DOE를 통한 실험 강화, 향후 실험에 미치는 영향안녕하세요,
실험 공간에 대한 매개변수를 입력하면 해당 공간을 가장 효율적으로 탐색하기 위한 DOE가 생성된다는 것을 이해합니다. 내 질문은 DOE에 대한 이전 데이터의 영향에 관한 것입니다.
이전 데이터가 이미 매개변수 공간의 일부를 탐색한 경우 DOE는 나머지 매개변수 공간을 가장 효율적으로 탐색하기 위해 이 데이터를 고려할 것입니까? 아니면 DOE가 데이터를 피팅에만 사용하고 아직 아무것도 알려지지 않은 것처럼 공간을 탐색할 예정인가요?
시간 내 줘서 고마워
고급 통계 모델링데이터 탐색 및 시각화실험 설계Re: DOE를 통한 실험 확대, 향후 실험에 미치는 영향데이비드,
나는 그 노래를 들어본 적이 없습니다. 이발사는 내가 맡은 업무를 설명할 때 나에게 별명을 지어주었습니다. 마침 영화 배트맨이 개봉할 무렵이었는데...
안정성과 일관성은 샘플링 및 관리 차트 방법을 사용하여 가장 잘 평가됩니다. 기본적으로 모델별로 프로세스를 설정하고 변화하는 조건(대리 시간)에 대해 실행합니다. 범위 또는 이동 범위 차트를 평가하여 일관성을 평가합니다.
예를 들어 모델이 처음 생성될 때 데이터를 유지한 다음 유지된 데이터 포인트(부스트 트레스, 부트스트랩 포리스트, 가장 가까운 이웃 등)에 대해 모델을 테스트하는 것과 같이 수행할 수 있는 다른 통계 절차가 있습니다. 이들은 여전히 미래의 조건이 아닌 원본 데이터를 얻은 추론 공간에 의존합니다. 프로세스 스크리닝 플랫폼도 확인해 볼 수 있으며 이는 관리 차트 방법을 사용합니다.
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/the-process-screening-report.shtml
Re: DOE를 통한 실험 확대, 향후 실험에 미치는 영향안녕하세요 statman("Scatman"이라는 노래가 생각나네요),
매개변수 선택에 대한 귀하의 통찰력에 감사드립니다. 그리고 저는 우리가 모든 변수를 고려하지 않는다는 점에 전적으로 동의합니다. 아마도 현재 상태에 대한 예비 연구로서 가장 "중요한" 변수를 선택하기 위해 데이터를 사용하려는 시도로 선별 연구를 수행했다는 사실을 공유해야 할 것 같습니다. 물론, 우리의 스크리닝 테스트에도 모든 변수가 포함되지는 않았으며, 스크리닝 테스트 실험의 수를 더 실현 가능하게 만들기 위해 몇 가지 변수를 줄였다는 점을 인정합니다(당신이 말했듯이, 우리 자신의 가설에 따라).
모델 안정성을 평가하는 방법에 대한 방향을 알려 주시겠습니까? 이는 우리가 이해하고 수량화할 수 있는 데 정말 귀중한 것입니다.
