Hola, y bienvenido, todos, a mi de hoy presentación.
Agradecer tú para unión.
I voluntad dar tú a corto hablar
acerca de el concepto de SVEM, o auto- validado conjunto modelado,
y cómo este concepto poder ser a camino hacia
Hace con complejo modelos y muy pocos carreras.
I esperanza I poder espectáculo tú eso en alguno usar casos, eso este concepto es de hecho
el solución hacia estas DOE con complejo modelos y muy pocos carreras.
Pero antes I comenzar yendo en detalle de mi presentación,
I desear a dar tú a corto presentación de el compañía Soy laboral para.
Es Lohmann.
Lohman es el productor de adhesivo cintas,
entonces principalmente presión- sensible adhesivo cintas, pero también estructural adhesivo cintas.
El Lohman Cinta Grupo hecho a Rotación en 2020 de acerca de 670 millones de euros.
Él consiste de dos partes.
Es el Lohmann T. mono Grupo, eso es OMS Soy laboral para,
y el empresa conjunta, Lohmann & Rauscher .
El Cinta Grupo tenía a Rotación en 2020 de acerca de 300€ mil millones,
y último año, nosotros celebrado nuestro 170 cumpleaños.
Básicamente, el Cinta El grupo se divide en dos importante partes.
Eso es el técnico productos, dónde Soy laboral para.
Nosotros oferta principalmente doble- cintas adhesivas echadas a un lado,
cintas adhesivas sensibles a la presión,
y estructural adhesivo cintas.
Nosotros son solamente B2 B compañía.
Y el otro parte es nuestro higiene marca.
Noventa porciento de nuestro productos son personalizado productos.
Nosotros son activo mundial.
Nosotros tener 24 sitios alrededor el globo y acerca de 1.800 empleados.
¿Quienes somos?
Nosotros son el vinculación ingenieros, y como I mencionado antes,
90 por ciento de nuestro productos son personalizado,
entonces nuestro principal meta es a oferta nuestro clientes el mejor posible solución,
o a oferta a él a personalizado solución muy específico para su problema
o a resolver su problema.
En orden a hacer eso, nosotros tener a bastante grande caja de herramientas
para poder hacer eso, entonces eso consiste en un...
Nosotros son capaz a hacer nuestro propio base polímeros para presión- sensible adhesivo cintas.
Nosotros poder hacer nuestro propio formulación
a formular cualquiera presión- sensible o estructural adhesivo.
Nosotros poder hacer nuestro propio revestimiento eso necesidades a forma el final adhesivo cinta.
Pero nosotros poder también hacer todo el laminación, morir corte, Procesando,
haciendo carretes, rollos, entonces ofrecimiento a él el adhesivo solución
en el forma él de hecho necesidades o él de hecho quiere,
en orden a resolver o a mejor satisfacer su necesidades.
Pero nosotros poder también hacer todo el pruebas
y también ayuda el cliente en integrando nuestro adhesivo solución en su proceso.
Teniendo este bastante grande caja de herramientas
o estos muchos herramientas en orden a realizar el clientes necesidades
también llega juntos con a lote de grados de libertad en orden a hacer eso.
Eso medio grados de libertad o este enorme cantidad de grados de libertad,
el grande valor cambiar cual nosotros tener y relación comercial con eso complejidad.
Uno de el solución a trato con este complejidad para a nosotros
es a usar GAMA, o diseño de experimentos,
para a nosotros en el desarrollo departamento
principalmente para el polimerización, formulación, o revestimiento.
Eso trae a mí atrás a el tema de mi hablar.
Desde nosotros usar nuestro DOE a abordar este problema
o a abordar Este yo grande complejidad, y ser capaz a usar todo el herramientas
en el mejor posible y mayoría eficiente forma a realizar nuestro clientes demanda,
nosotros usar GAMA, pero vamos decir nosotros desear a tener eso como eficiente como posible
a abordar complejo problemas con el más bajo cantidad de experimental esfuerzo.
