Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie kann dies vermieden werden?Hallo,
Wir haben ein DOE durchgeführt und einige DOE-Faktoren (Ta_mes, c_mes) sowie einige zusätzliche Werte überwacht, die eigentlich stabil sein sollten, es aber nicht waren (Tb_mes, zufälliges Testfahrzeug).
Die Modellierung liefert ganz unterschiedliche Vorhersagen, unabhängig davon, ob Zufallsfaktoren für das Modell verwendet werden oder nicht. Sie sind sogar unrealistisch (negative Dicken s-2 oder sehr hohe TE (höher als während der Versuche)).
siehe zum Beispiel den Profiler HSS-TE versus HSS_random
Haben Sie eine Erklärung, warum dies geschieht und wie Sie es vermeiden können?
Allgemeine Erklärung:
Das DOE wurde mit 8 Gesamtparzellen und 16 Unterplots entworfen. Das gesamte DOE wurde in einem Tank betrieben. Die gesamten Diagramme stellen verschiedene Plattierungstage dar und untergeordnete Diagramme zeigen den täglichen Temperaturanstieg (leider dauerte die Abkühlung zu lange – daher war der Temperaturanstieg Ta trotz des ursprünglichen Entwurfs immer positiv). Eine dritte irreversible Änderung (Konzentrationserhöhung c_set) wurde während der Designerweiterung als Block markiert.
Die Ergebnisse stehen auf der rechten Seite von „Y“.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannVielen Dank – (Taguchi-Designs mit Kontroll- und Rauschfaktoren sind neu für mich.)
Ich konnte das beigefügte Modell nicht finden – ich bin immer noch gespannt, wie Sie mit den (chategorischen) Charaktertyp-Antworten (LM-void und Peeling) umgehen.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannNein, es wäre nicht sinnvoll, die Designrolle von „Kontinuierlich“ auf „Rauschen“ zu ändern. Diese Änderung ist unnötig. Das ist auch nicht der Zweck des Typs Rauschfaktor.Bitte sehen Helfen > Bücher > Versuchsplanung für mehr Informationen.
Sie verkomplizieren das Design (post hoc) und die Analyse ohne triftigen Grund. Letztendlich besteht der einzige Zweck eines Experiments wohl darin, die optimalen Daten zu erhalten, die zu einem Modell passen, in diesem Fall zu einem Modell, dessen Parameter linear sind. Ich habe Ihre Datentabelle aktualisiert und sie an eine meiner vorherigen Antworten angehängt. Die zusätzlichen Spalteneigenschaften sind korrekt und unterstützen die Regressionsanalyse. Die gespeicherten Modelltabellenskripte sollten auch eine sinnvolle Datenanalyse ermöglichen.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannAnbei finden Sie das Modell mit Antworten (Datentyp „Character“ für Peeling und LM-void):
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannJa, Sie haben Recht: Ich dachte, dass Faktoren, die nicht entworfen wurden und behoben werden sollten, dies aber in Wirklichkeit nicht der Fall ist, bei der Modellierung das Attribut „zufälliger Effekt“ erhalten würden.
Wäre es sinnvoll, die Entwurfsrolle für diese halbfesten ungeplanten Faktoren auf „Rauschen“ zu setzen, um zu berücksichtigen, dass nicht sichergestellt werden kann, dass die Variation unabhängig von anderen Faktoränderungen ist (Risiko zufälliger Korrelationen)?
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannGeben Sie Faktoreffekte nicht als Zufallseffekte ein.Der „Offset“ ist ein Artefakt des von Ihnen eingegebenen fehlspezifizierten Mixed-Effects-Modells.
Sie scheinen über die Natur von festen und zufälligen Effekten verwirrt zu sein. Die einzigen zufälligen Effekte in Ihrem Modell sollten ganze Handlungsstränge und Unterhandlungsstränge sein. (Der verbleibende Zufallseffekt wird automatisch aus dem modellabhängigen quadratischen Fehler und den Freiheitsgraden geschätzt. Es sollte nicht explizit angegeben werden.) Die Faktoren hingegen haben feste Auswirkungen, die reproduzierbar sind. Für diese Effekte kann es erforderlich sein, dass mehr als ein Term angemessen dargestellt wird: ein Term erster Ordnung, ein Term zweiter Ordnung oder ein gekreuzter Term. Zum Beispiel Ihr Faktor Ta sollte eine feste Wirkung haben. Die Datenspalte Ta wird verwendet, um Schätzspalten für das Regressionsmodell zu erstellen, z Ta oder Ta^2 . Die Tatsache, dass Sie den gemessenen Füllstand verwenden ( Ta mes ) anstelle der ursprünglichen Einstellung ( Ta set ) ändert nichts an der Tatsache, dass alle Ta-Terme feste Effekte darstellen.
