最終的な画面設計で因子レベルに値を割り当てるこんにちは皆さん、
DOE には 7 つの連続した 3 水準因子があります。 私の目的には、Definitive Screen Desgin (DSD) の方が適しているようです。 因子ごとに、3 つのレベルに割り当てる 3 つの物理テスト サンプルがあります。 ただし、これらは係数の最大値と最小値を表すものではありません。 計画内の各因子レベルに物理値を割り当てるにはどうすればよいですか?
ありがとう、
ジョン
Re: 最終的な画面設計で因子レベルに値を割り当てるまず、返信が遅くなり申し訳ございません。
あなたの質問から、実験計画法に関する教育が必要であることは明らかです。 このようなフォーラムでのディスカッション内の短いやりとりで誰かを教育することは困難です。 参考になる本をいくつか紹介したいと思います。
- JMP で、次を選択します。ヘルプ>本>実験計画法。
- Goos と Jones の「Optimal Design of Experiments」のコピーを入手します。
実験計画法に関する研修も行っています。 JMP と ANOVA および回帰の分析方法にすでに精通していると仮定すると、次のクラスに参加するとメリットが得られます。
具体的な質問については、次のとおりです。
- PB 設計は、相互作用や非線形効果に直接対処するものではありません。 効果の疎性と射影原理は、相互作用効果が存在する場合、それに関する情報を取得するのに役立つ可能性があります。
- 最終的にアクティブな因子が 2 ～ 3 つある場合は、7 つの因子の DSD が機能する可能性があります。
- 高次項は含まれません。
- それらは、階層と遺伝の原則が成り立つと仮定して主効果が選択された後に発見されます。
- あるいは、レベルを変更していない場合は、新しい Fit DSD アプローチを使用することもできます。
- タグチ アプローチには、要因に 3 つのレベルが含まれる場合があります。
- モデルパラメータをあからさまに推定することはありません。 相互作用や非線形効果はありませんそれ自体。
- これは、外側のアレイ レベルに対する適切な S/N 比に基づいて、既存の一連の内側のアレイ実行の中から「勝者を選ぶ」方法論です。
- モデリングがないため、予測 (内挿または外挿) もありません。
- 非相加効果がある場合、Taguchi 計画では次善の結果が得られる可能性があります。
- モデル指向の方法はカスタム設計です。
- タグチメソッドは間違いないないモデル指向。
- タグチメソッドは、主効果のみの単純な場合を除いて失敗します。
- タグチのデザインは最も経済的なデザインではありません。
- デザイン指向の手法単に、設計方法 (要因計画など) に焦点を当てた方法を意味し、モデルは結果 (完全な要因項) です。 カスタム設計のようなモデル指向の方法では、モデルに焦点を当て、その結果として設計が行われます。
Re: 最終的な画面設計で因子レベルに値を割り当てるこんにちは@Mark_Bailey 、
皆さんの意見をすべて理解するのに時間がかかりました。 以下の質問で私の理解を要約してみます。
スクリーンメソッドについて:
- デザイン指向
- 「これらの設計は主効果のみを想定しています。」 つまり、それらは交互作用や二次項を研究するように設計されていないのでしょうか？
- 「PB 計画は、通常の一部実施要因計画よりも交互作用効果 (つまり、推定の可能性が高くなります) を処理します。」 これは、PB 計画が主因子交互作用を含む実験を処理できることを意味しますが、モデルに交互作用項を含めることができるという意味ではありません。
- DSD: 「変更されていない DSD を使用すると、計画内の因子の最大約半分の主効果 (効果の疎性) と一部の交互作用および二次効果 (効果の遺伝を仮定) を推定できます。」 7 つの因子があるとします。DSD は 3 ～ 4 つの因子の影響を推定できますが、7 つすべてではないでしょうか? DSD は一部の相互作用と二次効果を推定できますが、モデルには相互作用と二次項は含まれません。
タグチメソッド
- 部分階乗または PB ベースにすることができます
- 仮定には因子間の中毒性（直交性）が含まれるため、相互作用が問題を引き起こす可能性があります
- 連続的ではないため、スクリーニング目的ではありません
- 「同時に、2 レベルの組み合わせで設計空間全体をスクリーニングし、観察された応答の平均と標準偏差から導出された S/N 比に基づいて「勝者を選択」することで最適化します (モデリングではありません)。
- 質問: タグチ メソッドでは、実際には、非線形効果を捉えるために 3 つの水準因子の使用を奨励しています。 要因がほとんど 2 つのレベルにあると述べたのはなぜですか?
