DOE Club Q3 2024 녹음 - DSD/Taguchi 실험을 사용하여 함정/실수 피하기질문 2: 함정을 피하는 방법
댓글
@빅터_G :
1. 디자인 공간 외부의 결론/해석을 가정하지 마십시오.
2. 검증 포인트를 통해 모델을 검증하세요!
@Stats_Like_Jazz :
교훈 1: 범위를 설정할 때는 용감해야 합니다.
수업 2: 귀하의 응답에 대한 "좋은" 모델이 많이 있을 수 있습니다. 목표에 연결된 관련 기준(또는 여러 개)을 선택하여 평가하고 모델을 선택합니다.
수업 3: 피해야 할 범위나 조합이 있는 경우 허용되지 않는 조합 필터를 사용하세요.
그 방법을 알려주는 4분 분량의 영상이 있습니다:
@라이언_쿠퍼:
또 다른 함정(특히 초보자의 경우)은 DOE에 대해 너무 많이 생각하는 것입니다. 한 번에 한 가지 요인만 고려하는 것보다는 무엇이든 낫습니다. 더 많은 DOE를 수행하면서 DOE 지식을 쌓을 수 있습니다. 시작하기 위해 모든 것을 알 필요는 없습니다.
질문 3: 확정적 스크리닝 설계(DSD) 사용 시의 실수
댓글:
@Jonas_Rinne
첫 번째 시도에서 모든 것을 배우려고 하지 마세요. 사람들은 첫 번째 디자인에서 모든 것을 가져오려고 하는 경향이 있습니다. 대부분의 큰 디자인은 많은 사전 지식 없이는 작동하지 않습니다.
@빅터_G
또한 반복적으로 생각하세요. 하나의 디자인으로 모든 응답과 결론을 얻는 것은 매우 드뭅니다.
@김라스2
잠재적인 요소를 충분히 추가하지 않음
@스테프_조지스
무작위 실행이 아닌 경우: 실험 실행 순서가 무작위가 아닌 경우, 잠복 변수(시간이나 온도 변화 등)로 인해 결과에 편향이 생길 수 있습니다.
다음은 Bradley Jones가 "DSD의 적절한 사용과 부적절한 사용"에 관해 쓴 기사입니다: https://community.jmp.com/t5/JMP-Blog/Proper-and-improper-use-of-Definitive-Screening-Designs-DSDs/ba-p/30703
질문 4: DoE에서 Taguchi 실험으로 이동 - 견고한 설계
댓글:
@빅터_G
견고한 공정 설계를 어디서/어떻게 찾고 싶은지에 따라 오늘날에는 최적 설계를 통해 더 나은 대안이 있을 수 있습니다.
그리고 여러 개의 2단계 범주형 요인이 있는 경우 대신 OML 디자인을 사용해 보세요:
@김라스2
제 생각에는 타구치는 DoE의 덜 현대적인 형태인데, 표준화된 DoE 설계에 대한 비싼 책을 사야 하기 때문입니다.
Re: DOE Club Q3 2024 녹음 - DSD/Taguchi 실험을 사용하여 함정/실수 피하기@maria_astals 업로드해 주시고 댓글도 남겨 주셔서 감사합니다!
내 쪽에서 몇 가지 보완적인 의견과 정보를 말씀드리겠습니다.
질문 2: 함정을 피하는 방법
토론과 논평에서 언급된 훌륭한 요점 외에도 Quality Digest의 " 성공적인 DOE를 위한 8가지 핵심 " 기사는 설계를 구축할 때 고려해야 할 가장 중요한 측면을 정말 잘 요약하고 설명합니다.
- 좋은 목표를 설정하세요
- 응답을 정량적으로 측정합니다
- 제어할 수 없는 변화(노이즈)를 억제하기 위해 복제
- 실행 순서를 무작위로 지정
- 알려진 변화의 근원을 차단합니다.
