미상과 힘안녕,
실험을 계획하고 각 매개변수에 대한 설계 및 검정력을 살펴볼 때(초기 설계 단계에서) RMSE를 변경할 수 있는 옵션이 있습니다. 그것을 바꾸면 분명히 힘이 바뀔 것입니다. 문제는 이 매개변수를 어떻게 미리 예측하거나 가정할 수 있느냐는 것입니다(예를 들어 선별 실험에서).
감사해요실험 설계답장: Doe와 힘항상 측정 시스템에 의문을 제기하는 것에 대한 논쟁은 없습니다. 미리 이해하거나 처리 내에 중첩된 구성 요소를 사용하여 실험하는 동안 이해할 수 있습니다. 나는 "전형적인" 게이지 R&R보다 더 나은 방법이 있다고 믿습니다(휠러 참조).
하지만 내 요점은 측정 오류보다는 실험 오류를 추정하는 방법과 실험 중에 그것이 나타내는 내용과 더 관련이 있습니다.
답장: Doe와 힘@statman 여기서 정말 좋은 지적을 하셨습니다. 아마도 대부분의 경우 우리는 처리 효과가 생산에서 일반적으로 기대하는 것보다 상대적으로 큰지 이해하고 싶기 때문에 실험의 노이즈(RMSE)가 일반적인 공정 변화를 반영하기를 원할 것입니다.실행 중인 경우 15회 또는 20회 실행 DOE 기간 동안 3번 반복합니다(시작 근처에 하나, 중간에 하나, 끝 근처에 하나). 그리고 평균적으로 확산이 거의 없는 "유사한" 결과를 얻습니다. , 그러면 측정 프로세스가 안정적이라는 합리적인 징후가 있습니다.
그러나 "조금"은 얼마나 퍼져 있습니까?게이지 R&R은 아마도 DOE(프로세스 특성화 및 발견을 위한)를 수행하기 전에 Y에 대한 측정 방법의 정밀도를 기준으로 삼는 방법을 고려하는 데 도움이 될 것입니다.Gauge R&R에서 측정 시스템의 반복성과 재현성(정밀도)을 특성화할 수 있다면 최소한 해당 DOE를 실행하기 전에 Y 측정에서 '허용 가능한 정밀도'로 결정하는 기준선을 갖게 됩니다. 물론 우리는 이것을 DOE와 동시에 수행할 수 있습니다. 그것은 모두 실제로 측정 시스템의 '견고함'과 같은 것에 달려 있습니다(이는 이전에 이를 얼마나 잘 특성화했는지, 시스템이 얼마나 복잡하다고 믿는지에 따라 달라집니다). , Gauge R&R 연구 범위에 포함될 수도 있고 포함되지 않을 수도 있는 관심 부분과 측정 시스템의 상호 작용에 대해 우리가 얼마나 이해하고 있는지... 그리고 그것은 토론의 또 다른 것입니다!)
답장: Doe와 힘그럴 수도 있지만 문제는 다음과 같습니다. 공정의 "전형적인" 변동과 비교할 때 처리 효과(요인 및 상호 작용)가 중요한가요? 중앙점 실행이 현재 조건인 경우 이러한 반복(전체 설계 순서에 걸쳐 무작위화)은 공정의 현재 변동에 대한 좋은 추정치를 제공할 수 있으며 처리 중 하나라도 이 변동과 비교하여 유의미할 수 있습니다. 목적은 디자인 공간에서 처리 효과의 중요성을 결정하는 것이 아닙니다. 향후 치료 효과가 유의미하고 유용할지 판단하는 것입니다.
답장: Doe와 힘훌륭한 토론; 제가 업계에서 사랑하는 멘토 중 한 명으로서, @charles_chen 좋아하는 말은: "R&R과 DOE를 함께 측정하세요."
