È utile un progetto ottimale D in questo caso?Ho il seguente problema per il quale deve essere creato un progetto sperimentale:
Lo stress in un certo punto di un modello deve essere determinato dalla FEA. Questo modello viene variato impostando tre diversi parametri. Questi parametri devono essere variati in modo tale da ridurre al minimo lo stress. Lo stress dovrebbe essere il valore target. Angolo, modulo e raggio sono i fattori la cui influenza deve essere studiata.
Ora arriva la parte più complessa della definizione dei fattori e dei livelli:
Angolo: 3 livelli per diverse angolazioni
Modulo: 9 moduli diversi
Raggio: per ogni combinazione di angolo e modulo esiste un diverso limite inferiore e superiore entro il quale si può assumere ciascun valore
La mia domanda ora è: come gestire al meglio la dipendenza del raggio? Il raggio dovrebbe essere semplicemente normalizzato tra 0 e 1 nella cerva e poi convertito quando viene utilizzato nell'esperimento?
In questo caso assumeresti fattori numerici discreti o fattori categoriali per angolo e modulo... questo mi confonde ancora.
Secondo la mia ricerca finora, una progettazione ottimale D sarebbe la soluzione migliore per raccogliere i dati e quindi RSM per trovare la combinazione ottimale di parametri per il criterio di ottimalità?
Esistono modi migliori per risolvere il problema?
Grazie mille.
Analisi e modellazione dei dati di baseProgettazione di esperimentiRe: Una progettazione ottimale D è utile in questo caso?Penso che l'idea di utilizzare un fattore Raggio normalizzato abbia senso.
Non utilizzerei Discrete Numeric a meno che tu non sia limitato o obbligato a utilizzare valori specifici. La progettazione ottimale sceglierà i livelli migliori in base al modello e al numero di corse richieste.
L'ottimalità D è la migliore quando sei interessato principalmente a testare gli effetti, mentre l'ottimalità I è la migliore quando sei interessato principalmente a prevedere le risposte. Penso che tu sappia che questi fattori sono importanti, quindi non è necessario eseguire test. L'ottimalità I sembra appropriata in questo caso. (I progetti RSM utilizzano metodi diversi per raggiungere lo stesso obiettivo dei progetti I-ottimali.)
Re: Una progettazione ottimale D è utile in questo caso?Quindi se, ad esempio, l'angolo può assumere 3 determinati valori e il modulo 9 determinati valori, posso comunque utilizzare Categorial e non utilizzare Discrete Numeric?
Qual è allora la differenza tra questi due tipi di fattori?
Re: Una progettazione ottimale D è utile in questo caso?L'angolo può variare continuamente e ha un effetto continuo sulla risposta. Sceglierei Continuo, non Categoriale. Definisci ulteriormente l'intervallo del fattore continuo e i termini del modello in cui è coinvolto. JMP determinerà i livelli. Se hai un fattore continuo, ma i suoi livelli sono predeterminati, usa Numerico discreto. JMP sceglierà i termini del modello per adattarli ai livelli specificati.
Un fattore categoriale presenta livelli realmente discreti, come la specie o il tipo di lega. I livelli non esistono in un continuum. Ogni livello produce un effetto individuale sulla risposta.
I fattori continui sono generalmente preferiti perché offrono numerosi vantaggi. I fattori continui sono statisticamente più informativi dei fattori categoriali (numero minore di esecuzioni). I fattori continui rappresentano un’opportunità per un modello lineare più parsimonioso. È possibile estendere l'intervallo di un fattore continuo per ottenere un effetto più ampio e migliorare la potenza dei test e la precisione delle stime.
Re: Una progettazione ottimale D è utile in questo caso?Da aggiungere ai commenti di Mark (i suoi commenti sulle considerazioni relative al continuo, al discreto numerico e al categorico sono azzeccati). Tratterei le variabili come continue.
Considererei le seguenti domande: questo esperimento sarà eseguito interamente tramite simulazione? FEA è una simulazione basata su un algoritmo (modello) già noto. La FEA fornisce dati che rappresentano la realtà nella tua situazione attuale? Poiché l'algoritmo è già noto alle persone che hanno scritto la simulazione FEA, le relazioni tra i fattori che stai analizzando sono già note. Il modo in cui è stato ottenuto il modello FEA potrebbe non essere noto a te. Probabilmente non è noto anche se rappresenti la tua situazione. Se stai sperimentando utilizzando la simulazione, l'unica cosa che riuscirai a realizzare sarà scoprire il modello già noto. Non è necessario considerare i criteri di ottimalità... basta eseguire i fattoriali completi. Se, tuttavia, realizzerai effettivamente unità sperimentali che verranno misurate per le sollecitazioni effettive, potresti essere in grado di convalidare il software FEA o determinare che non è utile nella tua applicazione. Stai cercando di scegliere un vincitore o di comprendere il meccanismo e sviluppare un'equazione di previsione che sia utile?
Se hai intenzione di realizzare effettivamente unità sperimentali per comprendere l'impatto dei fattori sullo stress, potresti iniziare le tue iterazioni con progetti a 2 livelli utilizzando gli estremi di angoli, modulo e raggio, nonché rumore e iterazione.
Re: Una progettazione ottimale D è utile in questo caso?Ciao @bjarne ,
In aggiunta alle ottime indicazioni fornite nelle risposte precedenti, puoi creare progetti fattoriali per iniziare a toccare la superficie della risposta e iniziare a muoverti verso il tuo obiettivo, una volta che ritieni di essere vicino al tuo obiettivo potresti anche essere interessato a costruire un modello surrogato . Per gli esperimenti al computer ci sono diversi modi per farlo, si utilizza un progetto di riempimento dello spazio, per riempire lo spazio di inferenza utilizzando approcci diversi come il campionamento dell'ipercubo latino (LHS), JMP supporta anche altre strategie di campionamento (fare riferimento ai collegamenti seguenti) e una volta ottieni i dati puoi provare diversi adattamenti e trovare quello migliore che si adatta alle tue esigenze, puoi iniziare da regressioni dei minimi quadrati, quindi provare adattamenti più complessi come adattamenti gaussiani, reti neurali, ecc.
per ulteriori informazioni per comprendere meglio come eseguire esperimenti di simulazione al computer, potresti anche consultare i seguenti link:
https://community.jmp.com/t5/Discovery-Summit-2014/A-Primer-on-Running-Deterministic-Computer-Simulations/ta-p/21852
https://community.jmp.com/t5/Discovery-Summit-Korea-2020/Case-Study-The-Use-of-Gaussian-Process-for-Analyzing-Computer/ta-p/333321
Per favore fatemi sapere se avete bisogno di ulteriori informazioni,
