많은 요인에 대한 최종 선별 설계 DOE친애하는 JMP 전문가 여러분,
나는 광섬유 어레이에 조명을 연결하기 위해 이중 렌즈 디자인 DOE를 수행하고 있습니다. 제 목표는 제조 공차와 두 렌즈의 편심 및 기울기를 모두 고려할 때 시스템의 수율을 살펴보는 것입니다. DOE에는 15개의 요인과 4개의 응답이 있습니다. 4개의 응답 CE1, CE2, CE3 및 CE4는 광섬유 어레이의 각 광섬유의 결합 효율에 해당합니다.
기존의 부분 요인 설계에 비해 고유한 장점이 있는 확정 선별 설계를 사용하여 초기 선별을 시도했습니다.시뮬레이션 데이터에서 알 수 있듯이 CE1과 CE4의 차이는 무시할 수 있고 CE2와 CE3의 차이는 무시할 수 있어야 합니다. 그러나 DSD 스크리닝은 네 가지 응답 모두에 대해 통계적으로 유의미한 다양한 요인 모음을 제공합니다.
특히 l1_tilt_y 요인의 경우 CE1과 CE4의 응답에 대한 지배적인 요인이고 두 응답 모두에 대해 비선형 관계가 있다는 사실을 알고 있었지만 DSD 스크리닝은 CE4에 대해 그것을 선택할 수도 없습니다.
데이터 테이블이 포함된 JMP 보고서 파일을 첨부합니다.
당신의 생각을 저와 친절하게 공유해 주시겠습니까?
감사합니다.
친애하는,
에릭
실험 설계Re: 다수의 요인에 대한 최종 선별 설계 DOE시뮬레이션 데이터에 대한 비 DSD 전략에 대한 내 의견을 삭제했습니다. 왜냐하면 다른 사람들도 같은 주장을 한 것을 보았기 때문입니다. 실생활에서 하기 전에 종종 시뮬레이터에 대한 실험을 실행하지만 아마도 그것이 당신이 하고 있었던 것일까요?
Re: 다수의 요인에 대한 최종 선별 설계 DOE컴퓨터 시뮬레이션에서 응답을 수집하기 위해 '공간 채우기 설계' 사용을 고려할 수 있습니다. 또한 원하는 것은 빠른 예측을 위한 보간기이지 요인 중요도를 평가하기 위한 것이 아닙니다. (시뮬레이션 코드를 보면 중요성과 관계를 알 수 있습니다.) JMP는 컴퓨터 시뮬레이션 데이터 모델링을 위한 가우시안 프로세스 플랫폼을 제공합니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE안녕하세요 @hanyu119 ,
커뮤니티의 다른 구성원은 DoE에서 노이즈를 처리하는 방법과 같은 매우 중요한 개념을 많이 가져왔습니다.
비선형 효과로 시뮬레이션 실험을 실행하는 경우 공간 채우기 설계가 필요에 적합할 수 있습니다. 구성 지점을 통해 다양한 모델을 맞출 수 있고 다양한 분석 기술을 통해 비선형 효과를 처리할 수 있습니다. (트리 기반 방법, 신경망, SVM 등... 응답 유형 기반). 그러나 나는 당신이 가지고 있는 요인의 수(15개)와 이 유형의 설계가 너무 많은 요인으로 생성할 실험의 수에 대해 약간 회의적입니다(15개 요인의 경우 JMP는 기본적으로 다양한 공간 채우기 설계로 150회 실행을 권장합니다). . 재료/자원을 사용하지 않기 때문에 실행 횟수가 그다지 중요하지 않을 수 있습니다(단지 계산/시뮬레이션 실험일 뿐입니다).