私の状態と目標としては、
1. 連続した 3 レベル因子が 7 つあります
2. 要因間には相互作用があるが、どの要因が相互作用するかは正確には分からない
3. 目標: システムのパフォーマンスを最適化する (要因の影響を調査することにより)
モデル指向: 何を勉強したいか (主項、交互作用項、二次項) がわかっている場合は、カスタム設計が効果的です。 さらに、付加的な条件が満たされれば、タグチメソッドは効率的になります。
設計指向: 主項、交互作用項、二次項の効果についてあまり詳しくない場合は、スクリーニング設計による逐次的アプローチが効果的です。
私の理解/質問についてコメント/回答してください。
ありがとう、
ジョン
Re: 最終的な画面設計で因子レベルに値を割り当てるこのディスカッションでは複数のトピックが取り上げられています。 私はそれらに一貫した方法で答えるように努めます。
直交配列
いいえ、あなたは正しかったです。 Taguchi デザインでは、デザインの内側と外側の配列に「直交配列」が使用されます。 これらは多くの場合部分実施要因計画ですが、PB 計画である場合もあります。 通常、レベルは 2 つに制限されます。 田口はスクリーニングには使用されませんが、それ自体。 タグチメソッドの実験は逐次的ではありません。 同時に、2 レベルの組み合わせで設計空間全体をスクリーニングし、観察された応答 (モデリングではなく) の平均と標準偏差から導出された S/N 比に基づいて「勝者を選択」して最適化します。 これまでの説明では田口のことを思い出したことはありませんでした。
PB 計画では実験に対して直交する因子列が生成されるため、主効果の推定値も直交します。 ただし、高次の項は必ずしも直交しているとは限りません。
「直交配列」とも呼ばれる新しい設計方法があります。 これらの計画は、一般に、多くの 2 因子交互作用がない場合、「通常の部分実施要因」計画よりも優れたパフォーマンスを発揮します。
したがって、混乱は、同じ用語が異なる文脈で異なる使用法で使用されることから生じます。
スクリーニングの仮定があなたの場合に有効であれば、PB L27 デザインをスクリーニングに使用できると思います。 PB 計画は、通常の一部実施要因計画よりも交互作用効果 (つまり、推定の可能性が高くなります) を処理します。 ただし、アクティブな相互作用効果が疑われる場合は、新しい OA は使用しません。
インタラクション用語の追加
[モデルの適合] ダイアログには、[相互作用コマンド ボタン] がありません。
[モデルの適合] ダイアログを使用すると、モデル内のすべての項を確実に選択できます。 見るヘルプ>本>線形モデルのフィッティング。
をクリックする前にインタラクション効果の条件を追加することはできませんテーブルの作成の中にスクリーニングデザインプラットホーム。 これらの設計は主効果のみを想定しています。
主効果スクリーニング計画の構築
2 番目のオプションでは、PB デザインではなく、新しい OA デザインが生成されます。 (PB 計画は、最初のオプションを使用した通常の一部実施要因計画とともに使用できます。)
DSD 係数レベルの変更
はい、DSD を作成した後に因子水準を変更できます。 これらの変更により、DSD を使用するパフォーマンスと利点が損なわれますが、 。 DSD は、DSD の特殊なケースです。別名最適カスタムデザイン。 に基づいています。定義された構造で構成されていますフォールドオーバーペア指定された因子が中間の値に設定され、他の因子が低い値または高い値のいずれかに設定された、各因子の実行の数。 中心点も追加されています。 DSD のクレームはこの構造に基づいています。 計画の構築後に因子水準を変更すると、この構造が破壊されるため、結果として得られる変更された計画が DSD であること、または DSD のように動作することを期待すべきではありません。 それはもうDSDではありません。
ただし、レベルの変更は完全に合法であり、結果として得られる設計は、おそらくある程度の分析とモデリングをサポートしますが、元の DSD と同じ方法または程度ではサポートされません。 これは DSD 方式の意図したものではありません。 DSDは硬いです。 スクリーニングが保証され有効であるすべてのケースを扱うわけではありません。 (たとえば、変更するのが難しい要因です。) DSD の適切な使用と不適切な使用?
