DOE의 연속 요인 값/범위에 대한 도움말안녕하세요. 저는 직장에서 실험자를 위한 실험계획법을 설계하려고 하는데 연속 요인의 특정 범위에 더 많은 실행을 포함하도록 JMP를 얻을 수 있는지 질문을 받았습니다. 이 요인의 값 범위는 0부터 500까지이며 그들은 10부터 100까지의 범위가 가장 흥미롭다고 생각하며 JMP가 범위 외부보다 해당 범위 내에 더 많은 런을 추가하기를 원합니다. 이를 수행할 수 있는 방법이 있습니까? 어떤 제안이라도 도움이 될 것입니다. 감사합니다.
Re: DOE의 연속 요인 값/범위에 대한 도움말제 동료인 Mark, Ian, Mike가 이미 조언한 대로, JMP 버전 13을 실행하고 있다면 디자인 비교 플랫폼을 사용하여 각 후보 디자인이 공유된 관점에서 어떻게 작동할지 평가하는 것이 좋습니다. 위의 게시물에 표시하세요.
Re: DOE의 연속 요인 값/범위에 대한 도움말이 연구 ~이다 DOE.
범위 10-100 ~이다 0~500 범위에 포함됩니다. 그래서 모델 '최적 지점' 범위에서 보간할 수 있습니다. 설계 특정 수준은 포함되지 않습니다.
내 생각엔 그게 네 탓인 것 같아 신념 X1의 제한된 범위: 10-100에 대해 설명합니다. 당신이 그것을 믿는다면
- 효과 크기는 반응의 표준 편차에 비해 큽니다. 예를 들어 3배 더 큽니다.
- 이 범위 내에서 최소 응답이 발생합니다.
- 예상되는 모델은 이 범위에 대한 적절한 설명입니다.
이러한 주장이 모두 사실이라고 생각한다면 X1: 10-100 범위를 사용하세요. 대신에 X1: 0-500. 왜 연구가 복잡합니까?
상대적으로 많은 수의 실행을 실행하여 두 가지 요인만 연구할 수 있습니다. (이 반응의 다른 모든 요소는 어떻습니까? 그것들을 일정하게 유지합니까? 이들과 X1 또는 X2와의 상호 작용 효과가 발생할 가능성이 없습니까?) 따라서 런 수가 20회 정도인 X1 및 X2를 사용하는 2차 모델에 대한 맞춤형 I-최적 설계를 만드십시오. 데이터 모델링에 있어서 Box-Wilson 설계(중심합성 설계)와 Box-Behnken 설계를 능가합니다. 디자인 후보는 다음과 같습니다.
그것을주의해라
- 복제는 더 많은 실행 횟수에 따른 자연스러운 결과입니다.
- 2차 모델을 지원하는 각 요인에는 일반적으로 세 가지 수준이 있습니다.
- 몇 번의 실행은 X1을 중심에서 가깝지만 중심에서 벗어났습니다.
- 이러한 이상한 실행은 최적성을 증가시킵니다.
- 이러한 이상한 실행은 디자인을 복잡하게 만듭니다(실행할 때).
- 최적성의 손실이 매우 적으면서 중앙 수준으로 자유롭게 변경할 수 있습니다.
이 디자인은 얼마나 잘 작동합니까?
효과 크기가 반응 표준 편차의 두 배 이상 크면 검정력은 합리적으로 높습니다. 이 결과는 최소 실행 수보다 14개의 실행을 포함하는 이점이 있습니다. 이 모형을 사용하여 반응을 최소화하는 최적 요인 설정을 결정하려고 합니다.
모델 예측의 분산은 설계 공간의 중심에 있는 요인 수준의 큰 간격에 걸쳐 상당히 낮습니다.
그래서 저는 X1의 다양한 레벨에 대한 구분을 없애겠습니다. 이러한 구별은 디자인 중심 또는 테스트 사고방식. 연구는 모델 중심 또는 실험 사고방식.
Re: DOE의 연속 요인 값/범위에 대한 도움말귀하의 도움과 제안에 감사드립니다. 요인에 대한 몇 가지 추가 정보를 제공하겠습니다.
연속 X1(0-500)
연속 X2(0-5000)
우리가 할 수 있는 실행 횟수는 25~50회입니다.
목표는 반응 Y를 최소화하기 위한 최적의 요인 설정/영역을 찾는 것입니다. 우리는 또한 변동성을 더 잘 평가하기 위해 일부 반복실험을 원합니다.
X1에 10~100이 중요한 이유는 이 범위가 반응에 가장 큰 영향을 미친다는 것을 보여주는 과거 데이터 때문입니다. RSM 모형에 대한 JMP의 맞춤형 설계에는 이 범위가 포함되지 않습니다. 요인을 이산 수치로 처리하는 것이 좋은 선택인 것 같습니다. 이 경우 모델 피팅 중에 이를 연속적으로 처리해도 괜찮을까요?
