DoE 지원저는 제 조직에서 DoE를 설정하려고 합니다. 이 접근 방식을 사용하는 것은 이번이 처음이고, 몇몇 사람들이 지켜보고 있으며, DoE와 JMP의 가치를 강조하기 위해 이 질문을 바로잡고 싶습니다. 따라서 여기에 이 질문을 게시하는 것이 허용되기를 바랍니다. 예시 표가 첨부되어 있습니다.
이것이 상황입니다. 우리는 다음을 가지고 있습니다:
- 4개의 연속적인 응답:
- 4가지 연속적인 요소:
- 시약 농도
- 반응시간
- 반응 온도
- 시약 대 반응물 비율
- 테스트에 사용될 원자재에 대한 2개의 공변량(둘 다 연속)
- 2단계 명목 요인 하나, 차단 요인과 공변량으로 모두 해석될 수 있다고 생각합니다. 반응에 영향을 미치는 것으로 의심되며, 배치 ID를 통해 Concentration_compound_X 및 Concentration_compound_Y에 직접 연결되어 있습니다.
우리는 주효과, 모든 2방향 상호작용, 두 공변량, 그리고 ProcessType 을 고려한 모델에 대한 DoE를 만들고 싶습니다. 이 실험에 사용된 원자재는 두 가지 다른 공정( Type_1 과 Type_2 )에서 나올 수 있다는 점에 다시 한번 유의하십시오. 각 원자재 배치에는 고유한 Concentration_compound_X 및 Concentration_compound_Y 수준 세트가 있으며, 이는 설계에서 공변량으로 사용됩니다.
공변량과 ProcessType을 설계에 가장 잘 추가하는 방법을 이해하는 데 문제가 있습니다. ProcessType을 차단 변수로 추가할 수 없습니다. 초기 조사 후 사용자 지정 설계를 하기로 결정했습니다. DoE 대화에 4개의 연속 응답과 4개의 연속 요인을 로드한 후 이해가 되지 않습니다. 여기서 사가가 시작됩니다.
사례 1(공변량과 ProcessType을 모두 "변경하기 쉬운" 공변량으로 추가):
요인과 응답은 이미 대화창에 있습니다. 그런 다음 "공변량 요인 선택" 버튼을 눌러 아래에 표시된 대로 공변량을 추가합니다. 공변량 표에는 900개의 행이 있으며 각 행은 개별 배치를 나타냅니다.
나는 모든 요소를 기본 설정인 "변경 = 쉬움"으로 둡니다.
상호작용을 추가한 후 디자인은 900번의 실행으로 끝났습니다.
분명히, 이건 허무한 설계입니다. 아무도 900번의 런을 수행하지 않을 겁니다. 적어도 자발적으로는요.
사례 2(변경하기 어려운 공변량으로 공변량과 ProcessType을 모두 추가)
이 예에서 공변량과 ProcessType은 모두 역할 "공변량"으로 다시 추가되었지만 요인 변경은 하드로 설정되었습니다. 이렇게 하면 기본 45회 실행이 있는 전체 플롯 디자인이 생성됩니다.
JMP를 사용하면 사용자가 실행 횟수를 더 줄일 수 있어서 좋습니다. 하지만 설계에 중심점이 없고 반복도 추가할 수 없습니다…
생각과 질문:
- 케이스 #2는 허용 가능한 설계인가?
- 위의 두 사례 중에서는 분명히 사례 #2가 현명한 설계이지만 JMP에서 중심점 추가 및/또는 반복을 허용하지 않는 이유가 궁금합니다.
- 두 공변량과 ProcessType 에 대해 요인 변경을 하드로 설정하는 것은 제조가 단일 원자재 배치에 갇힐 가능성이 있으므로 현실적인 것으로 보입니다. 하지만 이 선택이 맞을까요? 실험을 위해 원하는 거의 모든 배치를 선택할 수 있으며 요인 변경을 하드로 설정한 유일한 이유는 900회 실행 설계를 생성하지 않기 위해서입니다.
