제목 : Re : 2 최적화 접근법을 사용하여 최상의 프로세스 운영 조건 찾기위 YouTube 동영상 링크가 손상된 것 같습니다. 올바른 링크는 다음과 같습니다. https://www.youtube.com/watch?v=9KZ7Ns3CQzU
작년 암스테르담에서이 주제에 관한 디스커버리 (Discovery) 연설을 녹음했습니다. 다음은 해당 녹음에 대한 링크입니다.
https://community.jmp.com/t5/Discovery-Summit-Europe-2016/Robust-Optimisation-of-Processes-and-Products-by-Using-Monte/ta-p/23746
제목 : Re : 2 최적화 접근법을 사용하여 최상의 프로세스 운영 조건 찾기Jorge에게 감사드립니다. 동영상이 도움이 되었기 때문에 기쁩니다. 내 '이미지'메뉴는 실제로 추가 기능이 아니며 이미지 나 간단한 설명이 포함 된 저널 링크가있는 사용자 정의 메뉴입니다. 나는 기록 된 JMP 데모에서 사용한 그 메뉴의 유일한 것이 '희망을 극대화해라. 시뮬레이션 실험 '만화. 귀하의 질문에 대한 답변으로 토론 영역에 게시했습니다. 당신이 메뉴에서 본 다른 것이 있다면, 알려주세요.
제목 : Re : 2 최적화 접근법을 사용하여 최상의 프로세스 운영 조건 찾기안녕하세요. 로버트, 최근에 동영상을보고 톤을 배웠습니다. 아이디어를 묘사 할 수있는 유용한 이미지 모음이있는 유용한 "이미지 추가 기능"이 있다는 것을 눈치 채 셨습니다. 이미지 추가 기능을 어디서든 다운로드 할 수 있는지 궁금합니다. 감사.
로버트 앤더슨 (Robert Anderson)은 다음과 같이 적었습니다. 마르첼로 감사합니다. 로버트 앤더슨 쓴 :
Marcello 감사합니다. 흥미 롭군요. 딸에게 그림 그리기를 좋아한다고 말 할게요.
마르첼로 (Marcello)는 다음과 같이 적었습니다.이 게시물은 매우 흥미롭고 명확합니다 ... 마르첼로 쓴 :
이 게시물은 매우 흥미롭고 JMP가 관리 할 수있는 문제와 방법을 명확하게 보여줍니다. 고맙습니다. 그림은 아주 말하고있다!
마르첼로.
로버트 앤더슨 (Robert Anderson)은 다음과 같이 썼습니다. 나는 당신이 좋아 다행이야... 로버트 앤더슨 쓴 :
Christel에게 감사드립니다. 네가 좋아하는 것을 기쁘게 생각한다. 미래의 DoE 's에 행운을 빈다.
Christel Kronig는 다음과 같이 썼습니다 : 매우 유용하고 재미있는 포스트 ... Christel Kronig 쓴 :
매우 유용하고 흥미로운 게시물 감사합니다. 나는 당신의 데이터 테이블을 JMP에서 이것을보기 위해 재창조했다. 이전에 시뮬레이션 부분을 사용하지 않았지만 출력을 성공적으로 다시 만들었습니다. 나는 미래의 DOE들을 위해 이것을 사용할 것이다!
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기자세한 정보에 대해 대단히 감사합니다.
그러나 나는 이상한 상황을 관찰했다. 3 ~ 4 번 시뮬레이션 실험을 수행 할 때 JMP는 결함률이 더 작은 다른 요인 수준을 제안합니다. 시뮬레이션을 더 많이 만들수록 JMP는 더 작은 결함률을 제안합니다.
많이 읽었지만 왜 그런지 이해할 수 없었습니다. 시뮬레이션 실험이 전 세계적으로 최대의 바람직한 요소 수준을 제공한다는 JMP를 어떻게 신뢰할 수 있습니까?
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기Ellla에게 감사합니다. 시뮬레이션 실험을 실행할 때의 기본 설정은 다음과 같습니다. '실험 할 요인 공간의 일부' 이다 0.5 . 이는 시뮬레이션 실험 만 탐색한다는 것을 의미합니다 전체 요인 범위의 절반 현재 프로파일 러 요인 설정 주변. 따라서 이는 시뮬레이션 실험을 처음 실행할 때 가장 낮은 결함 비율을 제공하는 요인 설정에 도달하지 못할 수 있지만 다음에 다시 실행할 경우 가장 낮은 결함 비율을 제공하는 설정에 더 가까이 이동합니다. 에 대한 설정을 변경하면 '실험 할 요인 공간의 일부' 에 1 시뮬레이션 실험은 탐구합니다 전체 요인 범위 시뮬레이션 실험을 처음 실행할 때 가장 낮은 결함률을 제공하는 설정을 찾아야합니다. 그런 다음 해당 요인 설정과 감소 된 값으로 시뮬레이션 실험을 다시 실행할 수 있습니다. '실험 할 요인 공간의 일부' 가장 낮은 결함률을 제공하는 최적의 설정이 무엇인지에 대한보다 정확한 추정치를 얻으려고한다면 그래도 문제가 해결되는지 알려주세요. 로버트
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기빠른 반품과 관심에 감사드립니다.
