Wahl des DoE-SetupsIch habe eine Frage zur Einrichtung eines DoE und welche von allen verfügbaren Optionen am besten geeignet ist.
Mein Experiment bezieht sich auf die Maximierung der Ausbeute einer bestimmten chemischen Extraktion und ich habe ~5, zweistufige Parameter, sowohl kontinuierlich (z. B. Zeit, Temperatur, Volumen) als auch kategorisch (z. B. Probennummer, Schütteln ein/aus).Ich hätte gerne Dreifachversuche, da die Ergebnisse verrauscht sein können und ich auf 24 Experimente in einem Lauf beschränkt bin.Ich denke auch über die Vorzüge von Mittelpunkten nach.Mein Ziel ist wirklich herauszufinden, welche Parameter für die Ausgabe entscheidend sind und welche keinen Unterschied machen, anstatt zu versuchen, die Ausgaben genau vorherzusagen.Ich frage mich auch, ob es vorteilhaft wäre, dies auf mehrere DoEs aufzuteilen, z. B. zuerst unkritische Parameter zu eliminieren und dann die kritischen Parameter eingehender zu untersuchen.
In JMP haben Sie die Möglichkeit, mit einem benutzerdefinierten Design, definitivem Screening, Screening, Response Surface, Full Factorial, Mixture und Taguchi zu beginnen.Ich kann die Reaktionsfläche eliminieren, da ich glaube, dass dies nur für kontinuierliche Parameter gilt.Für den Rest bin ich mir jedoch nicht sicher, womit ich beginnen soll, und es scheint, dass Sie von verschiedenen Routen zum selben Punkt gelangen können, z. B. Screening -> Aus Liste auswählen -> Vollfaktoriell.Screening scheint am geeignetsten zu sein, aber ich wäre daran interessiert, Meinungen aus der Community darüber zu hören, wie man entscheidet, welcher Ansatz der beste ist.
Betreff: Wahl des DoE-SetupsEntschuldigung, ich habe noch eine Frage zu Replikationen.
Idealerweise möchte ich jedes Experiment zweimal oder besser dreimal ausführen.Am Ende eines benutzerdefinierten Designs können Sie die Anzahl der Läufe auswählen aus: Minimum, Standard und benutzerdefiniert.Es gibt ein Kästchen über der „Anzahl der Replikationsläufe“, aber wenn Sie 1 in dieses Feld eingeben, wird die Anzahl der Läufe nicht verdoppelt.Für ein Original von 8 & 12 für Minimum und Standard erhöht es sich auf 9 und 16. Unter Classical -> Screening Design verdoppelt das Hinzufügen einer 1 zum Feld „Replikate“ tatsächlich die Anzahl der Läufe.Warum sollte dies beim Custom Design anders sein?Auch wichtig: Könnte ich die Wiederholungen für das benutzerdefinierte Design auf 0 setzen und einfach alle vorgeschlagenen Experimente kopieren und einfügen, damit sie alle repliziert werden können?
Betreff: Wahl des DoE-SetupsWenn es sich um eine wässrig/organisch-chemische Extraktion handelt, sollten Sie Sole (NaCl) als Faktor berücksichtigen. Gesättigte Solewäschen sind sehr effektiv bei der Unterstützung der Partitionierung.
Betreff: Wahl des DoE-SetupsDie D-Effizienz ist im Grunde ein Maß für die Orthogonalität. Es ist die d-Optimalität Ihres Designs im Vergleich zu einem hypothetischen Design mit den gleichen Faktoren und der gleichen Anzahl von Durchläufen, das keine Korrelation zwischen einem seiner Modellterme aufweist. Meistens kann es ein solches Design gar nicht geben.
