DSD에서 블록 팩터가 내 주요 관심 항목인 경우 블록 팩터에 집중하는 방법저는 6개의 매개변수 프로세스를 가지고 있는데, 모두 연속적인 요인입니다. 우리는 DSD를 실행하고 이러한 요인에 대한 최적화된 설정을 찾는 방법을 알고 있습니다. 하지만 이제 질문은 하드웨어 가공 오류도 중요하다고 의심하고, 그로 인한 영향을 평가하고 싶다는 것입니다.
그래서 우리의 아이디어는 2개의 하드웨어 장비를 준비하는 것입니다. 둘 다 동일해야 하지만 어느 정도 가공 오류가 있어야 하며, DSD 디자인을 실행할 것입니다: X1~X6 + 2 블록 x 14 실행(2차 효과를 추정하기 위해 중앙 실행 추가). 따라서 7개 실행은 1차 장비로, 나머지 7개 실행은 2차 장비로 진행합니다.
질문은 아래와 같습니다.
- 모델 피팅을 할 때, X1 ~ X6에 대한 모든 1차 및 2차 항을 추정하기 위해 반응 표면을 선택합니다. 블록 인자는 어떨까요? 주 효과만 추정해야 하거나 2차 및 상호 작용 항을 추정할 수 있습니까? (현재로서는 존재하는지 여부를 알 수 없지만 가능합니다)
- 우리의 아이디어는 모델에서 숫자를 얻는 것입니다. 가공 오류가 모델의 x%를 차지한다고 말합니다. 모델에서 그런 정보를 얻을 수 있습니까? (일반적으로 우리는 "접근 변수 중요도" 함수를 사용하여 각 요인의 기여도를 확인하지만, 여기에는 블록 요인이 포함되지 않습니다.)
- 다음 단계는 하드웨어의 모든 속성을 측정하고 어떤 가공 오류가 공정 변화에 중요한지 알아내는 것입니다. 이 전체 절차에 대한 의견이 있습니까? 다시 말하지만, 목표는 가공 오류가 공정에 미치는 영향을 평가하는 것입니다.
실험 설계Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우안녕하세요 @베이즈래빗7133 ,
가장 먼저 평가해야 할 것은 고려하려는 차단 효과의 유형입니다. 고정형인지 무작위형인지 말입니다.
- 고정 차단 계수는 평균 반응에 영향을 미칠 것으로 예상하는 계수이며, 그 수준이 정의되고 "고정"(귀하의 경우 장비 2개만)됩니다. 또한 선택한 기계에 따라 다른 예측 값을 가질 수 있음을 의미합니다.
- 무작위 차단 요인은 반응의 분산에 영향을 미칠 것으로 예상하는 요인이며, 그 수준은 모든 가능한 수준(모집단)의 하위 집합에 불과합니다. 귀하의 경우 장비에 따른 분산의 변화에 관심이 있을 수 있으며, 이 2대의 기계는 사용 가능한 모든 기계의 하위 집합에 불과합니다.
귀하의 질문에 대하여 :
이 답변이 도움이 되길 바랍니다.
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우몇 가지 질문, 의견, 설명이 있습니다.
"우리는 DSD를 실행하고 이러한 요소에 대한 최적화된 설정을 찾는 방법을 알고 있습니다."
DSD는 "최적의 설정"을 결정하기 위한 스크리닝 설계가 아닙니다.
"하드웨어 가공 오류도 중요하다고 생각합니다." 이 문구가 헷갈립니다. 하드웨어 가공 오류란 무슨 뜻인가요? 오류라는 걸 알고 있다면, 왜 그것을 이해하고 아마도 "수정"하지 않으세요? 이것이 기계적 가공 작업인가요? 이 작업의 변동을 오류라고 부르고 있나요? 어떻게 다른 수준으로 설정하나요? 이 변동에 영향을 미치는 요인이 무엇인지 알아내지 않으세요? 이렇게 하려면 평균이 아닌 변동을 모델링해야 합니다.
