460344_de-DE

liliconcom

Betreff: Verwandeln Sie viele kleine Entscheidungen in einen großen Prozessoptimierungserfolg

Schließ dich Tom an @tom_donnelly und Kollege Phil Kay @Phil_Kay heute 14-15 Uhr ET für Demo und Diskussion. Anmeldung erforderlich.

Verwandeln Sie viele kleine Entscheidungen in einen großen Prozessoptimierungserfolg

Wie wendet man Design of Experiments (DOE) auf einen Prozess an? Schließen Sie sich am 18. März dem Systemingenieur Tom Donnelly an, wenn er eine knappe 30-minütige Demo und Diskussion darüber präsentiert Optimierung von Prozessen durch entworfene Experimente im Rahmen der Webinar-Reihe Mastering JMP.

Tom behandelt ein sechsstufiges Framework zum Erstellen eines erfolgreich gestalteten Experiments, das in Ihrer Arbeitsumgebung ausgeführt werden kann. Die Schritte?

1. Beschreiben Sie das Ziel, die Faktoren und die Reaktionen.
2. Geben Sie ein angenommenes Modell an, von dem Sie glauben, dass es die physische Situation angemessen beschreibt.
3. Generieren und bewerten Sie ein Design, das mit Ihrem angenommenen Modell übereinstimmt.
4. Integrieren Sie Probelaufmessungen in das Design.
5. Bestimmen Sie das beste Modell (häufig eine Teilmenge des vorgeschlagenen Modells).
6. Verwenden Sie Modellergebnisse, um Faktoreinstellungen zu optimieren und/oder die Leistung vorherzusagen.

 

 

Als Teil des JMP-Teams, das US-Verteidigungs- und Luft- und Raumfahrtkunden unterstützt, nimmt Tom jährlich an der Militäroperationsforschungssymposium (MORS), wo er demonstriert, wie man mit JMP Probleme angeht. Er und einige seiner JMP-Kollegen präsentieren auch auf einer persönlich Konferenz, DATAWorks 2020 (Defense and Aerospace Test and Analysis Workshop) vom 26. bis 28. April 2022. Diese Sitzungen sind:

• Gemischte Modelle (Tutorial) von Elizabeth Claassen, JMP Research Statistician Developer
• Selbstvalidierende Ensemble-Modellierung von Chris Gotwalt, Chief Data Scientist bei JMP
• Funktionelle Daten sowohl als Eingabe in ein als auch als Ausgabe aus einem glykämischen Reaktionsmodell von Tom Donnelly, JMP Principal Systems Engineer

Vorführung von JMP für Konferenzteilnehmer

 

Ich habe kürzlich mit Tom über die Arten von Herausforderungen gesprochen, auf die seine Kunden stoßen, und wie er ihnen hilft, sie durch den DOE-Prozess zu führen. Außerdem verriet er ein wenig über seine Nationalpark-Erkundungen.

 

 

 

In seinem bevorstehenden Webinar Mastering JMP verwendet Tom einen Fallstudienansatz, der einige der erforderlichen Fragen und Antworten enthält, die für den Erfolg eines entworfenen Experiments entscheidend sind. Er listete für mich einige der Fragen für die ersten drei Schritte im Rahmen auf. Ich lade Sie ein, über sie für Ihr Arbeitsumfeld nachzudenken und Melden Sie sich für sein Webinar Mastering JMP am 18. März an .

Beschreiben

1. Was ist das Ziel des Experiments?
2. Wie misst man Erfolg?
3. Welche Antwortvariablen messen Sie?
4. Wenn für Ihren Prozess mehr als eine Antwort charakterisiert werden muss, wie sind die relativen Wichtigkeitsstufen?
5. Welche Steuerungsfaktoren gibt es?
   1. Kontinuierlich (quantitativ) – variiert über einen Bereich.
   2. Kategorisch (qualitativ) – variiert je nach Niveau.
   3. Diskrete Numerik – Analysen wie ein kontinuierlicher Faktor, aber nur auf diskreten Ebenen verfügbar, wie ein ordinaler kategorialer Faktor.
   4. Mischungs- oder Formulierungsfaktor – verhält sich wie ein kontinuierlicher Faktor, aber alle Mischungskomponentenanteile müssen sich auf (typischerweise) 1,00 summieren.
   5. Blockierende Faktoren – Gruppierungen von Studien wie z Tag oder Charge das sollte sich nicht auswirken. Wir fügen Blockierungsfaktoren hinzu, um zu sehen, ob sich der Prozess zwischen den Gruppen verschiebt, als Indikator dafür, dass unbekannte oder lauernde Faktoren mit den Blockierungen korrelieren.
6. In welchen Bereichen ist es sinnvoll, die Regelgrößen zu betreiben?
1. Zu mutig kann den Prozess unterbrechen.
2. Zu ängstlich erzeugt möglicherweise keine ausreichend große Wirkung.
3. Weiß nicht? Beziehen Sie Fachexperten in den Prozess ein.
7. Gibt es potenziell wichtige Faktoren, die nicht kontrolliert werden können?
8. Können unkontrollierbare Faktoren überwacht werden, damit die Einstellungen erfasst und aufgezeichnet werden können (z. B. Umgebungstemperatur, Luftfeuchtigkeit, Bediener zum Zeitpunkt des Versuchs)?Diese können als Kovariatenfaktoren behandelt werden.
9. Driftet der Prozess im Laufe des Tages oder Messzeitraums?
10. Wie viele Versuche können an einem Tag durchgeführt werden?Werden mehrere Tage benötigt?
11. Führen Sie normalerweise Kontrollproben für diesen Prozess durch?
12. Werden Studien in Batches oder Gruppen durchgeführt?
13. Gibt es schwer veränderbare Faktoren und wenn ja, welche?
14. Wie viele Geräte haben Sie von jedem Typ?
15. Haben Sie historische Daten, die nach möglichen Faktoren „gedatamint“ werden können, um Faktorbereiche besser zu verstehen?
16. Sind diese Real Experimente oder sind sie Computersimulationen ?
17. Wenn Simulationen, sind sie deterministisch (jedes Mal dieselbe Antwort) oder stochastisch (eingebaute Zufälligkeit, sodass die Antwort jedes Mal etwas anders ist)?

