最近のミニシリーズ「実験計画法によるスマートなイノベーション」は終了しましたが、私たちが取り上げたトピックへの関心は衰えていません。 特に、人々は以下についてもっと知りたいと考えています。
- DOE の過去、現在、未来を振り返る
- 簡単なDOE
- そして予測DOE。
非常に多くの質問がありましたが、ライブストリーム イベントでは答える時間がありませんでした。そのため、優秀な対象分野の専門家が、各セッションの順番にこのブログ投稿で回答することに同意しました。
セッション 1 は、現在は退職した上級研究員であるブラッドリー・ジョーンズ博士との交代式インタビューであり、その後に続くという点でユニークでした。ライアン・レキベッツ博士、ブラッドは何年も前に雇い、現在は DOE の JMP R&D イノベーションの取り組みを率いています。 追加の質問もいくつかありましたので、ライアンが専門知識をさらに共有できることを嬉しく思います。
このウェビナーで言及された書籍と記事のリストを送っていただけますか?
グース、P. とジョーンズ、B.、 2011年。最適な実験計画: ケーススタディのアプローチ。 ジョン・ワイリー＆サンズ。
ジョーンズ、B. とナハツハイム、CJ、 2011年。 二次効果の存在下での最終的なスクリーニングのための 3 レベル計画のクラス。品質技術ジャーナル、 43 (1)、1-15ページ。
フェドロフ、VV、 2013年。最適実験の理論。 エルゼビア。
ボックス、GE、 ハンター、WH およびハンター、S.、 1978年。実験者のための統計（第664巻）。 ニューヨーク：ジョン・ワイリーと息子たち。
ジョーンズ、B. とグース、P.、 2007年。 D 最適分割プロット計画を生成するための候補セットフリー アルゴリズム。王立統計協会ジャーナル シリーズ C: 応用統計、 56 (3)、347-364ページ。
アンダーソン・クック、CM およびルー、L.、 2023年。 ビッグデータ時代においても、設計されたデータ収集は依然として有効でしょうか?品質と信頼性エンジニアリング・インターナショナル。
レキベッツ、R. およびジョーンズ、B.、 2015年。 非長方形領域に対する高速かつ柔軟な空間充填設計。品質と信頼性エンジニアリング・インターナショナル、 31 (5)、829-837ページ。
設計空間をさらに最適化するための拡張設計の使用法を示すリソースを提供していただけますか? このトピックを具体的な例で説明しているビデオリンクまたは書籍はありますか?
Goos & Jones (2011) の第 3 章には、設計拡張の例が記載されています。
Augment Design プラットフォームの使用について説明したいくつかのプレゼンテーション:
経験豊富な実験者向けに特化したカスタム DOE – JMP ユーザー コミュニティ
最終的なスクリーニング計画を使用して、少ない治験からより多くの情報を得る – JMP ユーザーコミュニティ
Discovery の講演では、拡張設計にさまざまなアプローチを採用しています。
スパッタリングプロセスを改善するための JMP DOE 設計およびモデリング機能の探索 (2... – JMPユーザーコミュニティ
候補セット設計: DOE 制約を問題に合わせて調整する (2021-EU-30MP-78...) – JMPユーザーコミュニティ
大きな DOE: 連続的かつ着実にレースに勝つか? (2021-EU-45MP-775) – JMP ユーザーコミュニティ
DOE 診断による D/I 最適性評価では、いったい何を意味するのでしょうか? 実際に値を取得または解釈するにはどうすればよいですか?
