모든 참가자에게 감사드립니다! 더 자세히 설명하시거나 아래에 질문을 남겨주세요.
비디오 1: 지정된 순서대로 DOE를 따르지 않으면 (논리적, 수학적으로) 어떤 결과가 발생합니까? - 리차드 라카바
코멘트
@Victor_G - 표에 실험 순서를 기록하고 실험 순서가 응답에 영향을 미치는지 확인할 수 있습니다.
@bdclark23 - 나는 이 질문을 자주 받고 몽고메리에서 고객에게 다음과 같은 질문을 제공합니다. 무작위화는 실험 설계에서 통계적 방법 사용의 기본이 되는 초석입니다. 무작위화란 실험 재료의 할당과 개별 실험 실행 순서가 무작위로 결정된다는 것을 의미합니다. 통계적 방법을 사용하려면 관측값(또는 오류)이 독립적으로 분포된 확률 변수여야 합니다. 무작위화는 일반적으로 이 가정을 유효하게 만듭니다. 실험을 적절하게 무작위화함으로써 존재할 수 있는 외부 요인의 효과를 "평균화"하는 데도 도움이 됩니다.
비디오 2: 보강 설계(순차 DOE) - John Szarka( @jszarka )
의 질문 탈리타 코피니 소아레스( @THCS
이 시나리오의 첫 번째 실험에서 다양한 범위의 변수를 실행할 수 있습니까?
답변:
@Jonas_Rinne - 예, 필요한 경우 변경할 수도 있습니다.
@Victor_G - Y즉, 요인의 범위를 변경할 수 있습니다.. 이를 통해 최적의 영역에 집중(범위 축소, 실험 공간 제한)하거나 검색/최적화할 관심 영역이 없는 경우 설계 공간을 조금 더 이동할 수 있습니다.
@Paul_J - 아니면 다음 세트에 새로운 요소를 추가할 수도 있나요?
@Jonas_Rinne - 다음은 그 방법을 확인할 수 있는 커뮤니티 게시물입니다. 해결: 설계 증대를 통해 DoE에 새로운 연속 요소를 어떻게 추가합니까? - JMP 사용자 커뮤니티 . 이전 실험에서는 이 요소가 일정해야 했습니다.
의 질문 탈리타 코피니 소아레스( @THCS그럼 스타tPB를 사용하여 실험 횟수를 줄이고 좁은 범위의 주요 요인만으로 전체 설계를 실행합니다.?
답변
@Victor_G - 또는 다른 선별 설계를 사용하면 여기 예에서 DSD가 도움이 될 수 있습니다. 즉, 제약 조건이 없고 연속 요인 수가 많으므로 주 효과를 더 잘 추정하고 상호 작용 및 2차 효과를 감지하는 데 도움이 될 수 있습니다.
스크리닝이 완료되면 시스템에 대한 지식을 확장하고 더 좋고 정확한 모델을 갖기 위해 좁은 범위의 확대에 고차 효과(상호작용, 2차 효과 등)를 추가하는 것은 어떨까요?
비디오 3: 중요하지 않은 경우에도 DoE 모델에서 주효과를 유지하는 것이 합리적입니까? 이러한 "미미한" 요인에 대한 효과 크기 추정은 얼마나 신뢰할 수 있습니까? - 요한-크리스토프 데트만( @JohannD124 )
비디오 4: DOE와 다른 방법의 통합: ML, 화학정보학 등... - Victor Guiller( @Victor_G )
코멘트
@ruskicar - SVEM(자체 검증 앙상블 모델링)은 공간 채우기 DOE를 모델링하는 데 때때로 사용되는 접근 방식입니다.
@Victor_G - 산업 실험에 적용한 실험 설계 및 기계 학습 | 통계자료 (springer.com)
산업 실험에 적용한 실험 설계 및 기계 학습
통계 논문 - 제품 혁신의 맥락에서 DOE(Design Of Experiments)의 지원을 받아 기계 학습(ML) 모델을 사용하는 추세가 나타나고 있습니다. 이 논문의 첫 번째 목표는 ...
설계 선택 및 기계 학습 모델 성능 - Arboretti - 2022 - Quality and Reliability Engineering International - Wiley Online Library
@Paul_J - JMP의 "최적" 설계가 기계 모델을 기반으로 할 수 있습니까?
@maria_astals - 공간 파일링 디자인: https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/overview-of-spacefilling-designs.shtml
@Victor_G - 혼합물 설계에 대한 서포트 벡터 머신(Support Vector Machine) 분석을 사용한 공간 채우기 설계의 예: https://community.jmp.com/t5/Online-Abstracts/Synergy-Between-Design-of-Experiments-and-Machine-Learning- for/ec-p/708147#M2
비디오 5: 전체 플롯, 특히 전체 플롯 효과에 추가된 임의 오류를 포함하는 DoE 결과 모델링. - Drejc Kopač( @ruskicar )
