Bonjour, et accueillir, tout le monde, à mon d'aujourd'hui présentation.
Remercier toi pour adhésion.
I volonté donner toi a court parler
à propos le concept de TOUT, ou auto- validé ensemble modélisation,
et comment ce concept peut être a chemin vers
Fait avec complexe modèles et très peu courses.
I espoir I peut montrer toi que sur quelques utiliser cas, que ce concept est en fait
le solution vers ces DOE avec complexe modèles et très peu court.
Mais avant I commencer en allant dans détail de mon présentation,
I vouloir à donner toi a court présentation de le entreprise Je suis fonctionnement pour.
C'est Lohmann.
Lohmann est le producteur de adhésif bandes,
donc principalement pression- sensible adhésif bandes, mais aussi de construction adhésif bandes.
Le Lohmann Ruban adhésif Groupe fait a chiffre d'affaires dans 2020 de à propos 670 millions d'euros.
Il consiste de deux parties.
C'est le Lohmann T singe Groupe, c'est OMS Je suis fonctionnement pour,
et le coentreprise, Lohmann & Rauscher .
Le Ruban adhésif Groupe avait a chiffre d'affaires dans 2020 de à propos 300 € milliard,
et dernier année, nous célèbre notre 170e anniversaire.
Essentiellement, le Ruban adhésif Le groupe est divisé en deux majeur parties.
C'est le technique produits, où Je suis fonctionnement pour.
Nous offre principalement double- rubans adhésifs multi-faces,
rubans adhésifs sensibles à la pression,
et de construction adhésif bandes.
Nous sont uniquement B2 B entreprise.
Et le autre partie est notre hygiène marque.
Quatre-vingt-dix pour cent de notre produits sont personnalisé produits.
Nous sont actif mondial.
Nous avoir 24 sites autour le globe et à propos 1 800 employés.
Qui sommes-nous ?
Nous sont le liaison ingénieurs, et comme I mentionné avant,
90 pour cent de notre produits sont personnalisé,
donc notre principal but est à offre notre clients le meilleur possible solution,
ou à offre lui a personnalisé solution très spécifique pour son problème
ou à résoudre son problème.
Dans commande à faire que, nous avoir a assez grand boîte à outils
pour faire cela, donc cela consiste en un...
Nous sont capable à faire notre propre base polymères pour pression- sensible adhésif bandes.
Nous peut faire notre propre formulation
à formuler soit pression- sensible ou de construction adhésif.
Nous peut faire notre propre revêtement que besoins à formulaire le final adhésif ruban adhésif.
Mais nous peut aussi faire tous le laminage, le coupe, traitement,
faire bobines, rouleaux, donc offre lui le adhésif solution
dans le formulaire il en fait besoins ou il en fait veut,
dans commande à résoudre ou à meilleur satisfaire son besoins.
Mais nous peut aussi faire tous le essai
et aussi aide le client dans intégrer notre adhésif solution dans son processus.
Ayant ce assez grand boîte à outils
ou ces beaucoup outils dans commande à remplir le clients besoins
aussi vient ensemble avec a parcelle de degrés de liberté dans commande à faire que.
Que moyens degrés de liberté ou ce énorme montant de degrés de liberté,
le grand valeur changement lequel nous avoir et transaction avec que complexité.
Un de le solution à accord avec ce complexité pour nous
est à utiliser BICHE, ou conception de expériences,
pour nous dans le développement département
principalement pour le polymérisation, formulation, ou revêtement.
Que apporte moi dos à le sujet de mon parler.
Depuis nous utiliser notre DOE à tacle ce problème
ou à tacle ce l grand complexité, et être capable à utiliser tous le outils
dans le meilleur possible et la plupart efficace chemin à remplir notre clients demande,
nous utiliser BICHE, mais allons dire nous vouloir à avoir que comme efficace comme possible
à tacle complexe problèmes avec le le plus bas montant de expérimental effort.
Là, I pense, où TOUT comme a concept vient dans.
Comme toi tous savoir,
pendant le processus développement ou produit développement,
toi courir sur le même étapes.
Nous commencer dans le laboratoire, faire notre expérience sur a laboratoire échelle
et changer à le pilote échelle, alors échelle finale de étape
quand on va à le production dans commande à produire le final produit.
Faire ce chemin, allons dire, le effort par expérience,
pourrait être temps ou coût, de façon spectaculaire augmente.
Dans commande à minimiser ces frais,
nous utiliser BICHE dans commande à minimiser le expérimental effort.
Mais aussi, si toi aller le mesures depuis le laboratoire sur le pilote à le production,
le plus haut le effort par expérience est,
le plus critique sont le nombre de expériences.