最適性の基準は、理論的に最適な設計 (存在しない可能性もあります) と比較することです。
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/optimality-criteria.shtml
それだけでは、それが何を意味するのかを解釈するのは難しいかもしれません。 私は通常、これらを他の設計と比較して考えるのが好きです (設計の比較で相対効率を考えるのと同じように)。 https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/design-diagnostics-2.shtml# )
大まかに言うと、D/A 最適化はモデル内の項の推定を検討する場合に使用され、I 最適化は応答の推定をより適切に実行しようとする場合に使用されます。 私は、デザインを選択する際のいくつかのアイデアについて説明した Christine Anderson-Cook のホワイト ペーパーが好きです。
適切なデザインの選択 - JMP のデザイン エクスプローラーによる支援 | JMP
セッション 2 には科学者と JMP システム エンジニアが登場しました。ピーター・ポリト彼は、JMP の DOE の「簡単なボタン」に相当するものを示すために家族と一緒に行った、楽しくて非常に共感できる実験をいくつか共有しました。
特定の要件（たとえば、設計領域の 80% で相関係数が 0.5 以下、FPDS が 0.25 未満など）を満たす設計を JMP に自動的に生成させる方法はありますか?
設計評価ツールと設計比較プラットフォームの両方を使用して、状況に最適な DOE を決定できます。
係数について適切な推測ができない場合、後者のタブは先験的に役に立たないようです。 私はこれを正しく理解していますか?
はいといいえ。事前に係数がどのようなものになるのかよく分からない場合、シミュレーション パネルは、モデルがどのように見えるかを調べるための優れたツールになります。 最終的な結果についてはそれほど有益ではないかもしれませんが、実験空間を探索するために使用できる可能性の芸術については十分な感覚を得ることができます。
モデルが堅牢であることをどのように確認しますか?
「美しさは見る人の目に宿る」と言われます。 それは状況によりますが、それは満足のいかない答えです。 R2が高いですか？ 実際と予測は一致しますか? これらは堅牢性を識別するためのいくつかの方法です。 しかし、最終的には DOE を構築します。
飛行機の長さがちょうど 6.985 インチの紙飛行機が本当にあったのでしょうか?
6.985 インチは約 17.74 cm です。 私の定規には 1 mm の目盛りがあるので、かなり近くまで近づけることができましたが、おそらく正確ではありません。
ほとんどの場合、実験を実行するときに因子を順序付けることは論理的に合理的です。 JMP が提案したランダムな順序に従わなかった場合、どれくらいの損失が発生しますか?
部分的には、JMP が実験のノイズとバイアスを正確に定量化して説明する能力を失っています。 結局のところ、JMP は次のことに対応できます。ほとんどあなたが望むものについて、それはあなたが何をしているのかを知る必要があるだけです。 したがって、希望する特定の順序がある場合は、それを伝えてください。 これを行うには、分割プロット計画 (変更が難しい因子用) を生成するか、特定の実行順序を設定します。
卵の実験の結果はどうなったのでしょうか？
面白いのは、実際に結果を覚えていないのですが、見た瞬間に自分でやらなければいけないとすぐに分かったのですが、要因の 1 つは店頭で購入したものと、鶏が産んだ卵を比較したかったのです。
因子をどのように定義して入力するかを示していただけますか?
Easy DOE プラットフォームの最初のページに応答と係数を入力します。
既存の DOE は、含まれていない可能性のある別の重要な要素があるかどうかをどのように判断しますか?
いくつかの方法がありますが、最も分かりやすいのは、DOE の結果で重要な要素が見つからない場合です。 重要な要素がない場合は、他の要素が重要である必要があります。
サイドコメントとして、ランニングを最適化するために DOE をどのように使用したかに興味がありますか?
ここでそれについて読んでください: https://community.jmp.com/t5/JMP-Blog/DOE-ing-Myself-Using-design-of-experiments-to-run-more/ba-p/256981 。
変更にコストがかかる変数がある場合、これはどのように対処されるのでしょうか?
因子を追加するときは、ドロップダウン メニューを使用して、変数を変更するのが「難しい」として識別します。これにより、分割プロット計画が作成され、変更が難しい因子の変化ができるだけ少なくなるように試行が順序付けされます。 ）。
RSM の場合、実験を開始する前に、設計が「良好」であることをどのように判断できますか。つまり、要因に相関があるかどうか、または予測の分散が大きくなりすぎないかどうか。
私はカスタム デザインのデザイン診断セクションにある相関関係のカラー マップをよく参照します。 これにより、どの変数や相互作用を他の変数から切り離す必要があるかがわかります。
さらに多くの分析ツールが必要な場合、Easy DOE から標準データ テーブルにデータをエクスポートする簡単な方法はありますか?
