<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私は5つの因子を持っています、そして興味のある2つの因子相互作用を選択した後に、それは私が16回の実行を必要とするようです。 私の質問は以下の通りです。
カスタムプラットフォームの解像度をすばやく確認する方法を教えてください。私はエイリアステーブルを見ることができますが効果の一番上の行を解釈する方法がわかりません。 私は興味があるのは主な効果+ 2因子相互作用だけです。
今トリッキーなビット。 16ではなく25ランの予算があります。 だから私は最も効率的な方法でランを追加するための最良の方法を知りたいです。 私は、2つから3つの中心点と同様に、より広い因子設定点での複製または複製を追加することができました。 拡張設計オプションを試したとき、2回の複製で32回の実行しか得られませんでした（つまり、あまり手助けがありません）。 ）
カスタムプラットフォームで、デフォルトの16回の実行ではなく、ユーザー定義の25回の実行を選択した場合、JMPは残りの実行をどのように決定しますか。また、カスタムプラットフォームからDまたはI最適を選択した場合は、これらの追加実行を何らかの方法で変更します。
ありがとうジェフ。 最後にJMP 10にアップグレードして実験を行いました。
主な効果をフィットさせるための16ランのD最適計画は、すべての2因子相互作用が分解能Vのフラクショナル要因計画です。エイリアス用語に3つの要素の相互作用を追加することで、これを自分自身に納得させることができます。そうすると、各2因子相互作用が3因子相互作用と混同されることがわかります。この場合、強さ4の直交配列（解像度V設計）は1つだけで、カスタム設計者はこの設計を見つけます。ただし、一般に、主効果に対して直交しているが、異なる他の統計的性質を持つ多くの設計があります。
25ランで何をすべきかについてのあなたの質問に。私はあなたがあなたのモデルの検証のために1つの実行を節約する5つの主な効果と10の2要素の相互作用のために24実行のデザインを作成することを提案するでしょう。カスタムデザイナに4つのレプリケートランを作成するよう依頼します。これらの実行は、4つの複製があるという制限を条件として、設計のD効率を最大化するように選択されます。これにより、純粋なエラーに対して4自由度が与えられます。また、4つの不適合自由度があります。いくつかの3要素の相互作用が偶然大きいことが判明した場合、これらは有用であることが証明されます。JMPのFit Modelは自動的にLack of Fitテストを行います。その検定が有意であれば、原因となる可能性がある高次の相互作用を見つけるためにStepwiseを使用できます。
これを実行したときに私が見つけたデザインは、すべての2因子相互作用を含むモデルに対して94.29％D効率です。VIFはすべて1.125です。主効果モデルの設計は98％D効率で、最大VIFは1.05です。
この設計は、24回の実行で可能な最もD効率の良い設計ではなく、2要素の相互作用モデルではありませんが、最もD効率の高い設計にはない2つの機能があります。それらは4つの複製であり、Lack-of-Fitテストを実行する能力です。
これは私が個々の実行複製について書いたブログのURLです：
実験計画のためのJMP 10の新機能
これは私が説明したデザインを生成するためのスクリプトです。
DOE （ カスタムデザイン 、{応答を追加（最大化、"y"、。、...））、
係数を追加（連続、-1、1、"X1"、0）、
係数を追加（連続、-1、1、"X2"、0）、
係数を追加（連続、-1、1、"X3"、0）、
係数を追加（連続、-1、1、"X4"、0）、
係数の追加（連続、-1、1、"X5"、0）、ランダムシードの設定（5735943）、
開始数（10000）、用語の追加（{1,0}）、用語の追加（{1,1}）、
用語の追加（{2,1}）、用語の追加（{3,1}）、用語の追加（{4,1}）、用語の追加（{5,1}）、
用語を追加（{1,1}、{2,1}）、用語を追加（{1,1}、{3,1}）、
用語の追加（{1,1}、{4,1}）、用語の追加（{1,1}、{5,1}）、
用語の追加（{2,1}、{3,1}）、用語の追加（{2,1}、{4,1}）、
用語を追加（{2,1}、{5,1}）、用語を追加（{3,1}、{4,1}）、
用語の追加（{3,1}、{5,1}）、用語の追加（{4,1}、{5,1}）、繰り返し（4）、
サンプルサイズを設定する（24）}
;
入力いただきありがとうございます。 私は実際に5つの連続した要素を持っていて、1回のスクリーニング実験（25回の実行）そしてそれからおそらく1つのRSM（2つの最大の要素5レベル）を行うことを計画しています。
スクリーニングデザインプラットフォームを使用する場合は、16回の実行でフラクショナル要因分解Vデザインを選択できます。 カスタムデザインプラットフォームを使用し、すべての2次インタラクションを選択した場合、デフォルトとして32回、最小として16回の実行が推奨されます。 カスタムデザインプラットフォームからの最小16回の実行でも、エイリアシングは発生しません（エイリアスマトリックス= resolution Vと解釈していますが、明示的ではありません）。 カスタムデザインはD最適（100％D効率）にデフォルト設定されているため、スクリーニングデザインプラットフォームで指定されているものと同じデザイン（カスタムデザインの16最小ランニングデザインは、スクリーニング設計プラットフォーム）。 ？
