Anche se la nostra recente miniserie, Smarter Innovation with Design of Experiments, si è conclusa, l'interesse per gli argomenti trattati non è diminuito. In particolare, le persone vogliono saperne di più su:
- Riflessioni sul passato, presente e futuro del DOE
- DOE facile
- E DOE predittivo.
Avevamo così tante domande che non abbiamo avuto il tempo di rispondere negli eventi in live streaming, quindi i nostri brillanti esperti in materia hanno accettato di rispondere in questo post del blog nell'ordine di ciascuna sessione.
La sessione 1 è stata unica in quanto si trattava di un'intervista di cambio della guardia con il ricercatore senior ora in pensione, il dottor Bradley Jones, seguita da Il dottor Ryan Lekivetz , che Brad ha assunto anni fa e che ora guida le attività di innovazione di ricerca e sviluppo di JMP per DOE. Avevamo alcune domande sostanziali di follow-up, quindi siamo lieti che Ryan abbia potuto condividere maggiormente la sua esperienza.
Potresti per favore inviare l'elenco dei libri e degli articoli menzionati durante questo webinar?
Goos, P. e Jones, B., 2011.Progettazione ottimale degli esperimenti: un approccio di caso di studio . John Wiley & Figli.
Jones, B. e Nachtsheim, CJ, 2011. Una classe di disegni a tre livelli per lo screening definitivo in presenza di effetti di secondo ordine.Giornale della tecnologia di qualità , 43 (1), pp.1-15.
Fedorov, VV, 2013.Teoria degli esperimenti ottimi . Elsevier.
Scatola, GE, Hunter, WH e Hunter, S., 1978.Statistiche per gli sperimentatori (Vol.664). New York: John Wiley e figli.
Jones, B. e Goos, P., 2007. Un algoritmo senza set di candidati per la generazione di progetti a trama divisa D-ottimale.Giornale della Royal Statistical Society Serie C: Statistica applicata , 56 (3), pp.347-364.
Anderson-Cook, CM e Lu, L., 2023. La raccolta dati progettata è ancora rilevante nell’era dei big data?Ingegneria della Qualità e dell'Affidabilità Internazionale .
Lekivetz, R. e Jones, B., 2015. Progetti di riempimento dello spazio rapidi e flessibili per regioni non rettangolari.Ingegneria della Qualità e dell'Affidabilità Internazionale , 31 (5), pp.829-837.
Potresti fornirci risorse che dimostrino l'utilizzo dell'augment design per ottimizzare ulteriormente lo spazio di progettazione? Hai qualche collegamento video o libro che tratta questo argomento con esempi specifici?
Il capitolo 3 di Goos & Jones (2011) riporta un esempio di design augmentation:
Alcune presentazioni che discutono l'uso della piattaforma Augment Design:
DOE personalizzato specializzato per sperimentatori esperti – Comunità di utenti JMP
Utilizzo di progetti di screening definitivi per ottenere maggiori informazioni da un minor numero di prove – Comunità di utenti JMP
Alcuni discorsi di Discovery che adottano approcci diversi al design augmentation:
Esplorazione delle funzioni di progettazione e modellazione di JMP DOE per migliorare il processo di sputtering (2... – Comunità di utenti JMP
Scenografie candidate: adattare i vincoli DOE al problema (2021-EU-30MP-78... – Comunità di utenti JMP
Big DOE: sequenziale e costante vince la gara? (2021-EU-45MP-775) – Comunità di utenti JMP
Che cosa significa la valutazione dell'ottimalità D/I con la diagnostica DOE? Come posso davvero ottenere valore o interpretarli?
I criteri di ottimalità si confrontano con un progetto teoricamente ottimale (che potrebbe anche non esistere!).
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/optimality-criteria.shtml
Di per sé, può essere difficile interpretare cosa significhi. Di solito mi piace paragonarli ad altri progetti (come facciamo con l'efficienza relativa in Confronta progetti). https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/design-diagnostics-2.shtml# )
In generale, l'ottimalità D/A è per quando stai cercando di stimare i termini nel tuo modello, mentre l'ottimalità I è per quando stai cercando di fare un lavoro migliore stimando la risposta. Mi piace il white paper di Christine Anderson-Cook sulla discussione di alcune idee nella scelta dei progetti:
Scegliere il design giusto con l'aiuto di Design Explorer di JMP | JMP
La sessione 2 ha visto la partecipazione dello scienziato e dell'ingegnere di sistema JMP, Pietro Polito , che ha condiviso alcuni esperimenti divertenti e molto facilmente riconoscibili che ha fatto con la sua famiglia per mostrare l'equivalente di un "pulsante semplice" per DOE in JMP.
