L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut-il être évité ?Bonjour,
nous avons exécuté un DOE et surveillé certains facteurs du DOE (Ta_mes, c_mes) et quelques valeurs supplémentaires censées être stables mais qui ne l'ont pas été (Tb_mes, véhicule de test aléatoire).
La modélisation donne des prédictions très différentes selon que des facteurs aléatoires sont utilisés ou non pour le modèle. Elles sont même irréalistes (épaisseurs négatives s-2, ou TE très élevées (supérieures à celles des essais)).
voir par exemple le Profiler HSS-TE versus HSS_random
Avez-vous une explication pourquoi cela se produit et comment l'éviter ?
Explication générale :
Le DOE a été conçu avec 8 placettes entières et 16 sous-parcelles. L'ensemble du DOE fonctionnait dans un seul réservoir. Les parcelles entières représentent différents jours de placage et sous-tracés l'augmentation quotidienne de la température (malheureusement, le refroidissement prendrait trop de temps - donc l'augmentation de la température Ta était toujours positive malgré la conception originale). Un troisième changement irréversible (augmentation de la concentration c_set) a été marqué comme bloc lors de l'augmentation de la conception.
Les résultats se trouvent à droite du « Y ».
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéMerci - (Les conceptions Taguchi avec facteurs de contrôle et de bruit sont nouvelles pour moi.)
Je n'ai pas trouvé le modèle ci-joint - je suis toujours curieux de savoir comment vous gérez les réponses de type caractère (chatégorique) (LM-void et Peeling).
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéNon, cela n'aurait aucun sens de changer le rôle de conception de Continu à Bruit. Ce changement est inutile. Ce n’est pas non plus l’objectif du type Facteur de bruit.S'il te plait regarde Aide > Livres > Conception d'expériences pour plus d'informations.
Vous compliquez la conception (post hoc) et l'analyse sans raison valable. En fin de compte, le seul but d’une expérience est sans doute d’obtenir les données optimales pour s’adapter à un modèle, en l’occurrence un modèle dont les paramètres sont linéaires. J'ai mis à jour votre tableau de données et l'ai joint à l'une de mes réponses précédentes. Les propriétés de colonne supplémentaires sont correctes et facilitent l'analyse de régression. Les scripts de table modèle enregistrés doivent également fournir une analyse raisonnable des données.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéCi-joint, vous trouverez le modèle avec les réponses (type de données "Caractère" pour Peeling et LM-void) :
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéOui, vous avez raison : je pensais que des facteurs qui n'ont pas été conçus et qui devraient être corrigés, mais qui ne le sont pas en réalité, obtiendraient l'attribut « effet aléatoire » lors de la modélisation.
Serait-il logique de définir le rôle de conception sur le « bruit » pour ces facteurs non planifiés semi-fixes, pour tenir compte du fait qu'il ne peut pas être assuré que la variation sera indépendante des changements d'autres facteurs (risque de corrélations fortuites) ?
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéNe saisissez pas les effets des facteurs comme des effets aléatoires.Le « décalage » est un artefact du modèle à effets mixtes mal spécifié que vous avez saisi.
Vous semblez confus quant à la nature des effets fixes et des effets aléatoires. Les seuls effets aléatoires dans votre modèle doivent être des parcelles entières et des sous-parcelles. (L'effet aléatoire résiduel est automatiquement estimé à partir de l'erreur quadratique et des degrés de liberté dépendants du modèle. Il ne faut pas le préciser explicitement.) Les facteurs, en revanche, ont des effets fixes et reproductibles. Ces effets peuvent nécessiter plusieurs termes pour être représentés de manière adéquate : un terme de premier ordre, un terme de second ordre ou un terme croisé. Par exemple, votre facteur Ta devrait produire un effet fixe. La colonne de données Ta est utilisé pour produire des colonnes d'estimation pour le modèle de régression telles que Ta ou Ta^2 . Le fait que vous utilisiez le niveau mesuré ( Ta mes ) au lieu du paramètre d'origine ( Ta set ) ne change rien au fait que tous les termes Ta représentent des effets fixes.
Habituellement, une expérience conçue est associée à un modèle hypothétique qui est estimé et testé. J'ai déjà répondu plus d'une fois avec des modèles raisonnables pour votre expérience et vos données.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéCher Mark,
Oui s'il vous plait.
