ランダムな要素を使用した DOE 評価は非現実的な結果になります。 これはなぜ、またどのようにして回避できるのでしょうか?こんにちは。
DOE を実行し、いくつかの DOE 係数 (Ta_mes、c_mes) と、安定しているはずなのに安定していない追加の値 (Tb_mes、ランダム テスト ビークル) を監視しました。
モデルにランダムな要素が使用された場合と使用されなかった場合、モデリングではまったく異なる予測が得られます。 それらは非現実的ですらあります (負の厚さ s-2、または非常に高い TE (試験中よりも高い))。
たとえば、プロファイラー HSS-TE と HSS_random を参照してください。
なぜこれが起こっているのか、そしてどうすれば回避できるのか説明はありますか?
一般的な説明:
DOE は 8 つの全体プロットと 16 のサブプロットで設計されました。 DOE 全体が 1 つのタンクで実行されました。 全体プロットは異なるめっき日を表し、サブプロットは毎日の温度上昇を表します (残念ながら、冷却には時間がかかります。したがって、元の設計にもかかわらず、温度 Ta の上昇は常に正でした)。 3 番目の不可逆的な変化 (濃度増加 c_set) は、設計拡張中にブロックとしてマークされました。
結果は「Y」の右側に表示されます。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのかありがとうございます - (制御因子とノイズ因子を備えたタグチ設計は私にとって初めてです。)
添付されたモデルが見つかりませんでした。(理論的な) 文字タイプの応答 (LM-void と Peeling) をどのように処理するかまだ興味があります。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのかいいえ、デザインの役割を連続からノイズに変更するのは意味がありません。 その変更は不要です。 それは、ノイズ係数タイプの目的でもありません。参照してくださいヘルプ>本>実験計画法詳細については。
正当な理由もなく、設計 (事後) と分析を複雑にしています。 結局のところ、実験の唯一の目的はおそらく、モデル (この場合はパラメーターが線形であるモデル) に適合する最適なデータを取得することです。 データテーブルを更新し、以前の回答の 1 つに添付しました。 追加の列プロパティは正しく、回帰分析に役立ちます。 保存されたモデル テーブル スクリプトは、適切なデータ分析も提供する必要があります。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか応答を含むモデルを同封してください (ピーリングおよび LM ボイドのデータ タイプ「文字」):
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのかはい、その通りです。設計されておらず、修正されるべきであるが、実際には修正されていない要素は、モデリング中に属性「ランダム効果」を取得すると考えました。
変動が他の要因の変化から独立しているとは保証できないことを考慮して（偶然の相関関係のリスク）、これらの半固定の計画外要因に対して設計の役割を「ノイズ」に設定するのは理にかなっていますか？
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか因子効果を変量効果として入力しないでください。「オフセット」は、入力した混合効果モデルの指定が間違っていたことによるアーティファクトです。
固定効果とランダム効果の性質について混乱しているようです。 モデル内の唯一のランダム効果は、プロット全体とサブプロットである必要があります。 (残留ランダム効果は、モデルに依存する二乗誤差と自由度から自動的に推定されます。 明示的に指定するべきではありません。)一方、要因には再現可能な固定効果があります。 これらの効果を適切に表現するには、1 次項、2 次項、交差項などの複数の項が必要になる場合があります。 たとえば、あなたの要因タ固定効果を生み出すはずです。 データ列タは、次のような回帰モデルの推定列を生成するために使用されます。タまたはた^2 。 測定されたレベルを使用するという事実 (タメス) 元の設定 (タセット) すべての Ta 項が固定効果を表すという事実は変わりません。
通常、計画された実験は、推定およびテストされる仮説モデルに関連付けられます。 私はすでに何度か、あなたの実験とデータに対する合理的なモデルを返信しました。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか親愛なるマーク様
はい、お願いします。
s-2 と TE のさまざまなモデルを掲載したジャーナルを添付していますので、ご覧ください。 私にとって、s-2 の Tb_mes や TE の s-2 などの追加のランダム係数を使用するときに、なぜオフセットが発生するのかは非常に不明瞭です。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか更新していただきありがとうございます。しかし、問題についてどのような立場にあるのかわかりません。 まだ助けが必要ですか?
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか親愛なるマーク様
試験は容器/タンクで行われ、濃度は cセット容器/タンク内の変化は元に戻すことができません。
おっしゃるとおり、濃度 c は最初の 16 回の実行では一定でしたが、17 回から 32 回の実行では増加し、再び一定でした。
集中をモデル a 列 c に実装するにはセット元のデータテーブルに追加されました。定数として正しい方法で実行すると定数になってしまうため、モデルを拡張する前に 1 つの値を一時的により高い濃度に変更し、後でそれを「修正」しました。
集中力を実装するための増強中にブロックするという別の方法はわかりませんでしたセットこれは、温度 Ta と pH の変化を記述するためにプロット全体とサブプロット全体がすでに必要であったためです。 そうしないと変更に時間がかかりすぎるため、両方ともブロック単位で実行されました。
- pH調整は室温（加熱前）で行う必要があります。 -> 毎日 1 つの pH セットのみをテストできます。
- 容器/タンクの加熱（および冷却）には時間がかかります。1 日に少なくとも 4 回の実行を行うには、温度 Ta は 1 つだけですセット増加は毎日行われました。
温度 Tb は一定であるはずですが、実際には一定ではありません。したがって、個々の実行ごとに同時に測定されました。 後から列として追加されたランダム要素です。
私もあなたと同じように温度Taを扱いました。
……
jmp 分析の一部を挿入 (コピー/ペースト) する方法を見つけるのに苦労しています。 思いついたら引き続き説明していきます。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか自分の分析をもう一度見直したところ、設計で指定した内容と実験で実際に行ったことの間に重大な矛盾があることがわかりました。
- ブロックはプロット全体とサブプロット、c セット、および (ほとんどの) Tb セットと混同されるため、モデルにブロックは必要ありません。
- c set は、設計では係数として指定されていません。 拡張デザインにどのように追加されましたか?