Es ist wirklich nur eine Erkenntnis, dass Sie mehr Korrelation zwischen den Modelltermen akzeptieren müssen, um alle Faktoren einzubeziehen, die Sie für diese Anzahl von Läufen angegeben haben. Es ist schwer zu sagen, was eine „schlechte“ d-Effizienz ist. Ich denke, dass die Leistung eine weitaus bessere Metrik ist, um die Nützlichkeit eines Screening-Designs sowie der Farbkarte zu beurteilen.Betreff: Wahl des DoE-SetupsNachdem ich ein paar weitere Parameter hinzugefügt habe, finde ich, dass ich einen D-Effizienzwert von etwa 83 % erhalte.Dies scheint zu sinken, wenn ich 1 oder mehr Mittelpunkte hinzufüge. Hat dies mit der Krümmungsreaktion zu tun und ist es nicht möglich, sie genau zu modellieren?Wäre es am besten, sie wegzulassen - der Rückgang der D-Effizienz beträgt ~ 77%, aber ich bin mir nicht sicher, was die D-Effizienz gut / schlecht ist, obwohl hier einige Diskussionen stattfinden: https://community.jmp.com/t5/Discussions/D-Efficiency-and-resolution/td-p/47698
Betreff: Wahl des DoE-SetupsDanke Cameron, das ist ein sehr hilfreicher Rat 
Betreff: Wahl des DoE-SetupsIch habe vergessen zu erwähnen, dass Sie eine beliebige Anzahl von Mittelpunkten in Custom Design einfügen können.Dadurch können Sie die Krümmung in einer Reaktionsfläche erkennen, aber nicht modellieren.Es klang nicht so, als wäre Ihnen das zu diesem Zeitpunkt sehr wichtig.
Betreff: Wahl des DoE-SetupsAus Ihrer Beschreibung des Ziels klingt es definitiv so, als ob Sie ein Screening-Design benötigen.Ich möchte jedoch darauf hinweisen, dass Reaktionsflächendesigns nicht nur für alle kontinuierlichen Faktoren gelten.Sie werden irgendwann eine machen wollen, wenn Sie jemals eine gute Vorhersage in Ihrem Designraum brauchen.
5 Faktoren in 24 Läufen sind für ein Screening-Design sicherlich machbar, obwohl Sie nicht in der Lage sein werden, jeden Punkt mehrmals zu replizieren.Ich würde Custom Design empfehlen und ein Modell aller Haupteffekte und 2-Faktor-Wechselwirkungen spezifizieren.Als ich dort 5 Faktoren in 24 Läufen durchführte, erhielt ich ein Design mit 8 der replizierten Punkte, sodass Sie eine anständige Schätzung des reinen Fehlers haben.
Definitives Screening ist wahrscheinlich nicht das Richtige für Sie, es sei denn, Sie möchten gleichzeitig eine Art Antwortoberfläche erhalten und sich der Aufgabe gewachsen fühlen, eine viel komplexere Analyse zu versuchen.Mischungsdesigns sind hier nicht relevant, Sie haben nicht genügend Läufe für eine volle Fakultät (32 Läufe für 5 Faktoren), und Taguchi-Arrays sind ziemlich altmodisch und normalerweise für Situationen, in denen Sie ein stark fraktioniertes Design benötigen (nicht Ihr Fall).
Auf der Screening Design-Plattform haben Sie grundsätzlich die Wahl zwischen Fakultäten (vollständig und gebrochen) und Plackett Burman.Eine gebrochene Fakultät würde nur Potenzen von 2 zulassen, also müssten Sie entweder 8, 16 oder 32 Läufe für Ihr Design wählen.Bei 16 Läufen hätten Sie keine Freiheitsgrade für Fehler, da Sie mit 16 potenziellen Modelltermen beginnen.Sie können das tun, wenn Sie in Ihrem Experiment wirklich nur nach den großen Knöpfen suchen.Placket Burman ist für 12 Läufe und gibt dir wirklich nur Haupteffekte.
Mit Custom Design können Sie nichts falsch machen.Es reproduziert sehr oft die klassischen Designs für die gleiche Anzahl von Läufen, aber mit Custom Design haben Sie völlige Flexibilität hinsichtlich des Modells, das Sie schätzen möchten, und der Anzahl der einzubeziehenden Läufe.Wählen Sie als Optimalitätskriterien D-Optimalität für ein Screening-Szenario aus.Dieses Kriterium betont Leistung/präzise Parameterschätzungen, sodass Sie die höchstmögliche Chance haben, signifikante Auswirkungen für die Anzahl der Durchläufe zu erkennen, die Sie durchführen können.
