Come si applica il design degli esperimenti (DOE) a un processo? Unisciti all'ingegnere di sistema Tom Donnelly il 18 marzo, quando presenterà una breve demo di 30 minuti e una discussione su Ottimizzazione dei processi mediante esperimenti progettati nell'ambito della serie di webinar Mastering JMP.
Tom tratterà un framework in sei passaggi per creare un esperimento progettato con successo che può essere eseguito nel tuo ambiente di lavoro. I passi?
- Descrivere l'obiettivo, i fattori e le risposte.
- Specifica un modello presunto che ritieni descriva adeguatamente la situazione fisica.
- Generare e valutare un progetto coerente con il modello assunto.
- Incorporare le misurazioni della corsa di prova nel progetto.
- Determinare il modello migliore (spesso un sottoinsieme del modello proposto).
- Utilizzare i risultati del modello per ottimizzare le impostazioni dei fattori e/o prevedere le prestazioni.
Come parte del team JMP che supporta i clienti della difesa e del settore aerospaziale degli Stati Uniti, Tom partecipa e/o si presenta annualmente al Simposio di ricerca sulle operazioni militari (MORS) dove dimostra come utilizzare JMP per affrontare i problemi. Lui e alcuni dei suoi colleghi di JMP stanno anche presentando a un di persona conferenza, DATIWorks 2020 (Workshop test e analisi per la difesa e l'aerospaziale) dal 26 al 28 aprile 2022. Queste sessioni sono:
- Modelli misti (Tutorial) di Elizabeth Claassen, JMP Research Statistician Developer
- Modellazione di ensemble auto-convalida di Chris Gotwalt, Chief Data Scientist di JMP
- Dati funzionali sia come input che come output da un modello di risposta glicemica di Tom Donnelly, Principal Systems Engineer di JMP
Demonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDimostrazione di JMP ai partecipanti alla conferenza
Di recente ho parlato con Tom dei tipi di sfide che incontrano i suoi clienti e di come li aiuta a guidarli attraverso il processo DOE. Inoltre, ha rivelato qualcosa sulle sue esplorazioni nel Parco Nazionale.
Nel suo prossimo webinar Mastering JMP, Tom utilizza un approccio di studio di caso che incorpora alcune delle domande e delle risposte necessarie che sono fondamentali per il successo di un esperimento progettato. Mi ha elencato alcune delle domande per i primi tre passaggi del framework. Vi invito a pensarci per il vostro ambiente di lavoro e registrarsi per il suo webinar Mastering JMP del 18 marzo .
Descrivere
- Qual è l'obiettivo della sperimentazione?
- Come si misura il successo?
- Quali variabili di risposta misuri?
- Se per il tuo processo è necessario caratterizzare più di una risposta, quali sono i relativi livelli di importanza?
- Che tipo di fattori di controllo hai?
- Continuo (quantitativo): varia in un intervallo.
- Categorico (qualitativo) – varia a seconda dei diversi livelli.
- Numerico discreto: analizza come un fattore continuo, ma disponibile solo a livelli discreti, come un fattore categorico ordinale.
- Fattore di miscela o formulazione: si comporta come un fattore continuo, ma tutte le proporzioni dei componenti della miscela sono vincolate a sommare (tipicamente) 1,00.
- Fattori di blocco: raggruppamenti di prove come giorno O lotto che non dovrebbe avere effetto. Aggiungiamo fattori di blocco per vedere se il processo si sposta tra i gruppi come indicatore di fattori sconosciuti o in agguato correlati ai blocchi.
- Su quali intervalli ha senso operare i fattori di controllo?
- Troppo audace può interrompere il processo.
- Troppo timido potrebbe non generare un effetto sufficientemente ampio.
- Non lo sai? Coinvolgere esperti in materia nel processo.
- Ci sono fattori potenzialmente importanti che non possono essere controllati?
- È possibile monitorare eventuali fattori incontrollabili in modo che le impostazioni possano essere acquisite e registrate (ad esempio, temperatura ambiente, umidità, operatore al momento della prova)?Questi possono essere trattati come fattori covariati.