Allá, I pensar, dónde SVEM como a concepto llega en.
Como tú todo saber,
durante el proceso desarrollo o producto desarrollo,
tú correr encima el mismo etapas.
Nosotros empezar en el laboratorio, haciendo nuestro experimento en a laboratorio escala
y cambiar a el piloto escala, entonces escala final de paso
cuando va a el producción en orden a producir el final producto.
Haciendo este forma, vamos decir, el esfuerzo por experimento,
podría ser tiempo o costo, dramáticamente aumenta.
En orden a minimizar estos costos,
nosotros usar GAMA en orden a minimizar el experimental esfuerzo.
Pero también, si tú ir el pasos de el laboratorio encima el piloto a el producción,
el más alto el esfuerzo por experimento es,
el más crítico son el número de experimentos.
Situaciones dónde el número de experimentos es crítico
podría ser, vamos decir para a nosotros, pero también vamos aplicar para otro industrias,
es si tú tener a hacer experimentos en a piloto o a producción escala.
O incluso si tú hacer experimentos en a laboratorio escala,
si tú tener, para ejemplo, largo- correr experimentos durante el año,
digamos el análisis de un experimento acepta muy largo,
eso podría ser a situación dónde el número de experimentos es muy crítico.
Pero también en combinación con eso,
si tú tener complejo modelos o complejo problemas
cual tú tener a DIRECCIÓN,
si tú, para ejemplo, necesidad a lleno RSM modelo o si tú desear a hacer un mejoramiento,
tú voluntad correr en este problema dónde tú siempre podría tener
a grande cantidad de experimentos en orden a modelo este complejo problema.
El mejor situación haría ser eso tú poder generar Hace,
cual permite tú rastrear a muy complejo problema
o a aplicar complejo modelos,
pero en el mismo tiempo, mantener el número de experimentos como bajo como posible.
Justo a dar tú un ejemplo en nuestro caso, el producción de adhesivo cintas.
Si I hacer experimentos en a laboratorio escala,
I necesidad menos que a kilogramo de adhesivo por experimento,
y I definitivamente no necesidad más que uno o dos metros cuadrados de adhesivo cinta
en orden a hacer todo el lleno análisis cual I desear.
Si I luego muévete a el piloto escala, dependiente en el experimento nosotros desear a hacer,
tú podría necesidad entre 10 o 50 kilogramo de adhesivo,
y tu costo tal vez 25- 100 metros cuadrados de adhesivo cinta por experimento.
I F tú ir incluso más en el producción escala,
tú podría necesito incluso más que 100 kilogramo por experimento de un adhesivo
y tú costo tal vez 1.000 cuadrado metro de adhesivo cinta por experimento.
Pero en el mismo tiempo, I aún solo necesidad acerca de un metro cuadrado
o dos cuadrado metro a hacer el lleno análisis de mi experimento.
Si tú son en un desgraciado situación,
Tengo a desperdiciar 99,9 por ciento de mi producto
es básicamente desperdiciar.
Eso es a lote de material usado para uno experimento,
y eso también llega a lo largo de con bastante un enorme cantidad de costo por experimento.
Justo dar tú un ilustración,
eso es a imagen de nuestro actual piloto línea.
t sombreros el tamaño de a puerta.
Incluso para a piloto línea, es bastante grande,
vos tambien poder imaginar el cantidad de material tú necesidad es bastante grande.
Y eso es números por experimento.
Pero incluso en a laboratorio escala,
tú podría correr en el situaciones donde el número de carreras es crítico.
Es cualquiera si tú tener complejo modelos o grande cantidad de factores,
y He mostrado tú eso en el último usar caso.
Porque es a químico reacción donde queremos a variar el ingredientes,
pero también el proceso parámetros
si tú tener largo- correr experimentos dónde experimentos correr para más que uno día,
o el análisis de el experimento acepta muy largo,
y en el mismo tiempo, tú tener muy limitado proyecto tiempo o proyecto presupuesto.
