Wanneer klassieke DOE’s niet langer volstaan
Steeds meer organisaties gebruiken DOE (Design Of Experiments) als de methode bij uitstek om op basis van een beperkt aantal experimenten een product of proces te optimaliseren. Hierbij doen ze nagenoeg altijd beroep op "klassieke DOE's", namelijk families van experimentele ontwerpen die zeer uitvoerig beschreven zijn in de literatuur en door de meeste statistische pakketten standaard worden aangeboden.
Echter vaak komen er een aantal praktische beperkingen om de hoek kijken (bv. onmogelijke combinaties, oninteressante zones, moeilijk te wijzigen factoren, beperkt aantal experimenten, meerdere niveau's voor blokken,...), waarvoor deze klassieke experimenten eigenlijk niet geschikt zijn en een andere benadering noodzakelijk is, namelijk die van optimale DOE's.
Optimale experimenten
Om rekening te houden met de vaak voorkomende praktische beperkingen van klassieke DOE's (full factorial, fractional factorial, response surface...) kan er beroep gedaan worden op algoritmes die op basis van de noden en de beperkingen een optimaal experiment op maat kunnen voorstellen.
Er zijn 2 dominante constructie algoritmes gangbaar:
1. Punt uitwisselingsalgoritmes
(Point-exchange algoritms) in Minitab
2. Coördinaat uitwisselingsalgoritmes
(Coordinate-exchange algoritms) in JMP
1. Punt uitwisseling (Minitab)
Dit soort algoritmes vereist als input een discreet aantal niveaus voor elke X: in plaats van te zoeken in de volledige experimentele ruimte, zoekt het algoritme in een rooster van discrete punten.
- Sommige punten kunnen meerdere malen worden gebruikt.
- Sommige punten zullen niet worden gebruikt.
Het nadeel van deze werkwijze is dat er steeds een kandidaat set moet aangeleverd worden en de kwaliteit van het resultaat sterk afhankelijk is van de kwaliteit van de oorspronkelijk aangeleverde kandidaat set. Een populair algoritme werd ontwikkeld door Fedorov en is geïmplementeerd in Minitab.
2. Coördinaat uitwisseling (JMP)
Dit type algoritmes vereist geen kandidaat set: het initieel ontwerp wordt willekeurig gegenereerd en wordt verbeterd door bestaande coördinaten in te wisselen door betere coördinaten. Deze werkwijze levert verschillende voordelen op t.o.v. punt uitwisselingsalgoritmes:
- Sneller
- Veel gebruiksvriendelijker, vermits geen kandidaat set moet aangeleverd worden.
- Vooral wanneer er sterke restricties zijn van de experimentele ruimte of wanneer er talrijke variabelen zijn, kan dit doorslaggevend zijn.
In JMP is het coördinaat uitwisselingsalgoritme (Meyer & Nachtsheim, 1995) beschikbaar in het 'Custom Design' platform. Er
wordt aangeraden om met minstens 1000 willekeurige initiële ontwerpen te
starten (Goos & Jones, 2001). Het berekenen van een dergelijk optimaal ontwerp
duurt meestal slechts een fractie van een seconde. Het laat toe om een zeer
gevarieerd aanbod aan experimenten volledig op maat uit te werken gebaseerd op
de specifieke noden en beschikbaar budget.
Een greep uit de diverse mogelijkheden:
- Screening designs (inclusief verzadigde en superverzadigde designs)
- Experimenten die enkel hoofdeffecten schatten
- Experimenten die alle 2-factor interacties schatten
- Experimenten die vermenging van hoofdeffecten en 2-factor interacties vermijden
- Response surface designs, inclusief deze met categorische
factoren,
met restricties - Experimenten met een flexibel aantal blokken
- D-optimale of I-optimale experimenten
- Mengsels, inclusief deze met proces factoren en mengsels van mengsels
- Experimenten die covariaten bevatten of robuust zijn tegen een lineaire tijdstrend
- Experimenten met restricties betreffende randomisatie:
split-plot, split-split-plot en strip-plot designs - Experimenten voor robuust ontwerp (beter alternatief dan Taguchi designs)
Het grote voordeel van een interactief, gebruiksvriendelijk pakket zoals JMP is dat het u in staat stelt om snel en zeer visueel een aantal alternatieve werkwijzen met elkaar te vergelijken zodat op voorhand een goede kosten-baten analyse kan opgemaakt worden.
Amelior biedt Design Of Experiments (DOE) opleidingen met beide pakketten aan:
zowel in open opleiding als bedrijfsintern.
Basisopleiding DOE (kan bedrijfsintern ook op maat aangepast worden)
Voor de gevorderde opleidingen wordt de inhoud steeds op maat van de klant opgesteld.
Amelior biedt ook bredere statistische opleidingen aan met beide software pakketten: