841509_fr-FR

liliconcom

Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

J'ai un processus à 6 paramètres, tous sont des facteurs continus. Nous savons comment exécuter un DSD et trouver un réglage optimisé pour ces facteurs. Mais maintenant, la question est la suivante : nous soupçonnons que l'erreur d'usinage du matériel est également importante et nous voulons en évaluer l'impact

Notre idée est donc de préparer 2 équipements matériels, ils doivent être identiques, sauf qu'il y a un certain degré d'erreur d'usinage, et nous exécuterons une conception DSD : X1~X6 + 2 blocs par 14 exécutions (ajoutez l'exécution centrale pour estimer l'effet quadratique). Ainsi, 7 exécutions seront effectuées par le 1er équipement tandis que les 7 autres exécutions seront effectuées par le 2e équipement.

Question comme ci-dessous :

1. Lorsque nous effectuons l'ajustement du modèle, nous choisissons la surface de réponse pour estimer tous les termes du 1er et du 2e ordre pour X1 ~ X6, qu'en est-il du facteur de bloc ? Seul l'effet principal doit être estimé ou les termes quadratiques et interactifs peuvent-ils être estimés ? (Nous ne savons pas s'ils existent ou non à ce stade, mais c'est possible)
2. Notre idée est d'obtenir un nombre à partir du modèle indiquant que : l'erreur d'usinage représente x% du modèle, pouvons-nous obtenir de telles informations à partir du modèle ? (Normalement, nous utilisons la fonction « accéder à l'importance de la variable » pour voir la contribution de chaque facteur, mais cela n'inclut pas le facteur de bloc)
3. L'étape suivante consiste à mesurer toutes les propriétés du matériel et à essayer de déterminer quelle erreur d'usinage est à l'origine de la variation du processus. Un commentaire sur l'ensemble de cette procédure ? Encore une fois, l'objectif est d'évaluer l'impact des erreurs d'usinage sur le processus.

Planification d'expériencesRé: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Salut @BayesRabbit7133 ,

La première chose que vous devez évaluer est le type d’effet de blocage que vous souhaitez prendre en compte : fixe ou aléatoire.

• Les facteurs de blocage fixes sont des facteurs dont vous pensez qu'ils auront une influence sur la réponse moyenne, et dont les niveaux sont définis et « fixes » (seulement 2 équipements dans votre cas). Cela signifie également que vous pouvez avoir des valeurs prédites différentes en fonction de la machine choisie.
• Les facteurs de blocage aléatoires sont des facteurs dont vous pensez qu'ils ont une influence sur la variance de la réponse, et dont les niveaux ne sont qu'un sous-ensemble de tous les niveaux possibles (population). Dans votre cas, vous pourriez être intéressé par le changement de variance en fonction de l'équipement, et ces 2 machines ne sont qu'un sous-ensemble de toutes les machines disponibles.

Concernant vos questions :

• Les facteurs de blocage ne sont pas impliqués dans les interactions ou les effets quadratiques, ils sont censés n'avoir qu'une influence sur l'intercept ou la variance du modèle, vous ne pouvez donc ajouter que l'effet principal pour le facteur de blocage. Voir la réponse plus complète de @Mark_Bailey ici : Résolu : Re : Effets de blocage dans JMP - Communauté d'utilisateurs JMP
• Oui, si votre effet de blocage est considéré comme aléatoire, vous pouvez alors vérifier le pourcentage de variance représenté par votre effet de blocage, vous aurez cette information lors de l'ajustement d'un modèle mixte, sous le panneau « Composantes de variance REML » (voir Pourcentage du total) :
  

• Une option pourrait être de prendre en compte tous les paramètres de processus de votre machine (cartographier/décrire complètement votre équipement en tant que système avec toutes les entrées/sorties), et d'utiliser l'analyse des données sur les données historiques (approche d'exploration de données) et/ou de créer un DoE pour mieux évaluer la contribution de chaque facteur de la machine à la variance et au résultat moyen (il peut également être utile de valider les résultats de l'exploration de données). Vous devrez peut-être répéter les mesures pour chaque condition afin de modéliser/analyser la réponse moyenne et la réponse de variance.

  
  
  

J'espère que cette réponse vous aidera,

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

J'ai quelques questions, commentaires et précisions.