답장: Doe와 힘안녕하세요 필,
이것은 좋은 지적이며 요소 공간 전체의 노이즈에 동의합니다. 실제로 실험을 수행하고 극단적인 설정에 대한 결과를 측정할 때 장비/기계/원료 특성의 한계로 인해 결과가 달라질 수 있습니다. 그러한 경우, 나는 DoE 설계를 시작하기 위해 잡음과 신호의 평균값을 고려하는 것이라고 믿습니다.
답장: Doe와 힘예, @PatrickGiuliano , 요인 공간 전체에서 "잡음"이 일정하지 않은 경우가 많을 것이라고 생각합니다. 직관적으로 요인을 범위의 극단으로 설정하면 실험 변동이 더 높아집니다. 이는 RMSE의 실험 후 추정을 위해 반복적인 중심점 실행을 사용하는 것에 대한 논쟁으로 종종 제기됩니다. 요인 공간 중앙의 변동은 아마도 요인 공간의 다른 곳에서의 변동에 대한 좋은 추정치가 아닐 수 있습니다.
답장: Doe와 힘@Phil_Kay 이 모든 것은 당신이 설명하는 방식에 많은 의미가 있습니다. 몇 가지 측면에서 제 생각에 대답하고 명확하게 해주셔서 감사합니다.RMSE는 Y의 분산을 반영합니다. 함수로 X의.따라서 RMSE의 합리적으로 정확한 '과거' 추정치를 얻으려면 최소한 X의 고정된 수준에서 Y를 측정해야 합니다. 그 점은 매우 분명합니다.
다양한 X 수준에서 분산이 일정하지 않을 수 있다는 점에 대해 언급한 또 다른 사항은 좋은 고려 사항입니다.해당 수준에서 (반복적으로) 테스트하지 않았다면 확실하게 알 수 없으므로 때로는 성립하지 않는 가정을 하는 것입니다. Y의 분산이 X의 다양한 수준에서 다를 수 있다는 것은 매우 명백합니다. 예를 들어 측정 시스템의 문제를 포함할 수 있는 여러 가지 이유 때문입니다. 업계에서는 광학 계측 측정에서 '시차'를 본 사례를 기억합니다. 예를 들어 원통형 부품의 가장자리 근처에서 측정하면 백라이트 반사율로 인해 부품 중앙보다 시야에 더 많은 변화가 발생하는 경우가 있습니다. 감지 문제.
답장: Doe와 힘동의합니다. 유용한 정보를 제공해 주셔서 감사합니다. @마크_베일리
답장: Doe와 힘감사합니다. 귀하의 의견에 전적으로 동의합니다. DOE 접근 방식 자체는 다른 어떤 것보다 훨씬 분석적이고 전문적입니다(보통 직관 중심)..
답장: Doe와 힘또 다른 접근 방식이 있습니다. RMSE 및 계수의 초기 값은 비현실적으로 보일 수 있습니다. 기대값은 얼마나 자주 1이 될까요? 실제로는 거의 불가능합니다. 반면에, 이 값들은 각 항이 기여하는 효과(계수의 두 배)가 RMSE의 두 배가 될 것으로 예상하는 경우도 나타냅니다. 즉, 반응 분산의 상대적 측도입니다. 이 접근 방식은 RMSE 및 계수의 절대값을 결정하기 어려울 때 도움이 될 수 있습니다.
답장: Doe와 힘@PatrickGiuliano - 예측 변수(요인)의 분산 추정치를 사용할 수 있지만 분산이 반응에 어떻게 전파되는지 계산하려면 해당 요인이 반응에 어떤 영향을 미치는지 알아야 합니다. 이는 반응 대 요인의 모델이 필요하다는 것을 의미합니다. ~ 후에 실험을 실행했습니다. (또한 반응에 대한 측정 변동 추정치를 추가해야 합니다.)
