DoE 지원내 조직에 DoE를 설정하려고 합니다. 우리가 이 접근 방식을 사용하는 것은 이번이 처음입니다. 두 사람이 지켜보고 있는데 저는 DoE와 JMP의 가치를 강조하기 위해 이 권리를 얻고 싶습니다. 따라서 여기에 이 질문을 게시하는 것이 허용되기를 바랍니다. 예시 테이블이 첨부되어 있습니다.
이것이 상황이다. 우리는:
- 4개의 연속 응답:
- 4가지 연속 요인:
- 시약 농도
- 반응 시간
- 반응온도
- 시약 대 반응물 비율
- 테스트에 사용되는 원료에 대한 2개의 공변량(모두 연속형)
- 하나의 2단계 명목 요인은 차단 요인과 공변량으로 해석될 수 있다고 생각됩니다. 반응에 영향을 미치는 것으로 의심되며 배치 ID를 통해 Concentration_compound_X 및 Concentration_compound_Y에 직접 연결됩니다.
우리는 주 효과, 모든 양방향 상호 작용, 두 공변량 및 ProcessType을 고려하여 모델에 대한 DoE를 생성하려고 합니다. 이 실험에 사용된 원자재는 두 가지 다른 공정( Type _1 및 Type_2 )에서 나올 수 있다는 점을 다시 한 번 참고하세요. 각 원료 배치에는 설계에서 공변량으로 사용될 고유한 Concentration_compound_X 및 Concentration_compound_Y 수준 세트가 있습니다.
공변량과 ProcessType을 디자인에 가장 잘 추가하는 방법을 이해하는 데 문제가 있습니다. ProcessType을 차단 변수로 추가할 수 없습니다. 초기 조사 후 우리는 맞춤 디자인을 하기로 결정했습니다. DoE 대화에 4가지 연속 응답과 4가지 연속 요소를 로드한 후 이해가 실패했습니다. 이것은 무용담이 시작되는 곳이었습니다.
사례 1(공변량과 ProcessType을 모두 "변경하기 쉬운" 공변량으로 추가):
요인과 반응은 이미 대화창에 있습니다. 그런 다음 "공변량 요인 선택" 버튼을 누르고 아래와 같이 공변량을 추가합니다. 공변량 테이블에는 900개의 행이 있으며 각 행은 개별 배치를 나타냅니다.
모든 요소를 기본 설정 "Changes = Easy"로 둡니다.
상호 작용을 추가한 후 설계는 900번의 실행으로 끝납니다.
분명히 이것은 가짜 디자인이다. 적어도 자발적으로 900번을 실행하는 사람은 아무도 없습니다.
사례 2(공변량과 ProcessType을 모두 "변경하기 어려운" 공변량으로 추가)
이 예에서는 공변량과 ProcessType이 모두 "공변량" 역할로 다시 추가되었지만 요인 변경은 hard로 설정되었습니다. 그러면 기본 45개의 실행이 포함된 주구 설계가 생성됩니다.
JMP를 사용하면 사용자가 실행 횟수를 더 줄일 수 있다는 점은 좋습니다. 하지만 설계에 중심점이 없고 반복실험도 추가할 수 없습니다…
생각과 질문:
- 사례 #2가 허용 가능한 디자인인가요?
- 위의 두 사례 사이에서 합리적인 설계는 분명히 사례 #2인데 왜 JMP에서 중앙점 추가 및/또는 반복실험을 허용하지 않는지 궁금합니다.
- 두 개의 공변량 및 ProcessType 에 대해 요인 변경을 하드로 설정하면 단일 원자재 배치로 제조가 중단될 가능성이 있으므로 현실적으로 보입니다. 그런데 이 선택이 맞는 걸까요? 실험에 대해 원하는 거의 모든 배치를 선택할 수 있으며 요인 변경을 하드로 설정한 유일한 이유는 900회 설계 생성을 피하기 위해서입니다.
- 나는 사례 #1에서 생성된 900개의 실행에 약간 놀랐습니다. 설계 생성 알고리즘이 적절한 수의 배치 및 실행을 선택해야 한다고 잘못 생각하고 있습니까? 아니면 적합하다고 생각되는 실행 횟수를 JMP에 알리고, 설계를 평가하고, 공변량 표에서 배치를 더 추가하여 설계를 개선해야 하는지 결정하는 것이 사용자로서의 내 책임입니까?