나는 또한 protion level이이 불안정한 해결책을 야기 할 수 있다고 주장한다.
나는 요인 공간 실험의 일부를 넣어 시뮬레이션을 만들려고했습니다 1 지금과 지금.
그러나 JMP는 부분 수준 = 0.5에 비해 결함률이 높은 나쁜 솔루션을 제공했습니다.
왜 그것이 불안정한 지 이해하지 못합니다. mark robert
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기안녕하세요 엘라, 흥미 롭습니다. 시뮬레이션 실험을 실행중인 모델은 무엇입니까? 2 요인 교호 작용 또는 더 복잡한 것이있는 2 차 다항식 모델입니까? 데이터 테이블과 모델의 익명화 된 버전을 공유 할 수 있습니까? 문제가 무엇인지 알아낼 수있는 데이터와 모델을보아야한다고 생각합니다. 당신은 저에게 이메일을 보낼 수 있습니다 robert.anderson@jmp.com 그것이 더 쉬운 경우, Robert
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기안녕 엘라, 하나 더 질문, 모델의 R- 제곱은 무엇입니까? 로버트
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기4 가지 모델을 최적화하려고합니다.
fgls를 사용한 이후 MATLAB에서 3이 예측됩니다. 그런 다음 JMP에서 이러한 수식을 만듭니다.
네 번째는 신경망입니다.
그래서 내가 3 fgls 모델의 R ^ 2을 모르는 이유입니다. 신경망 모델 R ^ 2는 내가 기억하는 한 약 40 %입니다.
내 모델은 다음과 같습니다 (주요 효과와 상호 작용이 있음).
첫 번째:
(((((((-(1111) + 0.1 * : x1 + 0.23 * : x3 + 745 * : x4))-369 * : x6-0.8 * : x7-4.2 * (
: x1-2521) * (: x4-13)) + 2.3 * (: x1-2521) * (: x5-13.32) + 2 * (: x2-1.36) * (
: x3-60.1))-23.8 * (: x3-60.1) * (: x6-0.82)) + 33535 * (: x4-13) * (: x5-13.32
) + 11650 * (: x4-13) * (: x6-0.82))-6088 * (: x5-13.32) * (: x6-0.82)) + 3.9 *
(: x5-13.32) * (: x7-5.4)
두번째 것:
(((31.4 * : x2-1.4 * : x3-199 * : x4) + 203 * : x5 + 0.3 * : x7 + 2.1 * (: x1-2521) *
(: x4-13) + 760 * (: x2-1.36) * (: x6-0.82) + 11 * (: x3-60) * (: x4-13) + 0.01
* (: x3-60) * (: x7-5.5))-4.1 * (: x4-13) * (: x7-5.5)) + 5015 * (: x5-13.3)
* (: x6-0.8)
세번째 것:
(180-0.04 * : x1-2.3 * : x3) + 138.4 * : x6 + 0.3 * : x7 + 2.2 * (: x1-2522) * (: x4
-13)
마지막 :
-1.78381405723789 * TanH (
0.5 * (673.879493391115 + 0.00156828939441121 * : x1 + 2.15320544406296 * : x2
+0.11296315865742 * : x3 + -73.8380042960357 * : x4 + 22.4620052527818 * : x5 +
-34.1317569124232 * : x6 + 0.00576272662208232 * : x7)
)
랜덤 변수 : X4, x5, x6
나머지는 고정 변수입니다.
나는 이것이 도움이되기를 바랍니다
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기안녕 로버트
이것은 매우 매혹적인 접근법입니다. 공유해 주셔서 감사합니다. 이 접근법을 사용 하여이 프로세스에 대한 최적의 프로세스 창을 결정할 수 있는지 알고 싶습니다. 다시 말해, 반응이 두 규격 한계 사이에있게하면서 가장 큰 직교 (볼륨?)를 초래하는 입력 변수의 범위는 무엇입니까?