Normalerweise ist ein geplantes Experiment mit einem hypothetischen Modell verbunden, das geschätzt und getestet wird. Ich habe bereits mehr als einmal mit vernünftigen Modellen für Ihr Experiment und Ihre Daten geantwortet.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannLieber Mark,
Ja, bitte.
Im Anhang finden Sie ein Journal mit verschiedenen Modellen für s-2 und TE. Für mich ist sehr unklar, warum ich einen Offset erhalte, wenn ich zusätzliche Zufallsfaktoren wie z. B. Tb_mes für s-2 oder s-2 für TE verwende.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannVielen Dank für das Update, aber ich bin mir jetzt nicht sicher, wo Sie mit den Problemen stehen. Brauchen Sie noch Hilfe?
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannLieber Mark,
Die Tests wurden in einem Gefäß/Tank und einer Konzentration von c durchgeführt Satz Änderungen in einem Behälter/Tank sind irreversibel.
Sie haben Recht, die Konzentration c war während der ersten 16 Läufe konstant, stieg dann an und blieb während der Läufe 17–32 erneut konstant.
Um die Konzentration in das Modell zu implementieren, wird eine Spalte c Satz wurde zur ursprünglichen Datentabelle hinzugefügt.Wenn ich es als Konstante richtig mache, erhalte ich eine Konstante, daher habe ich vor der Modellerweiterung vorübergehend einen Wert auf die höhere Konzentration geändert und ihn anschließend „korrigiert“.
Ich sah keinen anderen Weg als das Blockieren während der Augmentation, um die Konzentration c umzusetzen Satz in das Modell, da die gesamten Diagramme und Unterdiagramme bereits benötigt wurden, um die Temperatur Ta und die pH-Änderung zu beschreiben. Beides wurde blockweise durchgeführt, da Änderungen sonst zu viel Zeit in Anspruch nehmen würden.
- Die pH-Einstellung muss bei Raumtemperatur (vor dem Erhitzen) erfolgen. -> Pro Tag kann nur ein pH-Set getestet werden.
- Das Aufheizen (und Abkühlen) des Gefäßes/Tanks braucht Zeit.Um mindestens 4 Läufe pro Tag zu haben, ist nur eine Temperatur Ta erforderlich Satz Die Erhöhung erfolgte täglich.
Die Temperatur Tb sollte konstant sein, ist es aber tatsächlich nicht. Daher wurde es für jeden einzelnen Lauf gleichzeitig gemessen. Es handelt sich um einen Zufallsfaktor, der nachträglich als Spalte hinzugefügt wurde.
Mit der Temperatur Ta habe ich genauso umgegangen wie Du.
.....
Ich habe Schwierigkeiten, eine Möglichkeit zu finden, Teile der JMP-Analyse einzufügen (kopieren/einfügen). Ich werde weiter erklären, wenn ich den Weg gefunden habe.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannIch habe mir meine Analyse noch einmal angesehen und festgestellt, dass zwischen dem, was Sie im Entwurf angegeben haben, und dem, was Sie im Experiment tatsächlich getan haben, eine erhebliche Diskrepanz besteht.
- Sie benötigen Block nicht im Modell, da es mit Whole Plots und Subplots, C-Set und (meistens) Tb-Set verwechselt wird.
- c set ist im Design nicht als Faktor angegeben. Wie wurde es zum erweiterten Design hinzugefügt?
- Der c-Satz liegt in den Gesamtparzellen 1–4 auf dem gleichen Niveau und in den Gesamtparzellen 5–8 erneut auf dem anderen Niveau. Wurde es wirklich nur einmal eingestellt und zurückgesetzt? War es in den ersten 16 Durchgängen konstant und wurde es dann auf einem konstanten zweiten Niveau zum Experiment hinzugefügt?
- Wurde Tb wie c zum Experiment hinzugefügt? Es scheint kein Designfaktor zu sein, sondern eine weitere Variable, die nach dem Design des Experiments hinzugefügt wurde.
- Sie haben einen schwer zu ändernden Faktor Ta. Es sollte innerhalb der gesamten Nebenhandlung auf einer Ebene festgelegt und gehalten werden. Dennoch haben Sie unterschiedliche Werte für Ta mes. Es scheint, dass die Messvariable die Kontrolle innerhalb eines Laufs angibt und „Subplots“ einen zufälligen Fehler beim Festlegen des schwer zu ändernden Faktors anzeigt. Deshalb habe ich „Subplots“ als Zufallseffekt und „Ta mes“ als festen Effekt anstelle von „Ta“ belassen.
Ich habe meine Analyse aktualisiert und das neue Modellskript in der angehängten Datentabelle gespeichert. Ich erhalte den folgenden Profiler, nachdem ich die Modellauswahl abgeschlossen und die Vorhersageformel für die vier Antworten mit signifikanten Auswirkungen gespeichert habe.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannHaben Sie die von mir durchgeführte Analyse überprüft? War mein Ansatz sinnvoll? Waren die Ergebnisse sinnvoll? Ich verstehe Ihre Analyse immer noch nicht. Einzelheiten:
- Was die Wirkung von Tb auf s-1 und s-2 betrifft, verstehe ich nicht, was Sie mit „als Zufallsfaktor verwendet“ meinen. Meinen Sie damit, dass Sie Tb als einen zufälligen Effekt modelliert haben?