« Nous savons comment exécuter un DSD et trouver un réglage optimisé pour ces facteurs »

Le DSD est une conception de dépistage qui n'est pas destinée à déterminer les « paramètres optimaux ».

"nous soupçonnons que l'erreur d'usinage du matériel est également importante". Je suis confus par cette phrase. Qu'entendez-vous par erreur d'usinage du matériel ? Si vous savez qu'il s'agit d'une erreur, pourquoi ne pas procéder à sa compréhension et peut-être la "réparer" ? S'agit-il d'une opération d'usinage mécanique ? Appelez-vous la variation de cette opération erreur ? Comment la définissez-vous à différents niveaux ? Pourquoi ne pas découvrir quels facteurs affectent cette variation ? Pour ce faire, vous devrez modéliser la variation, pas la moyenne.

Il peut y avoir une certaine confusion quant à l’utilisation du terme bloc. Comme le souligne Victor, le bloc peut être traité comme un effet fixe ou aléatoire. Ce qui différencie ces désignations est le degré auquel vous comprenez ce qui est confondu avec le bloc. Si vous avez identifié tous les facteurs confondus avec le bloc, il serait alors raisonnable de traiter le bloc comme un effet fixe. Ce qui est essentiel, c’est que les facteurs confondus avec le bloc sont considérés comme du bruit par l’enquêteur. C’est-à-dire des facteurs que l’on n’est PAS prêt à gérer (pour des raisons technologiques, économiques ou de commodité). Si vous n’avez pas attribué les facteurs au bloc, le bloc est généralement considéré comme un effet aléatoire. Je pense que vous pouvez être plus efficace et efficient dans la compréhension de votre processus et de sa robustesse (l’absence de bruit par interactions entre facteurs) si vous faites preuve de diligence raisonnable en attribuant et en confondant le bruit dans les blocs.

« Bloquez ce que vous pouvez, randomisez ce que vous ne pouvez pas » GEP Box

« Seul l'effet principal doit être estimé ou les termes quadratiques et interactifs peuvent-ils être estimés ? »

Il est absurde d'estimer un terme non linéaire associé au bloc. Il est similaire à un facteur catégorique et comme il n'est pas continu, un terme quadratique n'a aucun sens (il n'y a pas de point central). Cependant, une interaction bloc par facteur est bel et bien possible. Il s'agit en fait d'un élément de connaissance très important. Il répond à la question : les effets des facteurs de conception sont-ils cohérents avec le bruit changeant (représenté par le bloc) ? Il s'agit d'un moyen très efficace d'étudier la robustesse de la conception du produit ou du processus.

« Notre idée est d'obtenir un nombre à partir du modèle indiquant que : l'erreur d'usinage représente x% du modèle, pouvons-nous obtenir une telle information à partir du modèle ? »

Je ne suis pas sûr qu'il existe un calcul direct pour déterminer le % auquel l'erreur d'usinage contribue, mais vous pouvez calculer et comparer R-carré Adj avec les interactions bloc et bloc par facteur dans le modèle et lorsqu'elles ne sont pas dans le modèle. Mais pourquoi feriez-vous cela ? Si le bloc est significatif, que ferez-vous ? Étudiez l'erreur d'usinage plus en profondeur... S'il y a des interactions bloc par facteur, que ferez-vous ? Cela indique que les effets des facteurs dépendent de l'erreur d'usinage, ceux-ci devront être étudiés plus en détail.

Si les interactions bloc ou bloc par facteur ne sont pas significatives, allez-vous quand même enquêter sur l'erreur d'usinage ?

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Supposons que je réalise une réaction chimique dans un très petit réacteur. Les paramètres du processus incluent le poids des réactifs A, B, C, la température, le temps de réaction, l'intensité de la lumière UV, il y a donc 6 facteurs au total.

Le réacteur est conçu pour avoir une taille de 1 ml, mais le réacteur que j'ai réellement obtenu peut avoir une taille de 0,9 ml, ou de 1,1 ml, ou n'importe quel nombre possible autour de 1 ml. Donc, en théorie, la taille du réacteur est un nombre continu, mais c'est cher et nous n'avons que 2 ou 3 réacteurs sous la main pour l'instant, donc je vais le mettre comme facteur de bloc.