이 JMP 퀴즈는 먼저 시도할 디자인 유형에 대한 첫 번째 권장 사항을 얻을 수 있는 좋은 출발점이 될 것입니다. DOE 퀴즈(jmp.com)
이것이 반사 및 시뮬레이션 실험에 도움이 되기를 바랍니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE시뮬레이션을 실행하는 데 상당한 시간이 걸리지 않는 한 원하는 만큼 많은 수준으로 전체 요인을 실행할 수도 있습니다. 물론 문제는 소음입니다...이것을 시뮬레이션하는 방법을 잘 모르시겠습니까? 실제로 왜 시뮬레이션 실험을 하는지 이해가 되지 않습니다. 알고리즘은 이미 소프트웨어에 알려져 있습니다. 모델의 순서는 이미 알려져 있습니다.변수(또는 비선형 구성 요소)가 알고리즘에 없으면 알고리즘의 응답에 영향을 미칠 수 없습니다.
실제 실험에서는 기본 원칙 또는 희소성, 계층 및 유전을 사용하여 계층적 순서로 모델을 구축합니다. 일반적으로 우리는 선형 주효과를 결정하는 것으로 시작하여 실험 공간이 우리가 최적이라고 생각하는 것에 접근함에 따라 계층을 추가합니다. 이 작업은 항상 순차적이고 반복적입니다. 최적 수준보다 낮은 중요하지 않은 요소에 대해 배우는 데 많은 시간과 비용을 소비하지 마십시오. 중심점 설계는 실험 공간 내부의 곡률을 테스트하는 데 효율적입니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE이 실험은 완전히 시뮬레이션으로 실행됩니다. 컨셉디자인입니다. 시뮬레이션을 검증할 실제 제품이 없습니다. 그렇긴 하지만, 시뮬레이션은 매우 직관적인 디자인이기 때문에 매우 정확해야 합니다.
분명히 DSD 모델은 적합하지 않습니다. 다음은?
스크리닝 DOE를 위해 시작할 15개의 요인이 있다고 가정해 보겠습니다. 반응이 일부 요인과 비선형임을 알고 있습니다. 이 문제에 어떻게 접근할 것인가?
감사해요.
Re: 다수의 요인에 대한 최종 선별 설계 DOE귀하의 진술이 혼란스럽습니다: " 시뮬레이션으로 데이터를 검증했으며 모든 데이터가 실제입니다.". 시뮬레이션으로 실제 데이터를 어떻게 검증할 수 있습니까? 이 실험은 완전히 시뮬레이션으로 실행됩니까?
귀하의 상황에는 분명히 다른 두 가지 비정상적인 구성 요소가 있습니다.
1. 다변량 분석에 의해 식별된 대로 각 치료에 대해 비정상적인 데이터 포인트가 있을 수 있습니다(이는 노이즈의 영향을 받을 가능성이 있음). DSD에는 잡음(블로킹, 반복, 분할 플롯 등)을 처리하는 전략이 없습니다. 소음을 이해하는 데 시간을 할애하는 것이 좋습니다.
2. 모델이 적절하지 않습니다(이는 Mark가 지적한 대로 잔차가 있는 결과 문제로 식별됨). 모델이 결과를 잘 예측하지 못하는 경우가 있습니다. 왜? 이것이 당신의 조사가 향해야 할 곳입니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE대단한 발견입니다 마크! 저는 Main Effects Residual Plots에 너무 많은 주의를 기울이지 않았습니다. 이제는 사용 방법을 알고 있습니다.
내 시뮬레이션 데이터의 유효성을 검사했는데 모든 이상값이 실제인 것 같아서 내 DOE에서 실제로 제거할 수 없습니다.
당신이 추천하는 합리적인 다음 단계는 무엇입니까?
나와 공유할 수 있는 보다 신뢰할 수 있는 스크리닝 방법이 있습니까?
감사해요.
Re: 다수의 요인에 대한 최종 선별 설계 DOE다변량은 이상값을 감지하는 훌륭한 방법입니다. 공유해주셔서 감사합니다!
시뮬레이션으로 데이터를 검증했으며 모든 데이터가 실제입니다.