이것이 더 이상 DOE인지 확실하지 않습니다. 당신이 나를 깨달을 수 있기를 바랍니다. 감사해요!
Re: DOE의 연속 요인 값/범위에 대한 도움말아마도 내 동료들이 언급한 내용에 추가(요약?)하기 위해 아래에는 프로세스에 익숙하지 않은 사람들에게 DOE를 설명할 때 사용하는 슬라이드의 텍스트가 있습니다.
- 설계된 실험은 관찰된 반응에 영향을 미칠 것으로 생각되는 요인의 관계와 상호 작용을 이해할 수 있다는 목표로 선택된 체계적으로 생성된 일련의 실험입니다.
- 이것은 무엇을 의미 하는가?
- DOE는 각 요인이 다음과 같을 때 반응에 어떤 일이 일어나는지 조사합니다. 저절로 변했다 .
- DOE는 또한 요인이 다음과 같을 때 어떤 일이 일어나는지 조사합니다. 같이 변했어 .
- DOE의 각 실험은 다음을 제공하기 위해 계산됩니다. 최대 정보 가치 .
- DOE는 다음을 테스트하도록 설계되었습니다. 가능한 가장 넓은 범위 요인의 설정.
- DOE는 더 효율적 그리고 더 강력한 단일론적 분석을 사용하여 수행된 실험보다.
- DOE의 결과는 다음과 같습니다. 수학적 모델 요인과 반응의 중요한 행동을 설명하는 데 사용할 수 있습니다.
- 설계된 실험에서 무엇을 기대할 수 있나요?
- 일부 실험에서는 바람직하지 않은 결과가 나올 수 있습니다(위의 2, 4, 6 참조).
- 특정 문제에 대한 "해결책"은 아마도 실험에서 나타나지 않을 것입니다(위의 6 참조).
Re: DOE의 연속 요인 값/범위에 대한 도움말나는 이 문제에 대해 강한 의견을 가지고 있습니다. 나는 당신의 실험이 성공하기를 바랍니다.
연속형 요인 범위는 다음과 같아야 합니다. 언제나 최대한 넓게 설정하세요. 그러한 디자인은 최선의 추정치 요인의 효과뿐만 아니라 최고 권력 주어진 실행 횟수에 대한 이러한 효과에 대한 가설 검정을 위해. 요인 범위를 10-100으로 제한하거나 0-500 범위 내에 이러한 수준을 포함하면 타협 추정과 힘 모두. 디자인을 만든 후 디자인 평가 개요에 제공된 정보를 사용하여 이러한 손실을 직접 확인할 수 있습니다. 디자인 비교 플랫폼을 사용하여 두 디자인 옵션 간의 차이점을 확인할 수도 있습니다.
(그런데 하한이 0인 요인 범위를 사용하는 것은 권장하지 않습니다. 이 관행은 연속 요인을 본질적으로 범주형 요인(부재 또는 존재)으로 바꿉니다. 요인이 항상 존재하지만 정도가 다양하도록 하한에 0이 아닌 값을 사용하는 것이 좋습니다. 그 고려는 과학과 공학이지 통계가 아니다.)
동료가 이러한 추가 수준을 포함해야 한다고 주장하는 경우 Ian의 답변 외에 다른 방법은 Discrete Numeric 선택으로 이 요소를 정의하는 것입니다. 이 접근 방식은 원칙적인 설계 알고리즘을 사용합니다. 애드 혹 수동으로 실행을 추가하는 프로세스입니다.이렇게 하면 설계에서 사용할 수 있는 정보가 극대화됩니다.
테스트가 아닌 실험을 설계하고 있습니다. "가장 흥미로운" 기능이나 수준을 찾으려면 디자인이 아닌 모델을 사용하십시오. 실험의 목적은 주어진 모델에 가장 적합한 데이터를 제공하는 것입니다. 검정의 목적은 특정 요인 수준에서 반응을 관찰하는 것입니다. 그것들은 같은 것이 아닙니다.
Re: DOE의 연속 요인 값/범위에 대한 도움말메커니즘 측면에서 볼 때, JMP를 사용하여 설계 과정을 거쳐 표를 만든 후에는 적절하다고 판단되는 값으로 이 표에 '추가' 행을 직접 추가할 수 있습니다. 그러나 이것이 바람직한지, 그리고 그렇다면 이를 수행하는 가장 좋은 방법은 무엇인지는 토론의 여지가 있습니다(이미 알고 있다고 말할 준비가 된 것과 찾으려고 하는 것이 무엇인지에 따라 결정됨).
그렇다면 영업비밀을 공개하지 않고 실험 목표와 사용 가능한 리소스에 대해 더 자세히 말씀해 주실 수 있나요?
