762447_de-DE

liliconcom

Robustes Design

Ein DoE-Workflow erfordert Vorprüfung, Prüfung, Optimierung und dann ein Robustheitsdesign. Das Robustheitsdesign würde über einen Kontrollraum innerhalb eines breiteren Designraums informieren, der durch das Optimierungsdesign abgesteckt wird. Gibt es in JMP (und wenn ja, wo) ein Verfahren zum Ausführen von Robustheitsdesigns ausgehend von einem anfänglichen Datensatz, der zur Optimierung verwendet wird?

VersuchsplanungBetreff: Robustheitsdesign

Hmmm, Phil, deine Definition von Robust Design und meine sind ziemlich unterschiedlich. Ich denke, Robustheit bedeutet Unempfindlichkeit gegenüber Rauschen.

Taguchi hat viel dazu beigetragen, dieses Konzept populär zu machen:

Taguchi, G. und D. Clausing, (1990) „ Robuste Qualität“ . Harvard Business Review , Januar-Februar, S. 65-75

Es gibt noch einige weitere gute Artikel zum Thema robustes Design:

Bisgaard, Søren, Murat Kulahei, (2001), „ Robustes Produktdesign: Einsparung von Versuchen mit Split-Plot-Confounding “, Quality Engineering , 13(3), 525-530

Hunter, Stuart (1985) „Statistisches Design angewandt auf Produktdesign“, Journal of Quality Technology , Vol. 17, No. 4, Oktober 1985

Montgomery, Douglas, C., (1999), „Experimentelles Design für Produkt- und Prozessdesign und -entwicklung“, The Statistician , 48, Teil 2, S. 159-177

Box, GEP, Stephen Jones (1992), „ Split-Plot-Designs für robuste Produktexperimente “, Journal of Applied Statistics , Vol. 19, Nr. 1

Robustes Design hat weniger mit der Designstruktur zu tun, sondern mehr mit der Einbeziehung von Rauschen in Ihre Experimente.

Betreff: Robustheitsdesign

Die Anleitung von @Victor_G ist wie immer sehr nützlich.

Ich dachte nur, es sei klarzustellen, dass es in JMP keine spezielle Plattform oder Funktion zum Erstellen von Robustheitsdesigns gibt (ich vermute, dass dies auch bei anderer DOE-Software der Fall ist).

Ein Robustheitsdesign ist normalerweise nur ein einfaches 2-Ebenen-Design mit engen Faktorbereichen um das Optimum.

Sie können dies also (wie Victor sagt) mit Augment, Custom Design oder sogar mithilfe der klassischen Designfunktionen gestalten.

Ich persönlich würde „Augment“ verwenden, da hierdurch alle Daten aus den verschiedenen Phasen des Experiments in derselben Datentabelle gespeichert werden.

Phil

Betreff: Robustheitsdesign

Hallo @kjwx109prime ,

Die von Ihnen beschriebene Situation ähnelt dem, was ich in dem zuvor erwähnten Beispiel getan habe:

Ich habe eine kurze Präsentation gehalten, in der ich sequentielles DoE zur Feinabstimmung eines Algorithmus (Random Forest) auf einem festen Datensatz verwendet habe. Dabei habe ich ein Screening-Design, dann ein Optimierungsdesign und schließlich ein einfaches faktorielles Screening-Design verwendet, um die Robustheit des zuvor ermittelten Faktorenbereichs zu beurteilen:https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469...

Diese sequentielle Vorgehensweise ist natürlich in JMP möglich. Sie können dies in zwei Schritten tun:

1. Identifizieren Sie dank des zuvor durchgeführten Entwurfs (und Modells) der Optimierungsantwortoberfläche und des Design Space Profilers die Faktoren und ihre eingeschränkten Bereiche, die Ihren Spezifikationen entsprechen.
2. Sobald die Faktoren und Bereiche ermittelt sind, können Sie die Designs erweitern (und einen Block für die neue Reihe von Durchläufen hinzufügen, um die Ergebnisse besser vom ursprünglichen DoE und den neuen Experimenten zu unterscheiden) oder ein neues benutzerdefiniertes Design mit den zuvor ermittelten Faktoren und Bereichen erstellen und überprüfen, ob die Ergebnisse Ihrer zweiten Reihe von Experimenten Ihren Spezifikationen für die Akzeptanz von Antwortmittelwert und Varianz entsprechen:
   

