460344_zh-CN

liliconcom

回复：将许多小决定转化为一项重大的流程优化成功

加入汤姆@tom_donnelly和同事菲尔凯@Phil_Kay今天美国东部时间下午 2-3 点进行演示和讨论。 登记必需的。

将许多小决策转化为一项重大的流程优化成功

您如何将实验设计 (DOE) 应用于流程？ 3 月 18 日加入系统工程师 Tom Donnelly，他将展示一个 30 分钟的简明演示和讨论使用设计的实验优化流程作为精通 JMP 网络研讨会系列的一部分。

Tom 将介绍一个六步框架，用于创建可在您的工作环境中运行的成功设计实验。 步骤？

1. 描述目标、因素和应对措施。
2. 指定一个您认为充分描述物理情况的假设模型。
3. 生成并评估与假设模型一致的设计。
4. 将试运行测量纳入设计。
5. 确定最佳模型（通常是建议模型的子集）。
6. 使用模型结果来优化因子设置和/或预测性能。

 

 

作为支持美国国防和航空航天客户的 JMP 团队的一员，Tom 每年都会出席和/或出席军事运筹学研讨会(MORS) 在那里他演示了如何使用 JMP 来解决问题。 他和他的一些 JMP 同事也在亲自会议，数据工程 2020 （国防和航空航天测试与分析研讨会），2022 年 4 月 26 日至 28 日。 这些会议是：

• 混合模型（教程）作者 Elizabeth Claassen，JMP 研究统计学家开发人员
• 自验证集成建模作者：JMP 首席数据科学家 Chris Gotwalt
• 功能数据作为血糖反应模型的输入和输出作者：JMP 首席系统工程师 Tom Donnelly

向与会者演示 JMP

 

我最近与 Tom 谈到了他的客户遇到的挑战类型以及他如何帮助指导他们完成 DOE 流程。 另外，他透露了一些关于他的国家公园探索的信息。

 

 

 

在即将举行的精通 JMP 网络研讨会中，Tom 使用了一种案例研究方法，其中包含了一些对设计实验的成功至关重要的必要问题和答案。 他为我列出了框架中前三个步骤的一些问题。 我邀请您考虑它们是否适合您的工作环境和注册参加 3 月 18 日的 Mastering JMP 网络研讨会.

描述

1. 实验的目标是什么？
2. 你如何衡量成功？
3. 您测量哪些响应变量？
4. 如果您的过程需要表征多个响应，那么重要性的相对级别是多少？
5. 你有什么样的控制因素？
   1. 连续（定量）——在一定范围内变化。
   2. 分类（定性） - 因不同级别而异。
   3. 离散数值 – 像连续因子一样进行分析，但仅在离散水平上可用，如序数分类因子。
   4. 混合物或配方因子——表现得像一个连续因子，但所有混合物成分的比例都被限制为（通常）为 1.00。
   5. 阻断因素——试验分组，例如日要么批那不应该有效果。 我们添加阻塞因素以查看过程是否在组之间转移，作为与块相关的未知或潜伏因素的指标。
6. 在什么范围内操作控制因子是有意义的？
1. 过于大胆可能会破坏该过程。
2. 太胆小可能不会产生足够大的效果。
3. 不知道？ 让主题专家参与该过程。
7. 是否存在无法控制的潜在重要因素？
8. 是否可以监控任何不可控因素，以便捕获和记录设置（例如，环境温度、湿度、试验时的操作员）？这些可以被视为协变量因素。
9. 过程是否在被测量的一天或一段时间内漂移？
10. 一天可以进行多少次试验？需要多天吗？
11. 您通常会为此过程运行对照样本吗？
12. 试验会分批还是分组进行？
13. 是否有任何难以改变的因素，如果有，是哪些？
14. 每种类型的设备有多少？
15. 您是否拥有可以针对可能因素进行“数据挖掘”并更好地了解因素范围的历史数据？
16. 这些是真实的实验还是他们计算机模拟?
17. 如果是模拟，它们是确定性的（每次答案都相同）还是随机性的（内置随机性，因此每次答案都略有不同）？

指定

1. 您是否希望从大量（例如，6 个以上）因素中识别重要的主效应？
2. 您是否希望建立一个预测模型来表征和优化流程？ 笔记：这两个问题决定了建议的模型是否为 1^英石订购或 2 ^nd命令。

设计

1. 你的预算是多少？
2. 你的最后期限是什么时候？
3. 每次试用的成本是否大致相同（即，设置和运行所需的时间相同）？
4. 设置运行第一个试用版的成本是否比运行接下来的几个试用版要高得多？ 每当初始设置很大时，考虑添加额外的试验（复制或特别是检查点），而它们运行起来很便宜。
5. 变量设置的任何组合是否会导致问题（例如，不安全、成本太高、设备/过程中断、无法实现）？
6. 您是否需要限制设计空间或不允许某些因子设置组合？
7. 如果您在不同的日子运行相同的过程，您是否会得到明显/令人惊讶的不同结果？
8. 您是否有每个响应的重复试验的过去记录？
1. 重复试验响应值是靠近在一起还是随着时间分散？
2. 每个响应的可变性有多大？ 也就是说，响应的标准偏差或均方根误差 (RMSE) 是多少？
9. 每个响应的差异有多小被认为实际上很重要？
10. 对于每个响应，您认为您是在寻找大可变性的微小差异（因为需要大量复制而很难做到）还是小可变性的大差异（容易做到）？
11. 在检测效果时所需的置信水平是多少？ 这通常是 95%，这导致将 alpha 设置为 0.05（I 类错误）。
12. 对于各种类型的效应（主要、交互、二次、分类水平），可接受的功效水平是多少？笔记：如果效果是真实的，这是不遗漏效果的理想信心水平。 主效应和交互作用通常为 0.8，二次效应（II 型错误）则更小。
13. 稍后回来运行检查点试验有多难？ 你现在可以建立检查点试验吗——尤其是如果它们运行起来很便宜？ 如果有，在哪里？
    1. 您对最佳性能的猜测。
    2. 您对性能最差的地方的猜测。
    3. 你的老板对在哪里运行流程的意见。
    4. 添加试用版以支持下一个更高的模型。
    5. 设计区域之外的一些点。
14. 您认为哪种试验最有可能破坏设计？ 笔记：也许先运行该试验。

实施一个框架，使设计实验高效并产生结果。

 

 

 

 

实验设计