557856_de-DE

liliconcom

Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

Hallo,

Ich verstehe, dass, wenn Sie Parameter für einen experimentellen Raum eingeben, ein DOE erstellt wird, um diesen Raum am effizientesten zu erkunden. Meine Frage betrifft die Auswirkung früherer Daten auf das DOE.

Wenn Ihre vorherigen Daten bereits einen Teil des Parameterraums untersucht haben, wird das DOE diese Daten berücksichtigen, um den Rest des Parameterraums am effizientesten zu erkunden? Oder wird das Energieministerium die Daten nur zur Anpassung verwenden, aber den Raum erkunden, als ob noch nichts bekannt wäre?

Vielen Dank für Ihre Zeit

Erweiterte statistische ModellierungDatenexploration und -visualisierungVersuchsplanungBetreff: Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

David,

 

Ich habe dieses Lied nicht gehört. Mein Friseur gab mir meinen Spitznamen, als ich meinen Beruf beschrieb. Zufälligerweise war es ungefähr zu der Zeit, als der Film Batman veröffentlicht wurde ...

Stabilität und Konsistenz lassen sich am besten mithilfe der Stichproben- und Kontrollkartenmethode bewerten. Richten Sie Ihren Prozess im Wesentlichen nach dem Modell ein und führen Sie ihn unter sich ändernden Bedingungen aus (Zeit als Ersatz). Werten Sie Bereichs- oder gleitende Bereichsdiagramme aus, um die Konsistenz zu beurteilen.

Es gibt andere statistische Verfahren, die Sie durchführen können, z. B. das Zurückhalten von Daten, wenn das Modell zum ersten Mal erstellt wird, und das anschließende Testen des Modells anhand der zurückgehaltenen Datenpunkte (verstärkter Baumstamm, Bootstrap-Gesamtstruktur, nächste Nachbarn usw.). Diese basieren immer noch auf dem Inferenzraum, aus dem die ursprünglichen Daten stammen, und nicht auf zukünftigen Bedingungen. Sie können sich auch die Prozess-Screening-Plattform ansehen, die die Kontrolldiagrammmethode verwendet.

https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/the-process-screening-report.shtml

 

Betreff: Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

Hallo Statman (erinnert mich an das Lied „Scatman“),

 

Vielen Dank für Ihren Einblick in unsere Parameterauswahl – und ich stimme voll und ganz zu, dass wir nicht jede Variable berücksichtigen. Vielleicht sollte ich mitteilen, dass wir als Vorstudie zu unserem aktuellen Stand eine Screening-Studie durchgeführt haben, um anhand von Daten die „wichtigsten“ Variablen auszuwählen. Natürlich umfasste selbst unser Screening-Test nicht alle Variablen, und ich gebe zu, dass wir einige reduziert haben, um die Anzahl der Screening-Test-Experimente durchführbarer zu machen (wie Sie sagten, basierend auf unseren eigenen Hypothesen).

 

Könnten Sie mir vielleicht Hinweise geben, wie die Modellstabilität bewertet werden kann? Es wäre für uns wirklich wertvoll, dies zu verstehen und quantifizieren zu können.

 

- David

Betreff: Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

Ich habe eine alternative Ansicht. Es hört sich so an, als ob Sie glauben, dass der experimentelle Raum eine Konstante ist und Sie lediglich die Art und Weise ändern, wie Sie diesen Raum abtasten. Das wäre vielleicht schön, aber leider völlig unrealistisch. Wie viel Prozent der industriellen Experimente wiederholen sich tatsächlich? Würden Sie dieselben Ergebnisse erhalten, wenn Sie dieselbe Designstruktur erneut ausführen würden (bei sich ändernden Geräuschbedingungen)? Warum oder warum nicht? Ein Grund dafür, dass dies nicht der Fall ist, liegt zu einem großen Teil darin, dass wir Untersuchungen nicht mit ALLEN Variablen in der Studie beginnen. Wir beginnen mit einer Teilmenge, oft einer kleinen Teilmenge. Es ist irgendwie ironisch, dass wir dazu neigen, nur die Faktoren einzubeziehen, von denen wir Hypothesen haben, dass sie eine Wirkung haben. Was machen wir mit den anderen? Erhalten wir jemals Daten, die diese Entscheidungen unterstützen? Der experimentelle Entwurf muss beide Variationsquellen bewerten. Diejenigen, die wir aufgrund unserer Hypothesen auswählen (die Faktoren in einem Experiment) und diejenigen, die wir nicht auswählen (das Rauschen). Optimierungsdesignstrategien sind nur dann effektiv, wenn das zugrunde liegende System stabil und konsistent ist. Vielleicht sollte Ihre nächste Iteration darin bestehen, die Stabilität Ihres Modells unter sich ändernden Bedingungen zu bestimmen, anstatt ein komplexes Modell zu erstellen, das erst gestern funktioniert.