Angeben

1. Möchten Sie wichtige Haupteffekte aus einer großen Menge (z. B. 6+) von Faktoren identifizieren?
2. Möchten Sie ein Vorhersagemodell erstellen, mit dem Sie einen Prozess charakterisieren und optimieren können? HINWEIS: Diese beiden Fragen bestimmen, ob das vorgeschlagene Modell 1 ^st bestellen oder 2 ^nd Befehl.

Design

1. Was ist dein Budget?
2. Was ist Ihre Frist?
3. Kostet jede Testversion etwa gleich viel (d. h., die Einrichtung und Ausführung dauert gleich lange)?
4. Kostet die Einrichtung zum Ausführen der ersten Testversion wesentlich mehr als die Ausführung der nächsten paar? Wenn die anfängliche Einrichtung umfangreich ist, sollten Sie erwägen, zusätzliche Versuche (Replikate oder insbesondere Prüfpunkte) hinzuzufügen, solange sie günstig in der Ausführung sind.
5. Verursachen Kombinationen variabler Einstellungen Probleme (z. B. unsicher, zu kostspielig, brechen die Ausrüstung/den Prozess, unmöglich zu erreichen)?
6. Müssen Sie den Designraum einschränken oder bestimmte Kombinationen von Faktoreinstellungen verbieten?
7. Wenn Sie denselben Prozess an verschiedenen Tagen ausführen, erhalten Sie jemals offensichtlich/überraschend unterschiedliche Ergebnisse?
8. Haben Sie frühere Aufzeichnungen von replizierten Studien für jede Antwort?
1. Liegen die Response-Werte der Wiederholungsstudie nahe beieinander oder über die Zeit verteilt?
2. Wie groß ist die Variabilität für jede Antwort? Das heißt, was ist die Standardabweichung oder der quadratische Mittelwert (RMSE) der Antwort?
9. Wie wenig Unterschied für jede Antwort wird als praktisch wichtig angesehen?
10. Glauben Sie, dass Sie für jede Antwort nach winzigen Unterschieden bei großer Variabilität suchen (schwer zu bewerkstelligen, da viele Wiederholungen erforderlich sind) oder großen Unterschieden bei geringer Variabilität (einfach zu bewerkstelligen)?
11. Wie hoch ist das gewünschte Vertrauensniveau bei der Erkennung von Effekten? Dies ist normalerweise 95 %, was dazu führt, Alpha auf 0,05 festzulegen (Fehler 1. Art).
12. Was sind akzeptable Machtniveaus für die verschiedenen Arten von Effekten (Haupt-, Interaktions-, quadratische, kategorische Ebenen)?HINWEIS: Dies ist das gewünschte Vertrauensniveau, um einen Effekt NICHT zu verpassen, wenn er echt ist. Er beträgt typischerweise 0,8 für Haupteffekte und Wechselwirkungen und weniger für quadratische Effekte (Fehler 2. Art).
13. Wie schwer ist es, später wiederzukommen, um Checkpoint-Versuche durchzuführen? Können Sie Checkpoint-Tests jetzt einbauen – besonders wenn sie kostengünstig sind? Wenn ja, wo?
    1. Ihre Vermutung, wo die beste Leistung erzielt wird.
    2. Ihre Vermutung, wo die schlechteste Leistung auftreten wird.
    3. Die Meinung Ihres Chefs, wo der Prozess durchgeführt werden soll.
    4. Fügen Sie eine Testversion hinzu, um das nächsthöhere Modell zu unterstützen.
    5. Einige Punkte außerhalb des Designbereichs.
14. Welcher Versuch ist Ihrer Meinung nach am wahrscheinlichsten, um das Design zu brechen? HINWEIS: Vielleicht führen Sie zuerst diese Testversion durch.

Implementieren Sie ein Framework, das das Entwerfen von Experimenten effizient macht und Ergebnisse liefert.

 

 

 

 

Versuchsplanung