550064_it-IT

liliconcom

Dae e potereCIAO,
Quando si pianifica un esperimento e si esamina la progettazione e la potenza di ciascun parametro (nella fase iniziale della progettazione), è possibile modificare l'RMSE. Cambiandolo, ovviamente, cambia il potere. La domanda è come possiamo prevedere o assumere questo parametro in anticipo (ad esempio nell'esperimento di screening)

GrazieProgettazione di esperimentiRi: Doe e potere

Nessun dibattito sulla messa in discussione del sistema di misurazione sempre. Puoi capirlo a priori o durante un esperimento con componenti annidati all'interno dei trattamenti. Credo che esistano metodi migliori rispetto al "tipico" Gage R&R (vedi Wheeler).

 

Ma il mio punto ha meno a che fare con gli errori di misurazione e più con il modo in cui viene stimato l’errore sperimentale e cosa rappresenta durante un esperimento.

Ri: Doe e potere

@statman hai sollevato un punto davvero interessante qui. Probabilmente nella maggior parte dei casi vorremmo che il rumore (RMSE) nell'esperimento riflettesse la variazione tipica del processo perché vogliamo davvero capire se gli effetti del trattamento sono grandi rispetto a ciò che ci aspetteremmo tipicamente nella produzione.Se stiamo correndo, diciamo, 3 repliche nella durata di un DOE di 15 o 20 corse - una vicino all'inizio, una vicino alla metà e una vicino alla fine - e se in media otteniamo risultati "simili" con poca diffusione , allora abbiamo qualche ragionevole indicazione che il processo di misurazione è stabile.

 

Ma quanto spread è un “poco”?Un Gauge R&R dovrebbe aiutarci a considerare un modo per definire come base la precisione del nostro metodo di misurazione per Y, forse anche prima di eseguire un DOE (per la caratterizzazione e la scoperta del processo).Se riusciamo a caratterizzare la ripetibilità e la riproducibilità (precisione) del sistema di misurazione in Gauge R&R, almeno abbiamo una linea di base per ciò che determiniamo come "precisione accettabile" nella misurazione di Y prima di eseguire quel DOE. Ovviamente potremmo farlo contemporaneamente a un DOE. Tutto dipende davvero, a mio avviso, da cose come la "robustezza" del sistema di misurazione (che dipende da cose come: quanto bene lo abbiamo caratterizzato in precedenza, quanto complesso riteniamo che il sistema sia , quanto comprendiamo dell'interazione del sistema di misurazione con la parte di interesse che può o meno rientrare nell'ambito dello studio Gauge R&R... e questo è un altro argomento in discussione!)

Ri: Doe e potere

Forse, ma la domanda è: gli effetti del trattamento (fattori e interazioni) sono significativi rispetto alla variazione "tipica" del processo? Se le esecuzioni del punto centrale corrispondono alle condizioni attuali, le loro repliche (randomizzate sull'intero ordine di progettazione) potrebbero fornire una buona stima della variazione attuale del processo e se uno qualsiasi dei trattamenti è significativo rispetto a questa variazione. L’obiettivo non è determinare il significato degli effetti del trattamento nello spazio di progettazione. Si tratta di determinare se gli effetti del trattamento saranno significativi e utili in futuro.

Ri: Doe e potere

Ottima discussione; come uno dei miei cari mentori nell'industria, @charles_chen piace dire: "Valuta insieme R&R e DOE."

Ri: Doe e potere

Ciao Phil,

Questo è un buon punto e sono d'accordo sul rumore nello spazio dei fattori. Quando eseguiamo effettivamente esperimenti e misuriamo, i risultati per impostazioni estreme possono essere variabili a causa delle limitazioni delle apparecchiature/macchine/proprietà delle materie prime. In tal caso, ciò che credo sia considerare il valore medio del rumore e del segnale per avviare la progettazione DoE.

Ri: Doe e potere

SÌ, @PatrickGiuliano , penso che ci saranno molti casi in cui il "rumore" non sarà una costante nello spazio dei fattori. Intuitivamente, se si impostano i fattori agli estremi dei loro intervalli, la variazione sperimentale sarà maggiore. Questo viene spesso sollevato come argomento contro l'uso ripetuto di punti centrali per la stima post-esperimento dell'RMSE; la variazione al centro dello spazio dei fattori probabilmente non è una buona stima della variazione in altre parti dello spazio dei fattori.

Ri: Doe e potere

@Phil_Kay tutto questo ha molto senso per come lo hai spiegato, grazie per aver risposto e aver chiarito il mio pensiero sotto alcuni aspetti.L'RMSE riflette la varianza di Y come una funzione delle X.Quindi dobbiamo almeno misurare Y a livelli fissi attraverso le X per ottenere una stima "storica" ragionevolmente accurata dell'RMSE, questo è abbastanza chiaro.

 

L'altra cosa che hai menzionato su come la varianza potrebbe non essere costante a diversi livelli di X è una buona considerazione.Se non avessimo testato (ripetutamente) a quei livelli, non ne avremmo la certezza e quindi stiamo facendo un'ipotesi che a volte non regge. È evidente che la varianza di Y potrebbe differire a diversi livelli di X, ad esempio per una serie di ragioni, non ultime le quali potrebbero includere problemi con il sistema di misurazione. Ricordo casi nell'industria in cui abbiamo riscontrato "parallasse" nelle misurazioni di metrologia ottica, ad esempio dove la misurazione vicino al bordo di una parte cilindrica causava una variazione maggiore nel campo visivo che al centro della parte a causa della riflettanza della retroilluminazione che causava bordi problemi di rilevamento.