블록이라는 용어의 사용에 대한 혼란이 있을 수 있습니다. Victor가 지적했듯이 블록은 고정 또는 임의 효과로 취급할 수 있습니다. 이러한 명칭을 차별화하는 것은 블록과 혼동되는 것을 이해하는 정도입니다 . 블록과 혼동되는 모든 요소를 식별했다면 블록을 고정 효과로 취급하는 것이 합리적일 것입니다. 중요한 것은 블록과 혼동되는 요소가 조사자에게 노이즈로 간주된다는 것입니다. 즉, 기술적, 경제적 또는 편의적 이유로 관리할 의향이 없는 요소입니다. 요소를 블록에 할당하지 않은 경우 블록은 일반적으로 임의 효과로 간주됩니다. 블록에서 노이즈를 할당하고 혼동하는 데 상당한 노력을 기울이면 프로세스와 견고성(노이즈에 의한 요소 상호 작용의 부재)을 이해하는 데 더 효과적이고 효율적일 수 있다고 생각합니다.
"차단할 수 있는 것은 차단하고, 차단할 수 없는 것은 무작위로 지정" GEP 상자
"주효과만 추정해야 하나요 아니면 2차 및 상호 작용 항도 추정할 수 있나요?"
블록과 관련된 비선형 항을 추정하는 것은 말이 안 됩니다. 범주형 요인과 유사하며 연속적이지 않기 때문에 2차 항은 의미가 없습니다(중심점이 없음). 그러나 블록별 요인 상호 작용은 실제로 가능합니다. 이는 실제로 매우 중요한 지식입니다. 이는 다음 질문에 대한 답을 제공합니다. 설계 요인 효과가 변화하는 노이즈(블록으로 표현됨)에 대해 일관적입니까? 이는 제품 또는 프로세스 설계의 견고성을 조사하는 매우 효과적인 방법입니다.
"저희의 아이디어는 모델에서 숫자를 얻어서 기계 가공 오류가 모델의 x%를 차지한다는 것을 나타내는 것입니다. 모델에서 그런 정보를 얻을 수 있을까요?"
가공 오류가 기여하는 %를 결정하기 위한 직접적인 계산에 대해서는 잘 모르겠지만 , 모델에서 블록 및 블록별 요인 상호 작용과 함께 R-제곱 조정을 계산하여 비교할 수 있으며, 모델에 없는 경우도 있습니다. 하지만 왜 이렇게 할까요? 블록이 유의미하다면 어떻게 할까요? 가공 오류를 더 철저히 조사합니다... 블록별 요인 상호 작용이 있다면 어떻게 할까요? 이는 요인 효과가 가공 오류에 따라 달라지는 것을 나타내며, 이에 대한 추가 연구가 필요합니다.
블록 또는 블록별 요인 상호 작용이 크지 않은 경우에도 가공 오류를 조사할 것인가요?
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우제가 매우 작은 반응기에서 화학 반응을 한다고 가정해 봅시다. 공정 매개변수에는 반응물 A, B, C의 무게, 온도, 반응 시간, 자외선 강도가 포함되므로 총 6가지 요소가 있습니다.
이제 반응기는 1mL 크기로 설계되었지만, 제가 얻은 실제 반응기는 0.9ml, 1.1ml 또는 1mL 주변의 가능한 숫자일 수 있습니다. 따라서 이론적으로 반응기 크기는 연속적인 숫자이지만 비용이 많이 들고 지금은 2, 3개의 반응기만 있으므로 블록 계수로 지정하겠습니다.
복잡한 화학 반응 과정 전체에서 중간에 기체 반응이 있으므로 반응기의 크기는 기체 농도에 영향을 미쳐 결국 최종 수율에 영향을 미칠 수 있습니다. 그래서 블록과 공정 매개변수 사이에 상호 작용이 있을 것으로 의심합니다.
크기의 작은 차이가 중요하다면, 우리는 크기를 더 정밀하게 제어하고 싶을 것입니다. 예를 들어, +/- 0.1mL가 아닌 +/- 0.01mL입니다. 이는 달성하기 쉽지 않으므로 진행하기 전에 이것이 중요한지 확인해야 합니다.