- Il processo si sposta nel corso della giornata o del periodo misurato?
- Quante prove possono essere eseguite in un giorno?Saranno necessari più giorni?
- In genere esegui campioni di controllo per questo processo?
- Le prove verranno eseguite in batch o in gruppi?
- Ci sono fattori difficili da modificare e, in caso affermativo, quali?
- Quanti dispositivi hai di ogni tipo?
- Disponi di dati storici che possono essere "estratti dai dati" per possibili fattori e per comprendere meglio gli intervalli di fattori?
- Sono queste vero esperimenti o lo sono simulazioni al computer ?
- Se le simulazioni, sono deterministiche (stessa risposta ogni volta) o stocastiche (casualità incorporata in modo che la risposta sia leggermente diversa ogni volta)?
Specificare
- Stai cercando di identificare importanti effetti principali da un ampio insieme (ad es. 6+) di fattori?
- Stai cercando di costruire un modello predittivo con cui caratterizzare e ottimizzare un processo? NOTA: Queste due domande determinano se il modello proposto sarà 1 st ordine o 2 nd ordine.
Progetto
- Qual è il tuo badget?
- Qual è la tua scadenza?
- Ogni versione di prova ha un costo all'incirca uguale (ovvero richiede lo stesso tempo per l'installazione e l'esecuzione)?
- Ottenere la configurazione per eseguire la prima prova costa sostanzialmente di più rispetto all'esecuzione delle successive? Ogni volta che la configurazione iniziale è ampia, prendi in considerazione l'aggiunta di ulteriori prove (repliche o soprattutto checkpoint) mentre sono economiche da eseguire.
- Eventuali combinazioni di impostazioni variabili causano problemi (ad es., non sicure, troppo costose, danneggiano l'apparecchiatura/il processo, impossibili da realizzare)?
- Sarà necessario limitare lo spazio di progettazione o non consentire determinate combinazioni di impostazioni dei fattori?
- Se esegui lo stesso processo in giorni separati, ottieni mai risultati ovviamente/sorprendentemente diversi?
- Hai registrazioni precedenti di prove replicate per ogni risposta?
- I valori di risposta di prova replicati sono ravvicinati o distribuiti nel tempo?
- Quanto è grande la variabilità per ciascuna risposta? Cioè, qual è la deviazione standard o l'errore quadratico medio (RMSE) della risposta?
- Quanto piccola differenza per ogni risposta è considerata praticamente importante?
- Per ogni risposta, pensi di cercare piccole differenze nella grande variabilità (difficile da fare perché sono necessarie molte repliche) o grandi differenze nella piccola variabilità (facile da fare)?
- Qual è il livello di confidenza desiderato nel rilevare gli effetti? Questo è in genere il 95%, il che porta all'impostazione di alfa a 0,05 (errore di tipo I).
- Quali sono i livelli di potenza accettabili per i vari tipi di effetti (livello principale, interazione, quadratico, categoriale)?NOTA: Questo è il livello di fiducia desiderato nel NON perdere un effetto se è reale. Tipicamente è 0,8 per gli effetti e le interazioni principali e inferiore per gli effetti quadratici (errore di tipo II).
- Quanto è difficile tornare più tardi per eseguire prove checkpoint? Puoi creare prove checkpoint ora, specialmente se sono poco costose da eseguire? Se sì, dove?
- La tua ipotesi su dove si verificheranno le migliori prestazioni.
- La tua ipotesi su dove si verificheranno le prestazioni peggiori.
- L'opinione del tuo capo su dove eseguire il processo.
- Aggiungi una versione di prova per supportare il modello superiore successivo.
- Alcuni punti al di fuori della regione del progetto.
- Quale prova pensi sia più probabile che rompa il progetto? NOTA: Forse esegui prima quella prova.
Unisciti a Tom @tom_donnelly e il collega Phil Kay @Phil_Kay oggi 14-15 ET per demo e discussione. Registrazione necessario.