Hoffe, diese ergänzende Antwort wird Ihnen helfen,

Betreff: Robustheitsdesign

Ich bin etwas verwirrt. Natürlich können Sie alle gewünschten Ebenen festlegen und diese in JMP analysieren. Die Analyse wird erheblich vereinfacht, wenn die Entwurfspunkte „ausgeglichen“ sind (z. B. CCD, flächenzentriert, Box-Behnken), aber die Regression kann an jedem Punkt verwendet werden. Denken Sie an die Geometrie des Raums. Stellen Sie sich vor, Sie versuchen, diesen Raum abzutasten, um eine Konturkarte der Antwort zu erstellen. Normalerweise wird eine ausgewogene Abtastung des Raums bevorzugt, da sie weniger verzerrt ist.

Robuste Designs beziehen sich normalerweise auf das Verständnis, wie gut das Modell bei sich änderndem Rauschen funktioniert. Bei diesen Designs wird das Rauschen im Experiment normalerweise in Form von Blöcken, Split-Plots oder Kreuzprodukt-Arrays variiert. Das Ziel besteht darin, Faktoren zu finden, deren Auswirkungen bei sich änderndem Rauschen konsistent sind und die Auswirkungen des Rauschens gemildert werden.

Betreff: Robustheitsdesign

Hallo @Victor_G ,

Vielen Dank, dass Sie auf die Mehrdeutigkeit der Anfrage hingewiesen haben. Mich interessiert eigentlich das beigefügte Szenario.

Der äußere Würfel bezieht sich auf die Response Surface-Modellierung und beschreibt einen Entwurfsraum. Der Betrieb an jedem Punkt innerhalb dieses Würfels sollte die Akzeptanzanforderungen gemäß dem Response Surface-Modell vollständig erfüllen.

Der Mittelpunkt beschreibt den Sollzustand.

Mich interessiert ein Design, das den inneren Würfel betrachtet. In diesem Fall geht es nicht um Robustheit gegenüber kleinen Abweichungen um den bestehenden Sollwert, sondern um eine etwas kleinere Version der Außenfläche. Wir sind überzeugt, dass der Betrieb an jedem Punkt innerhalb der Außenfläche geeignet ist, aber wir sind noch zuversichtlicher , wenn der Betrieb auf die kleinere Fläche beschränkt ist.

Ist es in JMP möglich, ein Reaktionsflächenmodell mit einem Entwurf zu ergänzen, der diesen eingeschränkteren Betriebsraum berücksichtigt? Alternativ kann der eingeschränktere Raum von Anfang an im Rahmen der ursprünglichen Reaktionsflächenstudie detaillierter untersucht werden.

Alan

Betreff: Robustheitsdesign

Hallo @kjwx109prime ,

Willkommen in der Community!

Es kann mehrere Definitionen von Robustheit und verschiedene Möglichkeiten zum Erstellen eines Robustheits-DoE geben, je nachdem, anhand welcher Faktoren Sie die Robustheit Ihres Versuchsraums/Optimumpunkts testen möchten: anhand externer Störfaktoren, anhand von Prozess-/Versuchsfaktorenvariationen oder anhand einer Kombination beider Faktoren. Hier ist eine Artikelserie von Stat-Ease, die die Art der Designs je nach der Robustheitssituation, an der Sie interessiert sind, erklärt:

1. Robustheit gegenüber externen Störfaktoren: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
2. Robustheit gegenüber Abweichungen in unseren Sollwerten für Prozessfaktoren: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-2/
3. Eine Kombination der ersten beiden Typen: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-3/

Ich habe eine kurze Präsentation gehalten, in der ich sequentielles DoE zur Feinabstimmung eines Algorithmus (Random Forest) auf einem festen Datensatz verwendet habe. Dabei habe ich ein Screening-Design, dann ein Optimierungsdesign und schließlich ein einfaches faktorielles Screening-Design verwendet, um die Robustheit des zuvor ermittelten Faktorenbereichs zu beurteilen: https://www.linkedin.com/posts/victorguiller_design-of-experiments-machine-learning-activity-7122469274148868096-Qhif

Einige Ressourcen, die ebenfalls hilfreich sein könnten:

Entwicklung robuster Produkte (2020-US-30MP-539)

So entwerfen Sie robuste Produktionsprozesse | JMP

Hoffe, dieser erste Diskussionsstarter kann Ihnen helfen,