460344_zh-TW

liliconcom

將許多小決策轉化為一項重大的流程優化成功

如何將實驗設計 (DOE) 應用於流程？ 3 月 18 日與系統工程師 Tom Donnelly 一起觀看，他將針對以下問題進行 30 分鐘的簡明演示和討論：使用設計的實驗最佳化流程作為掌握 JMP 網路研討會系列的一部分。

Tom 將介紹一個六步驟框架，用於建立可在您的工作環境中運行的成功設計的實驗。 步驟？

1. 描述目標、因素和回應。
2. 指定一個您認為充分描述物理情況的假設模型。
3. 產生並評估與您假設的模型一致的設計。
4. 將試運轉測量納入設計中。
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定和/或預測效能。

 

 

作為支援美國國防和航空航太客戶的 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)，他示範如何使用 JMP 來解決問題。 他和他的一些 JMP 同事也在一次會議上發表演講親自會議，數據工場 2020 （國防與航空航太測試與分析研討會），2022 年 4 月 26-28 日。 這些會議是：

• 混合型號（教學）作者：Elizabeth Claassen，JMP 研究統計學家開發人員
• 自驗證整合建模作者：Chris Gotwalt，JMP 首席資料科學家
• 功能數據作為血糖反應模型的輸入與輸出作者：Tom Donnelly，JMP 首席系統工程師

Demonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendeeDemonstrating JMP to conference attendee向與會者展示 JMP

 

我最近與 Tom 討論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，他也透露了一些關於他的國家公園探索的資訊。

 

 

 

在即將舉行的掌握 JMP 網路研討會中，Tom 使用案例研究方法，其中包含了一些對設計實驗成功至關重要的必要問題和答案。 他為我列出了該框架前三個步驟的一些問題。 我邀請您考慮一下您的工作環境和報名參加 3 月 18 日的 Mastering JMP 網路研討會。

描述

1. 實驗的目標是什麼？
2. 你如何衡量成功？
3. 您測量哪些反應變數？
4. 如果您的流程需要表徵多個回應，那麼其相對重要性等級為何？
5. 你有哪些控制因素？
   1. 連續（定量）－在一定範圍內變化。
   2. 分類（定性）－隨著等級的不同而變化。
   3. 離散數值 – 類似於連續因子的分析，但僅在離散層級可用，例如序數分類因子。
   4. 混合物或配方因子 - 表現得像一個連續因子，但所有混合物成分比例的總和都限制為（通常）1.00。
   5. 阻斷因素－試驗分組，例如天或者批次那不應該有影響。 我們加入阻塞因素來查看過程是否在組別之間轉移，作為與阻塞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才有意義？
1. 太大膽可能會破壞這個過程。
2. 太膽怯可能不會產生足夠大的效果。
3. 不知道嗎？ 讓主題專家參與過程。
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，以便捕捉和記錄設定（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. 在測量的一天或一段時間內，該過程是否會發生漂移？
10. 一天可以進行幾次試驗？需要多天嗎？
11. 您通常會為此過程運行控制樣本嗎？
12. 試驗會分批或分組進行嗎？
13. 是否有難以改變的因素？如果有，是哪些？
14. 每種類型您有多少台裝置？
15. 您是否擁有可以針對可能因素進行「資料探勘」並更好地了解因素範圍的歷史資料？
16. 這些是真實的實驗還是它們電腦模擬？
17. 如果是模擬，它們是確定性的（每次都有相同的答案）還是隨機性的（內建隨機性，因此每次的答案都略有不同）？

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果？
2. 您是否希望建立一個預測模型來表徵和最佳化流程？ 筆記：這兩個問題決定了所提出的模型是否為 1^英石訂單或 2 ^ND命令。

設計

1. 您的預算是多少？
2. 你的截止日期是什麼時候？
3. 每次試驗的成本是否大致相同（即，設定和運行所需的時間相同）？
4. 設定運行第一個試驗的成本是否比運行接下來的幾個試驗高得多？ 每當初始設定很大時，請考慮添加額外的試驗（重複或特別是檢查點），同時運行成本低廉。
5. 變數設定的任何組合是否會導致問題（例如，不安全、成本太高、破壞設備/流程、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定組合？
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. 您是否有每個反應的重複試驗的過去記錄？
1. 重複試驗的反應值是接近還是隨著時間的推移而分散？
2. 每個反應的變異性有多大？ 也就是說，響應的標準差或均方根誤差 (RMSE) 是多少？
9. 每個反應的微小差異被認為是實際重要的？
10. 對於每個反應，您認為您正在尋找大變異性中的微小差異（很難做到，因為需要大量複製）還是小變異性中的大差異（容易做到）？
11. 檢測效果所需的置信度是多少？ 通常為 95%，這導致將 alpha 設為 0.05（I 類錯誤）。
12. 各種類型的效應（主要效應、交互作用效應、二次效應、分類效應）可接受的效能水準是多少？筆記：這是理想的置信水平，確保不會錯過效果（如果效果是真實的）。 主效果和交互作用的值通常為 0.8，二次效應的值通常較小（II 類錯誤）。
13. 稍後再回來進行檢查點試驗有多難？ 現在您可以建立檢查點試驗嗎？尤其是如果運行成本低廉的話？ 如果是的話，在哪裡？
    1. 您對最佳表現位置的猜測。
    2. 您對性能最差的地方會發生的猜測。
    3. 您的老闆對於在何處運行該流程的意見。
    4. 添加試用版以支援下一個更高的型號。
    5. 一些點在設計區域之外。
14. 您認為哪一種試驗最有可能破壞設計？ 筆記：也許首先進行該試驗。

實施一個框架，使設計實驗變得有效率並產生結果。

 

 

 

 

實驗設計回覆：將許多小決策轉變為一項重大的流程優化成功

加入湯姆@湯姆唐納利和同事菲爾·凱@菲爾_凱美國東部時間今天下午 2-3 點進行演示和討論。 登記必需的。