Ri: Doe e potere

d'accordo, grazie per i tuoi utili input @Mark_Bailey

Ri: Doe e potere

grazie, assolutamente d'accordo con te: l'approccio DOE in sé è molto più analitico e professionale di qualsiasi altro (di solito guidato dall'intuizione).

Ri: Doe e potere

Ecco un altro approccio. I valori iniziali per RMSE e coefficienti potrebbero sembrare irrealistici. Quanto spesso i valori attesi sarebbero 1? Molto improbabile in pratica. D'altra parte, insieme, questi valori rappresentano anche il caso in cui ci si aspetta che l'effetto (il doppio del coefficiente) contribuito da ciascun termine sia il doppio dell'RMSE. Cioè, è una misura relativa della varianza della risposta. Questo approccio può essere utile quando è difficile determinare valori assoluti per RMSE e coefficienti.

Ri: Doe e potere

@PatrickGiuliano - Potresti utilizzare le stime della varianza nei predittori (fattori), ma dovresti anche sapere come tali fattori influenzano la risposta per calcolare come la varianza si propaga nella risposta. Ciò significa che avresti bisogno di un modello della risposta rispetto ai fattori che hai solo tu Dopo hai eseguito l'esperimento. (E dovresti anche aggiungere una stima della variazione della misurazione per la risposta.)

 

Molto semplicemente, è sufficiente la deviazione standard della risposta per esecuzioni ripetute con impostazioni del fattore costanti. Guardare l'IC per questa stima sarà utile, come dici tu, perché a meno che tu non abbia un campione ampio per stimare la deviazione standard, avrai una grande incertezza. E questo avrà un grande impatto sulla stima della potenza. Devi anche preoccuparti se questa stima riflette la variazione per tutto lo spazio dei fattori o solo per le impostazioni in cui hai eseguito esecuzioni ripetute.

 

Torniamo quindi al punto che la stima assoluta della potenza molto spesso non è utile negli esperimenti industriali.

Ri: Doe e potere

Lieto di aiutarla, @YanivD . La mia preoccupazione riguardo all’analisi del potere è che potrebbe impedire alle persone di utilizzare DOE. Spesso si sente dire che la potenza deve essere >0,8. Quindi, se guardano l'analisi della potenza nel loro software DOE e vedono qualcosa di inferiore a 0,8, pensano semplicemente che potrebbero anche non preoccuparsi di un esperimento progettato. Ma è necessario comprendere che il numero assoluto è significativo solo se si utilizzano buone stime del rumore e del segnale che è necessario rilevare. Molte volte non abbiamo buone stime di uno o entrambi questi. Quindi la stima della potenza non è significativa. Ma ciò non significa che ci sia qualcosa di sbagliato nell’esperimento progettato.

Ri: Doe e potere

@ih , @Phil_Kay Penserei che la stima totale dell'RMSE per la risposta potrebbe essere solo la somma delle varianze al quadrato attribuite a ciascuno dei predittori.Sembra una stima puntuale ragionevole per l'RMSE?Oppure dovresti necessariamente eseguire un esperimento multifattoriale preliminare (o raccogliere dati in modo osservativo) e calcolare l'RMSE sulla risposta sulla base di un modello adattato alla risposta rispetto ai predittori?

 

Avrebbe senso prendere in considerazione l’utilizzo della stima del caso peggiore (la più alta possibile) dell’RMSE (rispetto alla più bassa possibile)?Penserei che, ad esempio, considerare un limite di confidenza superiore al 95% sulla stima media del sigma potrebbe essere più conservativo (risultare in stime di potenza inferiori presupponendo che il sigma medio totale (RMSE) sia in effetti maggiore nella popolazione rispetto a quanto osservato nel campione).

 

 

Ri: Doe e potereGrazie, lo proveròRi: Doe e potereGrazie Phil, apprezzo il tuo supporto anche qui, come sempre :folded_hands: :faccia_sorridente_con_occhi_sorridenti:Ri: Doe e potere

Sono completamente d'accordo con @ih . Direi anche che a volte la risposta è che semplicemente non puoi. L'alimentazione (e altri strumenti diagnostici di progettazione) sono spesso veramente utili solo in quanto parente misure per confrontare un progetto con un altro. Molte volte non disponiamo di informazioni sufficienti per effettuare stime affidabili assoluto energia. Ecco una risposta a una domanda precedente come questa che potresti trovare utile.

Ri: Doe e potere

In questo caso aiuta la comprensione del sistema studiato.Quanto buon lavoro pensi di essere in grado di svolgere durante la modellazione del sistema?Se disponi di dati storici, misura la variazione delle tue risposte quando il sistema è allo stato stazionario.Se davvero non ne hai idea, potresti dover prima effettuare alcune misurazioni e utilizzare la deviazione standard di tali risposte come stima approssimativa dell'RMSE più basso possibile del tuo modello finale.