- 케이스 #1에서 생성된 900개의 런에 약간 놀랐습니다. 설계 생성 알고리즘이 적절한 수의 배치와 런을 선택해야 한다고 믿는 것은 잘못된 생각인가요? 아니면 사용자로서 제가 적합하다고 생각하는 런 수를 JMP에 알리고, 설계를 평가하고, 공변량 표에서 더 많은 배치를 추가하여 개선해야 하는지 여부를 결정하는 것은 제 책임인가요?
깨달음을 주셔서 감사합니다!
실험 설계Re: 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.
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 지원고맙습니다! 아마 이 메시지의 요점을 성공적으로 전달할 수 있을 겁니다. 그리고, 안심이 됩니다. OFAT가 없으니까요.Re: DoE 지원죄송합니다. 제 조언은 경험이 있는 사람을 구해 설계 선택 과정을 안내하는 것이 좋습니다. 시간과 돈을 낭비하고 싶지 않다면 말입니다. 실험이 OFAT보다 항상 나을 가능성이 있지만, DOE는 계획이 필요합니다. OFAT의 가장 큰 문제는 추론 공간이라는 것을 기억하세요. 한 요소를 조작하는 동안 요소를 일정하게 유지하면 다른 요소가 설정된 위치에 따라 해당 요소에 대한 결론을 도출할 수 있습니다. 이러한 요소 중 하나가 미래에 변경되면 결론이 무효화될 수 있습니다. 이는 노이즈에도 해당됩니다.
공변량에 얽매이지 마세요. 선택한 디자인에 각 공변량에 대한 열을 추가하기만 하면 됩니다. 각 처리에 대한 각 공변량 값을 기록합니다. 공변량을 처리하기 위해 나중에 분석을 수행할 수 있습니다.
모든 것을 한 번의 실험으로 얻으려고 하지 마세요.
저는 RCBD(무작위 완전 블록 설계)로 조사를 시작할 것입니다. 4가지 설계 요인에 대한 분수 요인 분석을 실행할 것입니다. Res IV가 시작하기에 좋은 곳입니다. 굵게 표시하지만 적절한 수준으로 설정합니다. 블록의 경우 X와 Y에 대한 다른 농도를 혼동합니다. 첫 번째 블록(-1)의 경우 ProcessType 중 하나를 선택하고 X와 Y에 대해 낮은 농도 수준을 선택합니다(실험을 실행하기 전에 농도를 추정하기 위해 일부 샘플링이 필요할 수 있음). 두 번째 블록(1)의 경우 다른 ProcessType을 사용하고 농도 수준을 높은 쪽으로 설정합니다. 아직 곡률에 대해서는 걱정하지 않을 것입니다. 첫 번째 블록을 실행하고 데이터를 분석합니다. 무엇을 배웠습니까? 두 번째 블록을 실행하고 첫 번째와 두 번째 블록의 결과를 비교합니다. 무엇을 배웠습니까? 첫 번째 블록에서 발견된 효과가 두 번째 블록과 동일했습니까? 아니면 바뀌었습니까? 두 블록 간의 결과가 비슷하다면 4가지 설계 요인 효과가 유입 농도에 강력하다고 말할 수 있습니다. 그렇지 않으면 강력한 프로세스를 만들기 위해 반복해야 합니다.
Re: DoE 지원@statman , 언제나 매우 유용하네요!
몇 가지 제약 사항:
- 우리는 시간에 쫓기고 있으며, 다양한 디자인 옵션을 각각의 강점과 약점을 비교하는 역량이 부족합니다.
- 슬픈 일이지만, 저는 이 노력에 대한 책임이 있는 사람입니다. 아쉽게도, 저는 머릿속에 "DoE는 항상 OFAT보다 낫다"는 JMP 만트라를 가지고 이 일에 임했습니다. 여러분의 댓글은 저를 걱정하게 만들고 제 뇌에서 자신감을 빨아들입니다.