응용 프로그램에 따라 다양한 반응기 크기를 사용하게 되고, 필요한 공정 윈도우가 동일하지 않으므로 반응기 크기의 민감도는 각 경우마다 다를 수 있습니다. 예를 들어, 10mL 크기의 반응기라면 +/- 0.1mL은 중요하지 않아야 합니다. 하지만 2mL 크기의 반응기는 어떨까요? 언제쯤 더 잘 제어하기 시작할 만큼 중요해질까요?
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우반응기의 부피를 설명할 때, 그것은 제어 가능한 요소인 듯합니다(비용이 많이 들 수 있지만). 왜 그것을 오류라고 부르는지조차 잘 모르겠어요?
블록은 노이즈 요인(장기적으로나 미래에 관리하고 싶지 않은 요인)을 위한 것입니다. 블록의 목적은 추론 공간을 동시에 늘리는 것입니다(미래 조건을 더 잘 나타내도록 노이즈를 변화시킴으로써) 동시에 설계의 정밀도를 개선하는 것입니다(노이즈를 분할하고 할당함으로써 MSE를 낮춤으로써). RCBD를 실행하는 경우 볼륨을 블록과 혼동하면 블록 효과의 해상도가 높아지고 볼륨이 다른 노이즈(반응기 간, 설정, 원료 배치 간 등)와 혼동됩니다. 볼륨을 설계 요인으로 포함하지 않는 이유는 무엇일까요?
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우반응기의 크기는 제어할 수 있는 요소가 아닙니다. 몇 가지 이유(공정과는 관련 없음)로 1mL로 설계되었으며, 이를 변경할 수 없습니다.
이전에 여러 크기의 반응기가 있다고 말씀드렸는데, 각각 다른 용도/제품을 위한 것이고 1mL 반응기와 마찬가지로 이것 역시 공정 요인으로 처리할 수 없으며, 각 경우 크기가 항상 고정되어 있습니다.
1mL 크기 케이스로 돌아가서, 1mL로 설계되었지만, 이 반응기의 제조 편차는 현재 +/- 0.1mL이므로 오류라고 부릅니다. 이 하드웨어 편차의 영향을 평가하고 싶습니다. 중요하다면 제조 편차를 +/- 0.01mL로 개선하기 위해 리소스를 사용해야 할 수도 있습니다.
그리고 하나 더, 반응기가 엄청나게 비싸요. 반응기 하나 만드는 데 1년 예산이 다 들어가기 때문에 많은 반응기를 구입해 크기에 맞는 공정 창을 형성하는 건 불가능해요.
당신이 언급한 혼란에 대해 말하자면, 네, 원자로 크기( 원자로 간, 설정 등)와 관련된 다른 원자로 소음 혼란이 있을 것입니다. 그 중 많은 것은 측정할 수 없지만 크기는 측정할 수 있으며 우리의 지식에 따르면 가장 중요한 것이어야 합니다. 그래서 현재 우리는 혼란을 무시합니다.
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우질문이 너무 많아서 죄송합니다. 엔지니어링이나 과학이 적절하게 설명되지 않은 경우 구체적인 조언을 제공하기가 매우 어렵습니다. 이는 이 포럼의 범위를 벗어난다는 것을 완전히 이해합니다. 제가 묻는 대부분의 방정식은 여기서 답할 필요가 없지만, 여러분의 사고 과정을 위한 것입니다. 한편으로는 DSD를 실행하고 있는데, 이는 정의상 추가 조사를 위해 활성 요인/상호 작용을 식별하기 위한 스크리닝 설계입니다. 이는 일반적으로 굵은 수준 설정을 사용하여 요인 효과를 과장합니다. 귀하의 반응기 문제는 볼륨 효과를 과장할 수 없기 때문에 어려울 것 같습니다(아니면 과장할 수 있을까요?). DSD 실험은 설계 요인의 상대적 효과를 살펴보고 수준이 과장되어 있기 때문에 훨씬 더 좁은 수준 설정으로 요인의 상대적 효과를 비교하는 것이 어려울 수 있습니다. 이 맥락에서 비교가 편향될 수 있습니다.
사기가 좋아질 때까지 계속 구타할 것입니다...
