Progettazione DOE per studiare specificamente la varianza (o sviluppo std)Cara comunità JMP,
Spero di sentire alcune riflessioni riguardo a un progetto DOE mirato a esaminare le deviazioni standard di un metodo di prova.
I miei colleghi devono eseguire un test su un prodotto che realizziamo e vogliono vedere se possono modificare parti della metodologia di test per ridurre le deviazioni standard. Non sono a conoscenza di una piattaforma DOE specifica in JMP progettata per eseguire questa operazione, quindi abbiamo utilizzato la piattaforma personalizzata.
Dopo alcune discussioni, abbiamo deciso su quattro fattori che potrebbero essere modificati: X1 -- fattore continuo (-1,1), X2 -- fattore continuo (-1,1), X3 -- categoriale a 2 livelli (L1, L2) e X4: categorico a 6 livelli (L1-L6). Eravamo davvero interessati a ciascuno dei quattro effetti principali e alle loro interazioni di primo ordine: X1, X2, X3, X4, X1*X2, X1*X3, X1*X4, X2*X3, X2*X4 e X3*X4 (10 effetti in tutto). Abbiamo scelto 36 come numero totale di corse. Ma, per ottenere una stima della deviazione standard per ciascuna impostazione, abbiamo replicato il DOE per un totale di 4 volte, per un totale di 144 test. Questo era tutto ciò che potevamo permetterci.
Ovviamente possiamo eseguire la valutazione DOE su tutti i 144 test per stimare la risposta media (e il rumore della sperimentazione) con i fattori del modello, cosa che abbiamo fatto. Ma ciò che vogliamo veramente verificare è se un’impostazione del trattamento ha modificato o meno la deviazione standard del metodo di test. Il modo in cui lo abbiamo fatto è stato calcolare una deviazione standard dalle esecuzioni replicate (ora tornate a 36 punti dati) e analizzare tali risultati attraverso il modello.
A me, tutto questo sembra un modo ragionevole per eseguire un DOE in cui l'obiettivo è valutare i cambiamenti nelle deviazioni standard e non nelle medie. Tuttavia, se esiste un approccio migliore (magari per esperienza), o un DOE appositamente progettato per farlo, saremmo lieti di venirne a conoscenza e magari di adottarlo per i prossimi tentativi.
Pensieri e feedback molto apprezzati.
Grazie!,
DS
PS Se sei interessato, dopo aver valutato tutte le misurazioni individuali e le deviazioni standard delle repliche, abbiamo scoperto che il fattore X4 ha avuto il maggiore impatto sulle deviazioni standard. Sfortunatamente, quando in seguito abbiamo eseguito alcune esecuzioni di verifica, ora confrontando solo 32 esecuzioni (in totale) su due livelli in X4, i risultati non supportavano il DOE originale e non siamo riusciti a vedere il miglioramento nella deviazione standard che speravamo di ottenere ( il lato positivo è che non è stato peggio!).
Ingegneria della qualità e dei processiRi: Progettazione DOE per studiare specificamente la varianza (o sviluppo std)CIAO @statman ,
Grazie ancora per aver continuato la conversazione su questo argomento. Sfortunatamente, non sono libero di discutere l'esatto tipo di test che stiamo facendo o quale sia il materiale che stiamo testando. Ma sì, lo stesso identico campione non può essere testato due volte. Ogni test consuma materiale, il che rende l'analisi un po' più complicata.
L'analisi che descrivi è essenzialmente ciò che hanno fatto, anche con il PDF allegato. Non hanno analizzato come repliche, hanno utilizzato solo quella funzionalità di JMP per creare la tabella dei dati che i tecnici di laboratorio potevano seguire. Hanno optato per questi fattori (tra gli altri) poiché erano facili da modificare e avevano dimostrato, in studi precedenti, di avere un impatto sulla media. Fondamentalmente, l'Opzione 1 è l'unica opzione che abbiamo a causa delle specificità del nostro caso, e questo vale per molti altri test che eseguiamo per caratterizzare il nostro materiale.