En todo estos situaciones, él es muy deseable a minimizar
el experimental esfuerzo como mucho como posible,
así que disminuir el número de carreras como mucho como posible.
En 2021, último años Descubrimiento Cumbre, yo vine al otro lado de dos presentaciones.
Uno por ramsey, gottwalt, y Lemkus, y el otro uno por kay y hersh,
hablando acerca de el concepto de SVEM o ser- validado conjunto modelado,
y para a mí eso aumentó el pregunta de, "Poder eso concepto ser de hecho el solución
para Hace con pocos experimentos, pero en el mismo tiempo,
mantener el complejidad de su modelo para el problema cual tú ¿tener?"
Con eso dicho, I desear a cambiar encima ahora a mi usar casos
en orden a con un poco de suerte espectáculo tú eso este concepto es de hecho
o podría ser de hecho a solución a eso problema.
Quiero cambiarme a JMP.
El primero ejemplo I desear a espectáculo tú hoy
es dónde nosotros tenía a hacer a diseño de experimentos
en un real producción escala, en producción equipo.
El segundo uno es hecho en a piloto planta, y el tercero uno era hecho en el laboratorio.
tengo algunos información para tú donde el primero dos ejemplos eran hecho
o el diseño era creado sin conocimiento el concepto de SVEM,
pero el análisis era hecho conocimiento entonces el concepto de SVEM.
El tercero ejemplo no fue de hecho hecho después I sabía acerca de el concepto de SVEM,
y entonces I aplicado o I diseñado el GAMA
específicamente conocimiento acerca de el análisis concepto de SVEM.
entonces iré a el primero ejemplo.
En el primero ejemplo,
nosotros desear a hacer a producto desarrollo por medio de a proceso mejoramiento.
Nosotros podría solo hacer eso proceso mejoramiento en el actual producción equipo,
así que tuvimos a hacer todo el experimentos en a producción escala.
Si tú imaginar aunque, tú siempre tener a encontrar producción ranuras,
y tú tener a siempre competir con el actual producción pedidos,
entonces tus normal a diario operación de negocio.
Entonces el número de carreras cual tú poder hacer en actual producción equipo
es siempre muy limitado y es siempre muy costoso,
y tú siempre tener a adaptar en el normal producción.
Qué tú desear a hacer en eso punto, para el primero ejemplo,
nosotros tenía cinco continuo proceso factores, nosotros saber nosotros esperado a no lineal comportamiento,
entonces nosotros sabía nosotros tenía a usar
el lleno cuadrático modelos y el esperado interacciones,
y nosotros también saber eso nosotros tenía a máximo de 50 correr
pendiente a limitado producción tiempo tiempo, y dinero.
lo que nosotros vino ¿arriba?
De nuevo, como He dijo antes,
eso era hecho antes I sabía acerca de el concepto de SVEM.
Cuando nosotros creado el diseño, nosotros poner todo el lineal y cuadrático efectos
eso nosotros necesidad necesario en el costumbre diseño plataforma
y nosotros colocar el interacciones a opcional, y eso es el 15 carreras cual nosotros terminó arriba.
Y entonces nosotros comenzó con el experimentos.
Desafortunadamente, solo 12 carreras podría ser logrado
porque nosotros tenía limitado tiempo y capacidad, y nosotros eran correr afuera de tiempo
en orden a hacer el último tres restante carreras.
Después de 12 carreras, nosotros básicamente tenía a detener y entonces hacer el análisis,
pero afortunadamente para a nosotros, nosotros podría hacer el restante tres experimentos
después el análisis era hecho.
Eso trajo a nosotros en el posición dónde estos extra tres experimentos
cual eran llevado a cabo después el análisis
era un de hecho prueba colocar dónde nosotros podría controlar el validez de nuestro modelo,
cual nosotros creado usando el concepto de SVEM.
El actual datos análisis,
es mostrado en estos dos presentaciones de último años Descubrimiento Cumbre,
y I poner en el código entonces tú poder Encuéntralo muy fácilmente en el comunidad página.