이 반응기는 마이크로 반응기처럼 보입니다. 생산용인가요, 개발용인가요? 반응은 에고인가요, 엔드 열인가요? 온도는 어떻게 관리되나요? 반응기의 부피가 반응기에서 만들어지는 재료의 성능 측정에 어떤 영향을 미치나요? 반응에 필요한 공간은 얼마인가요? 반응은 반응기 내 모든 곳에서 동시에 일어나나요? 반응기 내 변동을 평가/측정해 보셨나요? 공급업체의 반응기 변동 문제를 해결하는 데 왜 돈을 써야 하나요? 각 반응기에 대해 다른 처리 요소와 수준을 적용하는 것이 가능할까요?
" 이 반응기의 제조 편차는 +/- 0.1mL입니다." +/-는 무엇입니까? 전체 분포입니까 아니면 1표준편차입니까? 제가 이해하지 못하는 것은 각 반응기의 "부피"가 변하지 않는다는 것입니다. 맞습니까? 부피의 잠재적인 영향이 있는 것은 추가 반응기가 있기 때문입니다. 맞습니까? 그래서 첫 번째 실험(DSD)에서 한 반응기에서 이러한 처리를 수행했습니까 ? 맞습니까?
초기 DSD 실험에서 반응기 용량이 변경되면 요인의 효과가 변경될까봐 걱정되시나요? (BTW, 이는 반응기와 설계 요인의 상호 작용입니다)
제가 보기에, 여러분에게 몇 가지 선택권이 있습니다.
1. 두 번째 반응기로 첫 번째 DSD의 두 번째 복제를 실행합니다(첫 번째 복제에서 설정된 모든 수준이 "동일"해야 함). 반응기가 연속 변수가 아니므로 중심점이 필요하지 않습니다. 반응기 효과에 따른 설계 요인 효과, 반응기 및 2차 설계 요인을 모델링합니다.
2. 첫 번째 DSD의 각 처리에 대한 실제 반응기 부피의 측정값을 기록하고 두 번째 반응기로 DSD를 복제하여 부피의 실제 값을 기록합니다. 부피를 분석에서 공변량으로 취급합니다.
3. 반응기를 전체 플롯 요소로 취급 하고 DSD를 분할 플롯 설계의 하위 플롯으로 취급합니다.
4. 첫 번째 DSD의 결과를 가져와 여러 반응기에서 "선호 설정"을 샘플링합니다. 여기서 반응기 내부는 하위 그룹 내부이고 반응기 간은 하위 그룹 간입니다.
"그래서 현재 우리는 혼란스러운 상황을 무시하고 있습니다."
제 조언은 교란 요인을 무시하지 말고, 식별하라는 것입니다. 교란 요인이 구체적으로 식별되면 교란 요인을 해소하는 전략을 더 쉽게 찾을 수 있습니다.
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우저는 이런 질문을 하는 것이 그저 도움을 주려는 것이라는 것을 완전히 이해하며, 항상 도움에 감사드립니다. 이 실험에서는 연속 인자를 더 작은 범위로 설정하므로 반응기 인자의 영향을 관찰할 수 있을 것입니다.
"이 반응기의 제조 편차는 +/- 0.1mL입니다." +/-는 무엇인가요? 전체 분포인가요 아니면 1표준편차인가요? 제가 이해하지 못하는 건, 각 반응기에서 "부피"가 변하지 않는다는 거죠, 맞죠? 부피의 잠재적인 영향이 있는 건 반응기가 더 많을 때뿐이죠, 맞죠? 그러니까 첫 번째 실험(DSD)에서 한 반응기에서 이런 처리를 했다는 거 맞죠?
+/- 0.1mL은 총 변동입니다. 그리고 이 부분의 모든 질문에 대한 답은 '예'입니다.
우리는 과거에 많은 DSD를 운영했고, 이것이 우리가 배운 유일한 DOE 방법이므로 다음 질문은 매우 생소할 수 있습니다. 게다가, 우리 회사 컴퓨터는 포럼에 파일을 업로드할 수 없습니다. 죄송합니다.
두 번째 반응기를 사용하여 첫 번째 DSD의 두 번째 복제를 실행합니다 (첫 번째 복제에서 설정된 모든 수준이 "동일"한지 확인합니다).