깨달음을 주셔서 감사합니다!
실험 설계Re: DoE 지원구체적인 조언을 드리기에는 과정이나 상황을 잘 이해하지 못하지만, 다음과 같이 생각해 볼 사항이 있습니다.
1. 승자를 선택하려고 하시나요? 아니면 4가지 반응 변수에 영향을 미치는 인과 구조에 관심이 있으신가요?
2. 4가지 응답 각각에 대한 측정 시스템 변동/능력을 이해하고 있습니까?
3. 인과 구조를 이해하고 들어오는 물질 농도에 대한 견고성을 이해하는 데 관심이 있다면 순차적 실험을 권장합니다. 넓은 설계 공간(굵은 수준으로 설정된 많은 요인, 큰 추론 공간)으로 시작하십시오.
4. 모델 효과의 예측 순위는 무엇입니까(1차, 2차 선형 및 2차 비선형 포함)?
5. 특히 공변량에 관한 것입니다. 이 경로를 사용했다면 혼합 모델(고정 및 무작위 효과 모델)을 생성하게 됩니다. 블록(프로세스 유형)부터 시작하는 것이 좋습니다. 이 블록을 고정 효과와 무작위 효과로 처리해 볼 수 있습니다. 농도를 측정하고 나중에 분석하기 위해 해당 값을 기록할 수는 있지만 모델의 공변량으로 시작하지는 않습니다. 공변량을 추가하면 "필요한" DF의 수가 크게 늘어날 수 있습니다. 샘플링을 통해 유입되는 물질의 농도를 연구하는 것을 생각해 보셨나요? 얼마나 다양한지 아는 것은 공변량이 얼마나 유용한지 결정하는 데 유용합니다. 각 치료마다 1개의 값을 입력한다는 것을 기억하세요. 해당 값이 농도를 대표하지 않으면 어떻게 되나요? 추가 측정 오류는 어떻습니까? 지연 효과는 어떻습니까?
6. 여러 옵션을 디자인합니다. 예를 들면 다음과 같습니다.
- 2개의 완전한 블록, 16개 처리에서 절반 부분 res IV 설계의 4개 요인 실행
- 4개의 요인이 2개의 불완전 블록, res III, 8개의 처리에서 실행됩니다.
- 4개 요인이 2개의 불완전 블록 res V, 16개 처리에서 실행됩니다.
- 2개의 완전한 블록, 전체 해상도, 32가지 처리의 4가지 요인 완전 계승
- 위 항목에 여러 개의 중심점을 추가합니다(설계 공간의 곡률을 테스트하고 설계 공간에 대한 안정성을 평가하기 위한 DF).
- 위 항목에 반복 추가(처리 노이즈, 측정 오류 내)
가능한 각 설계에 대해 무엇을 배울 수 있는지(모델이 무엇인지, 혼란스러운 부분이 무엇인지, 추론 공간의 크기) 결정하고 이를 필요한 리소스와 대조하세요. 가능한 모든 결과와 각 경우에 무엇을 할지 예측하세요. 기준에 맞는 디자인을 선택하고 반복을 준비하세요.
Re: DoE 지원@statman , 언제나 그렇듯이 매우 유용합니다!
몇 가지 제약:
- 우리는 시간에 쫓기며 다양한 설계 옵션의 강점과 약점을 비교할 능력이 부족합니다.
- 안타깝지만 이 노력의 책임자는 바로 나다. 안타깝게도 저는 JMP의 진언인 "DoE는 항상 OFAT보다 낫습니다"라는 생각을 머릿속에 품고 이 일을 시작했습니다. 귀하의 의견은 나를 걱정하게 만들고 내 두뇌에서 자신감을 잃게 만듭니다.
당신의 총알에 대응하여:
- 실제로 우리는 반응에 대한 네 가지 연속 요인의 개별 효과와 상호 작용을 이해하려고 노력하고 있습니다. 최적화는 보너스이지만 일단 주요 설계 범주(사용자 지정 대 반응 표면)가 선택되면 DoE를 사용하여 최소한 일부 최적화가 설계 선택 세부 사항에 관계없이 거의 가능할 수 있다는 것을 이해합니다.
