460344_ja-JP

liliconcom

Re：多くの小さな決定を1つの大きなプロセス最適化の成功に変える

トムに参加@tom_donnellyと同僚のフィルケイ@Phil_Kay今日は午後2時から午後3時まで、デモとディスカッションを行います。 登録必要。

多くの小さな決定を1つの大きなプロセス最適化の成功に変える

実験計画法（DOE）をプロセスにどのように適用しますか？ 3月18日にシステムエンジニアのTomDonnellyに参加して、30分間の簡潔なデモとディスカッションを行います。計画実験を使用したプロセスの最適化マスタリングJMPウェビナーシリーズの一部として。

トムは、作業環境で実行できる実験計画法を成功させるための6つのステップのフレームワークについて説明します。 手順は？

1. 目標、要因、および対応について説明してください。
2. 物理的な状況を適切に説明していると思われる想定モデルを指定してください。
3. 想定されるモデルと一致する設計を生成して評価します。
4. 試運転測定を設計に組み込みます。
5. 最適なモデル（多くの場合、提案されたモデルのサブセット）を決定します。
6. モデルの結果を使用して、因子設定を最適化したり、パフォーマンスを予測したりします。

 

 

米国の防衛および航空宇宙の顧客をサポートするJMPチームの一部として、トムは毎年、軍事オペレーションズリサーチシンポジウム（MORS）JMPを使用して問題を攻撃する方法を示します。 彼と彼のJMPの同僚の何人かは、対面会議、 DATAWorks 2020 （防衛および航空宇宙試験および分析ワークショップ）2022年4月26〜28日。 それらのセッションは次のとおりです。

• 混合モデル（チュートリアル）JMP ResearchStatisticianDeveloperのElizabethClaassenによる
• 自己検証型アンサンブルモデリングJMPチーフデータサイエンティスト、ChrisGotwaltによる
• 血糖反応モデルへの入力と出力の両方としての機能データJMPプリンシパルシステムエンジニア、トムドネリー

会議出席者へのJMPのデモンストレーション

 

私は最近、顧客が直面する課題の種類と、彼がDOEプロセスを通じて顧客をどのように導くのに役立つかについてトムと話しました。 さらに、彼は国立公園の探検について少し明らかにしました。

 

 

 

トムは、次回のマスタリングJMPウェビナーで、計画された実験の成功に不可欠な必須の質問と回答のいくつかを組み込んだケーススタディアプローチを使用します。 彼は私のために、フレームワークの最初の3つのステップに関する質問のいくつかをリストしました。 あなたの職場環境のためにそれらについて考えてみてください3月18日のマスタリングJMPウェビナーに登録する。

説明

1. 実験の目的は何ですか？
2. 成功をどのように測定しますか？
3. どの応答変数を測定しますか？
4. プロセスに対して複数の応答を特徴づける必要がある場合、重要性の相対的なレベルはどれくらいですか？
5. どんなコントロールファクターがありますか？
   1. 連続（定量的）–範囲によって異なります。
   2. カテゴリ（定性）–レベルによって異なります。
   3. 離散数値–連続因子のように分析しますが、通常のカテゴリ因子のように離散レベルでのみ利用できます。
   4. 混合または配合係数–連続係数のように動作しますが、すべての混合成分の比率は、合計が（通常）1.00になるように制約されます。
   5. ブロッキング要因–次のような試験のグループ化日またバッチそれは効果がないはずです。 ブロックと相関している未知のまたは潜んでいる要因の指標として、プロセスがグループ間でシフトするかどうかを確認するために、ブロック要因を追加します。
6. 制御因子を操作することは、どの範囲で意味がありますか？
1. 太すぎるとプロセスが中断する可能性があります。
2. 臆病すぎると、十分に大きな効果が得られない場合があります。
3. わからない？ プロセスに対象分野の専門家を参加させます。
7. 制御できない潜在的に重要な要因はありますか？
8. 設定をキャプチャして記録できるように、制御できない要因を監視できますか（たとえば、周囲温度、湿度、試行時のオペレーター）？これらは共変量因子として扱うことができます。
9. プロセスは、測定されている1日または期間の間にドリフトしますか？
10. 1日に何回の試行を実行できますか？複数日必要ですか？
11. 通常、このプロセスのコントロールサンプルを実行しますか？
12. トライアルはバッチまたはグループで実行されますか？
13. 変更しにくい要素はありますか？もしそうなら、どれですか？
14. 各タイプのデバイスはいくつありますか？
15. 考えられる要因を「データマイニング」し、要因の範囲をよりよく理解するための履歴データはありますか？
16. これらは本物実験ですか、それとも彼らですかコンピューターシミュレーション？
17. シミュレーションの場合、それらは決定論的（毎回同じ答え）ですか、それとも確率論的（ランダム性が組み込まれているため、答えは毎回わずかに異なります）ですか？