はい、「データ入力」タブに「データのエクスポート」ボタンがあります。
JMP を使用して DOE テーブルを作成するときに、レベルにいくつかの因子変更を追加することにしたとします。 モデルに戻って DOE を逆方向に再構築すると、時々動作がおかしくなることがあります (具体的には実行数が上下する)。 それを見るのは普通ですか？
名目要因に追加の要因または追加のレベルを追加すると、JMP は堅牢で解釈可能なモデルを構築するために必要な実行数を増やす可能性があります。
JMP は、「加算順序」DOE、つまり順列効果を扱う場合を処理できますか?
バランスのとれた不完全なブロック設計 ( BIDB ) この方法で DOE を構築する方法かもしれません
すでにデータがある場合、DOE を開始してさらなる実験を行う前に、それを使用してモデルを改善できますか?
Mike Anderson のセッション (シリーズの 3 回目) では、これについて非常に詳しく説明しています (以下のシリーズへのリンクを参照)。
モデルから重要でない要素を削除して再分析することの価値について詳しく話してもらえますか?
つまり、非予測モデルはノイズを追加します。 それらを取り除くとノイズが減少し、信号が増加します。
もう一度シミュレーションの目的について簡単に説明していただけますか。
シミュレーターを使用すると、可能性が高いと思われる係数に基づいて、モデルが最終的にどのようになるかを「確認」できます。 それは何のプレビューです5月起こる。 たとえば、係数を十分に把握していて、特定の相互作用がどのように展開されるかを確認したい場合は、そうすることができます。 そのインタラクションで十分な解決策が得られない場合は、さらに実行を追加し、再シミュレーションして改善があるかどうかを確認できます。
セッション 3 では、化学者と JMP システム エンジニア、マイク・アンダーソン博士。
有意な切片は、要因が結果を適切に説明していないことを示します。分析でこれが発生した場合、結論を出す前に要因を検討します。はい、切片は常に存在しますが、切片が重要な場合は、切片が重要でなくなるまで要因を除去したり相互作用を調べたりします。JMP のアルゴリズムではこれは重要ではないということでしょうか?
SVEM レポートのコンテキストでは、ゼロ以外のデータの割合は、切片がゼロと異なる頻度を示します。 これは、統計検定に基づいて切片の重要性を評価することとは異なります。
Lasso と Elastic net は、過学習を防ぐために回帰で使用される正則化手法です。 Elastic Net は L1 ペナルティと L2 ペナルティを組み合わせていますが、Lasso は L1 ペナルティのみを使用しますか? これは正しいです？ そして、これら 2 つの方法からどのように選択すればよいのでしょうか?
L1 は、なげなわ回帰に対するペナルティです。 L2 はリッジ回帰用です。 Elastic net は、Lasso ペナルティと Ridge ペナルティを線形に組み合わせたもので、追加のパラメータ (アルファ) を追加して、それぞれが合計ペナルティにどの程度寄与するかを制御します。 一般に、Lasso は変数の選択、または因子間の共分散が低い場合に使用されます。 リッジは通常、要因が相関していると思われる状況に使用されます。 Elastic Net は、変数を選択する必要があるが、潜在的な因子間の相関が懸念される状況に役立ちます。
これらのペナルティに関する有用な詳細情報は、次のドキュメントの統計詳細に記載されています。 https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-estimation-methods.shtml
これら 3 つの罰則がどのように機能するかについて、JMP Education が提供する素晴らしい授業もあります。 このコースは「重要な予測子の検索」と呼ばれています。 https://www.jmp.com/en_us/training/courses/jmp-and-pro-finding- important-predictors.html
当社のスペシャリストが時間を割いて専門知識をさらに提供し、リソースを推奨することに非常に感謝しています。ぜひお役立てください。いずれかを見逃した場合は、実験計画によるよりスマートなイノベーションシリーズをオンデマンドで視聴できます。追加のリソースは、各セッションの視聴ページにリストされています。特に役立つと思われるリソースを共有したい場合は、コメント欄に記入してください。ありがとう！
