Plataforma de detección DoE<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Así que hice un bloqueo (X1), dos niveles (-1, + 1) tres factores (A, B, C). 5 se ejecuta en un bloque, y 5 se ejecuta en el siguiente bloque. Un control en cada bloque. El alias fue la interacción A * B * C. No pude controlar uno de mis parámetros para dos de las carreras. Para C, dos de las ejecuciones fueron en realidad control en +0.70 en lugar de +1. Por lo tanto, introduzco eso en el software.
1 análisis) Usando la plataforma del modelo Fit, A y B no fueron significativos. C fue significativo. La intersección fue más baja que donde debería estar. Esto fue informativo pero no tan útil.
2 análisis) Usando la plataforma de selección, los coeficientes significativos son C y C * C. Ejecuto el modelo usando C y C * C, el resultado tiene sentido. Biológicamente, esto también se esperaba porque no me sorprendió que el resultado de la respuesta fuera una curvatura. Además, la intersección es donde debe estar. El modelo resultante es lógico y más útil para mí.
Entonces, mi compañero de trabajo sostiene que mi diseño inicial no fue un diseño de respuesta de superficie. Es básicamente un DoE factorial de bloqueo completo, por lo tanto, no puedo tener un modelo que sea cuadrado (curvatura). Como no entiendo completamente la plataforma de detección para explicar completamente el C * C en un informe, debería adoptar un enfoque más conservador y usar el primer análisis que es un modelo clásico pero menos informativo.
Si mi compañero de trabajo tiene razón, ¿por qué la Plataforma de detección me otorgaría un C ^ 2 cuando mi diseño inicial no tenía la intención de detectarlo? ¿Hay alguna manera de justificar el coeficiente cuadrado resultante?
Re: DoE Screening PlatformOdiaría la respuesta de que no haya obtenido ninguna información después de 10 ejecuciones. Hay un problema sin replicaciones, es decir, no hay una estimación de error pura: sería mejor un punto central adicional en cada bloque. Por otro lado, debería tener un gráfico normal de los efectos, y si lo dice, debería tener una clara indicación gráfica de C como el efecto activo (C se desvía de una línea recta). Si C es el único efecto activo, el resto es ruido. C es un factor de tres niveles ya que tiene un punto central con más menos en un espacio de factor unidimensional. Los niveles de 0.7 son riesgos ya que la ortogonalidad del diseño es algo cuestionable y activos al estimar un coeficiente de C cuadrado. Si los residuos del modelo están bien, es probable que haya construido la fuerza de la hipótesis "C solo activa" contra cualquier otro modelo considerablemente. El siguiente paso podría ser un experimento de validación.
Re: DoE Screening PlatformLa plataforma Screening es una plataforma muy simple. Se asume que usted está en una situación de evaluación de manera que los principios de evaluación se mantienen. efecto dispersión, jerarquía del efecto, herencia del efecto y proyección). No está claro que este experimento sea, de hecho, de detección, independientemente de la plataforma de diseño en JMP que se haya utilizado. Así que los resultados de la detección pueden ser sospechosos.
La plataforma de Screening crea. contrastes basado en estos principios hasta que el modelo sea saturado . Entonces ingresa primero el efecto aditivo más grande, luego el segundo más grande y así sucesivamente. basado en el principio de jerarquía de efectos . Una vez que todos los efectos principales están en el modelo, comienza a agregar los efectos de segundo orden (por ejemplo, interacciones y términos cuadráticos) utilizando los efectos principales en orden de importancia según el principio de la herencia del efecto. Continúa hasta que haya utilizado todos los grados de libertad (es decir, 10 términos en su caso). La idea es que la saturación del modelo aumenta la posibilidad de que la dispersión del efecto se mantenga y aumente la validez del modelo. error pseudo-estándar utilizado en el t -pruebas Dado que C ingresó como el efecto principal más significativo, ingresaría temprano en un término de segundo orden, como A * C o C ^ 2, basado en el principio de la herencia del efecto. Debido a que solo tiene un punto central, la asignación de curvatura será a C, el efecto principal más significativo basado en el principio de la herencia del efecto. T aquí es, de hecho, no hay datos en su experimento para determinar realmente qué factores son responsables de la curvatura en la respuesta.
Re: DoE Screening PlatformAmbos tienen razón ...
Si está siendo un detective, entonces quizás C sea significativo y no haya otros términos significativos y no haya ajuste (ya que mencionó que repitió el punto central en cada bloque), entonces C * C es posible pero se da cuenta de que es confundido con otros términos posibles (B * B y C * C).
Para dilucidar realmente los términos activos, se podría aumentar el experimento con 5 ejecuciones adicionales para ajustar el RSM.
Re: DoE Screening PlatformSí, estaba en JMP Custom. Un total de 10 carreras. El control fue el punto medio (0).
Re: DoE Screening PlatformCreo que no nos has dado suficiente información sobre el diseño.
¿Creaste el diseño original en JMP? Si es así, ¿qué generador de diseño usaste? Custom, Screening, etc.)?
5 runs in one block, and 5 runs in the next block. One control in each block.
¿Cuántas carreras en total suma esto? 10 o 12? ¿Qué configuraciones A, B y C usaste para la ejecución "Control"?
-Jeff
Re: DoE Screening PlatformSe ajusta a una curvatura y, científicamente, no tengo ninguna duda de que es una curvatura. ¿Es correcto el punto de mi compañero de trabajo de que mi diseño inicial no fue un diseño de respuesta de superficie, por lo tanto, no puedo obtener un resultado C ^ 2?
Re: DoE Screening Platform¿Cómo se ve la gráfica de Y = Respuesta, X = C? Eso podría ayudarlo a decidir cuál es el efecto potencial de C en la respuesta.
