514783_it-IT

liliconcom

Screening definitivo Design DOE per un gran numero di fattori

Gentili esperti di JMP,

Sto realizzando un progetto DOE a doppia lente per accoppiare le luci in un array di fibre. Il mio obiettivo è esaminare la resa del sistema tenendo conto sia delle tolleranze di produzione che del decentramento e dell'inclinazione di entrambi gli obiettivi. Ho 15 fattori e 4 risposte nel DOE. Le 4 risposte CE1, CE2, CE3 e CE4 corrispondono all'efficienza di accoppiamento di ciascuna fibra nell'array di fibre.

Ho provato a utilizzare il Definitive Screening Design per eseguire lo screening iniziale grazie al suo vantaggio unico rispetto al tradizionale design fattoriale frazionario.Come si può vedere dai dati di simulazione, la differenza tra CE1 e CE4 dovrebbe essere trascurabile e la differenza tra CE2 e CE3 dovrebbe essere trascurabile. Tuttavia, lo screening DSD mi fornisce una raccolta diversa di fattori statisticamente significativi per tutte e quattro le risposte.

Soprattutto per il fattore di l1_tilt_y, sapevo per certo che è un fattore dominante per la risposta di CE1 e CE4 e ha una relazione non lineare per entrambe le risposte, ma lo screening DSD non può nemmeno rilevarlo per CE4.

Il file di report JMP con la tabella dati incorporata è allegato.

Puoi gentilmente condividere con me il tuo pensiero?

Grazie.

Distinti saluti,

Eric

Progettazione di esperimentiRe: Progetto di screening definitivo DOE per un gran numero di fattori

Ho cancellato i miei commenti sulle strategie non DSD per i dati di simulazione perché ho visto che altri hanno sottolineato lo stesso punto ... anche se spesso eseguo i miei esperimenti su un simulatore prima di farlo nella vita reale, forse è quello che stavi facendo?

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Potresti prendere in considerazione l'utilizzo di "disegni di riempimento dello spazio" per raccogliere le risposte da una simulazione al computer. Inoltre, tutto ciò che vuoi è un interpolatore per una previsione rapida, non per valutare l'importanza dei fattori. (È sufficiente guardare il codice di simulazione per vedere l'importanza e la relazione.) JMP fornisce la piattaforma Gaussian Process per la modellazione dei dati di simulazione al computer.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Ciao @hanyu119 ,

Altri membri della comunità hanno portato molte nozioni molto importanti, come come gestire il rumore in DoE.

Se stai eseguendo un esperimento di simulazione con effetti non lineari, forse un progetto che riempie lo spazio sarebbe adatto alle tue esigenze: sarai in grado di adattare molti modelli diversi attraverso i punti di costruzione e gestire gli effetti non lineari attraverso diverse tecniche di analisi (Metodi basati su albero, reti neurali, SVM, ecc... in base al tipo di risposta). Sono tuttavia un po' scettico riguardo al numero di fattori che hai (15) e al numero di esperimenti che questo tipo di progetto genererà con così tanti fattori (per 15 fattori, JMP consiglia per impostazione predefinita 150 esecuzioni con vari progetti che riempiono lo spazio) . Forse il numero di corse non è così importante per te, dal momento che non usi materiali/risorse (è solo un esperimento di calcolo/simulazione)?

Questo quiz su JMP sarebbe un buon punto di partenza per avere una prima raccomandazione su quale tipo di progetto provare per primo: DOE Quiz (jmp.com)

Spero che questo ti aiuti nel tuo esperimento di riflessione e simulazione,

Re: Progetto di screening definitivo DOE per un gran numero di fattori

A meno che l'esecuzione della simulazione non richieda una notevole quantità di tempo, potresti anche eseguire fattoriali completi con tutti i livelli che desideri. Certo, il problema è il rumore... non sei sicuro di come lo simuli? In realtà non capisco perché dovresti eseguire esperimenti di simulazione. L'algoritmo è già noto nel software. L'ordine del modello è già noto.Se le variabili (o le loro componenti non lineari) non sono nell'algoritmo, non possono influenzare la risposta dell'algoritmo.

Negli esperimenti del mondo reale, costruiamo modelli in ordine gerarchico utilizzando i principi fondamentali di scarsità, gerarchia ed ereditarietà. In genere inizieremmo con la determinazione degli effetti principali lineari e aggiungeremo la gerarchia man mano che lo spazio dell'esperimento si avvicina a ciò che riteniamo ottimale. Questo lavoro è sempre sequenziale e iterativo. Non spendere molto tempo e denaro per conoscere fattori non importanti a livelli non ottimali. I design del punto centrale sono efficaci nel testare la curvatura all'interno dello spazio dell'esperimento.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Questo esperimento viene eseguito completamente mediante simulazione. È un design concettuale. Non ho un prodotto reale per verificare la simulazione. Detto questo, la simulazione dovrebbe essere abbastanza accurata poiché è un design molto semplice.

Chiaramente, il modello DSD non è adeguato. E dopo?