"직교"라는 용어를 사용하여 공정 매개 변수가 매개 변수 범위의 표로 나열 될 것이며 공정 매개 변수의 조합으로 인해 사양 한계 내에있는 공정 결과가 생성되어야 함을 의미합니다. 공정 변수의 변동성을 극대화하기 위해 공정 창의 부피를 최대화하고 싶습니다.
문안 인사,
데이비드
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기안녕 데이비드, 나는 당신이 정확하게 말하는 것을 이해하고 있다면 '시뮬레이션 실험'을 '다음 단계'로 이끌 것입니다. 시뮬레이션 실험에서는 각 요인 설정에서 예상되는 변동량을 지정해야합니다. 즉, 각 요인 설정을 얼마나 잘 제어 할 수 있는지 지정해야합니다. 나는 당신이 묻는 것은 '전반적 결함률'에 실질적으로 영향을주기 전에 각 요인 설정이 얼마나 변할 수있는 가라고 생각합니다. 현재 JMP에서 이와 같은 작업을 수행하려면 '전체 결함률'에 어떤 영향을 미치는지 확인하기 위해 각 요인의 차이가 다른 일련의 '시뮬레이션 실험'을 실행해야합니다. 효율적인 방법으로이를 수행하려면 '공간 채우기'DOE를 실행하고 가우스 프로세스를 사용하여 결과를 모델링 할 수 있습니다. 그래서 당신이 효과적으로 말하는 것은 '시뮬레이션 실험'에 대한 '시뮬레이션 실험'일 것이라고 생각합니다. 그런 다음 원래 '시뮬레이션 실험'의 SD (표준 편차) 값을 기반으로 '전체 결함률'에 대한 모델을 작성할 수 있습니다. 그와 같은 것이 스크립팅 될 수는 있지만 불행히도 아마도 내가 쉽게 할 수 있거나 시간을 할애 할 수없는 것입니다. 다른 사람이이 도전을 받아 들일 수 있습니다!
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기답장을 보내 주셔서 감사합니다, Robert. 당신은 내가 잘하고있는 것을 요약하고 생각하고 놀 수있는 흥미로운 것들을 내게주었습니다. 이 주제에 대한 진전을 기꺼이 게시하겠습니다. 그러나 마지막으로 커뮤니티의 누군가가이 주제에 관심을 가지고 있다면 협력을 환영합니다!
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기안녕 데이비드, 나는 당신의 생각을 올바르게 이해해서 기쁘다. 귀하가 제안한 것은 '시뮬레이션 실험'에 유용한 추가 및 확장이 될 것입니다. 커뮤니티의 'JMP Wish List'섹션에 아이디어를 게시 할 수 있습니다. 실제로 몇 년 전에 워크 플로를 단순화하고 시뮬레이션 실험 최적화 프로세스를 '원 클릭'(즉, '바람직 함 최대화')과 비슷한 방식으로 수행 할 수 있다면 더 많은 사람들이 '시뮬레이션 실험'을 사용할 것을 제안했습니다. 불행히도 그런 일은 없었습니다. 당신이 동의한다면, 당신도 그 제안을 할 수 있습니까? 고객이 올 경우 우선 순위가 더 높아질 수 있습니다. 나는 당신이 이것을 어디에서 볼 수 있기를 기대합니다. 도움이 필요하면 알려주십시오. 나는 이것에 더 많은 시간을 보내고 싶지만 불행히도 나는 나의 '일 직업'에 계속 집중해야한다.
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기귀하의 링크에 대해 Robert에게 감사드립니다. 이러한 링크는 항상 제 연구에 도움이됩니다.
예측 프로파일 러를 기반으로 결함 프로파일 러 또는 빨간색 삼각형 아래의 주제에 대해 다른 문서 또는 비디오가있는 경우이를 설명하는 데 매우 관심이 있습니다.
안녕 데이비드
나는 또한 내 연구에서 당신의 문제에 대해 thougth합니다. 그러나 나는 주먹을 풀어야하는 더 중요한 문제가 있기 때문에 포기했다. Bu acc. David의 설명에 따르면 JMP에는 클릭 솔루션이 하나도 없습니다. 당신이 그것에 대한 해결책이 있다면, 나는 또한 그것을 듣고 적용하게되어 기쁘다.