Ci-joint, veuillez trouver un journal avec différents modèles pour s-2 et TE. Pour moi, on ne sait pas vraiment pourquoi je me retrouve avec un décalage lors de l'utilisation de facteurs aléatoires supplémentaires comme par exemple Tb_mes pour s-2 ou s-2 pour TE.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéMerci pour la mise à jour, mais je ne sais plus où vous en êtes avec les problèmes. Avez-vous encore besoin d'aide ?
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéCher Mark,
les tests ont été effectués dans un récipient/réservoir et concentration c ensemble les changements sont irréversibles dans un récipient/un réservoir.
Vous avez raison, la concentration c était constante au cours des 16 premiers essais, puis a augmenté et à nouveau constante au cours des essais 17 à 32.
Pour implémenter la concentration dans le modèle a colonne c ensemble a été ajouté au tableau de données d'origine.Si je le fais correctement en tant que constante, je me retrouve avec une constante, j'ai donc temporairement modifié une valeur pour la concentration la plus élevée avant l'augmentation du modèle et je l'ai "corrigée" par la suite.
Je n'ai pas vu d'autre moyen que le blocage lors de l'augmentation pour mettre en œuvre la concentration c ensemble dans le modèle, car les parcelles entières et les sous-parcelles étaient déjà nécessaires pour décrire le changement de température Ta et de pH. Les deux ont été effectués par blocs, car sinon les changements prendraient trop de temps.
- L'ajustement du pH doit être effectué à température ambiante (avant chauffage). -> Chaque jour, un seul ensemble de pH peut être testé.
- Le chauffage (et le refroidissement) du récipient/réservoir prend du temps.Faire au moins 4 courses par jour, une seule température Ta ensemble l'augmentation se faisait quotidiennement.
La température Tb devrait être constante, mais en réalité elle ne l’est pas. par conséquent, il a été mesuré simultanément pour chaque analyse individuelle. Il s’agit d’un facteur aléatoire qui a été ajouté en colonne par la suite.
La température Ta, j'ai géré la même manière que vous.
.....
J'ai du mal à trouver un moyen d'insérer (copier/coller) des parties de l'analyse jmp. Je continuerai à expliquer quand je trouverai mon chemin.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéJ'ai revu mon analyse et j'ai réalisé qu'il y avait une incohérence importante entre ce que vous avez spécifié dans la conception et ce que vous avez réellement fait dans l'expérience.
- Vous n'avez pas besoin de Block dans le modèle car il est confondu avec les parcelles entières et les sous-parcelles, l'ensemble c et (principalement) l'ensemble Tb.
- L'ensemble c n'est pas spécifié dans la conception comme facteur. Comment a-t-il été ajouté au design augmenté ?
- L'ensemble c est au même niveau dans les parcelles entières 1 à 4 et à nouveau à l'autre niveau dans les parcelles entières 5 à 8. A-t-il vraiment été réglé et réinitialisé une seule fois ? Était-il constant au cours des 16 premiers essais, puis ajouté à l'expérience à un deuxième niveau constant ?
- La tuberculose a-t-elle été ajoutée à l’expérience comme c ? Cela ne semble pas être un facteur de conception mais une autre variable ajoutée après la conception de l'expérience.
- Vous avez du mal à modifier le facteur Ta. Il doit être défini et maintenu à un seul niveau dans l’ensemble de la sous-parcelle. Pourtant, vous avez des valeurs différentes pour Ta mes. Il semble que la variable de mesure indique un contrôle au sein d'une exécution et que les sous-intrigues indiquent une erreur aléatoire liée à la définition du facteur difficile à modifier. J'ai donc laissé les sous-intrigues comme effet aléatoire et Ta mes comme effet fixe à la place de l'ensemble Ta.
J'ai mis à jour mon analyse et enregistré le nouveau script de modèle dans le tableau de données ci-joint. J'obtiens le profileur suivant après avoir terminé la sélection du modèle et enregistré la formule de prédiction pour les quatre réponses avec des effets significatifs.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéAvez-vous examiné l'analyse que j'ai effectuée ? Mon approche avait-elle du sens ? Les résultats étaient-ils logiques ? Je ne comprends toujours pas votre analyse. Détails:
- Concernant l'effet de Tb sur s-1 et s-2, je ne comprends pas ce que vous entendez par "utilisé comme facteur aléatoire". Voulez-vous dire que vous avez modélisé la tuberculose comme un effet aléatoire ?
