RSM 모델이 정확하지 않았습니다(기록 데이터와 일치하지 않음) - 수정 방법 및 문제가 발생한 부분안녕하세요 여러분,
이 시점에서 상당히 잘 특성화된 프로세스가 있지만 이제 출발 물질에서 발생할 수 있는 잠재적인 프로세스 변동성의 위험을 제거하고 있습니다. 순도를 극대화하고 본 장치 작동의 회복을 극대화하려는 의도입니다.
이전 DoE에서 모델링되었으며 잘 알려진 매개변수(B,C)이므로 중요한 요소인 것으로 알려진 2개의 매개변수가 있습니다. 세 번째 매개변수(A)는 이론적으로 영향을 미칠 수 있으므로 조사 중입니다. 이는 재료의 시작 순도이며 가변적일 수 있습니다(완전히 제어할 수는 없습니다).
우연한 실험을 통해 저는 광범위한 A(~30-50% 시작 순도)에 걸쳐 성공적인 정제를 보여주었습니다. 실패지점(어떤 출발물질 순도에서, 목표 최종 순도에 도달하지 못할 수 있는지)이 어디인지 조사하고 싶었습니다. 또한 B와 C의 최적 조건이 A의 변화에 따라 이동했는지 알아볼 수 있도록 이 주변의 설계 공간을 완전히 특성화하고 싶었습니다.
나는 일반적으로 테스트된 범위에서 B와 C 범위를 갖는 RSM 모델을 수행했으며, A 범위는 약 5% 순도에서 ~85% 순도까지였습니다. A를 중요한 매개변수로 식별했지만 전반적으로 모델은 과거 데이터에서 아래로 이동했습니다. 예를 들어, 모델을 축소한 후 작업이 끝날 때까지 30% 재료가 ~60% 순수할 것으로 예측했지만, 이것이 과소평가되어 85%에 가까워야 함을 보여주는 여러 데이터 포인트가 있습니다.
본 연구를 수행하면서 한 가지 문제가 발생하였다. 목표 A 조건은 5%, 40%, 85%였다. 수행해본 결과 실제로 테스트한 중간조건은 55%에 가까웠던 것으로 확인되어 이는 성능오차였다. 이로 인해 문제가 발생했을 수 있습니까?
전반적으로 모델 적합도는 매우 좋았으며 RSME도 낮았습니다. 저순도 조건은 확실히 스트레스 테스트였으며 생산에서 볼 수 있는 것은 아니지만 공정 이해를 위해 넓은 공간을 탐색하는 것이 유익해 보였습니다. 내 이론은 발생한 실험 오류로 인해 문제가 발생했거나 범위가 너무 넓고 정화에 반복적으로 어려움을 겪는 낮은 A 조건이 모델을 낮추었다는 것입니다.
1.) 정확성을 높이기 위해 이 DOE를 어떻게 수리할 수 있습니까?
실행을 늘리고 우리가 기대하는 "MFG 범위"에 데이터 세트를 집중할 수 있습니다.
A의 조건 3개보다 더 많은 조건을 평가하기 위해 3차 항을 추가할 수 있습니다.
2.) 앞으로 부정확한 모델을 방지하려면 어떻게 해야 합니까?
과거 데이터가 없었다면 액면 그대로 보이는 이 데이터 세트에 의문을 제기하지 않았을 것입니다.
실험 설계윈도우Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분자세한 설명에 감사드립니다. 최근 RSM 실험에서 잔차 분석은 모델에 대해 무엇을 보여주나요?
또한 RSM 실행 중 이전 실험이나 테스트와 공통적으로 실행되어 대조군 역할을 할 수 있습니까?
Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분^ 죄송합니다. 컴퓨터에 문제가 있어서 실수로 귀하의 의견을 해결책으로 받아들였습니다...
귀하의 질문에 답변하려면:
매개변수 A에 대한 잔차 도표는 다음과 같습니다.
기술적으로 완전히 통제되는 조건은 없습니다. 이전 DoE는 ~45% 출발 물질로 수행되었으며, 이 RSM에서 가장 가까운 것은 55%였습니다.
Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분명확히 말하면 "A"는 귀하가 제어할 수 없습니까?공급업체의 "원자재"입니까?그렇다면 모델에서 A를 확률 변수(공변량)로 사용하는 혼합 모델을 개발해야 할 것 같습니다.
추가 생각:
1. A와 순도에 대한 측정 시스템을 평가했습니까?
2. 이전 실험에서 B&C를 연구할 때 A는 어디에 있었습니까(예: 어느 수준이었습니까?)?B 및/또는 C와 상호 작용하는 경우 이전 모델은 조건부 모델이 됩니다.
