범주형 요인을 포함한 DSD여러분, 안녕하세요,
저는 현재 석사과정 학생으로 논문을 마무리하고 있습니다. 본 논문의 목적은 윙렛을 추가하고 윙렛 설계 매개변수를 최적화하여 효율을 극대화함으로써 수직축 풍력 터빈의 효율을 높이는 것입니다(미국 에너지부(DOE) 자료 참조).
이 윙렛의 설계 매개변수는 7개의 연속 매개변수와 1개의 범주형 매개변수(2단계)로 구성됩니다.
DSD 22회 실행을 끝낸 후 어떻게 진행해야 할지 모르겠습니다. (아직 몇 회 더 실행해야 하는데 시간이 부족해서 미리 계획하고 있습니다.) RSM을 적용하기 위해 설계를 증강하는 것이 좋은 방법이라고 읽었는데, 혹시 도와주실 수 있을까요? 특히 범주형 요인이 있는데, 이 요인을 사용하여 RSM을 어떻게 적용해야 할지 잘 모르겠습니다. (이 범주형 요인의 수준에 대해 각각 두 개의 방정식을 작성해야 할까요, 아니면 하나의 방정식으로 통합해야 할까요?)
귀하의 도움에 진심으로 감사드립니다!
실험 설계Re: 범주형 요인을 포함한 DSD안녕하세요 @모나스레 ,
커뮤니티에 오신 것을 환영합니다!
증강 디자인 플랫폼에 연결된 문서를 읽을 수 있습니다.
디자인을 강화하는 과정은 매우 간단합니다.
- 원래 설계에서 반응을 모델링한 것을 바탕으로, 모델의 효과 측면에서 나타나는 주요하고 중요한 요소를 파악합니다.
- 증강 설계 플랫폼을 열고 설계 증강 및 응답에 유지할 주요 요소를 지정하고 증강 방법을 선택합니다. 이 단계에서는 "새 실행을 별도의 블록으로 그룹화" 옵션을 선택하는 것이 좋습니다. 이 옵션을 선택하면 두 번째 실험에 블록 효과가 적용되어 설계의 두 단계(원래 설계와 증강 설계) 간에 평균 응답이 변경되지 않았는지 확인하고 두 단계 간의 분산 차이를 추적하는 데 사용할 수 있습니다.
목표가 식별된 중요 요인에 대한 반응 표면 모델(RSM)에 맞게 초기 DSD를 증가시키는 것이라면 증가 설계 덕분에 적합할 가정 모델을 지정할 수 있으므로 증가를 선택할 수 있습니다.
스크린샷에서 원래 22개 런 DSD의 모든 요소를 유지했기 때문에 추가해야 할 런 수가 상당히 많아졌습니다(원래 22개 런을 포함하여 총 48개이므로 새로 추가해야 할 런은 26개입니다). 상황에 따라 원래 DSD 분석을 기반으로 각 요소의 중요도와 유의도에 따라 더 적은 요소를 사용하여 설계를 보완할 수 있습니다.
두 번째 질문과 관련하여 범주형 요인은 이 예와 같이 "만약 그렇다면" 규칙으로 모델에 나타납니다.
이 예시에서 "가수분해"와 "사전 담금"은 두 개의 2단계 범주형 요인입니다. 실험에서 설정된 수준에 따라 반응에 긍정적 또는 부정적 영향을 미칩니다. 예를 들어, "가수분해" 요인에 연결된 주효과(방정식에서 첫 번째로 나타나는 일치 함수)를 예로 들어, 실험 수준을 L1로 설정하면 반응은 평균 0.3794[...]만큼 증가합니다. 실험 수준을 L2로 설정하면 반응은 평균 -0.3794[...]만큼 감소합니다.
두 가지 수준을 가진 범주형 요인은 각 수준의 계수에 대해 동일한 절댓값을 갖지만 부호는 반대입니다. 범주형 요인에 여러 수준이 있는 경우, 이러한 수준의 계수는 다음 방정식으로 연결됩니다. L1 + L2 + L3 + ... = 0.
이 답변이 도움이 되기를 바랍니다.
Re: 범주형 요인을 포함한 DSD안녕하세요 @빅터_G
답변해 주셔서 감사합니다!
DSD 후 I-optimal 증강 전략을 사용할 계획인데, 24회 추가 러닝을 할 여유가 없습니다. 최대 10회 추가 러닝이 필요할 것으로 예상했는데, 가능할까요?