- Des prédictions négatives sont possibles en général grâce au modèle linéaire. Il suppose que la réponse varie de l’infini négatif à l’infini positif. De plus, la contribution aux erreurs est modélisée comme une distribution normale avec une moyenne nulle, de sorte que la moitié des erreurs sont également négatives. Il est difficile de répondre à votre question car vous n'avez pas montré le modèle utilisé ni les résultats de l'analyse de régression.
- Le peeling semble être une classe indiquée par un numéro, je l'ai donc changé en numérique/continu pour l'adapter à un modèle.
- s-2 est un « facteur aléatoire ? » Je ne sais pas ce que signifie cette déclaration.
- Les prédictions sont basées sur un modèle. Toujours. Si vous n'incluez pas le facteur, le modèle est la réponse moyenne plus l'erreur. Si vous incluez le facteur, il est alors possible que la moyenne varie et soit supérieure (et inférieure) que sans facteur.
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéCher Mark,
merci d'avoir étudié cela.
Je vais essayer de clarifier :
Malheureusement, les réponses (s-2, s-1, Peeling, HSS-TE, HSS-SS, LM-void) n'ont pas été spécifiées lors de la définition du DOE. La colonne Y est donc vide.
Au cours de chaque série d'expériences, un véhicule d'essai a été immatriculé.
Tout d’abord, l’épaisseur du placage (s-2 (numérique/continu), s-1 (numérique/continu)) a été mesurée.
D'après les tests précédents, nous savons que la température Tb avec de légères alternances a un impact sur l'épaisseur s-2 (Moyenne(s 2 (µm))). Par conséquent, la température Tb_mes a été déterminée pour chaque analyse et utilisée comme facteur aléatoire lors de la modélisation de s-2.
Et dans ce cas, nous nous sommes retrouvés avec des prédictions négatives pour l'épaisseur. Pourquoi?
Deuxièmement, un test de bande a été effectué sur une partie du véhicule d'essai avec le résultat : pelage( caractère/ordinal ).
Troisièmement, une autre partie du véhicule d'essai a été utilisée pour un test de soudure avec les résultats : HSS-TE (numérique/continu), HSS-SS (numérique/continu), LM-void ( caractère/ordinal ).
D'après des tests précédents avec des variations d'épaisseur s-2, nous savons que le test de soudure est influencé par l'épaisseur s-2. C'est pourquoi l'épaisseur s-2 (Moyenne(s 2 (µm))) a été utilisée comme facteur aléatoire lors de l'évaluation des résultats de brasage, par exemple HSS-TE.
Dans ce cas, nous nous sommes retrouvés avec des prédictions HSS-TE qui étaient beaucoup plus élevées que sans facteur aléatoire, voire supérieures aux résultats (voir Réel par tracé prédit). Pourquoi?
PS : D'après le message JMP « Les effets aléatoires ne sont pas pris en charge par Ordinal Logistic ». Par conséquent, la modélisation a été réalisée sans facteurs aléatoires pour le peeling et le vide LM. Ou existe-t-il un moyen d'inclure des effets aléatoires pour les résultats avec un type de modélisation caractère/ordinal ?
J'espère que cette explication aidera à clarifier.
Cordialement
Pétra
Re : L'évaluation du DOE avec des facteurs aléatoires aboutit à des résultats irréalistes. Pourquoi et comment cela peut être évitéJe ne comprends pas votre description de l'expérience ni les problèmes liés à votre analyse.
J'ai recommencé l'analyse. Plusieurs facteurs et réponses avaient le mauvais type de données, le mauvais type de modélisation et il manquait des propriétés de colonne précieuses. J'ai restauré toutes les colonnes de données dans leur meilleur état. J'ai supprimé tous les scripts de table enregistrés, les statistiques récapitulatives et les formules de prédiction enregistrées. Je n’ai alors eu aucune difficulté à adapter des modèles linéaires raisonnables aux effets aléatoires. Le peeling n’a eu aucun effet significatif.
J'ai joint ma version de l'expérience et de l'analyse pour votre examen.
