Ospitati da @HadleyMyers , gli appassionati del DOE hanno condiviso discussioni su diversi argomenti.
Sentitevi liberi di continuare le discussioni qui sotto!
Video 1: Introduzione
Video 2: Gestire i casi anomali
Commenti:
@Victor_G : E separare anche le ripetizioni dalle repliche per capire meglio se il problema deriva dal processo di misurazione (ripetizioni) o dal sistema (con possibile incertezza nel fissare i livelli dei fattori, vista attraverso le repliche)
Video 3: Utilizzi dei fattori di covariazione
Commenti:
@Victor_G : Jed Campbell di JMP ha scritto un ottimo articolo sul blog sui vincoli dei fattori non lineari: https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
Demistificazione dei vincoli dei fattori
I vincoli di definizione dei fattori non sono forse qualcosa che dovrei semplicemente lasciare stare o fingere che non esista? Un uomo saggio non fa nulla per vincolo. -Marco Tullio Cicerone Se ti sei sentito intimidito dai vincoli di definizione...
@Paul_J : Lo facevo sempre quando lavoravo nel settore alimentare e chimico.
@Bill_Worley : Sono un grande sostenitore dell'utilizzo di set di candidati covariati.
@Victor_G : Gli insiemi di covariate sono molto utili in chimica, ad esempio quando si ha a che fare con proprietà chimiche come input
Video 4: best practice per l'impostazione degli intervalli
Commenti:
@Victor_G : Utilizzare l'intervallo ampio nello screening (possibilmente con punti centrali) e perfezionare l'intervallo nell'esplorazione/ottimizzazione.
@KimRas2 : Sii audace!
@shs : Quello che funziona per me, se parti da zero e non sei sicuro che i tuoi confini funzionino, inizia con l'esperimento che pensi possa essere il più critico. Qui sprechi solo un esperimento.
@Victor_G : I progetti di scoping sono molto utili anche per definire intervalli appropriati e controllare la variabilità nello spazio di progettazione: https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
Si possono provare solo test con livelli -1 per tutti i fattori, punti centrali e livelli +1 per tutti i fattori.
E puoi facilmente ampliare il tuo progetto di scoping in un progetto fattoriale
@Nicola_Nuti : Sono d'accordo, aumentare la dimensione dell'effetto significa anche aumentare la potenza.
@Jonas_Rinne : L'idea di definire i design è molto utile per verificare se i tuoi range hanno senso. Soprattutto quando hai molti fattori.
@SDF1 : Anche le sperimentazioni che non funzionano forniscono comunque informazioni molto utili per il DOE e per l'intero processo esplorativo.
@shs : Con impostazioni troppo strette non si può mai essere sicuri della curvatura, cosa che spesso accade con la temperatura.
@Paul_J : l'impostazione degli intervalli è un buon esempio del perché sia importante mantenere l'aspetto scientifico nelle statistiche.
@Bill_Worley : Se disponi di dati storici, puoi creare un modello e utilizzare Design Space Profiler per determinare gli intervalli ottimali.
@Victor_G : Sì, DoE è un cambiamento di metodo, ma con una maggiore prevedibilità sui risultati, sugli apprendimenti e con una pianificazione molto più semplice (rispetto al tentativo di analizzare un fattore alla volta e affidarsi alla migliore ipotesi).
@SDF1 : A seconda di quanto è "nuova" la ricerca, a volte è necessario un "pre-DOE" per determinare quali sono gli intervalli praticabili per i fattori che si stanno testando, in modo che quando ci si siede per creare un DOE più dettagliato/complesso, è più probabile che tutte le prove abbiano successo.
Video 5: DOE moderni
@Victor_G : Mi piace molto la metafora del tetto, grazie per averla condivisa!
@shs : Ormai uso raramente il design classico, perché è ampio nelle serie sperimentali. Usare concetti come SVEM con progetti piccoli, o progetti di screening definiti, ecc. può darti progetti che possono coprire una grande quantità di fattori con poche serie, e questo convince le persone quando vedono per la prima volta quanto possono diminuire gli sforzi sperimentali usando progetti moderni.
@Victor_G :
Valuto e confronto spesso i design moderni con una possibile controparte "classica", per mostrare meglio i vantaggi del design moderno
@KimRas2 : DoE funzionale?
@ryan_cooper : Mi piace spesso fare riferimento ad alcuni punti di Phil Kay in questa discussione della Community. (Tuttavia, il titolo della domanda è fuorviante.) Alcune discussioni sul perché la maggior parte delle cose può essere realizzata con DSD e progettazione personalizzata.
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
Video 6: Esploratore dati funzionale
@Victor_G : DoE funzionale con output della curva: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta-p/349208
È possibile utilizzare i dati delle curve (dati funzionali) come input e/o output.
Lyndal ha chiesto: La licenza JMP standard copre l'analisi DoE funzionale? Pensavo che servisse JMP Pro?
Sì, è solo in Pro
@Victor_G : Come input, puoi utilizzare i coefficienti dell'analisi funzionale e collegare questi coefficienti ai tuoi output
@Phil_Kay : @Ben_BarrIngh ha una certa competenza in quel campo. Ben sarà al Discovery Summit di Manchester se riesci a venire.
Grazie per le registrazioni e le trascrizioni @maria_astals !
Se alcuni utenti ( @Nicola_Nuti ?) sono interessati a utilizzare i dati funzionali come input per DoE, @Jed_Campbell ha fornito un'ottima spiegazione in questo post del blog: Utilizzo dei dati funzionali come input anziché come output
In pratica, si analizzano le diverse curve con l'FDE, si estraggono le componenti principali funzionali da ciascuna curva e poi si utilizzano questi coefficienti come covariate in un DoE personalizzato.
Non vedo l'ora di partecipare al prossimo DoE Club (e al JMP Discovery Summit)!