スクリーニング計画の条件の追加
実験計画法用の JMP インターフェイスは、多くの機能に分かれています。プラットフォーム特定のことに特化したもの方法デザインの。 あなたが選択したのは、スクリーニングデザインプラットホーム。 Box の規則的な部分階乗法と PB の不規則な部分階乗法を実装します。 これらの方法はいずれも、モデル内の項を使用して交互作用効果に直接対処するものではありません。 通常の部分実施要因計画法では、言葉を生成する因子計画列を変更することでモデル推定列のエイリアスを変更するため。 PB デザインではエイリアシングを変更できません。 DSD プラットフォームも選択しました。 この方法はさらに制限が厳しくなります。 2 レベルのブロックを追加したり、最小数を超える追加の実行を追加したりできますが、それだけです。 その代わりに、変更なしDSD を使用すると、計画内の因子の最大約半分の主効果 (効果の希薄性) と、一部の交互作用および二次効果 (効果の遺伝を仮定) を推定できます。
したがって、スクリーニング計画および最終的スクリーニング計画プラットフォームでは、そのアクションがベースとなるメソッドの一部ではないため、モデルに項を追加することはできないというのは正しいことです。 それらの方法は、デザイン重視の。 潜在的にアクティブな効果から始めるというあなたの考えはその逆です。モデル指向デザイン。 それがカスタムデザインです。
カスタムデザインを使用してみませんか?
弊社では、役立つ 2 つの JMP トレーニング コースを提供しています。 最初のコースは DOE の入門であり、完全にカスタム設計に基づいています。カスタム実験計画法。 もう 1 つのコースは、スクリーニングの特殊な状況に特化しています。最新のスクリーニング設計。 (2 番目のコースは上級コースであり、最初のコースのクラスに出席していることを前提としていることに注意してください。)
もちろん、実験計画法に関する JMP ガイドも非常に役立ちます (ヘルプ>本）。
Re: 最終的な画面設計で因子レベルに値を割り当てるこんにちは@Mark_Bailey 、
混乱させて申し訳ありません。 それらを明確にしてみましょう。
SSD
「「SSD」が何を意味するのかわかりませんが、分数要因計画またはプラケット・バーナム計画だと思います。」
A: SSD という用語は、JMP 13 ユーザー ガイドで使用される標準スクリーニング デザインを表します。 これは DOE\Classical \Screening Design の下にあります。
オプション1：
「つまり、直交配列を使っているのですね？ L27 のデザインは PB デザインであり、OA ではありません。」
A: ここのL27はTaguchi L27 OAだと思います。 あなたの説明に基づくと私は間違っていました。
確かにあちこちで相互作用があると思います。 したがって、あなたのアドバイスに従い、この段階ではTaguchi L27 OAを使用すべきではありません。
「2次交互作用を11組追加するとはどういう意味ですか?」 設計中に用語を追加することはできません。 [テーブルの作成] をクリックした後、[モデルの適合] ダイアログでこれらの項を追加したということであれば、21 の潜在的な 2 因子交互作用効果からこれら 11 の項をどのように選択したのでしょうか? なぜ最初の分析にこれらの用語を追加するのでしょうか?」
A: はい、これらの項は「テーブルの作成をクリックした後」、「対話コマンド」ボタンをクリックして、「モデルのフィット」ダイアログに後で追加しました。 どのインタラクションを使用するかを選択するオプションはありませんでした。 インタラクションの効果を調べたいのですが、[テーブルの作成] をクリックする前にインタラクションを追加する方法が見つかりませんでした。