여기서 제안하신 실험을 잘 이해하지 못하겠네요. 원래 계획은 13+1 실행 DSD 테이블을 만들고, 그중 7개는 1차 반응기로, 나머지 7개는 2차 반응기로 만들었습니다. 제안하신 내용은 1차 반응기에서 13개 DSD 실행을 모두 실행하고, 2차 반응기에서 다시 13개 실행을 모두 실행하는 것 같은데요? 그리고 설정된 모든 수준은 동일한 평균인가요? 예를 들어, 모든 6개의 연속 요인은 +/-10%인가요? (저희는 보통 이전 DSD에서 각 요인에 대해 다른 범위를 설정합니다. 예를 들어, 요인 A +/-10%, 요인 B +/-20% 등)
2. 첫 번째 DSD의 각 처리에 대한 실제 반응기 부피의 측정값을 기록하고 두 번째 반응기로 DSD를 복제하여 부피의 실제 값을 기록합니다. 부피를 분석에서 공변량으로 취급합니다.
볼륨을 공변량으로 취급하려면 JMP에서 무엇을 해야 합니까?
3. 반응기를 전체 플롯 요소로 취급하고 DSD를 분할 플롯 설계의 하위 플롯으로 취급합니다.
JMP 도움말에서 분할 플롯 디자인을 살펴봤는데, 이건 변경하기 매우 어려운 요인을 가진 사용자 정의 디자인에서 생성된 것 같습니다. 사용자 정의 디자인에 DSD를 어떻게 포함할 수 있을까요?
4. 첫 번째 DSD의 결과를 가져와 여러 반응기에서 "선호 설정"을 샘플링합니다. 여기서 반응기 내부는 하위 그룹 내부이고 반응기 간은 하위 그룹 간입니다.
이 주석에 대한 JMP의 실제 작업이 확실하지 않습니다.
Re: DSD에서 블록 팩터에 집중하는 방법이 내 주요 관심사인 경우원래 제가 세웠던 계획은 13+1개의 DSD 테이블을 만드는 것이었고, 그 중 7개는 1번 반응기에 의해, 나머지 7개는 2번 반응기에 의해 만들어졌습니다.
알겠습니다. 첫 번째 제안에 대해 죄송합니다. 두 반응기에 대한 결과가 있다는 것을 몰랐습니다. 반응기를 모델에 추가할 만큼 충분한 DF가 있는지 잘 모르겠습니다. 데이터 테이블이 없다면 추측할 수밖에 없습니다... 반응기라는 열이 있는지 확인하고 한 반응기에 1을, 다른 반응기에 2를 입력하세요. DSD의 설계 요인을 분석하고 중요하지 않은 항목을 제거한 다음 모델을 다시 실행하여 모델에 반응기를 추가해 보세요.
볼륨을 공변량으로 취급하려면 JMP에서 무엇을 해야 합니까?
여러 개의 다른 반응기 볼륨에 대해 실험을 실행했다면 볼륨을 혼합 모델의 일부로 분석할 수 있습니다. DSD 요인은 고정 효과로 간주되고 반응기 볼륨은 임의 효과가 됩니다. 일반적인 공변량 분석을 진행합니다.
JMP 도움말에서 분할 플롯 디자인을 살펴봤는데, 이건 변경하기 매우 어려운 요인을 가진 사용자 정의 디자인에서 생성된 것 같습니다. 사용자 정의 디자인에 DSD를 어떻게 포함할 수 있을까요?
실제로 분할 플롯 설계를 실행하는 데는 다른 이유가 있는데, 그 중 하나는 요인 수준을 변경하기 어렵다는 것입니다. 하지만 그럼에도 불구하고, 반응기를 변경하기 어려운 요인으로 지정하여 전체 플롯에 넣습니다. 설계 요인은 하위 플롯에 있습니다. 솔직히 말해서, JMP에서 이를 적절하게 처리하는지 잘 모르겠습니다. 반응기를 범주형 요인으로 추가하고, 테이블을 만들고 범주형 요인으로 정렬하면 될 것 같습니다. 분석에는 약간의 도움이 필요할 것입니다.
이 주석에 대한 JMP의 실제 작업이 확실하지 않습니다.
이는 JMP에서의 작업이 아니라, 프로세스를 연구하기 위한 반복적인 계획입니다.