- c セットは、プロット全体 1 ～ 4 では同じレベルにあり、プロット全体 5 ～ 8 では別のレベルにあります。 本当に設定とリセットは 1 回だけだったのでしょうか? 最初の 16 回の実行では一定であり、その後、一定の 2 番目のレベルで実験に追加されましたか?
- Tb は c と同様に実験に添加されましたか? これは設計要因ではなく、実験の設計後に追加された別の変数であるようです。
- 変更するのが難しい要素 Ta があります。 これは、サブプロット全体内の 1 つのレベルに設定して保持する必要があります。 しかし、あなたはタメスに対して異なる価値観を持っています。 メジャー変数は実行内の制御を示し、サブプロットは変更が難しい係数の設定によるランダムエラーを示しているようです。そのため、サブプロットをランダム効果として残し、Ta セットの代わりに固定効果として Tames を残しました。
分析を更新し、新しいモデル スクリプトを添付のデータ テーブルに保存しました。 モデルの選択を完了し、重要な効果を持つ 4 つの応答の予測式を保存した後、次のプロファイラーを取得します。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか私が行った分析を調べましたか? 私のアプローチは理にかなっていましたか？ 結果は意味がありましたか? あなたの分析はまだ理解できません。 詳細：
- s-1 と s-2 に対する Tb の影響について、「ランダム係数として使用される」という意味がわかりません。 Tb を変量効果としてモデル化したということですか?
- 線形モデルのため、一般に負の予測が可能です。 応答は負の無限大から正の無限大まで変化すると仮定します。 また、誤差の寄与は平均がゼロの正規分布としてモデル化されるため、誤差の半分も負になります。 使用したモデルや回帰分析結果が示されていないため、回答することは困難です。
- ピーリングは数値で示されるクラスのようですので、モデルに合わせて数値/連続に変更しました。
- s-2は「ランダム要素」？ その発言が何を意味するのか分かりません。
- 予測はモデルに基づいています。 いつも。 係数を含めない場合、モデルは平均応答と誤差を加算したものになります。 因子を含めた場合、平均が変化し、因子がない場合よりも高くなる (または低くなる) 可能性があります。
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか親愛なるマーク様
調べていただきありがとうございます。
明確にしてみます:
残念ながら、DOE の設定時に応答 (s-2、s-1、Peeling、HSS-TE、HSS-SS、LM-void) は指定されていませんでした。 したがって、Y 列は空になります。
実験の各実行中に、試験車両にメッキが施されました。
まず、めっき厚さ（ｓ－２（数値／連続）、ｓ－１（数値／連続））を測定した。
以前のテストから、わずかに変化した温度 Tb が厚さ s-2 (平均(s 2 (μm))) に影響を与えることがわかっています。 したがって、温度 Tb_mes は実行ごとに決定され、s-2 のモデリング中にランダム係数として使用されました。
そしてこの場合、厚さについては否定的な予測になりました。 なぜ？
次に、テスト車両の一部でテープ テストが行われ、結果は次のとおりです。剥離(文字/序数）。
3 番目に、テスト車両の別の部分をはんだ付けテストに使用し、次の結果が得られました: HSS-TE (数値/連続)、HSS-SS (数値/連続)、LM-void (文字/序数）。
s-2 の厚さを変化させた前回のテストから、はんだ付けテストは厚さ s-2 の影響を受けることがわかりました。 したがって、厚さ s-2 (平均 (s 2 (μm))) は、HSS-TE などのはんだ付け結果の評価中にランダム係数として使用されました。
この場合、ランダム係数を使用しない場合よりもはるかに高い、結果よりもさらに高い HSS-TE 予測が得られました (予測プロットによる実際を参照)。 なぜ？
PS: JMP メッセージによると、「ランダム ETects は Ordinal Logistic ではサポートされていません」とのことです。 したがって、モデリングはピーリングと LM-void のランダム要素なしで行われました。 それとも、モデリングタイプの文字/順序を使用した結果にランダムな効果を含める方法はありますか?
この説明が明確になることを願っています。
よろしくお願いします
ペトラ
Re: ランダムな要素を使用した DOE 評価は非現実的な結果になります。 なぜ、そしてどのようにしてこれを回避できるのか実験の説明や分析の問題点がわかりません。
分析からやり直しました。 いくつかの要因と応答には、間違ったデータ型と間違ったモデリング タイプがあり、貴重な列プロパティが欠落していました。 すべてのデータ列を最良の状態に復元しました。 保存されているテーブル スクリプト、要約統計量、および保存されている予測式をすべて削除しました。 その後、合理的な線形モデルを変量効果に当てはめることに問題はありませんでした。 ピーリングには大きな効果はありませんでした。
あなたの調査のために、私のバージョンの実験と分析を添付しました。