3. "라는 말이 무슨 뜻인지 이해가 안 돼요. 정확성을 높이기 위해 이 DOE를 수리하시겠습니까?"나는 당신이 모델을 개선하기를 원한다고 생각합니다. DOE는 목적을 위한 수단입니다.
4. 모델은 근사치이므로 사용할 수 있기를 바랍니다. 설명이나 예측 목적으로 사용될 수 있습니다.예측이 얼마나 잘 수행되는지는 귀하의 연구(예: DOE)가 미래를 얼마나 대표하는지에 달려 있습니다. DOE는 설계상 추론 공간이 좁습니다.이는 시계열을 제거/급격하게 줄여 DOE에서 요인이 달라지는 것을 방지하기 때문입니다.이러한 장애를 극복하려면 실험에서 노이즈를 과장하고 노이즈를 적절하게 처리하는 전략(예: 반복, 반복, 블록, 분할 플롯, 공변량 등)을 사용해야 합니다.
Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분응답해 주셔서 감사합니다.
명확히 말하면 "A"는 귀하가 제어할 수 없습니까?공급업체의 "원자재"입니까?그렇다면 모델에서 A를 확률 변수(공변량)로 사용하는 혼합 모델을 개발해야 할 것 같습니다.
"A"는 MFG에서는 제어할 수 없지만 이 실험에서는 제어할 수 있습니다. 비록 중간 목표가 순도 목표에서 벗어났음에도 불구하고 나는 순도가 높은 출발 물질과 낮은 순도의 두 출발 물질 풀을 결합했습니다(가중 평균 접근 방식을 사용했습니다).
추가 생각:
1. A와 순도에 대한 측정 시스템을 평가했습니까?
여기서 순도 측정은 매우 정확합니다. 우리는 일반적으로 5% 이내로 추정할 수 있으며 일반적으로 더 정확하지만 이는 보수적입니다.
2. 이전 실험에서 B&C를 연구할 때 A는 어디에 있었습니까(예: 어느 수준이었습니까?)?B 및/또는 C와 상호 작용하는 경우 이전 모델은 조건부 모델이 됩니다.
이전 DoE 실험의 "A"는 약 40-45% 순도에서 일정하게 유지되었습니다. 대규모 실행은 최종 순도에 눈에 띄는 영향 없이 30%까지 낮아졌습니다.
3. "라는 말이 무슨 뜻인지 이해가 안 돼요. 정확성을 높이기 위해 이 DOE를 수리하시겠습니까?"나는 당신이 모델을 개선하기를 원한다고 생각합니다. DOE는 목적을 위한 수단입니다.
맞습니다. 제 용어가 잘못되었습니다. 모델을 어떻게 개선할 수 있으며 모델이 부정확한 이유에 대한 이론은 무엇입니까?
4. 모델은 근사치이므로 사용할 수 있기를 바랍니다. 설명이나 예측 목적으로 사용될 수 있습니다.예측이 얼마나 잘 수행되는지는 귀하의 연구(예: DOE)가 미래를 얼마나 대표하는지에 달려 있습니다. DOE는 설계상 추론 공간이 좁습니다.이는 시계열을 제거/급격하게 줄여 DOE에서 요인이 달라지는 것을 방지하기 때문입니다.이러한 장애를 극복하려면 실험에서 노이즈를 과장하고 노이즈를 적절하게 처리하는 전략(예: 반복, 반복, 블록, 분할 플롯, 공변량 등)을 사용해야 합니다.
나는 이것을 완전히 이해합니다. 문제는 이 모델이 "A"가 그렇지 않다는 것이 입증된 공간에서 중요한 요소임을 암시한다는 것입니다. 이것이 DoE 설계에서 내가 잘못한 것인지, 아니면 실험적인 것인지 확인하려고 합니다.
Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분"A"는 MFG에서는 제어할 수 없지만 이 실험에서는 제어할 수 있습니다. 비록 중간 목표가 순도 목표에서 벗어났음에도 불구하고 나는 순도가 높은 출발 물질과 낮은 순도의 두 출발 물질 풀을 결합했습니다(가중 평균 접근 방식을 사용했습니다).
실험 중에 A를 관리하신 것으로 알고 있습니다. 그건 문제가 아닙니다.문제는 앞으로 A를 관리할 의향이 있느냐는 것입니다. 제가 뜻하는 바는 다음과 같습니다. 당신은 A를 관리할 능력, 돈, 욕구가 있습니까?그렇지 않은 경우 A는 잡음입니다. A를 디자인 요소처럼 취급하는 것은 제가 권장하는 것이 아닙니다.
