최근 미니 시리즈인 실험 설계를 통한 스마트한 혁신이 끝났음에도 불구하고 우리가 다룬 주제에 대한 관심은 줄어들지 않았습니다. 특히 사람들은 다음에 대해 더 알고 싶어합니다.
- DOE의 과거, 현재, 미래에 대한 성찰
- 쉬운 DOE
- 그리고 예측 DOE.
질문이 너무 많아서 라이브 스트림 이벤트에서 답변할 시간이 없었기 때문에 뛰어난 주제 전문가들이 각 세션 순서대로 이 블로그 게시물에서 답변하기로 동의했습니다.
세션 1은 현재 은퇴한 선임 연구원인 브래들리 존스(Bradley Jones) 박사와의 교대식 인터뷰라는 점에서 독특했습니다. 라이언 레키베츠 박사 는 Brad가 몇 년 전에 고용했으며 현재는 DOE를 위한 JMP R&D 혁신 활동을 이끌고 있습니다. 우리는 몇 가지 중요한 후속 질문을 받았기 때문에 Ryan이 자신의 전문 지식을 더 많이 공유할 수 있어서 기쁩니다.
이번 웨비나에서 언급된 도서 및 기사 목록을 보내주실 수 있나요?
구스(Goos), P. 및 존스, B., 2011.최적의 실험 설계: 사례 연구 접근 방식 . 존 와일리 & 선즈.
Jones, B. 및 Nachtsheim, CJ, 2011. 2차 효과가 있을 때 최종 선별을 위한 3단계 설계 클래스입니다.품질기술저널 , 43 (1), pp.1-15.
페도로프, VV, 2013.최적 실험 이론 . 엘스비어.
박스, GE, 헌터, WH 및 헌터, S., 1978년.실험자를 위한 통계 (664권). 뉴욕: 존 와일리(John Wiley)와 아들들.
존스, B. 및 구스, P., 2007. D-최적 분할구 설계를 생성하기 위한 후보 집합 없는 알고리즘입니다.왕립통계학회지 시리즈 C: 응용통계 , 56 (3), pp.347-364.
Anderson‐Cook, CM 및 Lu, L., 2023. 빅데이터 시대에도 설계된 데이터 수집이 여전히 유효합니까?품질 및 신뢰성 엔지니어링 국제 .
레키베츠, R. 및 존스, B., 2015. 직사각형이 아닌 영역을 위한 빠르고 유연한 공간 채우기 설계.품질 및 신뢰성 엔지니어링 국제 , 31 (5), pp.829-837.
디자인 공간을 더욱 최적화하기 위해 증강 디자인의 사용법을 보여주는 리소스를 제공해 주시겠습니까? 구체적인 예를 들어 이 주제를 다루는 비디오 링크나 책이 있습니까?
Goos & Jones(2011)의 3장에는 디자인 확대의 예가 나와 있습니다.
Augment Design 플랫폼 사용을 논의하는 몇 가지 프레젠테이션:
숙련된 실험자를 위한 전문 맞춤형 DOE - JMP 사용자 커뮤니티
확정 선별 설계를 사용하여 더 적은 수의 시험으로 더 많은 정보 얻기 – JMP 사용자 커뮤니티
설계 증강에 대해 다양한 접근 방식을 취하는 일부 Discovery 강연:
스퍼터링 공정 개선을 위한 JMP DOE 설계 및 모델링 기능 탐색(2... – JMP 사용자 커뮤니티
후보 세트 설계: 문제에 대한 DOE 제약 조건 조정(2021-EU-30MP-78... – JMP 사용자 커뮤니티
Big DOE: 순차적이고 꾸준한 방식이 경쟁에서 승리할까요? (2021-EU-45MP-775) – JMP 사용자 커뮤니티
DOE 진단을 통한 D/I 최적성 평가는 무엇을 의미합니까? 실제로 가치를 얻거나 이를 해석하려면 어떻게 해야 합니까?
최적성 기준은 이론적으로 최적의 설계(존재하지 않을 수도 있음)와 비교됩니다.
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/optimality-criteria.shtml
그 자체로는 그것이 의미하는 바를 해석하기 어려울 수 있습니다. 나는 보통 이것을 다른 디자인과 비교하여 생각하는 것을 좋아합니다(비교 디자인의 상대적 효율성과 마찬가지로). https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/design-diagnostics-2.shtml# )
광범위하게 말하면, D/A 최적성은 모델의 항을 추정할 때 사용되는 반면, I-최적성은 반응을 더 잘 추정하려고 할 때 사용됩니다. 저는 디자인 선택에 대한 몇 가지 아이디어를 논의한 Christine Anderson-Cook의 백서를 좋아합니다.
JMP 디자인 탐색기의 도움을 받아 올바른 디자인 선택하기 | JMP
세션 2에는 과학자이자 JMP 시스템 엔지니어가 참여했습니다. 피터 폴리토 , 그는 JMP에서 DOE의 "쉬운 버튼"에 해당하는 것을 보여주기 위해 가족과 함께 수행한 재미있고 공감할 만한 몇 가지 실험을 공유했습니다.