Betreff: Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

Ich danke Ihnen für Ihre Hilfe!

Betreff: Erweiterung von Experimenten mit einem DOE, Auswirkung auf zukünftige Experimente

Hallo @dbu ,

 

Kurze Antwort: Ja, die „Augment Design“-Plattform berücksichtigt frühere Experimente und Begriffe im Modelldesign, um neue Durchläufe vorzuschlagen, die den Informationsgehalt erhöhen können.

Lange Antwort: Die Ergebnisse der „Augment Design“-Plattform hängen davon ab, was Sie erreichen möchten und welche Änderungen Sie vornehmen:

• Wenn Sie den Experimentierraum verkleinern, werden die neuen Punkte in diesem kleineren Raum generiert (siehe Screenshot „Verkleinerung des Experimentierraums“, erstellt mit einer raumfüllenden Augment-Design-Plattform).
• Wenn Sie den Experimentierraum vergrößern, sind in diesem Raum die meisten Läufe zulässig als im Original (siehe Screenshot „Erweiterung des Experimentierraums“, erstellt mit der raumfüllenden Augment-Design-Plattform).

 

Beachten Sie, dass JMP, wenn Sie „Neue Läufe in separatem Block gruppieren“ aktivieren, immer noch einige Läufe im vorherigen Versuchsbereich durchführt (es sei denn, dieser ist überhaupt nicht in den Faktorbereichen enthalten), um zu überprüfen, ob diese zweite Versuchsrunde einen hat ähnliche Varianz wie die erste.

Auch durch die Art der Erweiterung werden neue Läufe unterschiedlich erstellt, je nachdem, ob Sie dem Modell weitere Terme hinzufügen (über die Option „Augmentieren“), oder ob Sie replizieren, Mittelpunkte/Achsen hinzufügen oder Ihr Design umklappen, oder ob Sie Ich arbeite gerade an der Raumfüllung (für diesen letzten Punkt können Sie sich den Screenshot „Space-Filling Augmentation“ mit simulierten Daten ansehen, der sehr anschaulich ist, oder den vorherigen Screenshot zur Vergrößerung/Verkleinerung des experimentellen Raums). Weitere Infos hier: Weitere Beispiele für Erweiterungsoptionen (jmp.com)

 

Ich habe eine Studie zu dieser Erweiterung anhand eines konkreten Anwendungsfalls (von der früheren Firma, für die ich gearbeitet habe) durchgeführt, die Sie hier finden können: Wiedergutmachung eines durch Erweiterung unvollständigen Erfahrungsplans - Gruppentreffen... - JMP-Benutzergemeinschaft Tut mir leid, dass es auf Französisch ist, aber Sie werden den dargelegten Punkt und den Vorteil der Augmentation ganz einfach am Anwendungsfall erkennen: Sie ermöglicht es uns, frühere Labordaten effizient zu nutzen (die eigentlich von einem DoE stammen sollten, aber das war nicht wirklich der Fall). ) und die anfängliche Reihe von Experimenten erweitern, um ein korrektes DoE zu erhalten, wobei weniger neue Experimente erforderlich wären, als wenn wir bei Null anfangen müssten. In diesem Anwendungsfall können Sie sich den Screenshot ansehen, der mit dem 3D-Streudiagramm für drei Faktoren erstellt wurde, um zu sehen, wo sich die neuen Läufe im experimentellen Raum (in Grün) im Vergleich zu den ersten Läufen (in Blau) befinden.

Ich hoffe, diese Antwort wird Ihnen helfen,