Tout au long du processus complexe de réaction chimique, une réaction en phase gazeuse intervient au milieu, la taille du réacteur devrait donc avoir une influence sur la concentration en gaz et peut éventuellement avoir un impact sur le rendement final. C'est pourquoi nous soupçonnons qu'il pourrait y avoir une interaction entre le bloc et les paramètres du processus.

Si la petite différence de taille est importante, nous voudrons contrôler la taille plus précisément, par exemple, +/- 0,01 ml plutôt que +/- 0,1 ml. Cela ne sera pas facile à réaliser, nous devons donc nous assurer que c'est important avant de continuer.

En fonction de l'application, nous utiliserons différentes tailles de réacteur et la fenêtre de processus requise n'est pas la même, donc la sensibilité de la taille du réacteur peut être différente dans chaque cas, par exemple s'il s'agit d'un réacteur de 10 ml, +/- 0,1 ml ne devrait pas être important. Mais qu'en est-il d'un réacteur de 2 ml ? Quand deviendra-t-il suffisamment important pour que nous commencions à mieux le contrôler ?

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Comme vous le décrivez, le volume du réacteur semble être un facteur contrôlable (même s'il peut être coûteux). Je ne sais même pas pourquoi vous appelez cela une erreur ?

Les blocs sont destinés aux facteurs de bruit (facteurs que vous n'êtes PAS prêt à gérer à long terme et dans le futur). Le but du blocage est d'augmenter simultanément l'espace d'inférence (en faisant varier le bruit pour le rendre plus représentatif des conditions futures) tout en améliorant la précision de la conception (en partitionnant et en attribuant le bruit, réduisant ainsi le MSE). Si vous exécutez un RCBD, la confusion du volume avec le bloc augmente la résolution des effets de bloc et confond le volume avec d'autres bruits (réacteur à réacteur, configuration, lot à lot de matières premières, etc.) Pourquoi ne pas simplement inclure le volume comme facteur de conception ?

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

La taille du réacteur n'est pas un facteur contrôlable, elle est conçue pour être de 1 ml pour certaines raisons (non liées au processus), nous ne pouvons pas la modifier.

J'ai mentionné précédemment qu'il existe des réacteurs de différentes tailles, ceux-ci sont destinés à différentes applications/produits, et comme le réacteur de 1 ml, ils ne peuvent pas non plus être traités comme un facteur de processus, dans chaque cas, la taille est toujours fixe.

Revenons au cas de la taille de 1 ml. Il est conçu pour être de 1 ml, mais la variation de fabrication de ce réacteur est actuellement de +/- 0,1 ml, nous l'appelons donc erreur. Nous voulons évaluer l'impact de cette variation matérielle. Si elle est importante, nous devrons peut-être dépenser des ressources pour essayer d'améliorer la variation de fabrication à, par exemple, +/- 0,01 ml.

Et une chose de plus, le réacteur est super cher, chaque réacteur peut coûter notre budget annuel entier, donc il est impossible d'obtenir beaucoup de réacteurs et de former une fenêtre de processus pour sa taille.

En ce qui concerne les facteurs de confusion que vous avez mentionnés, oui, il y aura d'autres facteurs de confusion liés au bruit du réacteur en fonction de la taille du réacteur ( de réacteur à réacteur, de configuration, etc.). Beaucoup d'entre eux ne sont pas mesurables, mais la taille est mesurable et devrait être la plus importante d'après nos connaissances. Donc, actuellement, nous ignorons simplement les facteurs de confusion.

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Je suis désolé pour la multitude de questions. Il est extrêmement difficile de fournir des conseils spécifiques lorsque l'ingénierie ou la science n'est pas décrite de manière adéquate, ce qui, je le comprends parfaitement, dépasse le cadre de ce forum. La plupart des équations que je demande n'ont pas besoin d'être répondues ici, mais sont destinées à vos propres processus de réflexion. D'une part, vous exécutez un DSD qui, par définition, est une conception de criblage destinée à identifier les facteurs/interactions actifs pour une étude plus approfondie. Ceux-ci utilisent généralement des paramètres de niveau en gras pour exagérer les effets des facteurs. Votre problème de réacteur semble difficile car vous ne pouvez pas exagérer l'effet de volume (ou le pouvez-vous ?). Étant donné que l'expérience DSD examine l'effet relatif des facteurs de conception et que leurs niveaux sont exagérés, il peut être difficile de comparer l'effet relatif d'un facteur avec un paramètre de niveau beaucoup plus étroit. Dans ce contexte, la comparaison peut être biaisée.

