OMARS デザインの特別な利点は何ですか?長年にわたって実績のある強力な JMP DOE ツールが多数ありますが、その一方で、最近では OMARS Designs に関する記事が多数執筆され、公開されています。
経験豊富な DOE ユーザーに質問したいのですが、JMP DOE メニューで利用できるものに加えて、これらの新しい種類の設計の具体的な利点は何ですか? どのような特定のケースで OMARS を使用することをお勧めしますか? OMARSで処理できないケースはありますか? 私の知る限りでは、混合、分割プロット、ランダム効果は OMARS の範囲外だと思いますが、正しいですか?
実験計画法Re: OMARS デザインの特別な利点は何ですか?わかりました、ビクター。私にはそれがはっきりわかりました。個人的には、1 つの大きな実験ですべてを解決するのは好きではありません。逐次的なアプローチで知識を構築するのが私のお気に入りの方法で、これまでのところ、DSD で強力/アクティブな効果をスクリーニングし、2 番目のステップで DOE をアクティブな効果で RSM に拡張すると、素晴らしい結果が得られます。多くの場合、有意な効果が 4 未満であれば拡張は不要です。そのため、数回実行するだけで解決策が見つかります。私はまだ OMARS について確信が持てません。私の意見では、知識がまったくないかわずかしかない場合、1 つの実験ですべてを完了するのは難しすぎるので、逐次的な品質 PDCA アプローチの方が好きです。十分な知識がある場合、OMARS が有益である可能性があることに同意します (?)
Re: OMARS デザインの特別な利点は何ですか?こんにちは@frankderuyck 、
OMARS 設計は、最近 (2020 年頃)、Peter Goos と Jose Nunez によってスクリーニングおよび最適化設計として導入されました。
これらのデザインの使用目的は、 決定的スクリーニング デザインと応答曲面デザインの間のギャップを埋めることでした。OMARS デザインの優れた特性のいくつかを示すプレゼンテーションは簡単に見つけることができます。
彼らの例とデモンストレーションでは、DSD (22) と同等の実行回数で、OMARS はより優れた投影特性と二次効果に対するより大きな検出力を持ち、すべての 2 因子相互作用に適合できる可能性があります。OMARS Designs Add-Inを使用して比較を再現し、 Compare Designsプラットフォームを使用して OMARS デザインと DSD デザインを比較することができます。
比較しやすいようにデザイン表を添付しましたので、ぜひご覧ください。
- OMARS は、より多くの項 (すべての相互作用と DSD より多くの二次効果) に適合できる可能性があり、相互作用と二次効果の検出力が同等かそれ以上であること (主効果の検出力がわずかに低下するコストがかかります) を確認できます。
- また、最大予測分散と設計空間プロット曲線の割合も低くなります（したがって、実験空間全体にわたって予測分散が低くなります）。
- 相関マップも比較すると興味深いもので、用語間の相関は低くなります。
Maria Lanzerath にも、OMARS の使用法と利点を示したユースケースがあります。
知的に見ると、この設計は DSD と RSD のギャップを統合して埋めるファミリーを提供するため、非常に興味深いものです。一部の使用例では、これを試して他の設計タイプと比較すると興味深いかもしれません。使用には DSD と同様の制約があります。混合因子なし、制約なし、変更が困難な因子/分割プロット状況なし、ランダム効果なし (DSD および OMARS でブロックを使用できる場合でも)、...