- 어떤 효과가 별칭으로 지정될지 알아보세요
- 연속적인 일련의 실험을 수행하세요
- 항상 중요한 결과를 확인하세요
질문 3: 확정적 스크리닝 설계(DSD) 사용 시의 실수
DSD를 위한 특정 분석 플랫폼인 The Fit Definitive Screening Platform은 DSD의 특정 폴드오버 구조를 활용하여 분석을 보다 쉽게 만들고 효과 유전의 원리에 따라 2-요인 상호 작용과 2차 효과를 탐지할 수 있도록 개발되었습니다. 이 분석은 DSD뿐만 아니라 폴드오버 구조가 있는 모든 설계에 확장하여 사용할 수 있습니다. Bradley Jones의 기사 참조: A Surprising Use of the Fit Definitive Screening Platform (2022-EU-45MP-1066)
그러나 이 분석 방법이 매우 강력하더라도 고차 효과에 대한 낮은 전력과 가능한 낮은 효과 크기 때문에 활성화되어 있을 수 있는 일부 용어가 감지되지 않을 수 있습니다. 예: 모델 선택을 위한 확정적 적합 스크리닝 대 단계별(최소 AICC)
다른 플랫폼인 Fit Two Level Screening Platform 이나 Generalized Regression Models ( Best Subset, Pruned/2-stage/ Forward selection 등의 다양한 추정 방법 사용)도 도움이 될 수 있습니다. 이러한 플랫폼을 통해 활성 효과를 탐지하고 매개변수를 추정하는 데 다양한 방법을 사용하여 다양한 모델을 구축하는 데 도움이 될 수 있습니다.
" 모든 모델은 틀렸지만 일부는 유용하다"는 속담처럼, 핵심은 시스템을 잘 이해하기 위해 서로 다른 모델을 비교하고 평가하는 것입니다. 모델을 선택하는 다양한 방법은 서로 다른 솔루션을 만들어낼 수 있습니다. 서로 다른 모델을 비교하기 위한 관련 평가 지표를 선택하고(목표에 따라 다름), 서로 다른 모델을 비교하고, 도메인 전문 지식을 바탕으로 서로 다른 모델링 방법을 선택 및/또는 결합하면 무엇이 가장 중요한지에 대한 더 광범위하고 정확한 관점을 얻는 데 도움이 될 수 있습니다. 그런 다음 모델을 개선하기 위한 다음 실험을 계획하고, 모델 성능을 평가하기 위한 검증 지점을 준비할 수 있습니다.
(저는 혼합 수준 스크리닝 설계 와 응답 분석을 위해 언급된 다양한 모델링 플랫폼을 사용하여 JMP Europe Discovery 2025에 대한 초록을 제출했으며, 이 플랫폼과 모델을 비교한 발표를 하도록 선정되기를 바랍니다).
질문 4: DoE에서 Taguchi 실험으로 이동 - 견고한 설계
견고성에 대한 여러 가지 정의와 견고성 DoE를 만드는 다양한 방법이 있을 수 있으며, 실험 공간/최적 지점의 견고성을 테스트하려는 요인에 따라 달라집니다. 외부 노이즈 요인, 프로세스/실험 요인의 변화에 대해 또는 두 요인의 조합에 대해 테스트할 수 있습니다. 다음은 Stat-Ease의 일련의 기사로, 관심 있는 견고성 상황에 따라 설계 유형을 설명합니다.
- 외부 노이즈 요인에 대한 견고성: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-1/
- 프로세스 요인에 대한 설정 포인트 변화에 대한 견고성: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-2/
- 첫 번째 두 유형의 조합: https://statease.com/blog/achieving-robust-processes-via-three-experiment-design-options-part-3/
도움이 될 만한 몇 가지 자료는 다음과 같습니다.
견고한 제품 설계(2020-US-30MP-539)
견고한 생산 공정을 위한 설계 방법 | JMP
이 정보가 JMP 사용자에게 도움이 되기를 바랍니다. 즐거운 실험 되세요!
Re: DOE Club Q3 2024 녹음 - DSD/Taguchi 실험을 사용하여 함정/실수 피하기클럽에 가입한 줄 알았는데 "회의"에 대한 정보를 받지 못했어요?
