460344_zh-TW

liliconcom

回复：將許多小決定轉化為一項重大的流程優化成功

加入湯姆@tom_donnelly和同事菲爾凱@Phil_Kay今天美國東部時間下午 2-3 點進行演示和討論。 登記必需的。

將許多小決策轉化為一項重大的流程優化成功

您如何將實驗設計 (DOE) 應用於流程？ 3 月 18 日加入系統工程師 Tom Donnelly，他將展示一個 30 分鐘的簡明演示和討論使用設計的實驗優化流程作為精通 JMP 網絡研討會系列的一部分。

Tom 將介紹一個六步框架，用於創建可在您的工作環境中運行的成功設計實驗。 步驟？

1. 描述目標、因素和應對措施。
2. 指定一個您認為充分描述物理情況的假設模型。
3. 生成並評估與假設模型一致的設計。
4. 將試運行測量納入設計。
5. 確定最佳模型（通常是建議模型的子集）。
6. 使用模型結果來優化因子設置和/或預測性能。

 

 

作為支持美國國防和航空航天客戶的 JMP 團隊的一員，Tom 每年都會出席和/或出席軍事運籌學研討會(MORS) 在那裡他演示瞭如何使用 JMP 來解決問題。 他和他的一些 JMP 同事也在親自會議，數據工程 2020 （國防和航空航天測試與分析研討會），2022 年 4 月 26 日至 28 日。 這些會議是：

• 混合模型（教程）作者 Elizabeth Claassen，JMP 研究統計學家開發人員
• 自驗證集成建模作者：JMP 首席數據科學家 Chris Gotwalt
• 功能數據作為血糖反應模型的輸入和輸出作者：JMP 首席系統工程師 Tom Donnelly

向與會者演示 JMP

 

我最近與 Tom 談到了他的客戶遇到的挑戰類型以及他如何幫助指導他們完成 DOE 流程。 另外，他透露了一些關於他的國家公園探索的信息。

 

 

 

在即將舉行的精通 JMP 網絡研討會中，Tom 使用了一種案例研究方法，其中包含了一些對設計實驗的成功至關重要的必要問題和答案。 他為我列出了框架中前三個步驟的一些問題。 我邀請您考慮它們是否適合您的工作環境和註冊參加 3 月 18 日的 Mastering JMP 網絡研討會.

描述

1. 實驗的目標是什麼？
2. 你如何衡量成功？
3. 您測量哪些響應變量？
4. 如果您的過程需要表徵多個響應，那麼重要性的相對級別是多少？
5. 你有什麼樣的控制因素？
   1. 連續（定量）——在一定範圍內變化。
   2. 分類（定性） - 因不同級別而異。
   3. 離散數值 – 像連續因子一樣進行分析，但僅在離散水平上可用，如序數分類因子。
   4. 混合物或配方因子——表現得像一個連續因子，但所有混合物成分的比例都被限制為（通常）為 1.00。
   5. 阻斷因素——試驗分組，例如日要么批那不應該有效果。 我們添加阻塞因素以查看過程是否在組之間轉移，作為與塊相關的未知或潛伏因素的指標。
6. 在什麼範圍內操作控制因子是有意義的？
1. 過於大膽可能會破壞該過程。
2. 太膽小可能不會產生足夠大的效果。
3. 不知道？ 讓主題專家參與該過程。
7. 是否存在無法控制的潛在重要因素？
8. 是否可以監控任何不可控因素，以便捕獲和記錄設置（例如，環境溫度、濕度、試驗時的操作員）？這些可以被視為協變量因素。
9. 過程是否在被測量的一天或一段時間內漂移？
10. 一天可以進行多少次試驗？需要多天嗎？
11. 您通常會為此過程運行對照樣本嗎？
12. 試驗會分批還是分組進行？
13. 是否有任何難以改變的因素，如果有，是哪些？
14. 每種類型的設備有多少？
15. 您是否擁有可以針對可能因素進行“數據挖掘”並更好地了解因素範圍的歷史數據？
16. 這些是真實的實驗還是他們計算機模擬?
17. 如果是模擬，它們是確定性的（每次答案都相同）還是隨機性的（內置隨機性，因此每次答案都略有不同）？

指定

1. 您是否希望從大量（例如，6 個以上）因素中識別重要的主效應？
2. 您是否希望建立一個預測模型來表徵和優化流程？ 筆記：這兩個問題決定了建議的模型是否為 1^英石訂購或 2 ^nd命令。

設計

1. 你的預算是多少？
2. 你的最後期限是什麼時候？
3. 每次試用的成本是否大致相同（即，設置和運行所需的時間相同）？
4. 設置運行第一個試用版的成本是否比運行接下來的幾個試用版要高得多？ 每當初始設置很大時，考慮添加額外的試驗（複製或特別是檢查點），而它們運行起來很便宜。
5. 變量設置的任何組合是否會導致問題（例如，不安全、成本太高、設備/過程中斷、無法實現）？
6. 您是否需要限制設計空間或不允許某些因子設置組合？
7. 如果您在不同的日子運行相同的過程，您是否會得到明顯/令人驚訝的不同結果？
8. 您是否有每個響應的重複試驗的過去記錄？
1. 重複試驗響應值是靠近在一起還是隨著時間分散？
2. 每個響應的可變性有多大？ 也就是說，響應的標準偏差或均方根誤差 (RMSE) 是多少？
9. 每個響應的差異有多小被認為實際上很重要？
10. 對於每個響應，您認為您是在尋找大可變性的微小差異（因為需要大量複製而很難做到）還是小可變性的大差異（容易做到）？
11. 在檢測效果時所需的置信水平是多少？ 這通常是 95%，這導致將 alpha 設置為 0.05（I 類錯誤）。
12. 對於各種類型的效應（主要、交互、二次、分類水平），可接受的功效水平是多少？筆記：如果效果是真實的，這是不遺漏效果的理想信心水平。 主效應和交互作用通常為 0.8，二次效應（II 型錯誤）則更小。
13. 稍後回來運行檢查點試驗有多難？ 你現在可以建立檢查點試驗嗎——尤其是如果它們運行起來很便宜？ 如果有，在哪裡？
    1. 您對最佳性能的猜測。
    2. 您對性能最差的地方的猜測。
    3. 你的老闆對在哪裡運行流程的意見。
    4. 添加試用版以支持下一個更高的模型。
    5. 設計區域之外的一些點。
14. 您認為哪種試驗最有可能破壞設計？ 筆記：也許先運行該試驗。

實施一個框架，使設計實驗高效並產生結果。

 

 

 

 

實驗設計