El datos era analizado usando SVEM,
asique hizo 100 iteraciones.
I usado a lleno cuadrático modelo,
usado todo el interacciones posible con estos continuo proceso factores,
y I usado el LAZO como el Estimacion método.
I justo poner en para el guion cómo es hecho este análisis usando SVEM,
pero también, I haría desear a referirse a estos dos presentaciones
dónde es todo escrito abajo o explicado en excelente detalle.
Próximo a el resultados, I desear a espectáculo tú el perfilador,
y tu que poder de hecho ver eso nosotros de hecho necesidad.
Segundo orden términos, entonces nosotros tener a cuadrático dependencia.
Pero nosotros también tenía interacciones.
Entonces todo qué nosotros esperado era básicamente presente.
Pero vamos ir adelante y controlar para el validez.
Tú podría decir, "Bueno, tú justo encima equipado el modelo.
Tú justo usado también mucho modelo términos. Es también complejo.
Eso es por qué tú tener segundo orden términos. Eso es por qué tú tener interacciones."
Bien, vamos mirar en el predicho versus actual trama.
Para eso ejemplo,
estamos en el bien posición dónde nosotros tenía de hecho a prueba colocar,
entonces estos tres restante experimento cual el modelo tiene nunca visto,
y el 12 , vamos decir, eso es el rojo puntos.
A s tú poder ver aquí aunque, si tú mirar él,
el predicho versus actual trama, eso es no también malo.
t él predicción de estos tres restante unos es bonito bien.
Si I controlar y ver si, para ejemplo, otro respuesta,
el predicción es muy muy preciso.
A s I mencionado antes, estos carreras, el modelo tiene nunca visto.
Para a nosotros, eso es qué bastante asombroso.
A tener solo 12 las carreras pueden tener lisiado este tipo de experimento
porque tres de el carreras eran desaparecido,
y aún teniendo este muy bien profético capacidad de eso método SVEM.
Entonces en general, predicción era muy bien.
Nosotros podría predecir el restante tres carreras muy precisamente excepto uno respuesta.
Todo equipado excepto uno respuesta, él no adaptar en todo.
Nosotros pensamiento, "Eso no puede ser.
Nosotros no poder justo predecir 10 de el 11 respuestas casi perfectamente,
y el 11 uno no adaptar."
Y pensamos: "Está bien, algo tiene a ser equivocado.
Nuestro modelo es bien porque equipado 10 veces,
entonces él tiene a adaptar también el 11 tiempo."
Y nosotros pensó: "Está bien, algo con el medición tiene a ser equivocado,
porque el experimento no poder ser, porque el otro respuestas, ellos adaptar.
Nuestro predicción era muy bien."
Nosotros dicho hacia experto, "S algo en el medición tenía a ser equivocado."
Entonces nuestro experto cavado a pequeño poco Más adentro en el medición equipo,
y ellos de hecho encontró desviaciones en el medición.
t él mediciones en eso último respuesta
era un poco poco diferente que el primero 12 carreras .
A después el desviaciones eran corregido, el predicción era de nuevo muy bien.
Eso medio eso este análisis o el predicción era entonces bien
eso nosotros incluso encontró desviaciones en el mediciones.
De eso primero ejemplo, I haría decir SVEM obras perfectamente,
y da tú muy excelente conocimiento en a muy bien y muy preciso modelo
con a muy limitado cantidad de experimental esfuerzo.
Pero tú podría decir , "Está bien, tú podría tener también usado a diferente poner en pantalla diseño
y tú haría tener, para ejemplo, 11 carreras,
y tú haría tener consiguió exactamente el mismo resultado de eso."
Podría ser verdadero.
Pero entonces I referirse a el tercero ejemplo.
Segundo ejemplo es muy similar.
Nosotros buscado a hacer GAMA en a piloto planta, y nosotros tenía cuatro continuo factores.
Dos de aquellos factores requerido el producción
oh F especialmente producido ingredientes porque aquellos dos,
ellos representado a proceso variación de nuestro ventana a funcionar
para nuestro actual proceso.