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기이 블로그에 관심이있는 사람은이 'JMP On Air'비디오도 확인하십시오. 시뮬레이션 실험 몇 달 전에 녹음되었습니다. 위의 YouTube 동영상은 약 5 살입니다. 또한 몇 년 전이 주제에 대해 디스커버리 토크를했습니다. Monte Carlo Simulation 실험을 사용하여 프로세스 및 제품의 강력한 최적화
재 : 2 가지 최적화 접근법을 사용하여 최상의 공정 작동 조건 찾기엘라에게 감사합니다. 알 비르 니 81 또한 당신과 데이비드가 위에서 이야기했고 그 주제에 관해 약간의 토론이있었습니다. 낮은 결함률을 보장하기 위해 요인에 허용되는 한계 찾기 전체 결함률에 심각한 영향을 미치지 않으면 서 각 요소에서 허용 할 수있는 변형의 양을 탐색하거나 이해하는 자동화 된 방법을 누군가가 찾은 경우 확실히 좋습니다. 다른 스레드에서 설명하는 것처럼 기존 JMP 기능을 사용하여이 '수동'을 반복적으로 탐색 할 수 있지만 '원 클릭'솔루션은 훌륭합니다. 당신은 내가 이것을 직접 볼 시간을 찾도록 격려했습니다. 그러나 현재 보유하고있는 것보다 더 큰 스크립팅 기능이 필요할 수 있지만 의심 할 여지가 없습니다. 다른 사람이 더 빠른 해결책을 제시한다면 나에게 좋습니다.
2 가지 최적화 접근 방식을 사용하여 최상의 공정 작동 조건 찾기과학자와 엔지니어는 수율 또는 성능을 극대화하기 위해 프로세스 또는 제품에 대한 최적의 설정 또는 작동 조건을 찾아야하는 경우가 많습니다. 최적화 기능이 어떻게 JMP 사용하기 가장 좋은 설정을 찾는 데 도움이 될 수 있습니다. 다소 놀랍게도 가장 높은 수율 또는 최상의 성능을 제공 할 것으로 예측되는 특정 설정이 항상 장기적으로 해당 프로세스를 운영하기에 가장 좋은 장소는 아닙니다. 대부분의 프로세스와 제품은 어느 정도의 드리프트 또는 변동의 영향을 받기 때문에 최상의 작동 조건에서이를 고려해야합니다.
프로세스 최적화의 맥락에서 최대 만족도에 익숙 할 수 있지만 시뮬레이션 실험은 JMP 예측 프로파일 러 내에서 잘 알려지지 않은 보석입니다. 공정에 대한 가장 강력한 요인 설정을 찾으려는 경우 시뮬레이션 실험에 대해 알아야합니다. 시뮬레이션 실험이 얼마나 유용한 지, 그리고 만족도 극대화가 달성 할 수있는 것 이상으로 나아가는 방법을 보여 드리겠습니다.
대부분의 설계된 실험의 목표는 특정 요인 또는 입력이 해당 프로세스의 반응 또는 출력에 얼마나 영향을 미치는지 식별하고 정량화하는 것입니다. 두 번째 목표는 종종 이러한 이해를 사용하여 가장 바람직한 반응 또는 출력 값을 제공 할 요인 설정을 선택하는 것입니다.
설계된 실험을 실행하고 요인과 반응 간의 관계를 설명하는 모델을 구축 한 후에는 해당 모델을 사용하여 관심있는 반응에 대해 가장 만족스러운 값을 제공 할 최적의 요인 설정을 찾을 수 있습니다. JMP에서이 최적화 프로세스를 수행하는 여러 가지 방법이 있으며 이러한 방법은 Profilers 책의 8 장과 9 장에 자세히 설명되어 있습니다.이 책은 Help> Books within JMP에서 찾을 수 있습니다.
이 방법 중 두 가지에 초점을 맞추고 싶습니다. 일부 상황에서 매우 다른 솔루션으로 이어질 수 있으므로 타당성 극대화 및 시뮬레이션 실험입니다. 이것을 설명하기 위해 사용할 예는 5 개의 요인과 1 개의 반응이있는 13 회 실행 확정 선별 설계 (DSD)입니다. 이러한 3 단계 확정 선별 설계는 중요한 주 효과를 매우 효율적으로 식별 할 수있는 새로운 종류의 선별 설계입니다. 또한 활성 주 효과가 3 개 뿐인 경우 2 요소 상호 작용 및 2 차 항을 사용하여 완전 반응 표면 모델을 구축 할 수 있습니다. 이 디자인의 발명가 인 Bradley Jones는 그의 뛰어난 주제에 대한 블로그 게시물 .
13 실행 DSD는 아래와 같습니다.
이 실험을위한 모델을 구축하는 가장 빠르고 쉬운 방법은 JMP 데이터 테이블의 왼쪽 상단 패널에서 파란색으로 강조 표시된 내장 스크리닝 스크립트를 실행하는 것입니다. 우리가 얻은 모델에는 수정 자, 온도 및 시간이라는 세 가지 주요 효과와 수정 자와 온도 사이의 두 요소 상호 작용 항과 시간에 대한 2 차 항이 포함됩니다. 이 모델에 대한 예측 프로파일 러는 다음과 같습니다. 또한 Monte Carlo 시뮬레이터와 Contour Profiler를 켰습니다.