これが正しいと仮定して、私がカスタムデザインプラットフォームを使用し、「ユーザー定義」を16（最低）の代わりに25回実行すると選択すると、D効率94.5％が得られます。 主な目的はスクリーニングですが、これが最も可能性の高い最適な設計ですか？別の方法としては、16回の実行（これは既に解像度Vです）に固執し、他の実行をアドホックに追加することです。 過去（私はより少ない因子を持っていたとき）私は典型的にコーナーと中心点を複製しました（堅牢性を確認するために、そして応答がノイズと比較して小さいならそれは因子の感度を推定するのが難しいかもしれないと心配します）。 これは、誤差を推定するために〜5回の繰り返しに相当する可能性があります（誤差は各実行で同じであると仮定して）。 しかし、5つの要素があるため、複製を最適な方法で選択するのはまだ困難です。 問題は、D最適が私が本当に望んでいるものなのか、それとも一次元においてのみ最適なのかということです。
こんにちは、
カスタムデザインプラットフォームを開発したBradley Jonesにあなたの質問を投げかけました。これが彼の返答です。
There many questions here but I cannot be quite sure of an answer unless I know whether you have categorical factors with more than two levels. I suspect you do because otherwise with 5 factors each at two-level, the Custom Designer would not have 16 runs as the default.
If you do have factors with more than two levels then the question of resolution is not relevant because resolution is a concept that only applies to designs having all factors at two-levels. So, resolution is an idea with limited applicability.
What is more generally useful is knowing how many effects you can estimate with a given number of runs and whether these effects may be biased by the presence of active effects that are not in your model.
If you have 25 runs, you may well have enough runs to estimate all the two-factor interactions even though you are only interested in two of them. This would make your design like a resolution V design even if you have categorical factors with more than two levels. I would recommend adding all the two factor interactions to your original model to see if 25 runs is sufficient to fit them all.
It is always useful to have replicate observations because that allows you to estimate the error variance without having the correct model. It also can allow you to do a test of lack of fit.
My personal preference is to add terms to my model before replicating observations because I feel comfortable estimating the error variance using the extra runs not being used to estimate the model terms. Also, you need to have at least 5 or more replicates before you can get a decent pure error estimate of the variance. I view this as a substantial investment just to estimate one parameter.
If all your factors are continuous, then 25 runs is enough to estimate the full quadratic model. That is, you can estimate all the main effects, two factor interactions and quadratic effects. With that budget, I would run an I-optimal RSM design that you can get by clicking the RSM button.
- ジェフ