Nosotros también esperaba un no lineal comportamiento, y nosotros eran dijo no a superar 10 carreras.
Pero fue fuertemente recomendado a a nosotros eso menos carreras
haría ser más que bienvenido porque de capacidad asuntos.
Así que nosotros fin arriba con a híbrido producción/ laboratorio acercarse,
donde estamos terminó arriba con solo teniendo seis carreras,
o nosotros solo necesario seis carreras en el piloto escala o el producción escala,
eso ellos impulsado a 10 carreras en el laboratorio.
Eso es básicamente el diseño cual nosotros terminó arriba.
Eso es el forma I creado el diseño.
I colocar el lineal y alguno interacción términos a "necesario"
en eso costumbre diseño plataforma,
y el restante interacción y cuadrático término,
nosotros colocar a ellos a "opcional."
De nuevo, eso era hecho, el creación de el diseño, antes I sabía acerca de
el concepto de SVEM, pero en esencia era entonces hecho usando SVEM.
Para a nosotros, en eso particular caso, el meta era a...
digamos factor 1 y 2 representar el proceso variabilidad.
Qué nosotros buscado a lograr es nosotros buscado a minimizar a cierto respuesta,
en eso caso respuesta numero 7, a minimizar es variabilidad
sin cambiando factor 1 y 2, porque cambiando el proceso variabilidad
cual nosotros [inaudible 00:17:56] tener, entonces es muy difícil.
Pero nosotros tenía dos adicional factores eso eran parámetro éteres
de el revestimiento equipo cual nosotros podría cambiar muy fácilmente.
El meta era a minimizar respuesta número 7
pero mantener todo el descansar básicamente en el ventana cual nosotros buscado.
De nuevo, análisis era hecho bonito mucho el mismo forma como antes.
Nosotros usado SVEM como nosotros presentado en el último años presentaciones.
Nosotros hizo 100 iteraciones.
Nosotros de nuevo usar el lleno cuadrático modelos con todo el interacciones,
y nosotros usó LASSO como el Estimacion método.
Justo demostración tú eso en el perfil de nuevo, nosotros tenía segundo orden términos,
nosotros tenía interacciones como tú poder ver aquí, para ejemplo.
Ellos eran todos los presentes, todo que nosotros esperado a ser allá
como segundo cuadrático dependencias y interacciones de hecho eran allá.
Para nuestro meta era a minimizar este respuesta y sin cambiando estos factor 1 y 2,
porque eso es el proceso ventanas cual eran actualmente operando en.
Durante el proceso rango,
si usted mirar en eso respuesta aquí, él cambios bastante a poco.
Haciendo todo el mejoramiento y teniendo este modelo completamente Operacional,
nosotros encontró afuera si tú justo cambiar factor, para ejemplo, número 3,
variabilidad básicamente desaparece completamente sin cambiando el descansar de el factor.
Así que nosotros encontrar con solo seis carreras en a producción escala,
óptimo ajustes [inaudible 00:19:36] a mejorar o optimizar
a proceso bastante importantemente.
Tú podría de nuevo decir, "Bueno, cuatro factores.
Tú podría solo de nuevo puede tener usado a definido pantalla diseño."
O vamos decir, "Diez carreras es no también pocos carreras en orden a hacer eso."
Pero eso trae a mí a mi último y final ejemplo.
Nosotros eran haciendo a diseño de experimentos en el laboratorio escala,
y nosotros buscado a optimizar o entender en más detalle a polimerización proceso.
Nosotros buscado a hacer todo factores y variaciones dentro uno soltero diseño experimento.
Nosotros terminó arriba con teniendo 15 factores,
ocho ingredientes, y Siete proceso parámetros.
Nosotros no tener a mezclado diseño.
Nosotros usado estos ocho ingredientes, jugueteó alrededor a pequeño poco
entonces nosotros no fin arriba con a mezclado diseño.
Pero como el experimento sí mismo era muy tiempo- consumidor,
el número de experimentos debería ser bajo, idealmente abajo 30.