Diciamo che hai 15 fattori con cui iniziare per uno screening DOE, sai che la risposta non è lineare con alcuni dei fattori. Come affronterai questo problema?

Grazie.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Sono confuso dalla tua affermazione: " Ho convalidato i miei dati con la simulazione e tutti i dati sono reali.". Come puoi eventualmente convalidare i dati reali con la simulazione? Questo esperimento è gestito completamente dalla simulazione?  

 

Ci sono due componenti insolite distintamente diverse della tua situazione:

1. Potrebbero esserci punti dati insoliti per ogni trattamento come identificato dall'analisi multivariata (questi sono probabilmente influenzati dal rumore). Il tuo DSD non ha alcuna strategia per gestire il rumore (blocco, ripetizioni, grafici divisi, ecc.). Ti suggerisco di dedicare un po' di tempo alla comprensione del rumore.

2. Il modello non è adeguato (questo è identificato dai conseguenti problemi con residui come sottolinea Mark). Ci sono momenti in cui il modello non fa un ottimo lavoro nel prevedere i risultati. Perché? È qui che dovrebbe dirigersi la tua indagine.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

È una grande scoperta Mark! Non prendo mai troppa attenzione alle trame residue degli effetti principali, ora so come usarle.

Ho convalidato i miei dati di simulazione e tutti quei valori anomali sembrano essere reali, quindi non posso davvero rimuoverli dal mio DOE.

Qual è il prossimo passo sensato che consigli?

Esiste un approccio di screening più affidabile che puoi condividere con me?

Grazie.

 

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Il multivariato è un ottimo metodo per rilevare i valori anomali. Grazie per la condivisione!

Ho convalidato i miei dati con la simulazione e tutti i dati sono reali.

Riga 15 e Riga 16 : poiché l1_tilt y è il fattore più dominante nel sistema, quando l1_tilt_y è 0, come nel caso di Row 15 e Row 16, l'efficienza di accoppiamento di CE1 e CE4 diventa molto elevata rispetto alle altre esecuzioni. Ecco perché JMP pensa che siano valori anomali.

Riga 37 è il punto centrale. Di nuovo, poiché l1_tilt_y è 0, CE1 e CE4 sono alti.

Riga 14 è un caso particolare. Ho controllato tre volte il mio simulazione e ha un senso, quindi non posso nemmeno rimuovere questo punto.

Sulla base di ciò, significa che il DSD non è l'approccio giusto da utilizzare per questo caso specifico?

Qual è il prossimo passo sensato che consigli?

Grazie.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Proprio come ha scoperto Mark, ci sono alcuni punti dati insoliti. Questi possono essere dovuti al rumore piuttosto che agli effetti del trattamento.

 

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Hai alcune osservazioni insolite per CE1 e CE4. I residui sono insoliti. Ad esempio, ecco l'inizio delle trame per CE1:

Queste osservazioni possono avere un'influenza insolitamente elevata sulle stime dei parametri del modello e, pertanto, l'ipotesi verifica che le stime non siano pari a zero.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Caro Statmann,

Molte grazie per aver condiviso il tuo pensiero.

Ho ricollegato il file di report JMP corretto con la tabella dati incorporata. Puoi gentilmente dare un'occhiata?

Come puoi vedere, la risposta di CE1 e CE4 non è molto diversa, ma JMP fornisce in qualche modo un risultato di screening diverso. Questo non ha senso per me.

Qual è il tuo pensiero su questo?

Grazie.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

Caro Marco,

Molte grazie per la pronta risposta.

Ci scusiamo per aver allegato il file JMP errato.

Ho riallegato un file di report JMP con la tabella dati incorporata.

Spero che ora vada bene.

Non vedo l'ora di sentire il tuo pensiero.

Saluti.

 

Re: Progetto di screening definitivo DOE per un gran numero di fattori

I punti di Mark sono validi. Alcuni pensieri aggiuntivi: prima di analizzare le relazioni tra i fattori e le risposte, guarda le variabili di risposta. I valori sono ragionevoli? Hanno senso? La variazione delle variabili di risposta era praticamente significativa? Guarda le relazioni multivariate (Analizza> Metodi multivariati> Multivariato). Le relazioni/correlazioni hanno senso? Consiglio sempre agli sperimentatori di prevedere i dati prima di eseguire l'esperimento per stabilire il contesto dei risultati. La capacità di determinare le relazioni può essere influenzata dalla quantità di variazione catturata nello studio.

Re: Progetto di screening definitivo DOE per un gran numero di fattori

La tabella di dati che hai fornito contiene le colonne di progettazione ma nessun dato di risposta. La valutazione del progetto è come previsto. La valutazione del modello non è possibile, però.

 

Non ho familiarità con questo design dell'obiettivo, ma spesso mi sono imbattuto in idee preconcette su ciò che era o non era noto dall'esperienza precedente. Molte di queste situazioni erano basate su storie aneddotiche che non erano effettivamente verificabili o esaminate con un approccio statistico. Quindi non sono ancora preoccupato che il risultato ti abbia sorpreso. Tuttavia, vediamo cosa possiamo fare per risolverlo.