Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriCiao,
Capisco che quando inserisci i parametri per uno spazio sperimentale, viene creato un DOE per esplorare quello spazio nel modo più efficiente. La mia domanda riguarda l'effetto dei dati precedenti sul DOE.
Se i tuoi dati precedenti hanno già esplorato parte dello spazio dei parametri, il DOE prenderà in considerazione questi dati per esplorare in modo più efficiente il resto dello spazio dei parametri? Oppure il DOE utilizzerà semplicemente i dati per l'adattamento, ma esplorerà lo spazio come se non si sapesse ancora nulla?
Grazie per il tuo tempo
Modellazione statistica avanzataEsplorazione e visualizzazione dei datiProgettazione di esperimentiRi: Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriDavide,
Non ho sentito quella canzone. Il mio barbiere mi ha dato il mio soprannome quando ho descritto il lavoro che svolgevo. Si dà il caso che fosse più o meno il periodo in cui usciva il film Batman...
La stabilità e la coerenza vengono valutate al meglio utilizzando il metodo del campionamento e della carta di controllo. Essenzialmente imposta il processo in base al modello ed eseguilo in condizioni mutevoli (tempo come surrogato). Valutare i grafici dell'intervallo o dell'intervallo mobile per valutarne la coerenza.
Esistono altre procedure statistiche che puoi eseguire, ad esempio trattenendo i dati quando il modello viene creato per la prima volta e quindi testando il modello rispetto ai punti dati che sono stati trattenuti (alberi potenziati, foresta bootstrap, vicini più vicini e simili). Questi si basano ancora sullo spazio di inferenza da cui sono stati ottenuti i dati originali, non sulle condizioni future. Potresti anche controllare anche la piattaforma di screening dei processi, che utilizza il metodo della carta di controllo.
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/the-process-screening-report.shtml
Ri: Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriCiao statman (mi ricorda la canzone "Scatman"),
Grazie per la tua intuizione sulle nostre scelte di parametri e sono totalmente d'accordo sul fatto che non stiamo prendendo in considerazione tutte le variabili. Forse dovrei condividere che, come studio preliminare al nostro stato attuale, abbiamo eseguito uno studio di screening nel tentativo di utilizzare i dati per scegliere le variabili più "importanti". Naturalmente, anche il nostro test di screening non includeva tutte le variabili, e devo ammettere che ne abbiamo ridotte alcune per rendere più fattibile il numero di esperimenti di test di screening (come hai detto, guidati dalle nostre stesse ipotesi).
Potresti forse indicarmi come valutare la stabilità del modello? Sarebbe davvero utile per noi comprenderlo ed essere in grado di quantificarlo.
-Davide
Ri: Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriHo una visione alternativa. Sembra che tu creda che lo spazio sperimentale sia una costante e tutto ciò che fai è cambiare il modo in cui campioni quello spazio. Forse sarebbe carino, ma sfortunatamente del tutto irrealistico. Quale percentuale di esperimenti industriali effettivamente si ripete? Se eseguissi nuovamente la stessa struttura di progettazione (cambiando le condizioni di rumore) otterresti gli stessi risultati? Perché o perché no? Uno dei motivi per cui non lo fanno è dovuto in gran parte al fatto che non iniziamo le indagini con TUTTE le variabili dello studio. Iniziamo con un sottoinsieme, spesso un piccolo sottoinsieme. È un po’ ironico che tendiamo a includere solo quei fattori che abbiamo ipotesi a supporto abbiano un effetto. Cosa facciamo con gli altri? Riceviamo mai dati a supporto di tali scelte? La progettazione sperimentale deve valutare entrambe le fonti di variazione. Quelli che scegliamo come risultato delle nostre ipotesi (i fattori di un esperimento) e quelli che non scegliamo (il rumore). Le strategie di progettazione di ottimizzazione sono efficaci solo se il sistema sottostante è stabile e coerente. Forse la tua prossima iterazione dovrebbe essere quella di determinare la stabilità o il tuo modello in base al cambiamento delle condizioni piuttosto che creare un modello complesso che funziona solo ieri.
Ri: Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriGrazie per l'aiuto!
Ri: Aumentare gli esperimenti con un DOE, effetto sugli esperimenti futuriCIAO @dbu ,
Risposta breve: Sì, la piattaforma "Augment Design" tiene conto degli esperimenti e dei termini precedenti nella progettazione del modello per suggerire nuove esecuzioni che potrebbero aumentare il livello di informazione.
Risposta lunga: i risultati della piattaforma "Augment Design" dipenderanno da ciò che stai cercando di ottenere e dalle modifiche che stai apportando:
- Se riduci lo spazio sperimentale, i nuovi punti verranno generati in questo spazio più piccolo (vedi screenshot "Riduzione dello spazio sperimentale" eseguita con la piattaforma di progettazione di potenziamento a riempimento di spazio).
- Se aumenti lo spazio sperimentale, la maggior parte delle esecuzioni saranno consentite in questo spazio rispetto a quello originale (vedi screenshot "Aumento dello spazio sperimentale" eseguito con la piattaforma di progettazione dell'aumento a riempimento di spazio).
Tieni presente che se selezioni "Raggruppa nuove esecuzioni in blocchi separati", JMP eseguirà comunque alcune esecuzioni nello spazio sperimentale precedente (a meno che non sia affatto incluso negli intervalli dei fattori) per verificare se questo secondo ciclo di esperimenti ha un varianza simile alla prima.
Anche il tipo di aumento creerà nuove sequenze in modo diverso, a seconda se stai aggiungendo più termini nel modello (tramite l'opzione "Aumenta"), o se replichi, aggiungi punti centrali/assiali o pieghi sul tuo disegno, o se" stiamo eseguendo il riempimento dello spazio (per quest'ultimo punto, puoi vedere lo screenshot fatto su dati simulati "Aumento del riempimento dello spazio", che è abbastanza illustrativo, o lo screenshot precedente per l'aumento/riduzione dello spazio sperimentale). Maggiori informazioni qui: Ulteriori esempi di scelte di aumento (jmp.com)
Ho condotto uno studio su questo potenziamento su un caso d'uso concreto (dall'ex azienda per cui ho lavorato) che puoi trovare qui: Riparazione di un piano di esperienze incompleto per aumento - Riunione del gruppo... - Comunità di utenti JMP Mi dispiace che sia in francese, ma vedrai abbastanza facilmente il punto sottolineato e il vantaggio dell'aumento nel caso d'uso: ci consente di utilizzare in modo efficiente i dati di laboratorio precedenti (dovrebbero provenire da un DoE, ma non era proprio così ) e aumentare la serie iniziale di esperimenti per avere una DoE corretta con meno nuovi esperimenti necessari rispetto a quando dovessimo iniziare da zero. Da questo caso d'uso, puoi guardare lo screenshot fatto su 3 fattori con il grafico a dispersione 3D per vedere dove si trovano le nuove esecuzioni nello spazio sperimentale (in verde) rispetto alle esecuzioni iniziali (in blu).
Spero che questa risposta ti possa aiutare,