- 예.
- 그것은 흥미로운 생각입니다. 하지만 지금은 요인의 효과를 이해하고 단기적인 최적화만 원합니다. 우리는 원료의 다양성이 반응에 영향을 미친다고 확신합니다.
- 우리는 제안된 요소가 모두 영향을 미칠 것이라고 확신합니다. 우리는 각 경우에 그것이 얼마나 큰지 잘 모르겠습니다. 순위는 완전히 명확하지 않으며 이에 대해 불가지론적으로 설명하고 싶었기 때문에 처음에 선별 설계를 고려했습니다. 하지만 JMP 선별 설계는 DoE 설정에서 공변량이나 상호 작용을 허용하지 않습니다. 이것이 바로 스위스 군용 칼 솔루션인 "맞춤형 설계"로 전환한 이유입니다.
- 공변량에 관해서. 우리는 이것이 일부 응답에 영향을 미칠 것이라고 가정할 확고한 이유가 있기 때문에 이를 설계에 포함하기를 원합니다.
- 나는 실험적 블록을 고정 및 무작위 효과로 자신 있게 처리할 수 없습니다(더 많은 읽기가 필요합니다. "몇 가지 제약 조건" 참조).
- 예, 우리는 유입되는 원료의 농도를 연구하는 것을 고려했습니다. 사실 우리는 대략적인 구성을 알고 있습니다. 값이 실제로 대표성이 없는 경우 DoE 데이터에 노이즈를 추가할 수 있는 변동의 한 가지 소스를 발견하므로 이는 흥미로운 정보이기도 합니다. 이것이 우리가 경제적이고 책임감 있게 설치하고자 하는 이유 중 하나이므로 나중에 소음에 대한 원재료 구성을 정확하게 알지 못한다고 비난할 수 있습니다. 이를 달성하기 위해 우리는 공변량을 포함하고 싶었습니다.
- 내가 이것을 하고 싶지 않다는 것은 아니지만, 시간 제약과 권장되는 심층 읽기 외에도 이것을 판매하고 실험 설계를 위한 결정 과정의 일부로 제시하는 것은 어려운 일입니다. 나는 연기를 그다지 잘하지 못한다. 훨씬 더 쉬운 판매는 공변량(다수 실행 대 소수 실행)이 있는 DoE를 제안하는 것입니다.
질문 및 더 많은 생각(가능한 경우):
가능하다면 총알을 직접 참조하세요.
- 귀하의 의견에 따라 사례 #2에 대해 제가 계획했던 것이 전혀 좋은 것이라고 더 이상 확신하지 못합니다. 이제 나는 "응답 표면"을 생각하고 있지만:
- 이는 또한 설계(적어도 JMP에서는)에 공변량이 사용되는 것을 배제하는 것으로 보입니다.
- 4개의 연속 요인을 사용하는 경우 기본 최소값(Box-Behnken) 설계에는 27개의 런이 있습니다(공변량을 자체 요인으로 고려하지 않음).
6. 이제 나는 두 가지 원자재 유형 중 하나에 대해서만 전체 맞춤형 디자인을 실행하고 싶은 유혹을 받습니다. (물론 두 원자재의 차이는 제조 공정의 차이에서 비롯되기 때문에 다소 어리석게도 ProcessType 이라고 라벨을 붙였습니다.)
이를 통해 "단지" 22번의 실행에서 모든 2차 상호작용에 대한 공변량 및 추정을 포함할 수 있습니다. 하지만 공변량을 포함하면 중앙점이 허용되지 않습니다.
공변량을 고려하지 않고 더 적은 수의 실행으로 하나의 원자재 bx에 대한 모든 주 효과와 2차 상호 작용을 추정할 수 있으므로 곡률을 수용하기 위해 아마도 하나 또는 두 개의 중앙점이 허용됩니다. 이는 비교적 저렴하며 디자인 프로파일러에 대한 취향을 개발한 후 추가 실험 아이디어까지 관리를 준비하는 데 도움이 될 수 있습니다.
나는 아마도 이것을 판매할 수 있을 것입니다. a.) 예산이 제한되어 있고 b.) 나중에 두 번째 ProcessType에서 몇 가지 선택된 원자재 배치를 사용하여 이러한 결과를 복제할 수 있다고 주장합니다.
