Registrazioni DOE Club Q3 2024 - Evita insidie/errori usando esperimenti DSD/TaguchiDomanda 2: Come evitare le insidie
Commenti
@Victor_G :
1. Non dare per scontate conclusioni/interpretazioni esterne al tuo spazio di progettazione
2. E convalidare il/i modello/i con punti di convalida!
@Stats_Like_Jazz :
Lezione 1: siate coraggiosi quando stabilite gli intervalli.
Lezione 2: potrebbero esserci molti "buoni" modelli per le tue risposte. Scegli un criterio rilevante (o più di uno) collegato ai tuoi obiettivi per valutare e selezionare il/i modello/i.
Lezione 3: se hai intervalli o combinazioni da evitare, usa il filtro delle combinazioni non consentite.
Ho un video di 4 minuti su come fare proprio questo:
@ryan_cooper:
Direi che un'altra trappola (in particolare per i principianti) è quella di pensare troppo al DOE. Tutto è meglio di un fattore alla volta. Puoi ampliare la tua conoscenza del DOE man mano che ne fai di più, non devi sapere tutto per iniziare.
Domanda 3: Errori nell'uso dei progetti di screening definitivi (DSD)
Commenti:
@Jonas_Rinne
Non cercare di imparare tutto al primo tentativo. Le persone tendono a cercare di portare tutto nel primo progetto. La maggior parte dei grandi progetti non funziona senza molta conoscenza pregressa.
@Victor_G
Pensa anche in modo iterativo. È molto raro avere tutte le risposte e le conclusioni con un solo design.
@KimRas2
Non aggiungere sufficienti fattori potenziali
@Steph_Georges
Nessuna randomizzazione delle serie sperimentali: se l'ordine delle serie sperimentali non è randomizzato, variabili nascoste (come la deriva del tempo o della temperatura) potrebbero introdurre distorsioni nei risultati.
Ecco un articolo di Bradley Jones su "Uso corretto e improprio del DSD": https://community.jmp.com/t5/JMP-Blog/Proper-and-improper-use-of-Definitive-Screening-Designs-DSDs/ba-p/30703
Domanda 4: Passaggio dagli esperimenti DoE a quelli Taguchi: progettazione robusta
Commenti:
@Victor_G
A seconda di dove/come si desidera trovare una progettazione di processo solida, oggi potrebbero esserci alternative migliori con progetti ottimali.
E se hai diversi fattori categoriali a 2 livelli, prova a usare invece i progetti OML:
@KimRas2
A mio parere, Taguchi è una forma meno moderna di DoE, in cui è necessario acquistare costosi libri su progetti DoE standardizzati.
Re: Registrazioni DOE Club Q3 2024 - Evitare insidie/errori usando esperimenti DSD/TaguchiGrazie per il caricamento e per aver aggiunto i commenti @maria_astals !
Alcuni commenti e informazioni complementari da parte mia:
Domanda 2: Come evitare le insidie
Oltre agli eccellenti punti menzionati nella discussione e nei commenti, l'articolo " Otto chiavi per un DOE di successo " di Quality Digest riassume e spiega davvero bene gli aspetti più importanti da considerare quando si costruiscono progetti:
- Stabilisci buoni obiettivi
- Misurare le risposte in modo quantitativo
- Replicare per smorzare le variazioni incontrollabili (rumore)
- Randomizzare l'ordine di esecuzione
- Bloccare le fonti note di variazione
- Sapere quali effetti (se presenti) saranno alias
- Eseguire una serie sequenziale di esperimenti
- Confermare sempre i risultati critici
Domanda 3: Errori nell'uso dei progetti di screening definitivi (DSD)
È stata sviluppata una piattaforma di analisi specifica per DSD, la Fit Definitive Screening Platform , per sfruttare la specifica struttura foldover del DSD per semplificare l'analisi e consentire il rilevamento di interazioni a 2 fattori ed effetti quadratici seguendo il principio di ereditarietà dell'effetto. Questa analisi può essere estesa e utilizzata per qualsiasi progettazione con una struttura foldover, non solo per DSD, vedere l'articolo di Bradley Jones: A Surprising Use of the Fit Definitive Screening Platform (2022-EU-45MP-1066)
Tuttavia, anche se questo metodo di analisi è molto potente, può accadere che alcuni termini non vengano rilevati anche se potrebbero essere attivi, a causa della bassa potenza per gli effetti di ordine superiore e della possibile bassa dimensione dell'effetto, ad esempio: Fit Definitive Screening vs. Stepwise (min. AICC) per la selezione del modello
Possono essere utili anche altre piattaforme, come la piattaforma Fit Two Level Screening o i modelli di regressione generalizzata (con diversi metodi di stima come Best Subset, Pruned/2-stage/ Forward selection, ...) , in quanto possono aiutarti a creare modelli diversi, utilizzando metodi diversi per rilevare gli effetti attivi e stimare i parametri.
Come dice il proverbio " Tutti i modelli sono sbagliati, alcuni sono utili", quindi la chiave è davvero confrontare e valutare modelli diversi per ottenere una buona comprensione del sistema. Diversi metodi per selezionare un modello possono produrre soluzioni diverse. Scegliere una metrica di valutazione pertinente per confrontare i diversi modelli (a seconda dell'obiettivo), confrontare i diversi modelli e selezionare e/o combinare diversi metodi di modellazione con competenze di dominio può aiutarti ad avere una visione più ampia e precisa su ciò che conta di più. E da allora, puoi pianificare i tuoi prossimi esperimenti per perfezionare il tuo modello e/o preparare alcuni punti di convalida per valutare le prestazioni del tuo modello.
(Ho inviato un abstract per JMP Europe Discovery 2025 utilizzando un Mixed-Level Screening Design e le diverse piattaforme di modellazione menzionate per l'analisi delle risposte. Spero di essere selezionato per presentare questo confronto tra piattaforme e modelli).
Domanda 4: Passaggio dagli esperimenti DoE a quelli Taguchi: progettazione robusta
Potrebbero esserci diverse definizioni di robustezza e diversi modi per creare un DoE di robustezza, a seconda dei fattori con cui si desidera testare la robustezza del proprio spazio sperimentale/punto ottimale: contro fattori di rumore esterno, contro fattori di variazione di processo/esperimento o contro una combinazione di entrambi i fattori. Ecco una serie di articoli di Stat-Ease che spiegano il tipo di design in base alla situazione di robustezza a cui si è interessati:
- Robustezza contro fattori di rumore esterni: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
- Robustezza contro la variazione nei nostri punti di regolazione per i fattori di processo: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-2/
- Una combinazione dei primi due tipi: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-3/
Alcune risorse che potrebbero essere utili:
Progettazione di prodotti robusti (2020-US-30MP-539)
Come progettare processi di produzione robusti | JMP
Spero che queste informazioni possano essere utili agli utenti di JMP. Buoni esperimenti!
Oggetto: Registrazioni DOE Club Q3 2024 - Evitare insidie/errori utilizzando esperimenti DSD/TaguchiPensavo di essermi iscritto al club, ma non sono stato informato della "riunione"?