Sfortunatamente, a causa delle limitazioni relative agli standard e ai test di settore, ci sono anche alcune cose che non possiamo cambiare, che potrebbero avere un impatto maggiore sui nostri risultati rispetto ai fattori. Semplicemente non possiamo cambiarli a causa delle esigenze dei clienti o di ciò che è considerato accettabile nel settore. In molti sensi, è come provare a fare qualcosa che richiede entrambe le mani, quando una è legata dietro la schiena.
Anche noi disponiamo di analizzatori PSD, alcuni 2D e altri 3D, ma finora tutto quello che possiamo stabilire è che i fattori che sono stati esaminati modificano sicuramente la risposta media che stiamo testando, ma non hanno molto impatto sulla variazione nel metodo di prova. Sarebbe molto interessante se esistesse un tipo specifico di struttura DOE specificamente orientata al test della varianza. Forse questo sarà il prossimo sviluppo dei DOE?
Grazie ancora per il contributo/feedback!,
DS
Ri: Progettazione DOE per studiare specificamente la varianza (o sviluppo std)OK, grazie per le ulteriori informazioni che hai fornito sulla situazione. Non so ancora quali caratteristiche/proprietà delle polveri stai cercando di quantificare?
Se ho capito bene questa misurazione è alterante o distruttiva (lo stesso campione non può essere misurato due volte). Poiché questo è il caso, è impossibile separare la ripetibilità della misurazione dalla variazione da campione a campione. In questi casi, ci sono alcune opzioni per "influenzare" l'effetto sulla componente di misurazione. Ho allegato i miei appunti su come gestire la situazione.
Non analizzare le ripetizioni (nidificate all'interno del trattamento) come repliche. È possibile esaminare questi 4 punti dati su un grafico di controllo dell'intervallo e quindi riassumerli per ciascun trattamento (media e sviluppo std. ad esempio), se appropriato. Il modello che ti interessa di più riguarda la variabile di risposta di std dev. (o statistica riassuntiva equivalente)
Repliche: le combinazioni di trattamento cambiano tra ciascun "punto dati" (solitamente chiamiamo queste unità sperimentali... sono considerate indipendenti e possono essere trattate come tali).
Si ripete: le combinazioni di trattamento NON cambiano tra i "punti dati". Questi non sono da considerarsi eventi indipendenti (quindi non gradi di libertà crescenti) e questa variazione è annidata nel trattamento.
Solo il mio commento parziale... quando si sperimenta su livelli per fattori> 2, sono sospettoso di una mentalità di scelta del "vincitore". Quello che voglio fare prima è un confronto equo per vedere quali fattori/interazioni hanno un effetto sulla variazione e poi, in un'iterazione successiva, ottimizzare l'impostazione del livello per i fattori significativi.
Direi che ogni situazione ha le sue sfide intrinseche. Polveri non più di altri. Ho utilizzato analizzatori delle dimensioni delle particelle per comprendere la distribuzione delle dimensioni delle particelle, SEM per la composizione chimica e la topografia e persino un OJAY per le nano misurazioni.
Ri: Progettazione DOE per studiare specificamente la varianza (o sviluppo std)CIAO @statman ,
Grazie per i tuoi pensieri e feedback. Per rispondere ai tuoi commenti/domande:
1. Sì, le persone che gestivano il DOE erano interessate a modificare diversi fattori che ritenevano maggiormente influenti sul rumore del test. È noto che ciascuno dei fattori testati influisce sulla risposta media delle misurazioni, ma volevamo vedere se i fattori e le loro interazioni potevano anche portare a un miglioramento del rumore. Test precedenti hanno dimostrato che gli strumenti coinvolti e gli operatori non sono così rumorosi come la metodologia di test. Uno dei grossi problemi con questo test è che abbiamo a che fare con polvere a grana piccola in quantità molto piccole, meno di 1/4 di grammo. Quindi, la mia ipotesi è che la segregazione indotta dalla dimensione delle particelle abbia un ruolo importante. Uno dei fattori testati è stata la quantità, ma non siamo riusciti a trovare alcun miglioramento nelle deviazioni standard utilizzando più materiale.
