Conception du DOE pour étudier spécifiquement la variance (ou développement standard)Chère communauté JMP,
En espérant entendre quelques réflexions concernant une conception du DOE visant à examiner les écarts types d'une méthode de test.
Mes collègues effectuent un test sur un produit que nous fabriquons et souhaitent voir s'ils peuvent modifier certaines 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 ce faire, nous avons donc fini par utiliser la plate-forme personnalisée.
Après quelques discussions, nous avons retenu quatre facteurs qui pourraient être modifiés : X1 -- facteur continu (-1,1), X2 -- facteur continu (-1,1), X3 -- catégoriel à 2 niveaux (L1, L2). , et X4 - catégoriel 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 avons opté pour 36 comme nombre total de courses. Mais, afin d'obtenir une estimation de l'écart type pour chaque paramètre, nous avons répliqué le DOE 4 fois au total, 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 l'ensemble des 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 à partir des analyses répliquées (maintenant de retour à 36 points de données) et appliqué ces résultats à travers le modèle.
Pour moi, tout cela semble être une manière raisonnable de réaliser un DOE dont l'objectif est d'évaluer les changements dans les écarts types et non dans les moyennes. Cependant, s'il existe une meilleure approche (peut-être par expérience) ou un DOE spécialement conçu pour ce faire, nous serions heureux de l'apprendre et peut-être de l'adopter pour les prochaines tentatives.
Réflexions et commentaires très appréciés.
Merci!,
DS
PS Au cas où cela vous intéresserait, après avoir évalué toutes les mesures individuelles et les écarts types des répétitions, nous avons constaté que le facteur X4 avait le plus grand impact sur les écarts types. Malheureusement, lorsque nous avons ensuite effectué quelques analyses de vérification - en comparant simplement 32 analyses (au total) sur deux des niveaux de X4, les résultats n'ont pas pris en charge le DOE d'origine et nous n'avons pas pu constater l'amélioration de l'écart type que nous espérions ( du côté positif, ce n'était pas pire !).
Ingénierie Qualité et ProcédésRe : Conception du DOE pour étudier spécifiquement la variance (ou développement standard)Salut @statman ,
Merci encore d'avoir poursuivi la conversation à ce sujet. Malheureusement, je ne suis pas libre de discuter du type exact de test que nous effectuons ou du matériel que nous testons. Mais oui, le même échantillon ne peut pas être testé deux fois. Chaque test consomme du matériel, ce qui rend l'analyse un peu plus compliquée.
L'analyse que vous décrivez est essentiellement ce qu'ils ont fait, même avec le PDF ci-joint. Ils n'ont pas analysé en tant que répliques, mais ont uniquement utilisé cette fonctionnalité de JMP pour créer le tableau de données que les techniciens du laboratoire doivent suivre. Ils ont opté pour ces facteurs (entre autres) car ils étaient faciles à modifier et avaient montré des études précédentes qu'ils avaient un impact sur la moyenne. Fondamentalement, l'option 1 est la seule option dont nous disposons en raison des spécificités de notre cas, et cela est vrai pour les nombreux autres tests que nous effectuons pour caractériser notre matériau.
Malheureusement, en raison des limitations concernant les normes et les tests de l'industrie, il existe également certaines choses que nous ne pouvons pas modifier, ce qui pourrait avoir plus d'impact sur nos résultats que les facteurs. Nous ne pouvons tout simplement pas les modifier en raison des exigences des clients ou de ce qui est considéré comme acceptable dans l'industrie. À bien des égards, c'est comme essayer de faire quelque chose qui nécessite les deux mains, alors que l'une d'entre elles est attachée dans le dos.
Nous disposons également d'analyseurs PSD, certains en 2D et d'autres en 3D, mais jusqu'à présent, tout ce que nous pouvons vraiment comprendre, c'est que les facteurs qui ont été examinés modifient définitivement la réponse moyenne que nous testons, mais ils n'ont pas beaucoup d'impact sur la réponse moyenne. variation dans la méthode de test. Ce serait très cool s'il existait un type spécifique de structure du DOE spécifiquement conçu pour tester la variance. Peut-être que ce sera le prochain développement des DOE ?
Merci encore pour vos commentaires/commentaires !,
DS
Re : Conception du DOE pour étudier spécifiquement la variance (ou développement standard)OK, merci pour les informations supplémentaires que vous avez fournies sur la situation. Je ne sais toujours pas quelles caractéristiques/propriétés des poudres vous cherchez à quantifier ?