Je continuerai les coups jusqu'à ce que le moral s'améliore...

Ces réacteurs ressemblent à des micro-réacteurs. Sont-ils destinés à la production ou au développement ? La réaction est-elle égoïste ou thermique finale ? Comment la température est-elle gérée ? Comment le volume du réacteur affecte-t-il les mesures de performance du matériau fabriqué dans le réacteur ? De combien d'espace a besoin la réaction ? La réaction se produit-elle simultanément à tous les endroits du réacteur ? Avez-vous évalué/mesuré les variations au sein du réacteur ? Pourquoi devriez-vous dépenser de l'argent pour résoudre le problème de variation du réacteur du fournisseur ? Est-il possible d'avoir des facteurs et des niveaux de traitement différents pour chaque réacteur ?

" La variation de fabrication de ce réacteur est de +/- 0,1 ml". Qu'est-ce que +/-, est-ce la distribution totale ou 1 écart type ? Ce que je ne comprends pas, c'est que pour chaque réacteur, le "volume" ne change pas, n'est-ce pas ? C'est seulement parce que vous avez des réacteurs supplémentaires qu'il y a un effet potentiel du volume, n'est-ce pas ? Donc dans votre première expérience (le DSD), vous avez effectué ces traitements dans un seul réacteur, n'est-ce pas ?

Êtes-vous préoccupé par le fait que les effets des facteurs de votre expérience DSD initiale changeront si le volume du réacteur change ? (il s'agit d'ailleurs d'une interaction entre les facteurs du réacteur et ceux de la conception)

Selon moi, voici quelques options qui s'offrent à vous :

1. Exécutez la deuxième réplique du premier DSD avec le deuxième réacteur (assurez-vous que tous les niveaux définis dans la première réplique sont « identiques ». Il n'est pas nécessaire d'avoir des points centraux car le réacteur n'est pas une variable continue. Modélisez les effets du facteur de conception, le réacteur et le facteur de conception de 2e ordre par les effets du réacteur.

2. Enregistrez une mesure du volume réel du réacteur pour chaque traitement du premier DSD, exécutez une réplique du DSD avec le deuxième réacteur et enregistrez la valeur réelle du volume. Traitez le volume comme une covariable dans votre analyse.

3. Considérez le réacteur comme un facteur de tracé global et le DSD comme un sous-tracé d'une conception à tracé divisé.

4. Prenez les résultats de votre premier DSD et échantillonnez ces « paramètres préférés » sur plusieurs réacteurs où à l'intérieur du réacteur se trouve à l'intérieur du sous-groupe et entre les réacteurs se trouve entre les sous-groupes.

"« Donc, actuellement, nous ignorons tout simplement les facteurs de confusion. »

Mon conseil est de ne jamais ignorer les facteurs de confusion, mais de les identifier. Si ces facteurs sont spécifiquement identifiés, il est plus facile de trouver des stratégies pour les éliminer.

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Je comprends parfaitement que poser ces questions est simplement pour essayer d'aider, et j'apprécie toujours l'aide. Nous allons définir des facteurs continus à une plage plus petite pour cette expérience, nous devrions donc pouvoir observer l'influence du facteur réacteur.

"La variation de fabrication de ce réacteur est de +/- 0,1 ml". Qu'est-ce que +/-, est-ce la distribution totale ou 1 écart type ? Ce que je ne comprends pas, c'est que pour chaque réacteur, le "volume" ne change pas, n'est-ce pas ? C'est seulement parce que vous avez des réacteurs supplémentaires qu'il y a un effet potentiel du volume, n'est-ce pas ? Donc dans votre première expérience (le DSD), vous avez effectué ces traitements dans un seul réacteur, n'est-ce pas ?

+/- 0,1 ml est la variation totale. Et la réponse est oui pour toutes les questions suivantes dans la partie

Nous avons utilisé de nombreux DSD dans le passé, et c'est la seule méthode DOE que nous avons apprise, donc les questions suivantes peuvent être assez brutes. De plus, l'ordinateur de notre entreprise ne peut télécharger aucun fichier sur le forum, alors désolé pour cela.