- 데이비드
Re: DOE를 통한 실험 확대, 향후 실험에 미치는 영향나는 대안적인 견해를 가지고 있습니다. 마치 실험 공간이 일정하다고 믿고 그 공간을 샘플링하는 방법을 변경하는 것 처럼 들립니다. 아마도 그것은 좋을 것입니다. 그러나 불행하게도 완전히 비현실적입니다. 실제로 반복되는 산업 실험의 비율은 얼마나 됩니까? 동일한 설계 구조를 다시 실행하면(노이즈 조건 변경) 동일한 결과를 얻을 수 있습니까? 그 이유는 무엇? 그들이 그렇게 하지 않는 한 가지 이유는 우리가 연구에서 모든 변수를 사용하여 조사를 시작하지 않는다는 사실에 크게 기인합니다. 우리는 부분 집합, 종종 작은 부분 집합으로 시작합니다. 우리가 뒷받침하는 가설이 효과가 있는 요소들만 포함하는 경향이 있다는 것은 다소 아이러니합니다. 우리는 다른 사람들과 무엇을 합니까? 그러한 선택을 뒷받침할 데이터를 얻을 수 있습니까? 실험 설계에서는 두 가지 변동 원인을 모두 평가해야 합니다. 가설의 결과로 선택하는 것(실험의 요인)과 선택하지 않는 것(노이즈). 최적화 설계 전략은 기본 시스템이 안정적이고 일관적인 경우에만 효과적입니다. 아마도 다음 반복은 어제만 작동하는 복잡한 모델을 만드는 대신 변화하는 조건에 대한 안정성이나 모델을 결정하는 것일 것입니다.
Re: DOE를 통한 실험 확대, 향후 실험에 미치는 영향도와주셔서 감사합니다!
답: DOE를 통한 실험 강화, 향후 실험에 미치는 영향안녕 @dbu ,
짧은 대답: 예, "Augment Design" 플랫폼은 모델 설계의 이전 실험과 용어를 고려하여 정보 수준을 높일 수 있는 새로운 실행을 제안합니다.
긴 답변: "Augment Design" 플랫폼의 결과는 달성하려는 목표와 수행 중인 수정 사항에 따라 달라집니다.
- 실험 공간을 줄이면 이 더 작은 공간에 새로운 포인트가 생성됩니다(공간 채우기 증강 설계 플랫폼으로 수행된 "실험 공간 감소" 스크린샷 참조).
- 실험 공간을 늘리면 원래 공간보다 이 공간에서 대부분의 실행이 허용됩니다(공간 채우기 증강 설계 플랫폼으로 수행된 스크린샷 "실험 공간 증강" 참조).
"새 실행을 별도의 블록으로 그룹화"를 선택하면 JMP는 두 번째 실험 라운드에 다음이 있는지 확인하기 위해 이전 실험 공간에서 일부 실행을 계속 수행합니다(요인 범위에 전혀 포함되지 않은 경우 제외). 첫 번째와 비슷한 변화.
또한 모형에 더 많은 항을 추가하는지("증강" 옵션을 통해), 복제하는 경우 중심점/축을 추가하거나 설계를 접는지 여부에 따라 증대 유형에 따라 새 런이 다르게 생성됩니다. 공간 채우기를 다시 수행합니다(이 마지막 지점에 대해 시뮬레이션된 데이터 "Space-Filling Augmentation"에 대해 수행된 스크린샷을 볼 수 있습니다. 이는 매우 설명적이거나 실험 공간의 확장/축소에 대한 이전 스크린샷입니다). 여기에서 더 많은 정보를 확인하세요: 증강 선택의 추가 예(jmp.com)
나는 여기에서 찾을 수 있는 구체적인 사용 사례(내가 일했던 이전 회사의)에 대한 이 증강에 대한 연구를 수행했습니다. Réparation d'un plan d'expériences 불완전한 증강 - Réunion du group... - JMP 사용자 커뮤니티 프랑스어로 되어 있어서 죄송합니다. 사용 사례에서 증강의 이점과 요점을 매우 쉽게 확인할 수 있습니다. 이를 통해 이전 실험실 데이터(DoE에서 가져온 것으로 추정되지만 실제로는 그렇지 않음)를 효율적으로 사용할 수 있습니다. ) 처음부터 시작해야 하는 경우보다 적은 수의 새로운 실험으로 올바른 DoE를 갖도록 초기 실험 세트를 확대합니다. 이 사용 사례에서는 산점도 3D를 사용하여 3가지 요소에 대해 수행된 스크린샷을 보고 초기 실행(파란색)과 비교하여 실험 공간(녹색)에서 새 실행이 어디에 있는지 확인할 수 있습니다.
이 답변이 도움이 되길 바라며,