Porque nosotros tenía limitado proyecto veces,
y 30 es algo cual nosotros podría ser capaz a poder pagar.
Pero en eso momento, I ya sabía acerca de el concepto de SVEM
entonces I hizo el diseño de el experimento específicamente conocimiento acerca de
o aplicando el concepto de SVEM.
Así que lo que I hizo, I eligió el I-óptimo bayesiano diseño.
Nosotros sabía allá voluntad ser no- lineal comportamiento,
entonces todo el segundo orden términos y interacciones eran en allá.
Qué nosotros terminó arriba era a diseño eso tú poder ver aquí, teniendo solo 23 carreras,
y teniendo 15 factores de ingredientes más proceso parámetros,
básicamente a lleno RSM modelo y solo tener como 23 carreras.
Para a mí, él era bonito asombroso a ser capaz a hacer eso.
vamos ver el resultado si él de hecho hizo trabajar,
porque nosotros no lo eran entonces seguro eso él de hecho trabajó.
Pero nosotros eran convencido eso él voluntad ser conocido en el tiempo
eso él de hecho hace trabajar.
Análisis era, de nuevo, hecho el mismo forma.
El solo diferencia, I no espectáculo tú a perfilador para eso ejemplo
porque teniendo 15 factores, bastante complejo modelos,
y teniendo a implementar él en jsl marcas él muy muy lento.
Pero I era dijo eso es yendo a ser implementado en JMP 17,
cual entonces voluntad ser mucho más rápido
entonces Soy en realidad esperando a conseguir JMP 17 como rápido como posible.
Qué nosotros encontró afuera es eso no- linealidad era presente.
Nosotros tenía de nuevo interacciones, y nosotros tenía segundo orden términos cual eran significativo.
Entonces de nuevo, nosotros necesario el lleno modelo.
El experimental verificación es actualmente en curso.
Primeros resultados mirar muy prometedor.
I no lo he hecho poner a ellos en.
Justo en contraste a a clásico acercarse,
nosotros haría tener requerido mucho más experimentos que justo 23.
Y otra vez, a espectáculo tú eso nosotros tenía muy bien predicción capacidad,
a justo trama alguno predicho versus actual.
Eso es justo para uno respuesta, es muy bien.
Justo a dar tú otro uno,
es no como bien como el primero uno, pero aún, para a nosotros, es suficientemente bueno.
Entonces el predicciones aquí son muy bien.
Para el primero experimento,
para el verificación carreras, él aspecto muy prometedor.
Justo a espectáculo tú alguno imagen de el perfilador.
Es desgraciado no- interactivo.
Segundo orden términos eran presente, interacciones eran presente,
entonces todo eso qué nosotros esperado era básicamente en el modelo.
Con eso, soy en el fin de el usar casos.
I desear a cambiar atrás.
Justo a dar tú corto resumen.
kay y hersh, ellos poner en su último año D es descubrimiento Cumbre
el título "Repensar el Diseño y análisis de Experimentos"
y poner en a pregunta marca.
De mi punto de vista, tú no necesidad el pregunta marca.
Es como eso.
Soy convencido eso SVEM voluntad cambiar el forma DOE es usado,
especialmente si tú ir para cualquiera muy complejo diseños,
o grande número de factores, o si tú tener a ir a través de muy costoso experimentos.
En el menos, eso es mi opinión.
Él abre a nuevo forma hacia Hace
con minimalista experimental carreras o esfuerzo,
y en el mismo tiempo, tú poder recolectar el máximo cantidad de información
y conocimiento afuera de eso sin teniendo a sacrificio tal vez número de carreras
o número de factores o el complejidad de su modelos.
Soy SVEM convencido voluntad cambiar el forma en el menos I usar GAMA,
y para a mí, él era bonito asombroso a ver eso en acción.
Con eso, agradecer tú muy mucho para mirando,
y I esperanza I podría espectáculo tú eso este concepto es valer intentando.
Agradecer tú muy mucho.