しかし、Peter と Jose が独自の会社 EFFEX を設立し、OMARS 設計を Web ベースのインターフェイスで配布しているため、開発者が JMP での OMARS 設計の実装を推進するとは思えません。アドインを使用して OMARS 設計を試し、他の設計と比較することはできます。
選択できる設計の多様性はすでに十分にあると思います (DSD、OML、RSM、Optimal など)。そのため、実際の使用例で OMARS 設計を試す機会はありませんでした。
このディスカッションスターターがお役に立てば幸いです。
Re: OMARS デザインの特別な利点は何ですか?フランク、私も同意します。順次的なアプローチのほうが常に優れています。
私見では、特定の状況に合わせて設計構造を最適化しようとする人は常に存在します (最適性基準など)。しかし、実験の最も重要な側面は、ノイズ (測定エラー、バッチ内、部品内などの短期的なノイズ、および周囲条件、ロット間の原材料、人間の技術などの長期的ノイズ) をどのように処理するかです。実験中にノイズが一定であれば、推論空間が狭くなり、結果が外挿されない可能性が高くなります。実験中にノイズが「ランダムに」変化すると、精度が低下します。ノイズを処理する戦略は、ソフトウェア (どのソフトウェアでも) によって十分に説明されていません。設計構造 (および実行を節約して詳細を学習する方法) に常に重点が置かれすぎています。
「残念ながら、将来の実験（将来の試験、明日の生産）は、この実験に影響を与えるものとは異なる環境条件（温度、材料、人々）の影響を受けるでしょう…それは、主題に関する知識によってのみ、そしておそらくさらなる実験によって助けられる （強調追加）より広範囲の条件をカバーし、将来の環境条件が今日のものと十分に同じであり、手元にある結果を使用できるかどうかを、間違えるリスクを負って判断できるようにするため。」
デミング博士
「このケースの一般的なルールを作成する前に、2、3回テストして、テストが同じ効果を生み出すかどうかを観察してください。」
レオナルド・ダ・ヴィンチ
「できるものはブロックし、できないものはランダム化する」
GEPボックス
Re: OMARS デザインの特別な利点は何ですか?連続実験を支持する強力な議論です。ノイズを克服するのに十分な強度の要因を持つモデルを構築します。後者は、限定実行のスクリーニング実験で検出でき、最終的には複製で検出できます。DSD は依然として優れたツールです。
Re: OMARS デザインの特別な利点は何ですか?OMARS は 2 レベルを超えるカテゴリ効果で可能ですか? また、カテゴリ効果が多数ある場合、またはカテゴリ効果のみの場合も可能でしょうか?
Re: OMARS デザインの特別な利点は何ですか?@frankderuyck @statmanとの連続実験の議論とノイズの処理方法については同意します。
ただし、DoE は実際の物理/化学実験のコンテキストで適用されることが多いため、設計 (および関連する実行数) の選択に関してコストと時間も考慮する必要があることに注意してください。応答を測定/記録するために長い期間/時間の長さが必要な場合 (数か月/数年にわたる安定性研究など)、各反復で多くの時間を費やす複数の連続した DoE ではなく、より大きな「ワンショット」DoE を実行して必要な結果をすべて同時に取得する方が合理的です。Maria Lanzerath は、使用可能な可能な項の数に関連するモデルの複雑さとの関連で、モデル選択に関する OMARS 設計の利点についても使用例で強調しています。
ご質問に関して：
この回答が議論に役立ち、実りあるものとなることを願っています。
Re: OMARS デザインの特別な利点は何ですか?Victorさん、ありがとうございます。OML は興味深いですね。また、OMARS でも 3 レベルのカテゴリ効果は可能ですか?
ちなみに、私は Maria Lanzerath のケース スタディを調べました。このケース スタディでは、かなりの知識が利用可能であり、相互作用の影響について仮定が行われています。このケースでは、不要な相互作用をスキップし、疑わしい場合は「可能な場合」に切り替えることで、カスタム デザインを使用して同様に優れた DOE を構築できます。
Re: OMARS デザインの特別な利点は何ですか?いいえ、DSD、OMARS、または OML 設計では 3 レベルのカテゴリ因子は不可能であり、2 レベルのカテゴリ因子のみ可能です。Re: OMARS デザインの特別な利点は何ですか?こんにちは、Victor。OMLとDSDを比較すると、4つの二次効果の相関はどうでしょうか。上記の相関表から、私はDSDの方が好きです。いくつかの主効果間の相関は非常に低く、無視できるほどで、各相互作用効果は1つの他の相互作用効果とのみ相関しています。OML相互作用の相関構造はかなり複雑です。OMLアルゴリズムでは、主効果間の相関をゼロにするのは困難すぎるため、相互作用間の相関はより複雑になると考えられます(?)(ただ飯はない、代償を払わなければならない)。主効果間の相関もゼロにする必要はありません。多くのアンバランスなカスタム設計では、共変量因子を含めると、主因子間には常にわずかな相関があります。R < 0.2は許容されます。