당신의 총알에 대한 응답으로:
- 사실, 우리는 반응에 대한 네 가지 연속적 요인의 개별 효과와 상호 작용을 이해하려고 합니다. 최적화는 보너스이지만, 제가 이해하기로는 DoE를 최소한 어느 정도 최적화하는 것은 주요 설계 범주(사용자 정의 대 반응 표면)가 선택되면 설계 선택 세부 사항과 거의 관계없이 실행 가능할 가능성이 높습니다.
- 예.
- 흥미로운 생각입니다. 하지만 지금은 요인의 효과를 이해하고 단기적으로 최적화하고 싶을 뿐입니다. 원자재의 변동성이 반응에 영향을 미친다고 확신합니다.
- 우리는 제안된 모든 요인이 영향을 미친다고 확신합니다. 우리는 각 사례에서 얼마나 큰지 확신하지 못합니다. 순위가 완전히 명확하지 않으며 우리는 이것을 불가지론적으로 다루고 싶었기 때문에 처음에 스크리닝 디자인을 고려했습니다. 그러나 JMP 스크리닝 디자인은 DoE 설정에서 공변량이나 상호 작용을 허용하지 않으므로 스위스 군용 칼 솔루션인 "맞춤형 디자인"으로 전환했습니다.
- 공변량에 관해서. 우리는 이것이 일부 반응에 영향을 미칠 것이라고 가정할 만한 확실한 이유가 있기 때문에 설계에 공변량을 포함시키고 싶습니다.
- 실험 블록을 고정적이고 임의적인 효과로 자신 있게 처리할 수 없습니다(더 많은 자료가 필요합니다. "몇 가지 제약 조건" 참조)
- 네, 우리는 유입되는 원료의 농도를 연구하는 것에 대해 생각해 보았습니다. 사실, 우리는 대략적인 구성을 알고 있습니다. 값이 진정으로 대표적이지 않다면, 이는 또한 흥미로운 정보입니다. 왜냐하면 이는 DoE 데이터에 노이즈를 추가할 수 있는 한 가지 변동 원인을 밝혀내기 때문입니다. 이것이 우리가 경제적이고 책임감 있게 설정하려는 이유 중 하나이므로, 나중에 노이즈에 대한 원료 구성을 정확하게 알지 못하는 것을 비난할 수 있습니다. 이를 달성하기 위해 우리는 공변량을 포함시키고 싶었습니다.
- 제가 이걸 하고 싶지 않다는 건 아니지만, 시간 제약과 권장되는 심층적 독서 외에도, 이것을 판매하고 실험 설계에 대한 결정 과정의 일부로 제시하는 것은 도전입니다. 저는 연기에 그렇게 능숙하지 않습니다. 무한히 쉬운 판매는 공변량과 공변량 없는 DoE(많은 실행 대 적은 실행)를 제안하는 것입니다.
질문과 더 많은 생각(제가 말씀드릴 수 있다면):
가능하다면 총알을 직접적으로 언급하세요.
- 귀하의 코멘트에 따라, 저는 더 이상 제가 케이스 #2에 대해 계획했던 것이 전혀 좋지 않다고 확신하지 못합니다. 지금은 "응답 표면"을 생각하고 있지만:
- 이는 또한 공변량이 설계에 사용되는 것을 불가능하게 만드는 것으로 보입니다(적어도 JMP의 경우에는).
- 4개의 연속 요인이 있는 경우 기본 최소값(Box-Behnken) 설계에는 27개의 실행이 있습니다(공변량을 그 자체로 요인으로 고려하지 않음)
6. 이제 저는 두 가지 원자재 유형 중 하나에 대해서만 전체 사용자 정의 디자인을 실행하고 싶은 유혹을 받고 있습니다(물론, 제조 공정의 차이에서 비롯된 차이이므로 ProcessType 이라는 다소 어리석게도 레이블이 붙었습니다).
이렇게 하면 공변량을 포함하고 "단지" 22회 실행에서 모든 2방향 상호 작용을 추정할 수 있습니다. 하지만 공변량을 포함하면 중심점을 허용하지 않습니다...