Situations où le nombre de expériences est critique
pourrait être, allons dire pour nous, mais aussi allons appliquer pour autre industries,
est si toi avoir à faire expériences sur a pilote ou a production échelle.
Ou même si toi faire expériences sur a laboratoire échelle,
si toi avoir, pour exemple, long- en cours d'exécution expériences au cours de l'année,
disons que le analyse de un expérience prend très long,
que pourrait être a situation où le nombre de expériences est très critique.
Mais aussi dans combinaison avec que,
si toi avoir complexe modèles ou complexe problèmes
lequel toi avoir à adresse,
si toi, pour exemple, besoin a complet RSM modèle ou si toi vouloir à faire un optimisation,
toi volonté courir dans ce problème où toi toujours pourrait avoir
a grand montant de expériences dans commande à modèle ce complexe problème.
Le meilleur situation serait être que toi peut générer Fait,
lequel permet toi tracer a très complexe problème
ou à appliquer complexe modèles,
mais à le même temps, garder le nombre de expériences comme faible comme possible.
Juste à donner toi un exemple dans notre cas, le production de adhésif bandes.
Si I faire expériences sur a laboratoire échelle,
I besoin moins que a kilogramme de adhésif par expérience,
et I certainement ne le faites pas besoin plus que un ou deux mètres carrés de adhésif ruban adhésif
dans commande à faire tous le complet analyse lequel I vouloir.
Si I puis bouge à le pilote échelle, selon sur le expérience nous vouloir à faire,
toi pourrait besoin entre 10 ou 50 kilogramme de adhésif,
et votre coût peut être 25- 100 mètres carrés de adhésif ruban adhésif par expérience.
I f toi aller même plus loin dans le production échelle,
toi pourrait besoin même plus que 100 kilogramme par expérience d'un adhésif
et toi r coût peut être 1 000 carré mètre de adhésif ruban adhésif par expérience.
Mais à le même temps, I toujours seulement besoin à propos un mètre carré
ou deux carré mètre à faire le complet analyse de mon expérience.
Si toi sont dans un malheureux situation,
J'ai à déchets 99,9 pour cent de mon produit
est essentiellement déchets.
C'est a parcelle de matériel utilisé pour un expérience,
et il aussi vient le long de avec assez un énorme montant de coût par expérience.
Juste donner toi un illustration,
c'est a image de notre actuel pilote doubler.
T chapeau le taille de a porte.
Même pour a pilote doubler, c'est assez grand,
alors toi peut imaginer le montant de matériel toi besoin est assez grand.
Et c'est Nombres par expérience.
Mais même sur a laboratoire échelle,
toi pourrait courir dans le situations où le nombre de courses est critique.
C'est soit si toi avoir complexe modèles ou grand montant de facteurs,
et J'ai montré toi que dans le dernier utiliser cas.
Parce que c'est a chimique réaction où nous voulons à varier le ingrédients,
mais aussi le processus paramètres
si toi avoir long- en cours d'exécution expériences où expériences courir pour plus que un jour,
ou le analyse de le expérience prend très long,
et à le même temps, toi avoir très limité projet temps ou projet budget.
Dans tous ces situations, il est très souhaitable à minimiser
le expérimental effort comme beaucoup comme possible,
donc à diminuer le nombre de courses comme beaucoup comme possible.
Dans 2021, dernier années Découverte Sommet, Je suis venu à travers deux présentations.
Un par un Ramsey, Gottwalt, et Lemkus, et le autre un par avec et Hersh,
parler à propos le concept de SVEM ou soi- validé ensemble modélisation,
et pour moi que soulevé le question de, "Peut que concept être en fait le solution
pour Fait avec peu expériences, mais à le même temps,
garder le complexité de ton modèle pour le problème lequel toi avoir?"
Avec que dit, I vouloir à changer sur maintenant à mon utiliser cas
dans commande à avec un peu de chance montrer toi que ce concept est en fait
ou pourrait être en fait a solution à que problème.
Je souhaite passer à JMP.
Le d'abord exemple I vouloir à montrer toi aujourd'hui
est où nous avait à faire a conception de expériences
sur un réel production échelle, sur production équipement.
Le deuxième un est fait sur a pilote usine, et le troisième un était fait sur le laboratoire.
J'en ai quelques-uns information pour toi où le d'abord deux exemples étaient fait
ou le conception était créé sans connaissance le concept de SVEM,
mais le analyse était fait connaissance alors le concept de TOUT.
Le troisième exemple n'était pas en fait fait après I savait à propos le concept de TOUT,
et alors I appliqué ou I conçu le BICHE
spécifiquement connaissance à propos le analyse concept de TOUT.
