导语:
如何实现工业研发/设计/生产过程中的合理实验方案设计,实现最低成本找到最佳的研发方案?maxflow的实验方案设计功能自上线以来,受到广泛关注,且已帮助多家企业/科研单位实现研发提效。为解决广大客户对于maxflow的实验方案设计功能的一些疑问,我们特别整理了下列问题,希望能让大家更直观得感受maxflow实验方案设计功能的便捷性和高效性。
问:maxflow的实验方案设计功能主要有哪些?
答:
maxflow的实验方案设计功能主要以“组件——工作流”的形式呈现,相关的方法包括doe正交设计、以及嵌套机器学习方法,带有预测功能的实验方案设计组件(edbo)。
doe正交设计组件主要具有随机性、均匀性的特点,可以实现以较少的试验次数,较短的试验周期,较低的试验成本,获得理想/科学的试验结果。
而嵌套了机器学习方法的实验方案设计组件(edbo)则考虑了机器学习方法的预测效果,以达到通过快速的实验迭代,基于贝叶斯优化的方法帮助探索更好方案的效果。
问:maxflow的实验方案设计功能主要针对的用户群体是哪些?
答:
maxflow的实验方案设计功能主要针对的是希望通过尽量少的实验过程,来找到最佳实验方案的情况。
在大数据以及计算机技术的帮助下,我们可以借助机器学习等手段,将其与传统研发设计流程相结合,通过分析研发中产生的数据,找到其中能够指导研发、工艺创新的新思路,这种“ai for industry”的方式可以极大程度降低研发成本和研发周期,最大化生产效率。
问:如果我想用maxflow的实验方案设计功能,我需要准备什么样的数据?
答:
作为具有辅助工业设计功能的智能化ai平台,maxflow可以在实验方案设计方面为工厂或企业提供一臂之力。
要使用相关功能,需先明确需求,我们需要大致的实验方案框架,如主要影响因素和水平,将数据整理好后输入到maxflow平台中,依靠相关算法,可输出实验方案,我们可以选择按照实验方案进行具体的实验操作;并将实验结果返回到maxflow的模型当中,模型中的算法会基于已有的实验数据,推荐预测具有更好效果的实验点,达到迭代优化的目的。因此,我们整个过程中并不需要大量的采集数据,而在最开始,只需要基本研发框架数据即可。
问:maxflow中基于机器学习的实验方案设计可以做多目标优化的情况吗?
答:
可以的。maxflow 将全新上线基于多目标优化的实验方案设计组件——doe-ml 2.0。其中核心算法为pareto 优化过程,贝叶斯多目标变量 pareto 优化在解决多目标优化问题时具有优秀的搜索效率和结果准确性,尤其适用于高维复杂搜索空间。这对于工业优化当中多目标优化实验方案的需求十分契合,我们可以在高维实验空间中,较人工尝试更快速的找到实验效果更好的实验配方或工艺参数组合,快速提升研发效能。
问:如果在实验方案设计的基础上,作为研发人员,我还想知道配方中各个因素的重要性,以及他们的变化会如何影响我的实验结果,且实验结果的考量是多目标的,这样的分析需要我提取数据后手动完成吗?
答:
不需要。maxflow除了拥有强大的实验方案设计功能外,也有传统的数据分析以及智能的机器学习功能。针对要在研发过程中对研发数据进行分析,并优化配方的情况,也可以交由maxflow进行。
我们可以基于maxflow给出的实验方案进行实验,并通过maxflow的机器学习功能对实验结果进行分析,对所有配方/工艺因素进行重要性分析及排名,并且可以知道他们的变化对实验的影响。工业研发不单单依靠一种工具,结合研发人员/操作人员的经验 maxflow机器学习强大的数据分析能力 maxflow智能的实验方案推荐算法=高效智能研发!
多种机器学习评估手段
问:我是代码小白,maxflow如此强大的数据分析功能和建模功能需要代码基础吗?会很难上手吗?
答:
maxflow是一款集ai与模拟于一体的智能化平台,主要依靠工作流技术实现计算过程。整个过程无需进行代码操作,只需要拖拽组件进行连接,即可操作计算,新手友好,且容易上手。无论是高深莫测的机器学习还是深度学习,都可以通过maxflow平台简单搭建模型,快速上手使用。
工作流形式实现ai建模
并行尝试多种机器学习算法
多种模型评估手段
问:maxflow的实验方案设计功能,只能针对实验方案设计吗?
答:
maxflow的实验方案设计功能不仅针对实验方案设计,还可对工艺参数的组合进行优化。涉及材料、医药、生物、合成、化工、新能源、半导体、涂料等多种行业,只要满足数据特征,都可以使用该功能对研发/生产过程进行工艺优化,也可对科研性工作提供帮助。总体来说,无论是从配方还是工艺,maxflow的功能都能极大提升研发效率,真正做到“ai industry”。