Re: 범주형 요인을 포함한 DSD물론 가능한 옵션이 여러 개 있을 수 있지만, 모델을 구축하는 데 필요한 실행 비용을 감당하지 못하면 RSM 모델의 불확실성과 정확도가 떨어집니다.
한 가지 옵션은 베이지안 I-최적 모델을 만드는 것입니다. 이 모델에서는 일부 항의 추정 가능성이 "필요" 대신 " 가능하다면 "으로 설정됩니다. 이를 위해 변경하려는 효과의 추정 가능성을 마우스 왼쪽 버튼으로 클릭하고 "가능하다면"으로 설정합니다.
이렇게 하면 필요한 실행 횟수를 줄이는 효과가 있지만, 새로운 실행을 생성하면 "필요한" 효과가 "가능한" 항보다 먼저 추정되므로 "가능하다면" 항을 모델에 포함하지 못할 수 있습니다. 따라서 실행 횟수 감소와 적합하고자 하는 가정 모델 간의 상충 관계를 신중하게 선택하고 평가해야 합니다.
또 다른 옵션은 공간 채우기 증강을 하는 것이지만, 범주형 요인이 존재하기 때문에 이 옵션을 사용할 수 없습니다.
마지막으로, 모든 결과가 나올 때까지 기다렸다가 분석에 시간을 투자하시기를 권장합니다. 일부 요인과 용어는 응답 평가에 유의미하지 않거나 실질적으로 중요하지 않을 수 있으므로, 중요하지 않은 용어를 제거하고 효과 유전 , 효과 희소성 , 효과 계층 의 원칙을 준수함으로써 증강 단계에서 사용하려는 가정 모형을 단순화할 수 있습니다.
이 답변이 나중에 몇 가지 아이디어를 줄 수 있기를 바랍니다.
Re: 범주형 요인을 포함한 DSD궁금한 점이 있는데, 실제로 물리적 샘플과 여러 개의 터빈을 만들고 계신가요? 아니면 시뮬레이션 소프트웨어를 사용하여 테스트를 진행하고 계신가요?
Re: 범주형 요인을 포함한 DSD@빅터_G 님, 정말 감사합니다!!
마지막으로, DSD와 증강을 위해 시청하는 것을 추천하는 영상(워크숍이나 코스)이 있나요?
귀하의 도움에 감사드립니다!
Re: 범주형 요인을 포함한 DSD안녕하세요 @스탯맨 ,
아니요, 저는 수치 시뮬레이션만 하고 있습니다. 처음에는 실험도 할 계획이었지만, 시간이 부족해서 ANSYS에서 수치 시뮬레이션(CFD)만 하고 있습니다.
Re: 범주형 요인을 포함한 DSD그렇다면 왜 분수 요인 분석을 하시나요? 컴퓨팅 능력이 부족한 건가요? 해당 프로그램에 대한 모델이 이미 존재한다는 점을 인지하세요. 기껏해야 어떤 모델을 사용하는지 알아낼 수 있겠지만, 해당 모델이 상황에 적합하지 않다면 결과도 마찬가지로 좋지 않을 것입니다. 예를 들어, 알아보고 싶은 트랙터가 있는데 해당 모델에 없다면, 해당 요인은 유의하지 않을 것입니다. 따라서 탐색 작업에 그다지 유용하지 않습니다.
읽어보세요:
Bradley Jones(2016) 21세기 스크리닝 실험: 무엇, 왜, 어떻게, 품질 엔지니어링 , 28:1, 98-106, DOI: 10.1080/08982112.2015.1100462.
Bradley Jones(2016) Rejoinder, Quality Engineering , 28:1, 122-126, DOI: 10.1080/08982112.2015.1100468
Jones, B., & Nachtsheim, CJ (2011). 2차 효과 존재 시 확정적 스크리닝을 위한 3단계 설계의 종류.품질 기술 저널, 43(1), 1–15. https://doi.org/10.1080/00224065.2011.1191784
Jones, B., & Nachtsheim, C. J. (2013). Definitive Screening Designs with Added Two-Level Categorical Factors*. 품질 기술 저널, 45(2), 121–129. https://doi.org/10.1080/00224065.2013.11917921
또한, 브래드가 제공하는 파워포인트 프레젠테이션도 검색을 통해 찾을 수 있습니다.
Re: 범주형 요인을 포함한 DSD@스탯맨
네, 시간과 컴퓨팅 능력이 제한적입니다.