Alors j'irai à le d'abord exemple.
Dans le d'abord exemple,
nous vouloir à faire a produit développement par moyens de a processus optimisation.
Nous pourrait seulement faire que processus optimisation sur le réel production équipement,
alors nous avons eu à faire tous le expériences sur a production échelle.
Si toi imaginer cependant, toi toujours avoir à trouver production machines à sous,
et toi avoir à toujours rivaliser avec le réel production ordres,
alors ton normale tous les jours fonctionnement de entreprise.
Donc le nombre de courses lequel toi peut faire sur réel production équipement
est toujours très limité et c'est toujours très cher,
et toi toujours avoir à ajuster dans le normale production.
Quoi toi vouloir à faire à que indiquer, pour le d'abord exemple,
nous avait cinq continu processus facteurs, nous savoir nous attendu a non linéaire comportement,
donc nous savait nous avait à utiliser
le complet quadratique modèles et le attendu interactions,
et nous aussi savoir que nous avait a maximum de 50 courir
exigible à limité production le temps, le temps, et argent.
Ce que nous est venu en haut?
Encore, comme J'ai dit avant,
que était fait avant I savait à propos le concept de TOUT.
Quand nous créé le conception, nous mettre tous le linéaire et quadratique effets
que nous besoin nécessaire dans le coutume conception plate-forme
et nous ensemble le interactions à facultatif, et c'est le 15 courses lequel nous terminé en haut.
Et alors nous commencé avec le expériences.
Malheureusement, seulement 12 courses pourrait être réalisé
parce que nous avait limité temps et capacité, et nous étaient en cours d'exécution dehors de temps
dans commande à faire le dernier trois restant courses.
Après 12 courses, nous essentiellement avait à arrêt et alors faire le analyse,
mais heureusement pour nous, nous pourrait faire le restant trois expériences
après le analyse était fait.
Que apporté nous dans le position où ces supplémentaire trois expériences
lequel étaient menée après le analyse
était un en fait test ensemble où nous pourrait vérifier le validité de notre modèle,
lequel nous créé en utilisant le concept de TOUT.
Le réel données analyse,
c'est montré dans ces deux présentations depuis dernier années Découverte Sommet,
et I mettre dans le code donc toi peut trouve-le très facilement sur le communauté page.
Le données était analysé en utilisant TOUT,
alors je a fait 100 itérations.
I utilisé a complet quadratique modèle,
utilisé tous le interactions possible avec ces continu processus facteurs,
et I utilisé le LASSO comme le estimation méthode.
I juste mettre dans pour le scénario comment c'est fait ce analyse en utilisant TOUT,
mais aussi, I serait vouloir à référer à ces deux présentations
où c'est tous écrit vers le bas ou expliqué dans super détail.
À venir à le résultats, I vouloir à montrer toi le profileur,
et ce que tu peut en fait voir que nous en fait besoin.
Deuxième commande termes, donc nous avoir a quadratique dépendance.
Mais nous aussi avait interactions.
Donc tout quoi nous attendu était essentiellement présent.
Mais allons aller devant et vérifier pour le validité.
Toi pourrait dire, "D'accord, toi juste sur équipé le modèle.
Toi juste utilisé aussi beaucoup modèle termes. C'est aussi complexe.
C'est pourquoi toi avoir deuxième commande termes. C'est pourquoi toi avoir interactions."
Bien, allons regarder à le prédit contre réel parcelle.
Pour que exemple,
nous sommes dans le bon position où nous avait en fait a test ensemble,
donc ceux-ci trois restant expérience lequel le modèle a jamais vu,
et le 12 , allons dire, c'est le rouge points.
A s toi peut voir ici cependant, si toi montre il,
le prédit contre réel parcelle, c'est pas aussi mauvais.
T il prédiction de ces trois restant ceux est joli bien.
Si I vérifier et voir si, pour exemple, un autre réponse,
le prédiction est très, très précis.
A s I mentionné avant, ces court, le modèle a jamais vu.
Pour nous, c'est qu'est-ce que assez incroyable.
À avoir seulement 12 les courses peuvent avoir estropié ce genre de expérience
parce que trois de le courses étaient manquant,
et toujours ayant ce très bien prédictif capacité de que méthode TOUT.
Donc dans général, prédiction était très bien.
Nous pourrait prédire le restant trois courses très avec précision sauf un réponse.
Tout équipé sauf un réponse, il n'a pas ajuster à tous.
Nous pensée, "Ce n'est pas possible.
Nous ne peut pas juste prédire 10 de le 11 réponses presque parfaitement,
et le 11e un n'a pas ajuster."