- Aufgrund des linearen Modells sind im Allgemeinen negative Vorhersagen möglich. Es wird davon ausgegangen, dass die Reaktion von negativ unendlich bis positiv unendlich variiert. Außerdem wird der Fehlerbeitrag als Normalverteilung mit einem Mittelwert von Null modelliert, sodass auch die Hälfte der Fehler negativ ist. Es ist schwierig, Ihre Frage zu beantworten, da Sie das verwendete Modell oder die Ergebnisse der Regressionsanalyse nicht gezeigt haben.
- Peeling scheint eine durch eine Zahl angegebene Klasse zu sein, daher habe ich sie in numerisch/kontinuierlich geändert, um sie an ein Modell anzupassen.
- s-2 ist ein „Zufallsfaktor“? Ich weiß nicht, was diese Aussage bedeutet.
- Vorhersagen basieren auf einem Modell. Stets. Wenn Sie den Faktor nicht einbeziehen, besteht das Modell aus der mittleren Antwort plus dem Fehler. Wenn Sie den Faktor einbeziehen, ist es möglich, dass der Mittelwert variiert und höher (und niedriger) ausfällt als ohne Faktor.
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannLieber Mark,
Vielen Dank, dass Sie sich das angeschaut haben.
Ich werde versuchen zu klären:
Leider wurden bei der Festlegung des DOE keine Antworten (s-2, s-1, Peeling, HSS-TE, HSS-SS, LM-void) angegeben. Daher ist die Y-Spalte leer.
Bei jedem Versuchsdurchlauf wurde ein Testfahrzeug plattiert.
Zuerst wurde die plattierte Dicke (s-2 (numerisch/kontinuierlich), s-1 (numerisch/kontinuierlich)) gemessen.
Aus früheren Tests wissen wir, dass die Temperatur Tb bei geringfügigen Schwankungen einen Einfluss auf die Dicke s-2 (Mittelwert(s 2 (µm))) hat. Daher wurde die Temperatur Tb_mes für jeden Lauf bestimmt und als Zufallsfaktor bei der Modellierung von s-2 verwendet.
Und in diesem Fall hatten wir am Ende negative Vorhersagen für die Dicke. Warum?
Zweitens wurde an einem Teil des Testfahrzeugs ein Klebebandtest durchgeführt mit dem Ergebnis: Abblättern( Zeichen/Ordinalzahl ).
Drittens wurde ein anderer Teil des Testfahrzeugs für einen Löttest mit den Ergebnissen verwendet: HSS-TE (numerisch/kontinuierlich), HSS-SS (numerisch/kontinuierlich), LM-void ( Zeichen/Ordinalzahl ).
Aus früheren Tests mit s-2-Dickenvariationen wissen wir, dass der Löttest durch die Dicke s-2 beeinflusst wird. Daher wurde die Dicke s-2 (Mittelwert(s 2 (µm))) als Zufallsfaktor bei der Auswertung der Lötergebnisse verwendet, z. B. HSS-TE.
In diesem Fall erhielten wir HSS-TE-Vorhersagen, die viel höher waren als ohne Zufallsfaktor, sogar höher als die Ergebnisse (siehe Diagramm „Actual by Predicted“). Warum?
PS: Laut JMP-Meldung „Zufällige Ereignisse werden von Ordinal Logistic nicht unterstützt“. Daher erfolgte die Modellierung ohne Zufallsfaktoren für Peeling und LM-Hohlraum. Oder gibt es eine Möglichkeit, zufällige Effekte für Ergebnisse mit Modellierungstyp Zeichen/Ordinalzahl einzubeziehen?
Ich hoffe, dass diese Erklärung zur Klärung beiträgt.
Beste grüße
Petra
Betreff: Die DOE-Bewertung mit Zufallsfaktoren führt zu unrealistischen Ergebnissen. Warum und wie das vermieden werden kannIch verstehe Ihre Beschreibung des Experiments und die Probleme bei Ihrer Analyse nicht.
Ich begann mit der Analyse von vorne. Mehrere Faktoren und Antworten hatten den falschen Datentyp, den falschen Modellierungstyp und es fehlten wertvolle Spalteneigenschaften. Ich habe alle Datenspalten in ihren besten Zustand zurückversetzt. Ich habe alle gespeicherten Tabellenskripte, Zusammenfassungsstatistiken und gespeicherten Vorhersageformeln gelöscht. Ich hatte dann keine Probleme damit, vernünftige lineare Modelle mit den Zufallseffekten anzupassen. Das Peeling hatte keine nennenswerten Auswirkungen.
Ich habe meine Version des Experiments und der Analyse für Ihre Prüfung beigefügt.