Esiste un modo per fare in modo che JMP generi automaticamente un progetto che soddisfi determinati requisiti, ad esempio coefficienti di correlazione non superiori a 0,5, FPDS inferiore a 0,25 per l'80% dello spazio di progettazione, ecc.?
Puoi utilizzare sia gli strumenti di valutazione del progetto che le piattaforme di confronto dei progetti per individuare il DOE migliore per la tua situazione.
Se non si fanno buone ipotesi sui coefficienti, non sembra che queste ultime schede siano utili a priori. Ho capito bene?
Sì e no. Se non hai un'idea precisa di quali saranno i coefficienti in anticipo, il pannello di simulazione diventa un ottimo strumento per esplorare come potrebbe apparire il tuo modello. Anche se potrebbe non essere così informativo sul risultato finale, avrai un buon senso dell'arte del possibile, che potrai utilizzare per esplorare lo spazio sperimentale.
Come identifichi che il tuo modello è robusto?
“La bellezza è negli occhi di chi guarda”, come si suol dire. Dipende, il che è una risposta poco gratificante. Hai un R2 alto? Il valore effettivo e quello previsto coincidono? Questi sono alcuni metodi per identificare la robustezza. Ma alla fine, costruiamo DOE.
Avevi davvero un aereo di carta con una lunghezza piana di esattamente 6,985 pollici?
6,985 pollici corrispondono a ~17,74 cm. Il mio righello ha gradazioni di 1 mm, quindi sono riuscito ad avvicinarmi abbastanza ma probabilmente non in modo esatto.
Nella maggior parte dei casi, ha senso dal punto di vista logistico ordinare i fattori durante l'esecuzione degli esperimenti. Quanto perdo se non seguo l'ordine casuale suggerito da JMP?
In parte, si sta perdendo la capacità di JMP di quantificare e tenere conto con precisione del rumore e delle distorsioni sperimentali. In fin dei conti, JMP può accontentarvi maggior parte di ciò che desideri, ha solo bisogno di sapere cosa stai facendo. Quindi, se c'è un ordine particolare in cui vorresti entrare, dillo. Puoi farlo generando un disegno a trama divisa (per fattori difficili da modificare) o impostando un particolare ordine di esecuzione.
Quali sono stati i risultati dell'esperimento sull'uovo?
La cosa divertente è che in realtà non ricordo il risultato, sapevo solo che appena l'ho visto dovevo farlo da solo, ma voglio che uno dei fattori sia quello acquistato in negozio rispetto alle uova deposte dalle mie galline.
Potete mostrare come definiamo e inseriamo i nostri fattori?
Inserisci risposte e fattori nella prima pagina della piattaforma Easy DOE.
In che modo il DOE esistente indica se esiste un altro fattore importante che potrebbe non essere incluso?
Esistono diversi modi, ma il più significativo è quando il nostro DOE non risulta in alcun fattore significativo. Se nessun fattore è significativo, deve esserlo qualcos’altro.
Il commento a margine: siamo curiosi di sapere come hai utilizzato DOE per ottimizzare la corsa?
Leggi qui: https://community.jmp.com/t5/JMP-Blog/DOE-ing-Myself-Using-design-of-experiments-to-run-more/ba-p/256981 .
Se esiste una variabile che è costosa da modificare, come viene affrontata?
Quando aggiungi fattori, utilizza il menu a discesa per identificare la variabile come "Difficile" da modificare, questo creerà un disegno Split Plot, che ordinerà le tue prove in modo tale che il fattore difficile da modificare cambi il meno possibile (tra le altre cose ).
Per RSM, come puoi sapere che il design è "buono" prima di iniziare l'esperimento. vale a dire, se i fattori sono correlati o la varianza della previsione non sarà troppo elevata?
Faccio spesso riferimento alla Mappa dei colori delle correlazioni, nella sezione Diagnostica del progetto di Progettazione personalizzata. Questo ti dirà quali variabili e/o interazioni dovresti essere in grado di distinguere dalle altre variabili.
Se desideri più strumenti di analisi, esiste un modo semplice per esportare i dati da Easy DOE a una tabella dati standard?
Sì, c'è un pulsante "Esporta dati" nella scheda "Inserimento dati".