2/3. Dal primo post ho menzionato che, in base ai 10 fattori (effetti principali e interazioni), JMP ha consigliato 36 esecuzioni. Ciascuna sessione (trattamento) è stata misurata quattro volte per calcolare uno sviluppo std per ciascun trattamento, quindi sono state eseguite un totale di 144 misurazioni individuali. Quindi, per rispondere alla tua preoccupazione, abbiamo effettuato misurazioni ripetute dello "stesso" campione. Ho messo tra virgolette perché il campione di prova viene consumato durante il processo di test. Tuttavia, il materiale di partenza è stato generato per ciascuna analisi e i relativi campioni sono stati quindi misurati più volte (4) per ciascun trattamento. Replica potrebbe non essere il termine corretto, ma è ciò che abbiamo fatto in JMP per aumentare il DOE e tenere traccia di ogni esecuzione che dovevamo eseguire.
4. X4 ha a che fare con il fatto che abbiamo a che fare con polveri e dobbiamo considerare diverse gamme PSD, da qui i numerosi livelli di X4. Sappiamo dai test precedenti che i limiti basso e alto del PSD hanno un grande impatto sulla media della risposta e c'erano indicazioni che lo sviluppo std potesse essere ridotto. I livelli extra sono stati aggiunti per vedere se possiamo usare dimensioni PSD più strette per ridurre il rumore. Questo DOE ha finito per fornire un'indicazione che è possibile, ma le operazioni di verifica non hanno supportato tale risultato. Gli altri fattori sono tutti impostazioni alto/basso, solo due dei quali sono effettivamente continui.
Sfortunatamente, il nostro materiale è una polvere e le polveri non si comportano "bene" come unità semiconduttrici o elementi lavorati, ad esempio. Penso che la metodologia sia intrinsecamente rumorosa a causa di ciò e sia quanto di meglio si possa ottenere.
Grazie ancora per i tuoi pensieri, alcuni buoni punti da considerare per i miei colleghi quando vorranno fare qualcosa di simile in futuro.
Grazie!,
DS
Ri: Progettazione DOE per studiare specificamente la varianza (o sviluppo std)Ecco alcuni dei miei pensieri, anche se la tua descrizione della situazione non è sufficiente per fornire consigli specifici.
1. Per chiarezza sei interessato a capire quali fattori possono influenzare la variazione del sistema di prova (precisione). Esistono ipotesi sul fatto che la precisione sia influenzata da diversi strumenti o operatori? Se è così, questo è riproducibilità precisione. Se è solo dovuto alla variazione dello strumento, questo è ripetibilità precisione. Ciò è importante perché si desidera sapere come acquisire le misurazioni in modo da utilizzare le statistiche riepilogative corrette. C'è interesse per la stabilità? Che ne dici della discriminazione?
2. È necessario considerare le variabili di risposta e il modo in cui verranno ottenute. Non so cosa stai testando? Non vedo alcuna informazione su quanti campioni verranno misurati? Dovresti eseguire misurazioni ripetute dello stesso campione per ottenere errori di misurazione (magari nella stessa posizione). Il fatto di includere la precisione op-to-op o semplicemente quella della ripetibilità dovrebbe essere una funzione delle tue ipotesi.
3. Se hai davvero eseguito delle repliche, hai confuso la variazione da trattamento a trattamento con errori di misurazione. Non è così che affronterei il problema. Utilizzerei le ripetizioni, non le repliche per ottenere le statistiche di riepilogo corrette. Pensa a quali dati vengono utilizzati per stimare la statistica riassuntiva (ad esempio, deviazione standard). Cosa sta cambiando tra questi punti dati? Desideri solo che i componenti di misurazione vengano catturati nei punti dati (riduci al minimo gli altri componenti all'interno del sottogruppo) che stai utilizzando per stimare la deviazione standard.
4. Non so dove ti trovi nel continuum della conoscenza, ma hai influenzato il tuo studio sul fattore X4 testandolo a così tanti livelli (pensa ai gradi di libertà). Avrei iniziato con tutti i fattori a 2 livelli (scegliere gli estremi delle categorie del fattore 4) e avrei proceduto come se si trattasse di un disegno di screening.