JMP에서 특정 요구 사항(예: 0.5 이하의 상관 계수, 설계 공간의 80%에 대해 0.25 미만의 FPDS 등)을 충족하는 설계를 자동으로 생성할 수 있는 방법이 있습니까?
설계 평가 도구와 설계 비교 플랫폼을 모두 사용하여 상황에 가장 적합한 DOE를 찾을 수 있습니다.
계수에 대해 제대로 추측하지 못한다면 후자의 탭이 선험적으로 도움이 되지 않는 것 같습니다. 내가 이것을 올바르게 이해하고 있습니까?
예, 아니오. 계수가 어떻게 될지 미리 잘 알지 못하는 경우 시뮬레이션 패널은 모델이 어떻게 보일지 탐색할 수 있는 훌륭한 도구가 됩니다. 최종 결과에 대해서는 그다지 유익하지 않을 수 있지만 실험 공간을 탐색하는 데 사용할 수 있는 가능성의 예술에 대한 좋은 감각을 갖게 될 것입니다.
모델이 견고하다는 것을 어떻게 식별합니까?
“아름다움은 보는 사람의 눈에 달려 있다”고 그들은 말합니다. 상황에 따라 다르며 이는 만족스럽지 못한 답변입니다. R2가 높나요? 실제와 예측이 일치합니까? 견고성을 식별하는 몇 가지 방법은 다음과 같습니다. 하지만 결국 우리는 DOE를 구축합니다.
평면 길이가 정확히 6.985인치인 종이비행기가 정말 있었나요?
6.985인치는 ~17.74cm입니다. 내 눈금자에는 1mm의 그라데이션이 있으므로 꽤 가까이 다가갈 수 있었지만 정확하지는 않을 것입니다.
대부분의 경우 실험을 실행할 때 요인의 순서를 지정하는 것이 논리적으로 합리적입니다. JMP가 제안한 무작위 순서를 따르지 않으면 얼마나 손해를 보게 됩니까?
부분적으로는 JMP가 실험적 잡음과 편향을 정확하게 정량화하고 설명하는 능력을 상실하게 됩니다. 결국 JMP는 다음을 수용할 수 있습니다. 최대 당신이 무엇을 원하는지, 당신이 무엇을 하고 있는지 알아야 합니다. 그러니 들어가고 싶은 특별한 순서가 있다면 말해 보세요. 분할 도표 설계(변경하기 어려운 요인의 경우)를 생성하거나 특정 실행 순서를 설정하여 이를 수행할 수 있습니다.
계란 실험의 결과는 무엇이었나요?
재미있는 점은 보자마자 알았던 결과가 실제로 기억나지 않는다는 것입니다. 직접 해야 했지만, 매장에서 구입한 계란과 닭이 낳은 계란을 비교하고 싶습니다.
요인을 어떻게 정의하고 입력하는지 보여줄 수 있나요?
Easy DOE 플랫폼의 첫 페이지에 반응과 요인을 입력하세요.
기존 DOE는 포함되지 않을 수 있는 또 다른 중요한 요소가 있는지 어떻게 알 수 있습니까?
여러 가지 방법이 있지만 가장 눈에 띄는 것은 DOE 결과에 아무런 요인도 중요하지 않은 경우입니다. 중요한 요인이 없다면 다른 요인도 있어야 합니다.
측면 의견으로는 DOE를 사용하여 달리기를 최적화하는 방법이 궁금합니다.
여기에서 이에 대해 읽어보세요: https://community.jmp.com/t5/JMP-Blog/DOE-ing-Myself-Using-design-of-experiments-to-run-more/ba-p/256981 .
변경 비용이 많이 드는 변수가 있는 경우 이를 어떻게 해결합니까?
요인을 추가할 때 드롭다운 메뉴를 사용하여 변수를 "변경하기 어려움"으로 식별하면 분할 도표 설계가 생성되어 변경하기 어려운 요인이 가능한 한 적게 변경되도록 시행을 정렬합니다. ).
RSM의 경우 실험을 시작하기 전에 설계가 "좋은"지 어떻게 알 수 있습니까? 즉, 요인들이 상관관계가 있거나 예측 분산이 너무 높지 않은지 여부입니다.
나는 종종 Custom Design의 Design Diagnostics 섹션에서 Color Map of Correlation을 참조합니다. 이를 통해 다른 변수와 구분할 수 있어야 하는 변수 및/또는 상호 작용이 무엇인지 알 수 있습니다.
더 많은 분석 도구가 필요한 경우 Easy DOE의 데이터를 표준 데이터 테이블로 내보내는 쉬운 방법이 있습니까?
예, "데이터 입력" 탭에 "데이터 내보내기" 버튼이 있습니다.
JMP를 사용하여 DOE 표를 작성할 때 수준에 여러 요인 변경 사항을 추가하기로 결정했다고 가정해 보겠습니다. 모델로 돌아가서 DOE를 거꾸로 다시 빌드하면 때로는 이상하게 작동한다는 것을 알고 있습니다(특히 실행 횟수가 증가 및 감소함). 보기엔 정상인가요?