여기에서의 순도 측정은 매우 정확합니다. 우리는 일반적으로 5% 이내로 추정할 수 있으며 일반적으로 더 정확하지만 이는 보수적입니다.
귀하의 용어를 이해하고 있는지 잘 모르겠습니다.정확성과 정밀도 사이에는 차이가 있지만, 두 가지를 서로 바꿔서 사용하는 것 같나요?정확도는 측정값이 측정되는 양(예: 참조 표준)의 실제 값 또는 허용된 값에 얼마나 가까운지를 측정하는 것입니다. 정밀도는 일련의 측정이 서로 얼마나 가까운지를 나타내는 척도입니다(즉, 반복성과 재현성).그러나 어떤 경우에도 측정은 문제가 되지 않는다고 제안하셨습니다.
이전 DoE 실험의 "A"는 약 40-45% 순도에서 일정하게 유지되었습니다. 대규모 실행은 최종 순도에 눈에 띄는 영향 없이 30%까지 낮아졌습니다.
이는 잠재적인 문제입니다.A는 일정했기 때문에 이전 실험에서는 A와 다른 요인 사이의 잠재적인 상호 작용 효과를 추정할 수 없습니다.또한 귀하의 모델은 A가 40-45% 순도 수준에서 일정하다는 조건에 달려 있습니다.A가 변경되면 모델이 어떻게 작동할지 알 수 없습니다.
나는 이것을 완전히 이해합니다. 문제는 이 모델이 "A"가 그렇지 않다는 것이 입증된 공간에서 중요한 요소임을 시사한다는 것입니다. 이것이 DoE 설계에서 내가 잘못한 것인지, 아니면 실험적인 것인지 확인하려고 노력 중입니다.
나 내가 당신의 논리를 따르는지 잘 모르겠습니다... A가 디자인 공간에서 중요하지 않다는 것을 어떻게 "증명"했습니까?A가 중요하지 않다는 것을 이미 알고 있다면 왜 실험을 합니까?적절한 디자인을 실행했는지 아니면 실험에 다른 문제가 있었는지 추측만 할 수 있습니다.B & C에 대한 모델이 이미 있고 모델에 A를 추가하려는 경우 반응 표면 유형의 설계를 실행한 이유가 무엇인지 잘 모르겠습니다.또한 최적화 유형 설계의 경우 통계적 유의성은 덜 중요합니다. 이미 모델을 설정했어야 합니다. 이제 반응을 최적화하기 위해 모델의 요인에 대한 수준을 선택하면 됩니다. 일종의 윤곽 매핑이 일반적입니다. 다시 말하지만, A가 실제로 잡음이라면 이를 설계 요인(공변량)으로 분석하고 해석해서는 안 됩니다.
Re: RSM 모델이 부정확했습니다(기록 데이터와 동의하지 않음) - 수정 방법 및 문제가 발생한 부분안녕 @MetaLizard62080
실험적 접근 방식과 데이터 품질에 초점을 맞춘 다른 답변에 대한 다른 접근 방식으로 이에 대해 설명하겠습니다. 올바르게 이해했다면 중간 조건은 의도한 40%가 아닌 55%였습니까? 그렇다면 이는 한 걸음 물러서서 A에 대한 통제의 정확성을 평가하는 경우일 수 있습니다. 고유한 가변성은 설계의 불확실성을 증가시킵니다. 각 지점에 대해 몇 번의 반복실험을 수행했습니까?
사용한 모델링 유형은 무엇이었나요? 불행하게도 표준 최소 제곱 회귀 분석의 한계는 요인 범위에 대한 큰 변화와 이상값에 민감하다는 것입니다. 이는 종종 데이터의 '미묘한' 변화를 놓치고 여기서 설명하는 과소평가로 이어질 수 있음을 의미합니다.RSM의 예측 모델이 이론/역사적 데이터의 이해와 일치하지 않는 비슷한 문제가 있었는데, 이는 내 데이터 세트의 이상치로 귀결되었습니다. 이를 돕기 위해 내 데이터 포인트의 Cooks D Influence 점수를 살펴보았습니다. 좋은 경험 법칙은 이상값을 찾기 위해 포인트의 값이 4/n보다 크다는 것입니다. 또 다른 옵션은 GenReg와 같은 다양한 예측 모델링 형식을 탐색하는 것입니다.
또 다른 고려 사항은 이전 실험에서 A가 일정하게 유지되었고 지금은 이를 변경하는 경우입니다. A의 품질/유형이 변경되었습니까(이전 실험과 이번 실험 사이의 시간 차이는 얼마나 됩니까?) 프로세스에 영향을 미치는 A와 관련된 '숨겨진 요인'이 잠재적으로 있습니까?
