DOE の連続因子値/範囲に関するヘルプこんにちは、職場で実験者向けの DOE を設計しようとしているのですが、JMP に連続係数の特定の範囲でより多くの実行を含めることができるかどうか尋ねられました。 この係数の値の範囲は 0 ～ 500 ですが、彼らは 10 ～ 100 の範囲が最も興味深いと考えており、JMP がその範囲外よりもその範囲内でより多くの実行を追加することを望んでいます。 これを行う方法はありますか? 何か提案があれば助かります。 ありがとう。
Re: DOE の連続因子値/範囲に関するヘルプ私の同僚である Mark、Ian、Mike からのすでに賢明なアドバイスに重ねることになりますが、JMP バージョン 13 を実行している場合は、Compare Designs プラットフォームを使用して、各候補デザインがどのように機能するかを、共通の観点から評価することを検討してください。マークは上記の投稿で述べています。
Re: DOE の連続因子値/範囲に関するヘルプこの研究はDOE。
範囲は 10 ～ 100は0 ～ 500 の範囲に含まれます。 それで、モデルたとえデザインそれらの特定のレベルは含まれません。
それはあなた次第だと思います信念X1の制限範囲について：10～100。 それを信じるなら
- 効果の大きさは応答の標準偏差に比べて大きく、たとえば 3 倍大きい
- 最小の応答はこの範囲内で発生します
- 期待されるモデルはこの範囲で適切な説明です
これらの主張がすべて真実であると思われる場合は、この範囲 X1: 10-100 を使用してください。その代わりX1 の値: 0 ～ 500。 なぜ研究が複雑になるのでしょうか?
わずか 2 つの要素を調査するために、比較的多数の実行を実行できます。 (この反応の他の要素はどうなるのでしょうか? それらを一定に保つには？ それらと X1 または X2 との相互作用効果の可能性はありませんか?) そこで、X1 と X2 を含む 2 次モデルのカスタム I 最適設計を 20 回程度実行して作成します。 データ モデリングに関しては、Box-Wilson 計画 (中央複合計画) および Box-Behnken 計画を上回ります。 デザイン候補はこんな感じです。
注目してください
- レプリケーションは、多数の実行の自然な結果です。
- 一般に、2 次モデルをサポートする各因子には 3 つのレベルがあります。
- 数回の実行により、X1 は中心に近いが中心から外れて設定されました
- これらの奇妙な実行により最適性が向上します
- これらの奇妙な実行により、(実行時に) 設計が複雑になります
- 最適性をほとんど損なうことなく、中央レベルに自由に変更できます。
このデザインはどの程度うまく機能しますか?
効果サイズが応答標準偏差の少なくとも 2 倍であれば、検出力はかなり高いと言えます。 この結果は、最小実行数を超える 14 回の実行を含めることの利点です。 このモデルを使用して、応答を最小限に抑える最適な係数設定を決定したいと考えています。
モデル予測の分散は、設計空間の中心にある因子レベルの広い範囲にわたって非常に低くなります。
したがって、私は X1 のさまざまなレベルについての区別をやめます。 その違いはデザイン中心か、テスト考え方。 研究はモデル中心のものであるべきです。実験中考え方。
Re: DOE の連続因子値/範囲に関するヘルプご協力とご提案をいただきありがとうございます。 要因に関する追加情報をいくつか提供します。
連続X1(0～500)
連続X2(0～5000)
実行可能回数は25〜50回です。
目標は、応答 Y を最小化する最適な因子設定/領域を見つけることです。 また、変動性をより適切に評価するために、いくつかの反復が必要です。
X1 にとって 10 ～ 100 が重要である理由は、この範囲が応答に最も影響を与えることを示す過去のデータのためです。 RSM モデルの JMP のカスタム設計には、この範囲は含まれません。 因子を離散数値として扱うのは良い選択肢のように思えます。 その場合、モデルフィッティング中は連続として扱っても大丈夫でしょうか？
これがDOEなのかどうかはもうわかりません。 教えていただければ幸いです。 ありがとう！
Re: DOE の連続因子値/範囲に関するヘルプおそらく私の同僚の発言に追加 (要約?) するため、プロセスに詳しくない人に DOE を説明するときに私が使用するスライドのテキストを以下に示します。
- 計画実験は、観察された反応に影響を与えると考えられる要因の関係と相互作用を理解できるようにすることを目的として選択された、体系的に生成された一連の実験です。
- これはどういう意味ですか？
- DOE は、各要因が次のような場合に応答に何が起こるかを調べます。自ら変わった。
- DOE はまた、要因が以下の場合に何が起こるかを調査します。一緒に変わった。
- DOE の各実験は、以下を提供するために計算されます。最大の情報値。
- DOE は以下をテストするように設計されています。可能な限り広い範囲因子の設定の。
- DOE はもっと効率的そしてより強力な単相分析を使用して行われた実験よりも優れています。
- DOE の出力は次のとおりです。数学的モデルこれは、要因と応答の重要な動作を説明するために使用できます。
- 計画された実験から何が期待できますか?
- 実験によっては望ましくない結果が生じる場合があります (上記の 2、4、および 6 を参照)。
- 特定の問題に対する「解決策」は、おそらく実験では現れないでしょう (上記 6 を参照)。
Re: DOE の連続因子値/範囲に関するヘルプこの問題について私は強い意見を持っています。 あなたの実験が成功することを願っています。
連続因子の範囲は次のとおりです。いつもできるだけ広く設定してください。 このような設計により、最良の見積もり要因の影響だけでなく、最高のパワー指定された実行数に対するこれらの効果に関する仮説検定用。 係数の範囲を 10 ～ 100 に制限するか、これらのレベルを 0 ～ 500 の範囲に含めると、妥協推定と検出力の両方。 設計を行った後、設計評価の概要で提供される情報を使用して、この損失を自分で確認できます。 また、設計比較プラットフォームを使用して、2 つの設計オプションの違いを確認することもできます。
(ちなみに、下限が 0 の係数範囲を使用することはお勧めしません。 この実践により、連続因子が本質的にカテゴリ因子 (不在または存在) に変わります。 因子が常に存在しますが、程度は異なりますので、下限にはゼロ以外の値を使用することをお勧めします。 この考慮事項は科学と工学に関するものであり、統計学ではありません。)
同僚がこれらの追加レベルを含めることを主張する場合、Ian の答えに加えて、別の方法は、離散数値の選択でこの係数を定義することです。 このアプローチでは、原則に基づいた設計アルゴリズムを使用します。このために実行を手動で追加するプロセス。この方法により、デザインから得られる情報が最大限に得られます。
あなたがデザインしているのはテストではなく実験です。 「最も興味深い」機能やレベルを見つけるには、デザインではなくモデルを使用してください。 実験の目的は、特定のモデルに適合する最適なデータを提供することです。 テストの目的は、特定の因子レベルでの応答を観察することです。 それらは同じものではありません。
Re: DOE の連続因子値/範囲に関するヘルプメカニズムの観点から言えば、JMP を使用した設計プロセスを経てテーブルを作成したら、必要に応じて値を手動でこのテーブルに「余分な」行を自由に追加できます。 しかし、これが望ましいかどうか、また、そうである場合、どのような方法が最善であるかについては、議論の余地があります (すでに知っていると言える準備ができているか、何を知ろうとしているかによって決まります)。
それでは、企業秘密を明かすことなく、実験の目的と利用可能なリソースについて詳しく教えていただけますか?