명목 요인에 추가 요인이나 추가 수준을 추가하면 JMP는 강력하고 해석 가능한 모델을 구축하는 데 필요한 실행 횟수를 늘릴 가능성이 높습니다.
JMP는 순열 효과를 다루는 "추가 순서" DOE를 처리할 수 있습니까?
균형 잡힌 불완전 블록 설계( BIDB )는 이러한 방식으로 DOE를 구축하는 방법일 수 있습니다.
이미 일부 데이터가 있는 경우 DOE를 시작하고 더 많은 실험을 수행하기 전에 이를 사용하여 모델을 개선할 수 있습니까?
Mike Anderson의 세션(시리즈의 세 번째)에서는 이에 대해 매우 잘 다루고 있습니다(아래 시리즈 링크 참조).
모델에서 중요하지 않은 요소를 제거한 다음 다시 분석하는 것의 가치에 대해 더 자세히 말씀해 주시겠어요?
즉, 비예측 모델은 노이즈를 추가합니다. 이를 제거하면 노이즈가 줄어들어 신호가 증가합니다.
시뮬레이션의 목적을 다시 간략하게 설명해주실 수 있을까요?
시뮬레이터를 사용하면 가능성이 있다고 생각하는 계수를 기반으로 모델이 궁극적으로 어떻게 보일지 "볼" 수 있습니다. 무엇인지 미리보기입니다 5월 일어나다. 예를 들어, 계수를 잘 다루고 특정 상호 작용이 어떻게 진행되는지 확인하려는 경우 그렇게 할 수 있습니다. 해당 상호 작용에 대해 충분한 해결 방법을 얻을 수 없는 경우 실행을 더 추가한 다음 다시 시뮬레이션하여 개선이 있는지 확인할 수 있습니다.
세션 3에서는 화학자와 JMP 시스템 엔지니어가 출연하여 실험 및 관찰 데이터에서 가치를 도출하는 다양한 방법을 다루었습니다. 마이크 앤더슨 박사 .
유의미한 절편은 요인이 결과를 적절하게 설명하지 못한다는 것을 나타냅니다.분석에서 이런 일이 발생하면 결론을 내리기 전에 요인을 검토합니다.그렇습니다. 절편은 항상 존재하지만, 그것이 중요할 때 저는 절편이 중요하지 않을 때까지 요소를 제거하거나 상호 작용을 살펴보려고 노력합니다.JMP 알고리즘에서는 이것이 중요하지 않다는 말씀이신가요?
SVEM 보고서의 맥락에서 0이 아닌 데이터 백분율은 절편이 0과 얼마나 다른지 나타냅니다. 이는 통계적 테스트를 기반으로 절편의 중요성을 평가하는 것과 다릅니다.
Lasso와 Elastic net은 과적합을 방지하기 위해 회귀 분석에 사용되는 정규화 기술입니다. Elastic Net은 L1과 L2 페널티를 결합한 반면 Lasso는 L1 페널티만 사용합니까? 이 올바른지? 그리고 이 두 가지 방법 중 하나를 선택하는 방법은 무엇입니까?
L1은 Lasso 회귀에 대한 페널티입니다. L2는 Ridge 회귀를 위한 것입니다. Elastic net은 Lasso 및 Ridge 페널티와 추가 매개변수(알파)를 선형 결합하여 각각이 총 페널티에 기여하는 정도를 제어합니다. 일반적으로 Lasso는 변수 선택이나 요인 간의 공분산이 낮은 경우에 사용됩니다. Ridge는 일반적으로 요인들이 서로 연관되어 있다고 의심되는 상황에 사용됩니다. Elastic Net은 변수 선택이 필요하지만 일부 잠재적 요인-요인 상관관계가 우려되는 상황에 유용합니다.
이러한 처벌에 대한 몇 가지 유용한 세부정보는 문서의 통계 세부정보에서 확인할 수 있습니다. https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/statistical-details-for-estimation-methods.shtml
이 세 가지 처벌이 어떻게 작용하는지에 대해 JMP Education에서 제공하는 훌륭한 강의도 있습니다. 이 과정은 중요한 예측변수 찾기(Finding important Predictors)라고 합니다. https://www.jmp.com/en_us/training/courses/jmp-and-pro-finding-important-predictors.html
시간을 내어 더 많은 전문 지식을 제공하고 리소스를 추천해 주신 전문가 여러분께 진심으로 감사드립니다.이 정보가 도움이 되기를 바랍니다.그 중 하나라도 놓친 경우 설계된 실험을 통한 더욱 스마트한 혁신 시리즈로 주문형으로 시청할 수 있습니다.추가 리소스는 각 세션의 보기 페이지에 나열되어 있습니다.특히 유용하다고 생각되는 리소스를 공유하고 싶다면 댓글에 올려주시기 바랍니다.감사해요!