Exécutez la deuxième réplique du premier DSD avec le deuxième réacteur (assurez-vous que tous les niveaux définis dans la première réplique sont « identiques »

Je ne comprends pas très bien l'expérience que vous avez suggérée ici. Mon plan initial consistait à créer une table DSD de 13+1 exécutions, dont 7 par le 1er réacteur et les 7 autres par le 2e réacteur. Il semble que votre suggestion consiste à exécuter les 13 exécutions DSD dans le 1er réacteur et les 13 exécutions à nouveau dans le 2e réacteur ? Et tous les niveaux définis sont des moyennes identiques, par exemple, les 6 facteurs continus sont de +/-10 % ? (Nous définissons généralement des plages différentes pour chaque facteur dans nos DSD précédents, par exemple, le facteur A +/-10 %, le facteur B +/-20 %, etc.)

2. Enregistrez une mesure du volume réel du réacteur pour chaque traitement du premier DSD, exécutez une réplique du DSD avec le deuxième réacteur et enregistrez la valeur réelle du volume. Traitez le volume comme une covariable dans votre analyse.

Traiter le volume comme covariable, alors que dois-je faire dans JMP ?

3. Considérez le réacteur comme un facteur de tracé global et le DSD comme un sous-tracé d'une conception à tracé divisé.

Je regarde la conception de parcelles divisées de l'aide JMP, il semble que cela soit créé à partir d'une conception personnalisée avec un facteur très difficile à modifier, comment pouvons-nous inclure un DSD dans une conception personnalisée ?

4. Prenez les résultats de votre premier DSD et échantillonnez ces « paramètres préférés » sur plusieurs réacteurs où à l'intérieur du réacteur se trouve à l'intérieur du sous-groupe et entre les réacteurs se trouve entre les sous-groupes.

Je ne suis pas sûr du fonctionnement réel dans JMP pour ce commentaire

Ré: Comment se concentrer sur le facteur de blocage dans un DSD s'il s'agit de mon élément d'intérêt principal

Mon plan initial consistait à créer une table DSD de 13+1 exécutions, dont 7 par 1er réacteur tandis que les 7 autres par 2ème réacteur.

OK, désolé pour ma première suggestion, je n'avais pas réalisé que vous aviez des résultats sur les deux réacteurs. Je ne suis pas sûr que vous ayez suffisamment de DF pour ajouter le réacteur au modèle. Sans le tableau de données, je ne peux que deviner... Assurez-vous d'avoir une colonne appelée réacteur et mettez un 1 pour un réacteur et un 2 pour l'autre. Vous pouvez essayer d'analyser les facteurs de conception du DSD, en supprimant les termes insignifiants, en réexécutant le modèle en ajoutant le réacteur au modèle.

Traiter le volume comme covariable, alors que dois-je faire dans JMP ?

Si vous aviez effectué l'expérience sur plusieurs volumes de réacteur différents, vous pourriez analyser le volume dans le cadre d'un modèle mixte. Les facteurs DSD sont considérés comme des effets fixes et le volume du réacteur serait l'effet aléatoire. Procédez à une analyse de covariable classique.

Je regarde la conception de parcelles divisées de l'aide JMP, il semble que cela soit créé à partir d'une conception personnalisée avec un facteur très difficile à modifier, comment pouvons-nous inclure un DSD dans une conception personnalisée ?

En fait, il existe plusieurs raisons pour lesquelles il faut exécuter des plans en parcelles divisées, dont une seule est la difficulté de modifier les niveaux de facteurs. Mais quoi qu'il en soit, vous devez attribuer le réacteur comme facteur difficile à modifier, ce qui le place dans l'ensemble de la parcelle. Les facteurs de conception se trouveraient dans la sous-parcelle. Pour être honnête, je ne suis pas sûr que JMP gère cela correctement. Je pense que vous pourriez vous en sortir en ajoutant le réacteur comme facteur catégorique, en créant un tableau et en triant par facteur catégorique. L'analyse nécessitera un peu d'aide.

Je ne suis pas sûr du fonctionnement réel dans JMP pour ce commentaire

Il ne s’agit pas d’une opération dans JMP, mais d’un plan itératif pour étudier le processus.