Conception robusteUn workflow DoE nécessite un présélection, un filtrage, une optimisation puis une conception de robustesse. La conception de robustesse s'articulerait autour d'un espace de contrôle au sein d'un espace de conception plus large défini par la conception d'optimisation. Dans JMP, existe-t-il (et si oui où) une procédure pour exécuter des conceptions de robustesse à partir d'un ensemble de données initial utilisé pour l'optimisation ?
Conception d'expériencesRe : Conception robustesseHmmm, Phil, votre définition de Robust Design et la mienne sont assez différentes. Je considère la robustesse comme insensible au bruit.
Taguchi a beaucoup contribué à populariser ce concept :
Taguchi, G. et D. Clausing, (1990) « Qualité robuste » . Harvard Business Review , janvier-février, pp. 65-75
Il existe d'autres bons articles sur la conception robuste :
Bisgaard, Søren, Murat Kulahei, (2001), « Conception de produits robustes : sauvegarde d'essais avec confusion de parcelles divisées », Quality Engineering , 13(3), 525-530
Hunter, Stuart (1985) « Conception statistique appliquée à la conception de produits », Journal of Quality Technology , Vol. 17, n° 4, octobre 1985
Montgomery, Douglas, C., (1999), «Conception expérimentale pour la conception et le développement de produits et de processus», The Statistician , 48, partie 2, p. 159-177
Box, GEP, Stephen Jones (1992), « Conceptions à parcelles divisées pour une expérimentation de produits robuste », Journal of Applied Statistics , Vol. 19, n ° 1
La conception robuste a moins à voir avec la structure de conception qu'avec l'introduction du bruit dans vos expériences.
Re : Conception robustesseLes conseils de @Victor_G sont très utiles, comme toujours.
J'ai juste pensé qu'il valait la peine de préciser qu'il n'existe pas de plate-forme ou de fonctionnalité spécifique dans JMP pour créer des conceptions robustes (je soupçonne que c'est également le cas dans d'autres logiciels du DOE).
Une conception de robustesse n’est généralement qu’une simple conception à 2 niveaux avec des plages de facteurs étroites autour de l’optimum.
Ainsi (comme le dit Victor), vous pouvez concevoir cela avec Augment, Custom Design ou même en utilisant les capacités de conception classiques.
Personnellement, j'utiliserais Augment car cela conservera toutes les données des différentes étapes de l'expérience dans le même tableau de données.
Phil
Re : Conception robustesseBonjour @kjwx109prime ,
La situation que vous décrivez est similaire à ce que j'ai fait sur l'exemple mentionné précédemment :
J'ai fait une courte présentation utilisant le DoE séquentiel pour le réglage fin d'un algorithme (Random Forest) sur un ensemble de données fixe, en utilisant un design de criblage, puis un design d'optimisation, et enfin en utilisant un design de criblage factoriel simple pour évaluer la robustesse de la gamme de facteurs trouvée précédemment. :https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469...
Cette méthodologie séquentielle est bien entendu possible dans JMP. Vous pouvez le faire en 2 étapes :
- Identifiez les facteurs et leurs plages restreintes qui correspondent à vos spécifications grâce à la conception (et au modèle) de surface de réponse d'optimisation précédente réalisée et au Design Space Profiler.
- Une fois les facteurs et les plages identifiés, vous pouvez augmenter les conceptions (et ajouter un bloc pour le nouvel ensemble d'exécutions afin de mieux différencier les résultats du DoE d'origine et des nouvelles expériences) ou créer une nouvelle conception personnalisée avec les facteurs et la plage identifiés précédemment. , et vérifiez que les résultats de votre deuxième série d'expériences sont conformes à vos spécifications d'acceptabilité de moyenne de réponse et de variance :
J'espère que cette réponse complémentaire vous aidera,
Re : Conception robustesseJe suis un peu confus. Bien sûr, vous pouvez définir tous les niveaux que vous souhaitez et ils peuvent être analysés dans JMP. L'analyse est grandement simplifiée si les points de conception sont « équilibrés » (par exemple, CCD, visage centré, Box-Behnken), mais la régression peut être utilisée à tout moment. Pensez à la géométrie de l'espace. Imaginez que vous essayez d'échantillonner cet espace pour créer une carte de contour de la réponse. Habituellement, un échantillonnage équilibré de l’espace est préféré car il est moins biaisé.
Les conceptions robustes sont généralement liées à la compréhension de l’efficacité du modèle face à un bruit changeant. Dans ces conceptions, le bruit varie au cours de l'expérience, généralement sous forme de blocs, de parcelles divisées ou de tableaux de produits croisés. L'objectif est de trouver des facteurs dont les effets sont cohérents sur un bruit changeant et dont l'effet du bruit est atténué.
Re : Conception robustesseBonjour @Victor_G ,
Merci d'avoir souligné l'ambiguïté de la requête. Je suis en fait intéressé par le scénario ci-joint.
Le cube extérieur concerne la modélisation de la surface de réponse et décrit un espace de conception. Opérer complètement à n’importe quel point de ce cube devrait répondre aux exigences d’acceptabilité, selon le modèle de surface de réponse.
Le point central décrit la condition de consigne.
Je suis intéressé par un design qui ressemble au cube intérieur. Dans ce cas, il ne s'agit pas d'une robustesse à de faibles variations autour du point de consigne existant, mais d'une version légèrement plus petite de la surface extérieure. Nous sommes convaincus qu’il est possible d’opérer en tout point de la surface extérieure, mais nous sommes encore plus confiants si l’opération est limitée à une surface plus petite.
Dans JMP, est-il possible de faire suivre un modèle de surface de réponse avec une conception qui prend en compte cet espace opérationnel plus restreint ? Alternativement, l’espace plus restreint peut-il être étudié plus en détail dès le départ, dans le cadre de l’étude originale de la surface de réponse.
Alain
Re : Conception robustesseSalut @kjwx109prime ,
Bienvenue dans la Communauté !
Il peut y avoir plusieurs définitions de la robustesse et différentes manières de créer une DoE de robustesse, selon les facteurs par rapport aux facteurs avec lesquels vous souhaitez tester la robustesse de votre espace expérimental/point optimal : contre des facteurs de bruit externes, contre des variations de facteurs de processus/d'expérimentation, ou contre un combinaison des deux facteurs. Voici une série d'articles de Stat-Ease expliquant le type de conceptions selon quelle situation de robustesse vous intéresse :
- Robustesse face aux facteurs de bruit externes : https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
- Robustesse face aux variations de nos points de consigne pour les facteurs de processus : https://statease.com/blog/achieving-robust-processes-via-trois-experiment-design-options-part-2/
- Une combinaison des deux premiers types : https://statease.com/blog/achieving-robust-processes-via-third-experiment-design-options-part-3/
J'ai fait une courte présentation utilisant le DoE séquentiel pour le réglage fin d'un algorithme (Random Forest) sur un ensemble de données fixe, en utilisant un design de criblage, puis un design d'optimisation, et enfin en utilisant un design de criblage factoriel simple pour évaluer la robustesse de la gamme de facteurs trouvée précédemment. : https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469274148868096-Qhif
Quelques ressources qui peuvent également être utiles :
Conception de produits robustes (2020-US-30MP-539)
Comment concevoir pour des processus de production robustes | JMP
J'espère que ce premier démarreur de discussion pourra vous aider,