Et nous avons pensé : « D’accord, quelque chose a à être faux.
Notre modèle est bien parce que c'est équipé 10 fois,
donc il a à ajuster aussi le 11e temps."
Et nous je pensais : « D'accord, quelque chose avec le mesures a à être faux,
parce que le expérience ne peut pas être, parce que le autre réponses, ils ajuster.
Notre prédiction était très bien."
Nous dit au expert, "S quelque chose dans le mesures avait à être faux."
Alors notre expert creusé a petit peu Plus profond dans le mesures équipement,
et ils en fait trouvé écarts dans le mesures.
T il mesures sur que dernier réponse
était un peu peu différent que le d'abord 12 courses .
A après le écarts étaient corrigé, le prédiction était encore très bien.
Que moyens que ce analyse ou le prédiction était donc bien
que nous même trouvé écarts dans le mesures.
Depuis que d'abord exemple, I serait dis-toi travaux parfaitement,
et donne toi très super aperçu dans a très bien et très précis modèle
avec a très limité montant de expérimental effort.
Mais toi pourrait dire , "D'accord, toi aurait pu aussi utilisé a différent dépistage conception
et toi serait avoir, pour exemple, 11 court,
et toi serait avoir a obtenu exactement le même résultat de que."
Pourrait être vrai.
Mais alors I référer à le troisième exemple.
Deuxième exemple est très similaire.
Nous recherché à faire BICHE sur a pilote usine, et nous avait quatre continu facteurs.
Deux de ceux facteurs requis le production
o f spécialement produit ingrédients parce que ceux deux,
ils représenté a processus variation de notre fenêtre à fonctionner
pour notre actuel processus.
Nous aussi s'attendait à un non linéaire comportement, et nous étaient dit pas à dépasser 10 courses.
Mais c'était fortement recommandé à nous que moins courses
serait être plus que accueillir parce que de capacité problèmes.
Alors nous fin en haut avec a hybride production/ laboratoire approche,
où nous terminé en haut avec seulement ayant six court,
ou nous seulement nécessaire six courses sur le pilote échelle ou le production échelle,
que ils boosté à 10 courses dans le laboratoire.
C'est essentiellement le conception lequel nous terminé en haut.
C'est le chemin I créé le conception.
I ensemble le linéaire et quelques interaction termes à "nécessaire"
dans que coutume conception plate-forme,
et le restant interaction et quadratique terme,
nous ensemble eux à "facultatif."
Encore, que était fait, le création de le conception, avant I savait à propos
le concept de TOUT, mais dans essence était alors fait en utilisant TOUT.
Pour nous, dans que particulier cas, le but était à...
Disons facteur 1 et 2 représenter le processus variabilité.
Quoi nous recherché à atteindre est nous recherché à minimiser a certain réponse,
dans que cas réponse numéro 7, à minimiser c'est variabilité
sans changement facteur 1 et 2, parce que changement le processus variabilité
lequel nous [inaudible 00:17:56] avoir, c'est donc très difficile.
Mais nous avait deux supplémentaire facteurs que étaient paramètre mètres
depuis le revêtement équipement lequel nous pourrait changement très facilement.
Le but était à minimiser réponse nombre 7
mais garder tous le repos essentiellement dans le fenêtre lequel nous recherché.
Encore, analyse était fait joli beaucoup le même chemin comme avant.
Nous utilisé TOUS les likes nous présenté dans le dernier années présentations.
Nous a fait 100 itérations.
Nous encore utiliser le complet quadratique modèles avec tous le interactions,
et nous utilisé LASSO comme le estimation méthode.
Juste montrant toi que sur le profil encore, nous avait deuxième commande termes,
nous avait interactions comme toi peut voir ici, pour exemple.
Ils étaient tous présents, tout ce que nous attendu à être là
comme deuxième quadratique dépendances et interactions en fait étaient là.
Pour notre but était à minimiser ce réponse et sans changement ces facteur 1 et 2,
parce que c'est le processus fenêtres lequel étaient actuellement en fonctionnement dans.
Pendant le processus gamme,
si tu regarder à que réponse ici, il changements assez a peu.
Faire tous le optimisation et ayant ce modèle pleinement opérationnel,
nous trouvé dehors si toi juste changement facteur, pour exemple, nombre 3,
variabilité disparaît pratiquement complètement sans changement le repos de le facteur.
Alors nous trouver avec seulement six courses sur a production échelle,
optimal paramètres [inaudible 00:19:36] à améliorer ou optimiser
a processus assez considérablement.
Toi pourrait encore dire, "D'accord, quatre facteurs.
Toi pourrait seulement encore peut avoir utilisé a précis écran conception."