- 나의 가장 큰 걱정은 사기이다. 포기하고 OFAT로 돌아가야 할까요!? 바라건대, 이것은 우리가 할 수 있는 최악의 일입니다. 그렇지 않으면 나는 운명에 처해 있습니다.
Re: DoE 지원죄송합니다. 제가 조언하는 바에 따르면 디자인 선택 과정을 안내해 줄 경험이 있는 사람이 있어야 합니다. 시간과 돈을 낭비하고 싶지 않은 경우입니다. OFAT보다 실험이 항상 더 나은 반면, DOE는 계획을 세웁니다. OFAT의 가장 큰 문제는 추론 공간이라는 것을 기억하십시오. 하나의 요소를 조작하는 동안 요소를 일정하게 유지하면 다른 요소가 설정된 위치에 따라 해당 요소에 대한 결론을 도출할 수 있습니다. 나중에 이러한 내용이 변경되면 결론이 유효하지 않을 수 있습니다. 이는 소음에도 해당됩니다.
나는 공변량에 얽매이지 않을 것입니다. 선택한 디자인에 각 공변량에 대한 열을 추가하기만 하면 됩니다. 각 처리에 대한 각 공변량의 값을 기록합니다. 공변량을 처리하기 위해 이후에 분석을 수행할 수 있습니다.
한 번의 실험으로 모든 것을 얻으려고 하지 마십시오.
저는 RCBD(Randomized Complete Block Design)로 조사를 시작하겠습니다. 나는 4가지 설계 요소에 대해 부분 계승을 실행하겠습니다. Res IV는 시작하기 좋은 곳입니다. 굵게 설정하되 합리적인 수준으로 설정하세요. 블록의 경우 X와 Y 모두에 대해 서로 다른 농도를 혼동합니다. 첫 번째 블록(-1)의 경우 ProcessTypes 중 하나를 선택하고 X와 Y에 대해 낮은 수준의 농도를 선택합니다. 농도 추정치를 얻으려면 일부 샘플링이 필요할 수 있습니다. 실험이 실행되기 전). 두 번째 블록(1)의 경우 다른 ProcessType을 사용하고 농도 수준을 높은 쪽으로 설정합니다. 아직 곡률에 대해서는 걱정하지 않습니다. 첫 번째 블록을 실행하고 데이터를 분석합니다. 너는 무엇을 배웠니? 두 번째 블록을 실행하고 첫 번째 블록과 두 번째 블록의 결과를 비교합니다. 너는 무엇을 배웠니? 첫 번째 블록에서 발견된 효과가 두 번째 블록과 동일했습니까? 아니면 바뀌나요? 결과가 두 블록 간에 유사하다면 4가지 설계 인자 효과가 들어오는 농도에 대해 견고하다고 말할 수 있습니다. 그렇지 않은 경우 견고한 공정을 만들기 위해 반복해야 합니다.
Re: DoE 지원감사해요! 아마도 이 메시지의 요점을 성공적으로 전달할 수 있을 것입니다. 그리고 나는 안심했습니다. OFA가 없습니다.Re: DoE 지원@statman , 조언에 다시 한번 감사드리고 싶습니다. 우리 회사에서 처음으로 DoE를 마쳤고, 그동안 귀하의 권장 사항을 면밀히 관찰했습니다. 통계 전문가로부터 추가 의견을 받지는 못했지만, 그래도 매우 잘 진행되었습니다. 사실, 경영진이 이 실험적 접근 방식이 다른 분야에 적용되는 것을 보고 싶어할 것 같습니다.
Re: DoE 지원좋아요! 첫 번째(여러 번) 실험 축하합니다. 결과가 계속하기에 충분히 고무적이었으면 좋겠습니다. 이 매우 중요한 점을 기억하세요. 실험을 계획하고 실행할 때마다 두 가지 중요한 기회가 있습니다.
1. 회사에 이익이 되는 "프로세스"에 대해 무엇을 배웠습니까?
2. 당신은 실험에 대해서 무엇을 배웠나요?
두 번째는 장기적인 사고방식이며, 더 가치 있을 수 있습니다.