15행 및 16행 : l1_tilt y는 시스템에서 가장 지배적인 요소이므로 l1_tilt_y가 0일 때(Row 15 & Row 16) CE1과 CE4의 결합 효율이 다른 런에 비해 매우 높아진다. 그렇기 때문에 JMP는 이를 이상치라고 생각합니다.
행 37 중심점입니다. 다시, l1_tilt_y가 0이므로 CE1과 CE4가 높습니다.
행 14 특수한 경우입니다. 나는 내 것을 세 번 확인했다. 시뮬레이션과 그것은 일종의 의미가 있기 때문에 이 점도 제거할 수 없습니다.
이를 바탕으로 DSD가 이 특정 사례에 사용하기에 올바른 접근 방식이 아님을 의미합니까?
당신이 추천하는 합리적인 다음 단계는 무엇입니까?
감사해요.
Re: 다수의 요인에 대한 최종 선별 설계 DOEMark가 발견한 것처럼 몇 가지 특이한 데이터 포인트가 있습니다. 이는 치료 효과보다는 소음 때문일 수 있습니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOECE1 및 CE4에 대한 몇 가지 비정상적인 관찰이 있습니다. 잔차는 일반적이지 않습니다. 예를 들어 CE1에 대한 플롯의 시작은 다음과 같습니다.
이러한 관찰은 모델 매개변수의 추정치에 비정상적으로 높은 영향을 미칠 수 있으므로 추정치가 0이 아니라는 가설 검정이 가능합니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE친애하는 스탯맨,
생각을 공유해 주셔서 감사합니다.
데이터 테이블이 포함된 올바른 JMP 보고서 파일을 다시 첨부했습니다. 친절하게 봐주실 수 있나요?
보시다시피 CE1과 CE4의 응답은 크게 다르지 않지만 JMP는 어딘지 모르게 다른 심사 결과를 제공합니다. 이것은 나에게 이해가되지 않습니다.
이것에 대해 어떻게 생각하세요?
감사해요.
Re: 다수의 요인에 대한 최종 선별 설계 DOE친애하는 마크,
신속한 답변에 감사드립니다.
잘못된 JMP 파일을 첨부한 것에 대해 사과드립니다.
데이터 테이블이 포함된 JMP 보고서 파일을 다시 첨부했습니다.
이제 괜찮길 바랍니다.
당신의 생각을 듣기를 기대합니다.
건배.
Re: 다수의 요인에 대한 최종 선별 설계 DOEMark의 포인트는 유효합니다. 몇 가지 추가 생각: 요인과 응답 사이의 관계를 분석하기 전에 응답 변수를 살펴보십시오. 가치는 합리적인가? 말이 되나요? 응답 변수의 변동이 실질적으로 유의미했습니까? 다변량 관계를 살펴보십시오(분석>다변량 방법>다변량). 관계/상관 관계가 의미가 있습니까? 나는 항상 실험자들이 결과에 대한 맥락을 확립하기 위해 실험을 실행하기 전에 데이터를 예측할 것을 권장합니다. 관계를 결정하는 능력은 연구에서 포착된 변이의 양에 의해 영향을 받을 수 있습니다.
Re: 다수의 요인에 대한 최종 선별 설계 DOE제공한 데이터 테이블에는 디자인 열이 포함되어 있지만 응답 데이터는 없습니다. 디자인에 대한 평가는 예상대로다. 하지만 모델 평가는 불가능합니다.
나는 이 렌즈 디자인에 익숙하지 않지만, 이전 경험에서 무엇이 알려져 있었는지 또는 알려지지 않았는지에 대한 선입견을 자주 접했습니다. 이러한 많은 상황은 실제로 테스트할 수 없거나 통계적 접근 방식으로 면밀히 조사되지 않은 일화에 기반을 두고 있습니다. 그래서 나는 그 결과가 당신을 놀라게 했을지 아직 걱정하지 않습니다. 그래도 정리하기 위해 무엇을 할 수 있는지 봅시다.