간단히 말해서, 상수 요인 설정에서 반복 실행에 대한 반응의 표준 편차만 있으면 됩니다. 표준 편차를 추정하기 위한 큰 표본이 없으면 불확실성이 크기 때문에 이 추정치를 위해 CI를 보는 것이 유용할 것입니다. 그리고 이는 전력 추정에 큰 영향을 미칠 것입니다. 또한 이 추정치가 모든 요인 공간에 대한 변동을 반영하는지, 아니면 반복 실행을 수행한 설정에 대해서만 반영하는지에 대해서도 걱정해야 합니다.
다시 제 요점으로 돌아가서, 전력의 절대 추정치는 산업 실험에서 유용하지 않은 경우가 많습니다.
답장: Doe와 힘도와 줄 수있어서 기뻐, @YanivD . 전력 분석에 대한 나의 우려는 사람들이 DOE를 사용하는 것을 막을 수 있다는 것입니다. 사람들은 전력이 0.8보다 커야 한다는 말을 자주 듣습니다. 따라서 DOE 소프트웨어의 검정력 분석을 보고 0.8 미만의 값을 발견하면 설계된 실험에 신경 쓰지 않는 것이 좋겠다고 생각합니다. 그러나 절대 숫자는 감지해야 하는 신호와 잡음에 대한 올바른 추정치를 사용하는 경우에만 의미가 있다는 점을 이해해야 합니다. 많은 경우 우리는 이들 중 하나 또는 둘 다에 대해 좋은 추정치를 갖지 못합니다. 따라서 전력 추정치는 의미가 없습니다. 하지만 그렇다고 해서 설계된 실험에 문제가 있다는 의미는 아닙니다.
답장: Doe와 힘@ih , @Phil_Kay 응답에 대한 RMSE의 전체 추정치는 각 예측 변수에 따른 분산 제곱의 합일 수 있다고 생각합니다.이것이 RMSE에 대한 합리적인 포인트 추정치처럼 보입니까?아니면 반드시 예비 다요인 실험을 실행하고(또는 관측적으로 데이터를 수집하고) 반응 대 예측 변수에 대한 적합 모델을 기반으로 반응에 대한 RMSE를 계산해야 합니까?
RMSE의 최악의 경우(가능한 가장 높은) 추정치(가능한 가장 낮은 값 대비)를 사용하는 것을 잠재적으로 고려하는 것이 합리적입니까?예를 들어, 평균 시그마 추정치에 대한 상위 95% 신뢰 한계를 고려하는 것이 더 보수적일 수 있다고 생각합니다(전체 평균 시그마(RMSE)가 실제로 모집단에서 더 크다는 가정 하에 전력 추정치가 낮아질 수 있음) 샘플에서 관찰된 것보다).
답장: Doe와 힘감사합니다. 시도해 보겠습니다.답장: Doe와 힘Phil에게 감사드립니다. 언제나처럼 여기에서도 지원해 주셔서 감사합니다 :folded_hands: :smiling_face_with_smiling_eyes:답장: Doe와 힘나는 전적으로 동의한다. @ih . 나는 또한 때때로 당신이 할 수 없다는 것이 대답이라고 말하고 싶습니다. 전력(및 기타 설계 진단)은 종종 다음과 같은 경우에만 유용합니다. 상대적인 한 디자인을 다른 디자인과 비교하는 척도. 신뢰할 수 있는 추정을 위한 충분한 정보가 없는 경우가 많습니다. 순수한 힘. 다음은 이전 질문에 대한 답변입니다. 당신이 유용하다고 생각할 수도 있습니다.
답장: Doe와 힘여기서는 연구 중인 시스템을 이해하는 것이 도움이 됩니다.시스템을 모델링할 때 얼마나 좋은 일을 할 수 있을 것이라고 생각하시나요?과거 데이터가 있는 경우 시스템이 정상 상태에 있을 때 반응의 변화를 측정합니다.전혀 모르는 경우 먼저 몇 가지 측정을 수행하고 해당 응답의 표준 편차를 최종 모델의 가능한 가장 낮은 RMSE에 대한 대략적인 추정치로 사용해야 할 수도 있습니다.