공변량을 고려하지 않으면, 우리는 훨씬 적은 횟수로 하나의 원자재 bx에 대한 모든 주효과와 2방향 상호 작용을 추정할 수 있으며, 곡률을 수용하기 위해 아마도 하나 또는 두 개의 중심점을 허용할 수 있습니다. 이것은 비교적 저렴하며, 설계 프로파일러에 대한 취향을 개발하면 경영진이 추가 실험에 대한 아이디어를 받아들이는 데 도움이 될 수 있습니다.
저는 아마도 a.) 예산이 제한되어 있고 b.) 나중에 두 번째 ProcessType에서 선택한 몇 가지 원자재 배치를 사용하여 이러한 결과를 복제해 볼 수 있다는 점을 주장하면서 이것을 판매할 수 있을 것입니다.
- 제가 가장 걱정하는 건 사기입니다. 포기하고 OFAT로 돌아가야 할까요!? 바라건대 이게 우리가 할 수 있는 최악의 일이기를 바랍니다. 그렇지 않다면 저는 망할 겁니다.
Re: DoE 지원저는 구체적인 조언을 제공할 만큼 해당 과정이나 상황을 잘 이해하지 못하지만, 생각해 볼 만한 몇 가지 사항은 다음과 같습니다.
1. 우승자를 선택하려고 하시나요? 아니면 4가지 반응 변수에 영향을 미치는 인과 구조에 관심이 있으신가요?
2. 4가지 응답에 대한 측정 시스템 변화/역량을 이해하고 있습니까?
3. 인과 구조와 유입 물질 농도에 대한 견고성을 이해하는 데 관심이 있다면 순차적 실험을 추천할 것입니다. 큰 설계 공간(굵은 글씨로 표시된 많은 요소, 큰 추론 공간)으로 시작하세요.
4. 모델 효과의 예상 순위는 무엇입니까(1차, 2차 선형 및 2차 비선형 포함)?
5. 공변량에 대해 구체적으로 말씀드리겠습니다. 이 경로를 선택했다면 혼합 모델(고정 및 임의 효과 모델)을 만들게 됩니다. 블록(프로세스 유형)부터 시작하는 것이 좋습니다. 이 블록을 고정 효과와 임의 효과로 모두 처리해 볼 수 있습니다. 농도를 측정하고 나중에 분석하기 위해 해당 값을 기록할 수는 있지만 모델에 공변량부터 시작하지는 않을 것입니다. 공변량을 추가하면 "필요한" DF 수가 크게 늘어날 수 있습니다. 샘플링을 통해 유입 물질의 농도를 연구해 보셨나요? 농도가 얼마나 변하는지 아는 것은 공변량이 얼마나 유용한지 판단하는 데 유용합니다. 각 처리에 대해 하나의 값을 넣는다는 것을 기억하세요. 해당 값이 농도를 나타내지 않는다면 어떨까요? 추가 측정 오류는 어떨까요? 지연 효과는 어떨까요?
6. 여러 옵션을 디자인합니다. 예:
- 2개의 완전한 블록으로 실행된 반분획 항체 IV 디자인의 4가지 요인, 16가지 치료
- 2개의 불완전한 블록에서 실행되는 4가지 요인, res III, 8가지 처리
- 2개의 불완전한 블록 res V에서 실행되는 4가지 요인, 16가지 처리
- 2개의 완전 블록에서 4개 요인 완전 요인 분석, 전체 해상도, 32개 처리
- 위의 항목 중 하나에 여러 개의 중심점을 추가합니다(설계 공간에서 곡률을 테스트하고 설계 공간에서 안정성을 평가하기 위한 DF)
- 위의 항목 중 하나에 반복을 추가합니다(치료 노이즈, 측정 오류 내)
각 가능한 설계에 대해 무엇을 배울 수 있는지(모델은 무엇인가, 혼동된 것은 무엇인가, 추론 공간의 크기)를 결정하고 필요한 리소스와 대조합니다. 모든 가능한 결과와 각 인스턴스에서 무엇을 할 것인지 예측합니다. 기준을 충족하는 설계를 선택하고 반복할 준비를 합니다.
