@HadleyMyers 가 주최한 DOE 토론회에서는 다양한 주제에 대한 토론이 공유되었습니다.
아래에서 토론을 계속해 보세요!
비디오 1: 소개
비디오 2: 이상치 처리
댓글:
@Victor_G : 또한 문제가 측정 프로세스(반복)에서 발생하는지 또는 시스템(반복을 통해 확인되는 고정 요인 수준의 불확실성 가능성)에서 발생하는지 더 잘 이해하기 위해 반복과 복제를 분리합니다.
비디오 3: 공변량 요인의 사용
댓글:
@Victor_G : JMP의 Jed Campbell이 비선형 요인 제약 조건에 관해 훌륭한 블로그 게시물을 올렸습니다: https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
요인 제약의 신비화 해제
Define Factor Constraints는 그냥 내버려두거나 존재하지 않는 척해야 하는 것이 아닌가? 현명한 사람은 제약으로 아무것도 하지 않는다. -마르쿠스 툴리우스 키케로 Define...에 위축감을 느꼈다면
@Paul_J : 제가 식품과 화학 산업에 종사할 때 항상 그랬습니다.
@Bill_Worley : 저는 공변량 후보 집합을 사용하는 것을 강력히 지지합니다.
@Victor_G : 공변량 집합은 예를 들어 화학적 속성을 입력으로 처리할 때 화학에서 매우 유용합니다.
비디오 4: 범위 설정에 대한 모범 사례
댓글:
@Victor_G : 스크리닝에서는 넓은 범위를 활용하고(가능하면 중심점을 두어), 탐색/최적화에서는 범위를 세분화합니다.
@KimRas2 : 대담하게 행동하세요!
@shs : 제게 효과가 있는 것은, 처음부터 시작하고 테두리가 제대로 작동하는지 확신할 수 없다면, 가장 중요하다고 생각되는 실험부터 시작하세요. 여기서는 실험을 하나만 낭비하게 됩니다.
@Victor_G : 범위 설계는 적절한 범위를 정의하고 설계 공간의 변동성을 확인하는 데도 매우 유용합니다. https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
모든 요인에 대해 -1 수준, 중심점, 모든 요인에 대해 +1 수준으로만 테스트를 시도합니다.
그리고 범위 설계를 요인 설계로 매우 쉽게 확장할 수 있습니다.
@Nicola_Nuti : 동의합니다. 효과 크기를 늘리면 힘도 커집니다.
@Jonas_Rinne : 범위 설계의 아이디어는 범위가 합리적인지 확인하는 데 매우 유용합니다. 특히 요인이 많을 때 더욱 그렇습니다.
@SDF1 : 효과가 없는 실험조차도 DOE와 전체 탐색 과정에 매우 유용한 정보를 제공합니다.
@shs : 설정이 너무 좁으면 온도의 경우처럼 곡률을 확실히 알 수 없습니다.
@Paul_J : 범위를 설정하는 것은 통계에서 과학을 유지하는 것이 왜 중요한지에 대한 좋은 예입니다.
@Bill_Worley : 과거 데이터가 있다면 모델을 만들고 디자인 공간 프로파일러를 사용하여 최적 범위를 결정할 수 있습니다.
@Victor_G : 네, DoE는 방법 변경이지만 결과와 학습에 대한 예측 가능성이 더 높고 계획 수립이 훨씬 쉬워졌습니다(한 번에 한 가지 요인만 시도하고 최선의 추측에 의존하는 것과 비교했을 때).
@SDF1 : 연구가 얼마나 "새로운지"에 따라 때로는 테스트하는 요소에 대한 실행 가능한 범위를 확인하기 위해 "사전 DOE"가 필요할 수 있습니다. 이렇게 하면 실제로 더 자세하고 복잡한 DOE를 만들 때 모든 실행이 성공할 가능성이 높아집니다.
비디오 5: 최신 DOE
@Victor_G : 지붕에 대한 은유가 정말 좋네요. 공유해주셔서 감사합니다!
@shs : 저는 더 이상 고전적인 설계를 거의 사용하지 않습니다. 실험 실행에서 크기가 크기 때문입니다. 작은 설계를 사용한 SVEM과 같은 개념이나 명확한 스크리닝 설계 등을 사용하면 적은 실행으로 많은 요소를 포괄할 수 있는 설계를 얻을 수 있으며, 현대적 설계를 사용하면 실험적 노력이 얼마나 줄어들 수 있는지 처음 보면 사람들이 확신하게 됩니다.
@Victor_G :
나는 종종 현대 디자인과 가능한 "고전적" 대응물을 평가하고 비교하여 현대 디자인의 이점을 더 잘 보여줍니다.
@KimRas2 : 기능적 DoE?
@ryan_cooper : 저는 종종 이 커뮤니티 토론에서 Phil Kay의 요점 중 일부를 언급하고 싶습니다. (하지만 질문의 제목은 오해의 소지가 있습니다.) DSD와 사용자 지정 디자인으로 대부분의 작업을 수행할 수 있는 이유에 대한 토론.
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
비디오 6: 기능적 데이터 탐색기
@Victor_G : 곡선 출력을 포함한 기능적 DoE: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta-p/349208
곡선 데이터(함수형 데이터)를 입력 및/또는 출력으로 사용할 수 있습니다.
Lyndal이 물었습니다: 표준 JMP 라이선스는 기능적 DoE 분석을 포함합니까? JMP Pro가 필요하다고 생각했습니다.
네, Pro에서만 가능합니다.
@Victor_G : 입력으로 함수 분석의 계수를 사용하고 이러한 계수를 출력에 연결할 수 있습니다.
@Phil_Kay : @Ben_BarrIngh 는 그 분야에 전문성이 있습니다. Ben은 맨체스터에서 Discovery Summit에 참석할 예정인데, 가능하면 오세요.
녹음과 대본을 제공해 주셔서 감사합니다 @maria_astals !
일부 사용자( @Nicola_Nuti ?)가 DoE의 입력으로 기능적 데이터를 사용하는 것에 관심이 있다면 @Jed_Campbell이 이 블로그 게시물에서 기능적 데이터를 출력 대신 입력으로 사용하는 것에 대해 훌륭하게 설명했습니다.
기본적으로 FDE를 사용하여 다양한 곡선을 분석하고 각 곡선에서 함수적 주성분을 추출한 후 이러한 계수를 사용자 정의 DoE의 공변량으로 사용합니다.
다음 DoE 클럽(및 JMP Discovery Summit)에 참석하기를 기대하고 있어요!