Si je comprends bien cette mesure est altérante ou destructrice (un échantillon identique ne peut pas être mesuré deux fois). Puisque tel est le cas, il est impossible de séparer la répétabilité des mesures de la variation d’un échantillon à l’autre. Dans ces cas, il existe certaines options pour « biaiser » l’effet en faveur de 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) comme des répétitions. 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 concerne la variable de réponse de std dev. (ou statistique récapitulative équivalente)
Les combinaisons de traitements et de répétitions 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 traitements ne changent PAS entre les « points de données ». Ceux-ci ne doivent pas être considérés comme des événements indépendants (donc sans degrés de liberté croissants) 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 du niveau pour les facteurs significatifs.
Je dirais que chaque situation comporte ses propres défis inhérents. Les 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 nanomesures.
Re : Conception du DOE pour étudier spécifiquement la variance (ou développement standard)Salut @statman ,
Merci pour vos réflexions et vos commentaires. Pour répondre à vos commentaires/questions :
1. Oui, les responsables du DOE souhaitaient modifier différents facteurs qui, selon eux, étaient les plus influents sur le bruit du test. Chacun des facteurs testés est connu pour impacter 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 qu’il s’agit de poudre à petits grains contenant de très petites quantités – moins de 1/4 de gramme. Je suppose donc que la ségrégation induite par la taille des particules joue un rôle important. L'un des facteurs testés était la quantité, mais nous n'avons trouvé aucune amélioration des écarts types en utilisant davantage de matériau.
2/3. Dès le premier post, j'ai mentionné que sur la base des 10 facteurs (principaux effets et interactions), JMP recommandait 36 exécutions. Chaque série (traitement) a été mesurée quatre fois afin de calculer un écart type pour chaque traitement, soit un total de 144 mesures individuelles ont été effectuées. Ainsi, pour répondre à votre préoccupation, nous avons effectué des mesures répétées du « même » échantillon. Je mets des guillemets car l'échantillon de test est consommé au cours du test. Mais le matériau source a été généré pour chaque analyse et des échantillons de celui-ci ont ensuite été mesurés plusieurs fois (4) pour chaque traitement. Répliquer n'est peut-être pas le terme approprié, mais c'est ce que nous avons fait dans JMP pour augmenter le DOE et suivre chaque exécution que nous devions effectuer.
4. X4 est lié au fait que nous avons affaire à des poudres et que nous devons examiner différentes plages de PSD, d'où les nombreux niveaux de X4. Nous savons grâce aux tests précédents que les extrémités inférieure et supérieure de la PSD ont un impact important sur la moyenne de la réponse, et il y avait des indications que la valeur standard pourrait être réduite. Les niveaux supplémentaires ont été ajoutés pour voir si nous pouvons utiliser des tailles PSD plus étroites pour réduire le bruit. Ce DOE a fini par donner une indication possible, mais les vérifications n'ont pas confirmé ce résultat. Les autres facteurs sont tous des réglages haut/bas, dont seulement deux sont réellement continus.
Malheureusement, notre matériau est une poudre et les poudres ne se comportent pas « bien » comme des unités semi-conductrices ou des objets 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 peut l'être.
Merci encore pour vos réflexions, quelques bons points à considérer pour mes collègues lorsqu'ils souhaiteront faire quelque chose de similaire à l'avenir.
Merci!,
DS
Re : Conception du DOE pour étudier spécifiquement la variance (ou développement standard)Voici quelques-unes de mes réflexions, même si votre description de la situation n'est 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 la variation de l'instrument, c'est répétabilité précision. La raison pour laquelle cela est important est que vous souhaitez savoir comment acquérir des mesures afin d'utiliser les statistiques récapitulatives appropriées. Y a-t-il un intérêt à 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 tu testes ? Je ne vois aucune information sur le nombre d'échantillons qui seront mesurés ? Vous devriez effectuer des mesures répétées du même échantillon pour obtenir des erreurs de mesure (peut-être au même endroit). Que vous incluiez l'op-to-op ou simplement la précision de la répétabilité devrait être fonction de vos hypothèses.
3. Si vous avez réellement effectué des répétitions, 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. Réfléchissez aux données utilisées pour estimer la statistique récapitulative (par exemple, l'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 en faveur du facteur X4 en la testant à de nombreux niveaux (pensez aux degrés de liberté). J'aurais commencé avec tous les facteurs à 2 niveaux (choisissez les extrêmes des catégories de facteurs 4) et procédé comme s'il s'agissait d'un plan de sélection.