목표는 DOE를 사용하여 윙렛의 최적 설계를 찾는 것입니다. 하지만 설계 변수가 너무 많아서 가장 중요한 변수들을 먼저 검토하는 스크리닝 설계를 한 후, DSD를 증가시켜 최적화하는 방안을 생각해 보았습니다.
각 실행은 3D CFD 시뮬레이션으로, 메시의 요소 수에 따라 최대 3일이 걸릴 수 있습니다. 따라서 매개변수가 8개인 완전 요인 설계를 할 여유가 없습니다. 완료하는 데 시간이 너무 오래 걸릴 것입니다. 그래서 제 경우에는 스크리닝 설계가 가장 좋은 방법입니다.
Re: 범주형 요인을 포함한 DSD좀 더 명확하게 말씀드리자면, ANSYS Fluent에 내장된 CFD 방정식을 알아 보려는 것이 아닙니다. Navier-Stokes 모델과 난류 프레임워크는 물론 고정되어 있습니다.
제 목표는 통계적 설계(처음에는 확정적 선별 설계)를 사용하여 기하학적 구조와 설계 변수 (예: 팁 속도 비율, 경사 각도, 팁 비틀림, 윙렛 수)가 물리적 모델 내에서 수직축 풍력 터빈의 전력 계수(Cp) 에 어떤 영향을 미치는지 탐색하는 것입니다.
다시 말해, 저는 Fluent의 내부 물리학을 의심하는 것이 아닙니다. 저는 DOE를 사용하여 이러한 설계 입력이 어떻게 상호 작용하는지, Cp를 최대화하는 최적 성능 영역이 어디에 있는지 정량화하는 경험적 반응 표면을 구축하고 있습니다.
각 시뮬레이션 실행에는 계산 비용이 많이 들기 때문에 DSD와 같은 스크리닝 설계는 곡률과 주요 상호 작용을 포착하는 동시에 시뮬레이션 수를 최소화하는 데 도움이 됩니다.
따라서 일반적인 경고에 동의하지만, 이 경우 DOE는 솔버의 방정식을 밝혀내는 데 사용되지 않고, 해당 모델링 프레임워크 내에서 설계 성능을 최적화하는 데 사용됩니다.
이제 좀 더 명확해졌기를 바랍니다!
감사합니다!
Re: 범주형 요인을 포함한 DSD하지만 그것은 경험적이지 않고 이론적인 것입니다.
Re: 범주형 요인을 포함한 DSD@스탯맨 CFD 자체는 직접적인 실험적 관찰이 아니라 지배 물리학에 기반한 이론적 모델이라는 점에 전적으로 동의합니다.
하지만 제 경우에는 DSD 연구를 실행하기 전에 문헌의 실험 데이터를 바탕으로 계산 모델을 검증 했습니다. 따라서 기본 솔버는 이론적이지만, 물리적 정확성을 보장하기 위해 예측 동작이 벤치마킹되었습니다.
그런 다음 DOE를 사용하여 검증된 모델이 설계 및 운영 변수의 변화에 어떻게 반응하는지 "경험적으로" 탐색하고 추정합니다. 기본적으로 CFD 결과를 반응 표면(RSM)을 구축하고 주요 상호 작용과 최적값을 식별하기 위한 "데이터"로 처리합니다.
따라서 기본 물리학은 이론적이지만, 설계 공간 탐색과 통계적 모델링은 검증된 프레임워크 내에서 경험적 측면으로 유지됩니다.
Re: 범주형 요인을 포함한 DSD이해합니다. 논쟁하려는 건 아니지만, 시뮬레이션 모델은 실제 소음을 어떻게 시뮬레이션해야 할지 모릅니다. 제가 경험적 데이터라고 하면, 연구에서 실제 소음을 사용하여 수행된 실제 물리 실험을 떠올립니다. (참고로, 당신이 발견한 소음은 연구 기간 동안 변한다는 뜻입니다.) 당신이 하는 일이 아니기 때문에, 실제로 경험적이라고 할 수는 없습니다.
AI에서 나온 내용입니다.
무언가를 말한다는 것은경험적 모델모델이 주로 다음을 기반으로 한다는 것을 의미합니다.관찰, 측정 또는 실험 데이터, 기본 원리 이론(예: 기본 물리학 또는 기본 법칙에서의 수학적 유도)보다는.
Re: 범주형 요인을 포함한 DSD맞는 말씀입니다. 시뮬레이션 모델에는 실제 실험 노이즈가 포함되지 않으며, 엄밀히 말하면 경험적 데이터가 아닙니다.
설명해주셔서 감사합니다!