초기 요인 설정 (3 차원 요인 공간의 중간 점)을 사용하면 임계 출력이 75.3의 값을 가질 것으로 예측되고 Monte Carlo 시뮬레이션의 점의 50 %가 하위 사양보다 낮음을 알 수 있습니다. 한도. 등고선 플롯은 우리가 그 하한 사양 한계에 거의 정확하게 앉아 있음을 보여줍니다.
최대 만족도 (아래)에 의해 결정된 설정으로 이동하면 임계 출력이 82.1로 증가하고 사양 하한 미만의 포인트 비율이 4.6 %로 떨어집니다. 등고선 플롯은 우리가 현재 중요 출력의 가장 높은 값이 예상되는 왼쪽 상단 모서리에 있음을 보여줍니다.
이제 시뮬레이션 실험 (아래)에 의해 결정된 설정을 살펴보면 등고선이 더 멀리 떨어져있는 등고선 플롯의 오른쪽 상단 모서리로 이동했습니다. 우리는 중요한 산출물에 대해 예측 된 값을 충분히 달성하지 못했습니다. 현재는 79.8이지만 사양 하한 아래의 포인트 비율은 실질적으로 1.8 %로 감소했습니다. 최대 만족도 솔루션과 시뮬레이션 실험 솔루션의 설정을 비교하면 시뮬레이션 실험이 수정 자에 대해 높은 설정을 선택하여 수정 자와 온도 간의 이중 요소 상호 작용을 활용하고 Critical Output은 온도 변화에 민감하지 않습니다 (프로파일 러의 온도 라인은 이제 평평합니다). Critical Output 분포는 사양을 벗어난 포인트가 상당히 적어 훨씬 더 타이트 해져보다 강력한 프로세스로 이어집니다.
시뮬레이션 실험에서이보다 강력한 솔루션을 찾은 방법을 살펴 보겠습니다. 시뮬레이션 실험은 만족도를 극대화하기 위해 다른 방식으로 요인 공간을 탐색합니다. 중요한 출력에 대해 가장 바람직한 값을 제공하는 설정에 대한 요인 공간을 검색하는 대신 몬테카를로 시뮬레이션에서 계산 된 결함률을 최소화하는 설정을 찾기 위해 요인 공간을 검색하는 데 중점을 둡니다. 여전히 만족도를 최대화하기 위해 동일한 모델을 사용하고 있지만 이제는 해당 모델을 사용하여 일련의 Monte Carlo 시뮬레이션을 실행하여 결함률이 요인 공간 내에서 어떻게 변하는 지 확인합니다. 이를 위해 공간 채우기 설계를 사용하고 가우시안 프로세스를 사용하여 결함률을 모델링합니다. 시뮬레이션 실험을 시작하려면 예측 프로파일 러 내의 시뮬레이터 개요에있는 빨간색 삼각형 메뉴로 이동하십시오.
시뮬레이션 실험을 실행하면 공간 채우기 설계에 지정된 각 요인 설정에서 Monte Carlo 시뮬레이션을 수행하고 각 시뮬레이션 실행에 대해 얻은 결함률을 테이블에 기록합니다. 그 표는 아래와 같습니다. 각 행은 다른 요인 설정으로 실행 된 Monte Carlo 시뮬레이션을 나타냅니다. 또한이 표에는 결함률을 모델링하는 기본 제공 스크립트가 포함되어 있습니다 (실제로 로그 결함률을 모델링하므로 사용하기에 더 나은 응답이 됨). 그런 다음 결함률을 최소화하는 최적의 설정을 찾은 다음 (결함률 프로파일 러에서 최대 만족도 사용) 해당 설정을 중요한 출력을 위해 원래 예측 프로파일 러에 저장할 수 있습니다.
시연 된 시뮬레이션 실험을 더 자세히 보려면 다음 비디오를 시청하십시오.
만족도 최대화와 시뮬레이션 실험의 주요 차이점은 최적 요인 설정을 선택할 때 만족도 최대화는 요인의 자연적 변동을 고려하지 않는다는 것입니다. 시뮬레이션 실험은 요인 설정의 자연적인 변화를 고려하고 결함률을 최소화하는 가장 강력한 설정을 찾습니다. 그 차이는 제 딸이 저를 위해 그린 그림으로 잘 설명되어 있습니다. JMP가 복잡한 문제를 간단하게 만드는 방법을 보여줍니다.
