DoE セットアップの選択DoE のセットアップについて質問があり、利用可能なすべてのオプションからどれが最も適切であると思われますか。
私の実験は、特定の化学抽出の収量を最大化することに関連しており、連続 (時間、温度、容量など) とカテゴリ (サンプル番号、振とうのオン/オフなど) の両方で ~5、2 レベルのパラメーターがあります。結果にノイズが含まれる可能性があるため、3 回繰り返したいと思います。また、1 回の実行で 24 回の実験に制限されています。センターポイントのメリットも考えています。私の目的は、出力を正確に予測しようとするのではなく、どのパラメータが出力にとって重要で、どのパラメータが違いを生まないかを見つけることです。また、これを複数の DoE に分割することが有益であるかどうかも疑問です。たとえば、重要でないパラメータを最初に削除してから、重要なものをより深く調査します。
JMPには、カスタム計画、決定的スクリーニング、スクリーニング、応答曲面、完全実施要因計画、混合およびタグチから開始するオプションがあります。応答曲面は、連続パラメーターのみであると信じているため、削除できます。ただし、残りの部分については、どちらから始めればよいかわかりません。たとえば、スクリーニング -> リストから選択 -> 完全階乗など、さまざまなルートから同じポイントに到達できるようです。スクリーニングが最も適切なように思えますが、どのアプローチが最適であるかをどのように決定するかについて、コミュニティからの意見を聞きたいと思います.
Re: DoE セットアップの選択申し訳ありませんが、レプリケートについてもう 1 つ質問があります。
理想的には、各実験を 2 回、できれば 3 回実行したいと考えています。カスタム計画の最後に、実行回数を最小、デフォルト、およびユーザー指定から選択できます。「反復実行数」の上にボックスがありますが、そのボックスに 1 を入力しても実行数は 2 倍になりません。最小およびデフォルトの元の 8 & 12 の場合、9 および 16 に増加します。クラシック -> スクリーニング計画では、反復ボックスに 1 を追加すると、実際に実行数が 2 倍になります。カスタム デザインでこれが異なるのはなぜですか?また重要なことに、カスタム デザインのレプリケートを 0 に設定し、提案されたすべての実験をコピーして貼り付けて、それらすべてをレプリケートできるようにすることはできますか?
Re: DoE セットアップの選択水性/有機化学抽出の場合は、必ず塩水 (NaCl) を考慮してください。 飽和ブライン洗浄は、分割を助けるのに非常に効果的です。
Re: DoE セットアップの選択D効率は、基本的に直交性の尺度です。 これは、モデル項のいずれにも相関関係がない、同じ因子と実行回数の仮説計画と比較した計画の d 最適性です。 ほとんどの場合、そのようなデザインは実際には存在しません。
その数の実行に対して指定したすべての要因を含めるために、モデル項間のより多くの相関を受け入れる必要があるという認識にすぎません。 「悪い」d-効率とは何かを言うのは難しいです。 検出力は、カラーマップと同様に、スクリーニング計画の有用性を判断するためのはるかに優れた指標だと思います.Re: DoE セットアップの選択さらにいくつかのパラメーターを追加したところ、D 効率スコアは約 83% であることがわかりました。これは、1 つ以上の中心点を追加すると低下するように見えます。これは、曲率応答と関係があり、正確にモデル化できないためですか?それらを除外するのが最善でしょうか - D 効率の低下は ~77% ですが、ここでいくつかの議論がありますが、D 効率が良いか悪いかはわかりません: https://community.jmp.com/t5/Discussions/D-Efficiency-and-resolution/td-p/47698
Re: DoE セットアップの選択ありがとうキャメロン、これは非常に役立つアドバイスです:)Re: DoE セットアップの選択Custom Design には中心点をいくつでも含めることができることを忘れていました。これにより、応答曲面の曲率を検出できますが、モデル化はできません。この段階では、それはあなたにとってそれほど重要ではないように聞こえました。
Re: DoE セットアップの選択目的の説明から、スクリーニング計画が必要であるように思えます。ただし、応答曲面計画はすべての連続因子だけに適用されるわけではないことを指摘しておきます。設計空間内で適切な予測を行う必要がある場合は、最終的にそれを実行する必要があります。
スクリーニング計画では、24 回の実行で 5 因子は確かに実行可能ですが、すべての点を複数回繰り返すことはできません。カスタム計画をお勧めし、すべての主効果と 2 因子交互作用のモデルを指定します。そこで 24 回の実行で 5 つの因子を実行したところ、8 つの点が複製された計画が得られたので、純粋な誤差の適切な推定値が得られます。
決定的スクリーニングは、応答曲面を同時に取得したい場合と、より複雑な分析を試みるタスクに満足している場合を除き、おそらく適切ではありません。混合計画はここでは関係ありません。完全実施要因計画 (5 因子に対して 32 回の実行) には十分な実行数がありません。また、タグチ配列はかなり古い学校であり、通常は高度に分割された計画が必要な場合に使用されます (あなたのケースではありません)。
スクリーニング計画プラットフォームでは、基本的に階乗 (完全および分数) とプラケット バーマンを選択できます。分数実施要因では 2 のべき乗のみが許可されるため、計画に対して 8、16、または 32 回の実行を選択する必要があります。16 回の実行では、16 の潜在的なモデル項から開始するため、エラーに対する自由度はありません。実験で大きなノブを本当に探しているだけなら、それを行うことができます。Placket Burman は 12 ラン用で、実際には主な効果しか与えません。
カスタムデザインなら間違いありません。多くの場合、同じ実行数で従来の計画を再現しますが、カスタム計画を使用すると、推定するモデルと含める実行数を完全に柔軟に選択できます。最適性の基準については、スクリーニング シナリオの D 最適性を選択します。その基準は検出力/正確なパラメーター推定値を強調するため、実行できる実行回数に対して有意な効果を検出する可能性が最も高くなります。
