaisons de traitement changent entre chaque "point de données" (nous appelons généralement ces unités expérimentales ... elles sont considérées comme indépendantes et peuvent être traitées comme telles).
Répétitions - les combinaisons de traitement ne changent PAS entre les "points de données". Ceux-ci ne doivent pas être considérés comme des événements indépendants (donc n'augmentant pas les degrés de liberté) et cette variation est imbriquée dans le traitement.
Juste mon propre commentaire biaisé ... lorsque j'expérimente sur des niveaux pour des facteurs> 2, je me méfie d'une mentalité de "gagnant". Ce que je veux faire d'abord, c'est une comparaison équitable pour voir quels facteurs / interactions ont un effet sur la variation, puis dans une itération ultérieure affiner le réglage de niveau pour les facteurs qui sont significatifs.
Je dirais que chaque situation a ses propres défis inhérents. Poudres pas plus que les autres. J'ai utilisé des analyseurs de taille de particules pour aider à comprendre la distribution des tailles de particules, un SEM pour la composition chimique et la topographie et même un OJAY pour les nano mesures.