Ou allons dire, "Dix courses est pas aussi peu courses dans commande à faire que."
Mais que apporte moi à mon dernier et final exemple.
Nous étaient faire a conception de expériences sur le laboratoire échelle,
et nous recherché à optimiser ou comprendre dans plus détail a polymérisation processus.
Nous recherché à faire tous facteurs et variations dans un célibataire conception expérience.
Nous terminé en haut avec ayant 15 facteurs,
huit ingrédients, et Sept processus paramètres.
Nous n'a pas avoir a mixte conception.
Nous utilisé ces huit ingrédients, joué autour a petit peu
donc nous n'a pas fin en haut avec a mixte conception.
Mais comme le expérience lui-même était très temps- consommant,
le nombre de expériences devrait être faible, idéalement ci-dessous 30.
Parce que nous avait limité projet fois,
et 30 est quelque chose lequel nous pourrait être capable à permettre.
Mais à que moment, I déjà savait à propos le concept de TOUT
donc I a fait le conception de le expérience spécifiquement connaissance à propos
ou postuler le concept de TOUT.
Et alors I a fait, I choisi l'optimal I bayésien conception.
Nous savait là volonté être non- linéaire comportement,
donc tous le deuxième commande termes et interactions étaient dans là.
Quoi nous terminé en haut était a conception que toi peut voir ici, ayant seulement 23 court,
et ayant 15 facteurs des ingrédients plus processus paramètres,
essentiellement a complet RSM modèle et seulement avoir comme 23 courses.
Pour moi, il était joli incroyable à être capable à faire que.
Allons-y voir le résultat si il en fait a fait travail,
parce que nous n'étaient pas donc bien sûr que il en fait travaillé.
Mais nous étaient convaincu que il volonté être connu à le temps
que il en fait fait travail.
Analyse était, encore, fait le même chemin.
Le seulement différence, I ne le fera pas montrer toi a profileur pour que exemple
parce que ayant 15 facteurs, assez complexe modèles,
et ayant à mettre en œuvre il dans JSL fait il très, très lent.
Mais I était dit que c'est en allant à être mis en œuvre dans JMP 17,
lequel alors volonté être beaucoup plus rapide
donc Je suis vraiment en espérant à obtenir JMP 17 comme rapide comme possible.
Quoi nous trouvé dehors est que non- linéarité était présent.
Nous avait encore interactions, et nous avait deuxième commande termes lequel étaient significatif.
Donc encore une fois, nous nécessaire le complet modèle.
Le expérimental vérification est actuellement en cours.
Premiers résultats regarder très prometteur.
I n'ont pas mettre eux dans.
Juste dans contraste à a classique approche,
nous serait avoir requis beaucoup plus expériences que juste 23.
Et encore, à montrer toi que nous avait très bien prédiction capacité,
à juste parcelle quelques prédit contre réel.
C'est juste pour un réponse, c'est très bien.
Juste à donner toi un autre un,
c'est pas comme bien comme le d'abord un, mais quand même, pour nous, c'est suffisant.
Donc le prédictions ici sont très bien.
Pour le d'abord expérience,
pour le vérification court, il apparence très prometteur.
Juste à montrer toi quelques image de le profileur.
C'est malheureux non- interactif.
Deuxième commande termes étaient présent, interactions étaient présent,
donc tous que quoi nous attendu était essentiellement dans le modèle.
Avec ça, je suis à le fin de le utiliser cas.
I vouloir à changer dos.
Juste à donner toi court résumé.
avec et Hersh, ils mettre dans leur dernier année D découverte Sommet
le titre « Repenser le Conception et analyse de Expériences"
et mettre dans a question marque.
Depuis mon indiquer de voir, toi ne le faites pas besoin le question marque.
C'est comme que.
Je suis convaincu que TOUT volonté changement le chemin DO est utilisé,
en particulier si toi aller pour soit très complexe dessins,
ou grand nombre de facteurs, ou si toi avoir à aller à travers très cher expériences.
À moins, c'est mon avis.
Il ouvre a nouveau chemin vers Fait
avec minimaliste expérimental courses ou effort,
et à le même temps, toi peut rassembler le maximum montant de information
et aperçu dehors de que sans ayant à sacrifier peut être nombre de courses
ou nombre de facteurs ou le complexité de ton modèles.
Je suis SVEM convaincu volonté changement le chemin à moins I utiliser BICHE,
et pour moi, il était joli incroyable à voir que dans action.
Avec que, remercier toi très beaucoup pour regarder,
et I espoir I pourrait montrer toi que ce concept est valeur en essayant.
Remercier toi très beaucoup.
