DSD 매트릭스 강화우리는 6가지 요인을 탐색하기 위해 확정 선별 설계 매트릭스를 실행한 후 프로세스 성능으로 인해 매개변수 중 하나의 범위를 원래 DSD에서 목표로 삼았던 위치에서 약간 아래쪽으로 조정해야 한다는 사실을 발견했습니다. 문제의 매개변수는 기본 요소로서 출력에 영향을 미치고 원래 DSD 분석에 따라 다른 2개 요소와의 양방향 상호 작용으로 영향을 미칩니다.
앞으로 나아갈 가장 좋은 방법은 무엇입니까? X1, X2, X3, X1*X2, X1*X3 또는 좀 더 사려 깊은 것을 평가하기 위한 6개의 실행 행렬이 있습니까?
10번 정도만 더 실행하면 됩니다.
의견을 보내주셔서 감사합니다.
실험 설계Re: DSD 매트릭스 강화내 생각은 다음과 같습니다.
1. DSD의 목적은 최적의 수준을 찾지 못하는 활성 요인을 찾는 것입니다.DSD에 대한 전체 분석을 제공하지 않았음에도 불구하고 DSD가 그렇게 한 것 같습니다.요인, 상황 또는 반응 변수에 대한 맥락이 없으면 조언을 제공하기가 어렵습니다.추가 실험이 필요합니까?문제의 요인에 대한 요인 수준을 변경하면 DSD의 학습이 무효화될 것이라고 생각하십니까?
2. 어떤 요인에 대해 2차 효과가 있었나요?모델을 단순화하고 예측 공식을 저장했나요?아마도 "더 나은" 수준에서 문제의 요인을 사용하여 몇 가지 확인 실행을 실행할 수도 있습니다.
3. 실험에서 노이즈를 처리하기 위한 전략이 있었나요?아마도 시간이 지남에 따라 모델의 일부 샘플링은 요인 효과의 일관성/예측 가능성을 검증하는 데 좋을 것입니다.
Re: DSD 매트릭스 강화우리는 DSD를 사용하여 단계를 특성화했습니다. 이는 이전에 결정된 목표와 프로세스의 제어 능력에 따라 크게 결정되는 허용 가능한 작동 범위가 있다는 것을 의미합니다. 우리는 단계가 해당 변동 수준에 민감한지 확인하고 있었습니다. 프로덕션에서 단계가 실제로 실행되는 위치를 수용하기 위해 매개변수 중 하나의 범위를 조정해야 했기 때문에 우리는 이를 수행할 방법을 생각하려고 노력했습니다.
귀하의 의견에 감사드립니다!
Re: DSD 매트릭스 강화제기된 문제와 질문에 내 2센트를 추가하려면 @statman 내 생각은 이렇습니다. DSD 디자인을 강화하는 것은 잊어버리세요. 증강된 DSD는 더 이상 DSD가 아니지만... 내가 프랑켄슈타인 디자인이라고 부르곤 했던 것입니다. DSD에는 몇 가지 매우 특별한 개념(효과 유전과 희소성, 단 두 가지)이 있으며 접힘 속성과 같은 특정 특성이 있어 프랑켄슈타인 DSD로 분석하면 의문의 여지가 있습니다. 그리고 Fit Definitive Screening Design이 확실하다고 확신합니다. 분석 플랫폼은 Frankenstein 디자인을 좋아하지 않으며 오류 메시지가 많이 나타날 수 있습니다. 내 생각은 이렇습니다. 추가로 연구하고 싶은 3가지 요인과 추정하고 싶은 매우 구체적인 모델 항이 있으므로 사용 가능한 10번의 실행에서 D-최적 설계를 실행하여 정확한 모델을 지정하는 것이 좋습니다. 당신은 그것을 그렇게 쓰고 분석했습니다. 10번의 실행 후에도 지정된 모델에 대한 오류 추정을 위한 몇 가지 자유도가 남아 있습니다. 그런 다음 두 실험에서 실용적인 결론을 도출하고 그것이 당면한 문제를 해결하거나 추가 시도로 이어지는 위치를 확인합니다. 이 모든 것은 실험 문제 해결 프로세스의 순차적 설계와 일치합니다.
Re: DSD 매트릭스 강화당신은 절대적으로 맞습니다. 완전한 폴드오버를 수행하지 않고 DSD에 추가하는 것은 혼란스러울 것입니다.