Quando utilizzi JMP per creare la tabella DOE, supponiamo che tu abbia deciso di aggiungere diverse modifiche ai fattori sui livelli. So che quando torni al modello e ricompili il DOE all'indietro, a volte funziona in modo strano (in particolare il numero di esecuzioni aumenta e diminuisce). E' normale vederlo?
Se si aggiungono ulteriori fattori o livelli aggiuntivi ai fattori nominali, JMP probabilmente aumenterà il numero di esecuzioni richieste per creare un modello robusto e interpretabile.
JMP è in grado di gestire DOE "ordine di addizione", ovvero dove hai a che fare con effetti di permutazioni?
Progetti di blocchi incompleti bilanciati ( BIDB ) potrebbe essere un modo per costruire un DOE in questo modo
Se disponiamo già di alcuni dati, possiamo utilizzarli per migliorare il modello prima di avviare il DOE e fare ulteriori esperimenti?
La sessione di Mike Anderson (la terza della serie) copre molto bene questo argomento (vedi collegamento alla serie di seguito).
Puoi parlare di più dell'importanza di rimuovere fattori non significativi dal modello e quindi rianalizzarlo?
In breve, i modelli non predittivi aggiungono rumore. Rimuovendoli si riduce il rumore, che aumenta il segnale.
Sarebbe possibile spiegare nuovamente brevemente lo scopo della simulazione?
Il simulatore ti consente di "vedere" come potrebbe apparire il tuo modello, in base ai coefficienti che ritieni probabili. È un'anteprima di cosa Maggio accadere. Se, ad esempio, hai una buona conoscenza dei coefficienti e vuoi vedere come si svolge una particolare interazione, puoi farlo. Se non riesci a ottenere una risoluzione sufficiente su tale interazione, puoi aggiungere più esecuzioni, quindi simulare nuovamente e vedere se ci sono miglioramenti.
La sessione 3 ha trattato ulteriori modi per trarre valore dai dati sperimentali e osservativi, con la partecipazione del chimico e dell'ingegnere di sistema JMP, Dottor Mike Anderson .
Un'intercetta significativa indica che i fattori non spiegano adeguatamente i risultati.Quando ciò accade nelle mie analisi, lavoro con i fattori prima di giungere a delle conclusioni.Quindi sì, l'intercetta è sempre lì, ma quando è significativa, lavoro per eliminare i fattori o esaminare le interazioni finché l'intercetta non è significativa.Stai dicendo che questo non è importante negli algoritmi di JMP?
Nel contesto del rapporto SVEM, i dati percentuali diversi da zero indicano quanto spesso l'intercetta è diversa da zero. Ciò è diverso dalla valutazione della significatività dell'intercetta sulla base di un test statistico.
Lasso ed Elastic net sono tecniche di regolarizzazione utilizzate nella regressione per prevenire l'overfitting. Elastic Net combina le penalità L1 e L2, mentre Lasso usa solo la penalità L1? È corretto? E come scegliere tra questi due metodi?
L1 è la penalità per una regressione al Lazo. L2 è per una regressione Ridge. La rete elastica è una combinazione lineare di penalità Lazo e Ridge con un parametro aggiuntivo (alfa) per controllare quanto ciascuno contribuisce alla penalità totale. In generale, Lasso viene utilizzato per la selezione delle variabili o nei casi in cui la covarianza tra i fattori è bassa. Ridge viene generalmente utilizzato per situazioni in cui sospettiamo che i fattori siano correlati. Elastic Net è utile per le situazioni in cui è necessario effettuare la selezione delle variabili ma si teme una potenziale correlazione fattore-fattore.
Alcuni dettagli utili su tali sanzioni si possono trovare nei dettagli statistici della documentazione: https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-estimation-methods.shtml
C'è anche un ottimo corso offerto da JMP Education su come funzionano queste tre penalità. Il corso si chiama Trovare predittori importanti: https://www.jmp.com/en_us/training/courses/jmp-and-pro-finding-important-predictors.html
Apprezziamo molto che i nostri specialisti dedichino il loro tempo a fornire maggiori competenze e a consigliare risorse.Ci auguriamo che li troviate utili.Se ti sei perso qualcuno dei Innovazione più intelligente con esperimenti progettati serie, puoi guardarle su richiesta.Risorse aggiuntive sono elencate nelle pagine di visualizzazione di ciascuna sessione.Se desideri condividere risorse che ritieni particolarmente utili, ti invitiamo a inserirle nei commenti.Grazie!
