Ciao, sono curioso di conoscere i tuoi pensieri su come scegli un modello per un DOE personalizzato (due fattori continui per esempio). So che se il mio obiettivo è l'ottimizzazione, scelgo un modello RS e JMP aggiungerà sequenze più vicine al centro dello spazio di progettazione, ma quando esamino i punti di progettazione, ho sempre la sensazione che ci siano molti ampi divari tra i livelli di fattori scelti da JMP (controllo usando il grafico a dispersione). Questo mi preoccupa che potrei perdere il punto debole per l'ottimizzazione. Se aumento il numero di corse, finisco con più repliche senza colmare queste lacune. Ho scoperto che dovrò provare a utilizzare modelli di ordine superiore (Potenze: 4a o 5a) per riempire questi spazi.
Sono un po 'nuovo nel DOE, quindi sto cercando di capire se questo è il modo giusto di pensarci o semplicemente confido che non perderò il punto debole con un RSM se mi assicuro che alcune metriche (varianza , potenza) nella valutazione del progetto sembrano buoni. Grazie!
Mi aspetto che ogni esperimento lo faccia non includi il "punto debole" come una corsa. Anche così, io ancora sempre uso un esperimento ogni volta che ho bisogno di imparare come funziona qualcosa da prove empiriche.
Hai riscontrato un punto di confusione comune per chiunque si stia laureando da mero test a sperimentare , quindi non sentirti male per questo. Lo scopo di un esperimento è quello di ottenere i dati migliori per adattare il modello che descrive adeguatamente la risposta ai cambiamenti dei fattori . Non è una prova. Questo concetto è un passo importante per diventare un maestro, un avido sperimentatore.
I principi del design lavorano insieme in qualsiasi metodo di progettazione. Useremo il design personalizzato.
- Scegli una risposta significativa o più di una se necessario.
- Consideri tutti i fattori che influenzano la risposta e ne selezioni un insieme per lo studio. Il resto sarà mantenuto costante durante l'esperimento.
- Usi i fattori continui il più possibile. Si utilizza l'intervallo più ampio per ciascun fattore per garantire un effetto ampio che avrà la massima potenza e la stima più efficiente.
- Si selezionano i termini per il modello di regressione lineare per rappresentare tutti gli effetti di questi fattori inclusi gli effetti principali, gli effetti di interazione e gli effetti non lineari di ordine sufficiente. È comune che gli effetti del secondo ordine siano sufficienti nell'intervallo del fattore, ma sono consentiti termini di ordine superiore.
- Si seleziona il criterio per l'ottimalità: D-ottimale per enfatizzare la stima e il test dei parametri o I-ottimale per enfatizzare la previsione. (Ci sono altri criteri per casi speciali.)
- Decidi il budget delle esecuzioni per questo esperimento e realizza il design.
- JMP determina i livelli di fattore che sono più informativo rispetto al modello. Cioè, forniscono collettivamente i dati migliori per supportare la stima dei parametri del modello.
(Si noti che ho volutamente ignorato molte considerazioni nella progettazione di un esperimento per illustrare il processo di pensiero generale.)
Quest'ultimo compito non è più il tuo lavoro. Non ci si aspetta più che le corse individuali forniscano la risposta, il punto debole, come farebbero in un semplice test. Questo approccio è guidato dal modello, è incentrato sul modello. Ad esempio, se sai che non ci sono effetti non lineari di questi fattori, qualsiasi livello di fattore diverso dai punti finali fornirà meno informazioni sull'effetto (parametro di pendenza). Un Greedy Experimenter non sprecherebbe mai una corsa con condizioni che forniscono meno del massimo di informazioni disponibili.
Il punto debole è determinato con un esperimento da una previsione del modello. Non è il risultato di un test di una particolare condizione. (La previsione deve, ovviamente, essere confermata empiricamente.)
La selezione del modello per il design è compiuta da uno dei diversi approcci e le loro convinzioni associate:
- Inizia con il modello più grande possibile che includa i termini per rappresentare tutti i potenziali effetti. Ad esempio, il modello RSM predefinito in JMP include i termini per tutti gli effetti principali, gli effetti di interazione a due fattori e gli effetti non lineari di secondo ordine. Questa scelta è la più costosa in termini di numero di corse. Tuttavia, probabilmente non richiederà ulteriori sperimentazioni (aumento del design originale per l'economia).
- Inizia con il modello più piccolo possibile che includa i termini per rappresentare solo gli effetti principali. Il modello predefinito in JMP fornisce questo insieme minimo di termini. Questo disegno produrrà stime distorte se sono presenti effetti di ordine superiore e le loro stime sono correlate con le stime degli effetti principali. Questi enigmi possono essere risolti con esecuzioni aggiuntive per un nuovo modello con termini aggiuntivi durante aumento del design .
- Inizia con il modello che ritieni più probabilmente adeguato. Non utilizzi un modello predefinito. Scegli gli effetti principali, gli effetti di interazione e gli effetti non lineari per ogni caso. Il design personalizzato offre un'ulteriore scelta per ogni termine: stimabile se possibile. Questa opzione significa che puoi includere un termine nel tuo modello anche se non sei certo che non sia nullo prima di eseguire l'esperimento. Il progetto non sarà ottimale per un modello, ma ottimale per l'insieme di tutti i possibili modelli dati i potenziali termini.
Si noti che non ho mai fatto ricorso a considerare i livelli dei fattori che raggiungono il punto ottimale. Non devo. Non dovrei. Tale compito non è il ruolo del design. Quel compito è il ruolo del modello, quindi prendiamo il miglior modello possibile. Tale risultato richiede la migliore progettazione dei dati per la stima del nostro modello.
Spero che questa breve spiegazione aiuti. Non è all'altezza delle lezioni complete in un'istruzione sul DOE, ma si spera che chiarisca da dove viene il punto debole nel DOE e come dovrebbero essere selezionati i livelli dei fattori (dal design, non da te).
Vedi JMP Aiuto > Libri > Progettazione di esperimenti per ulteriori informazioni sull'utilizzo della progettazione personalizzata con JMP.
Vedere " Progettazione ottimale degli esperimenti: un approccio di caso di studio " di Peter Goos e Bradley Jones per un approccio moderno alla sperimentazione se preferisci imparare da solo.
Vedere Software JMP: progettazione personalizzata di esperimenti se preferisci lezioni in aula con un esperto.