オプション 2:
DOE\Classical \Screening Design で、因子レベルとタイプを選択した後、JMP は 2 つのオプションを表示します。「部分要因計画のリストから選択する」または「主効果スクリーニング計画を構築する」です。 私は後者のオプションを使用し、テストを 27 回実行することを指定しました。 「テーブルの作成」をクリックした後、インタラクションを追加しました。
DSD
「9 個の相互作用項を追加できるってどういう意味ですか? はい、十分な実行が可能ですが、このモデルは飽和状態になります。 21 個のうちどの 9 個を選択すればよいか、どうやってわかりますか?」
A: 再度、[テーブルの作成] をクリックした後にインタラクションをクリックしましたが、使用するインタラクションを選択できませんでした。
はい、実行数を変更できることに気づきましたが、上限があります。
「はい、因子レベルを変更できます。 このような変更により、結果として得られる設計のパフォーマンスが大幅に損なわれる可能性があります。 最良の方法は、因子列を選択してから、[列] > [再コード] を選択することです。
A: DSD は 3 レベルの連続変数を受け取ります。 デザインを作成する前に、各要素の低い値と高い値を指定できます。 その後、JMP が自動的に平均値を Mid として当てはめます。 物理サンプルの中間値が異なる場合は、「テーブルの作成」をクリックした後に手動で変更する必要があります。 これは問題になりますか？
はい、カスタム デザインは非常に多用途です。 2 次交互作用と 2 次項を追加できます。 ただし、主因子以外の項の追加は、JMP スクリーニング設計 (SSD または DSD) ではサポートされていないように思えます。 その理由を明確にして説明してください。
ありがとう、
ジョン
Re: 最終的な画面設計で因子レベルに値を割り当てるまず最初に、一般的なアプローチについてお話したいと思います。 私たちは強くを擁護する原理ボックス、ハンター、ハンターが最初に支持した連続実験。 ただし、この戦略が常に適用されるわけではありません。 特に、スクリーニングは必ずしも必要ではありません。 さらに、スクリーニングデザインは、能力がないスクリーニングの前提条件が次の場合有効ではありません。 また、方法逐次実験は常に進化し続けます。 現在、強力ではあるが柔軟性に欠ける DSD と、最も強力で最も柔軟なカスタム設計手法を利用できます。 つまり、これらの新しい方法は、この戦略内で使用する戦術を変更します。それでは、具体的な質問に移りましょう...
SSD
「SSD」が何を意味するのかわかりませんが、分数要因計画またはプラケット・バーナム計画だと思います。
オプション1 :
- ということは直交配列を使っているのでしょうか？ L27 デザインは PB デザインであり、OA ではありません。
- これらの OA デザインは、特に次の用途に適しています。メインエフェクトのみのモデルそしてシステム。 応答に交互作用効果がいくつか存在するだけでも、分析が大幅に損なわれます。 これに該当すると思われる場合は、OA を使用しないでください。
- 本当に PB 設計であれば、大きな効果を見積もれる可能性が高くなります。 交絡はほとんどなく、推定値の相関関係は通常、推定できるほど十分に小さいです。
- 「2次交互作用を11ペア追加する」とはどういう意味ですか? 設計中に用語を追加することはできません。 [テーブルの作成] をクリックした後、[モデルの適合] ダイアログでこれらの項を追加したということであれば、21 の潜在的な 2 因子交互作用効果からこれら 11 の項をどのように選択したのでしょうか? なぜ最初の分析にこれらの用語を追加するのでしょうか?