特定

1. 多数の要因（たとえば、6以上）から重要な主効果を特定しようとしていますか？
2. プロセスを特徴づけて最適化するための予測モデルを構築しようとしていますか？ ノート：これらの2つの質問は、提案されたモデルが1になるかどうかを決定します^st注文または2 ^nd注文。

デザイン

1. 予算はいくらですか？
2. あなたの締め切りは何ですか？
3. すべてのトライアルの費用はほぼ同じですか（つまり、セットアップと実行に同じ時間がかかります）？
4. 最初のトライアルを実行するためのセットアップの費用は、次のいくつかのトライアルを実行するよりも大幅に高くなりますか？ 初期設定が大きい場合は、実行が安価な間にトライアル（複製または特にチェックポイント）を追加することを検討してください。
5. 変数設定の組み合わせによって問題が発生しますか（たとえば、安全でない、コストがかかりすぎる、機器/プロセスが破損する、達成できない）？
6. 設計空間を制限する必要がありますか、それとも因子設定の特定の組み合わせを禁止する必要がありますか？
7. 同じプロセスを別々の日に実行した場合、明らかに/驚くほど異なる結果が得られることはありますか？
8. 各回答について複製された試験の過去の記録はありますか？
1. 反復試行の応答値は互いに接近していますか、それとも時間の経過とともに広がっていますか？
2. 各応答の変動はどのくらいですか？ つまり、応答の標準偏差または二乗平均平方根誤差（RMSE）は何ですか？
9. 各応答の違いは、実際にどれほど重要であると考えられていますか？
10. 応答ごとに、大きな変動性の小さな違い（多くの複製が必要なため実行が難しい）または小さな変動性の大きな違い（簡単に実行可能）を探していると思いますか？
11. 効果を検出する上で望ましい信頼度はどれくらいですか？ これは通常95％であり、アルファを0.05に設定することになります（タイプIエラー）。
12. さまざまなタイプの効果（メイン、相互作用、2次、カテゴリレベル）の許容可能なパワーレベルはどれくらいですか？ノート：これは、効果が本物である場合に効果を逃さないための望ましいレベルの信頼度です。 通常、主効果と交互作用の場合は0.8であり、2次効果（タイプIIエラー）の場合は少なくなります。
13. チェックポイントトライアルを実行するために後で戻ってくるのはどれくらい難しいですか？ チェックポイントトライアルを今すぐ組み込むことができますか？特に、実行するのに費用がかからない場合はそうですか？ もしそうなら、どこ？
    1. 最高のパフォーマンスがどこで発生するかについてのあなたの推測。
    2. パフォーマンスが最も低下する場所を推測します。
    3. プロセスを実行する場所に関する上司の意見。
    4. 次の上位モデルをサポートするためのトライアルを追加します。
    5. 設計領域外のいくつかのポイント。
14. どのような試行が設計を壊す可能性が最も高いと思いますか？ ノート：おそらく、最初にそのトライアルを実行します。

実験計画法を効率的にし、結果を生み出すフレームワークを実装します。

 

 

 

 

実験計画法