オプション 2 :
- このオプションについての説明がまったく理解できません。
DSD
- 9 個の相互作用項を追加できるとはどういう意味ですか? はい、十分な実行が可能ですが、このモデルは飽和状態になります。 21 個から 9 個を選択するにはどうすればよいでしょうか?
- はい、因子水準を変更できます。このような変更により、結果として得られる設計のパフォーマンスが大幅に損なわれる可能性があります。 。 最良の方法は、因子列を選択してから、コル>再コード化。
- 設計にコミットする前に、 をクリックして設計プラットフォームでの実行数を変更できます。テーブルの作成。 少なくとも 4 回の実行を追加することを強くお勧めします。 因数の数が奇数 (7) の場合の DSD の最小実行数は 2k+3 = 2(7)+3 = 17 です。 デフォルトの追加実行数は 4 なので、デザインは 21 実行になります。
知りたいこと、やったこと、結果として何が得られたのかを時間をかけて丁寧に説明してください。 これらの簡潔で簡潔な声明は不可解であり、必要なすべての助けを得る前に、説明と完全な開示を求めて多くのやり取りが発生します。
Re: 最終的な画面設計で因子レベルに値を割り当てるこんにちは@Mark_Bailey
ご回答ありがとうございます。 たとえば 7 つの制御要素を使用して機械システムを最適化したいと考えています。各要素には 3 つのレベルがあります。 DOE のこの初期段階では、主にスクリーニング、第 2 に特性評価、第 3 にある程度の最適化を達成したいと考えています。 このフェーズでは約 30 個のテストを実行する余裕があります。
次のようにいくつかの設計をテストしました。
3 レベルの個別の数値変数を使用する SSD (Classical\Screen の下):
- オプション 1: L27 OA が JMP から提供されます。 主因子と2次および3次相互作用間の相関関係をJMPカラーマップによって分析しました。 また、11 ペアの 2 次相互作用を追加することもできました。
- オプション 2: 手動で 27 回の実験を選択し、主因子をテストし、2 次交互作用を追加します (JMP では 19 ペアが許可されました)
連続変数を使用した DSD
- JMP は 21 回の実行計画を生成し、2 次の相互作用の 9 ペアを追加できました。
- あなたのメッセージに基づいて、各因子レベルをテストサンプル値に置き換えることができると思います。 右？ 因子レベルを 1 つずつ手動で変更する代わりに、これを行う効率的な方法は何ですか?
- SSDと比較するために、テスト実行番号を21から27に変更できますか?
ありがとう、
ジョン
Re: 最終的な画面設計で因子レベルに値を割り当てるこの実験の目的は何ですか? DSD が他のデザインよりも適しているのはどれですか? どういう点で？
ケースがスクリーニングの前提条件を満たしている場合、DSD は他のスクリーニング設計と同様に成功する可能性があります。 これらの仮定は、効果の希薄性、エフェクト階層、 そして影響遺伝。 そうでなければ、おそらく成功しないでしょう。
あなたの具体的な質問に対する答えは 2 つあります。
- 任意の計画の任意の因子の水準を手動で変更できます。 回帰分析は、特定のモデルの最適設計による場合ほどにはサポートされない可能性がありますが、機能する可能性は高くなります。 効果が大きい場合でも、必ず見つかるはずです。
- DSD のレベルを変更して、DSD と同様のパフォーマンスを期待することはできません。 相関関係を導入し、新しい分析が依存するフォールドオーバーペア構造を破壊します。 引き続き回帰分析を使用することはできますが、DSD のような経済的なデザインでは余裕のあるデータがあまりないため、レベルの変更は大規模なデザインよりも顕著な影響を及ぼします。
[DOE] > [設計診断] > [設計の評価] を選択して、レベル変更の影響を調べます。 起動ダイアログに従って、詳細については設計診断の概要を確認してください。 この情報を元の DSD の情報と比較してください。
また、因子水準を変更する前後の応答をシミュレートし、回帰分析を比較することもできます。
