Lektionen aus endgültigen Screening-DesignsIch benutze DSDs und CDs seit einiger Zeit. Was ich finde, ist, dass ich selten (naja, nie, wirklich) die alten Factorial Designs, Plackett-Burman usw. benutze. Obwohl ich die Box-Behnken-Designs immer noch mag. Meine Frage ist: Fehlt mir etwas oder finden andere, dass die "alten" Designs nicht mehr viel verwendet werden?
Re: Lektionen von endgültigen Screening-DesignsHerr SJ Janis ist (IMHO) ein sehr kenntnisreicher statistischer Experte, und wenn er zuerst an DSDs denkt, ist dies eine starke Empfehlung für DSDsRe: Lektionen von endgültigen Screening-DesignsAls Doe-Praktiker seit über 30 Jahren sind DSDs sicherlich außerordentlich attraktiv, da sie die Tür öffneten, um die Anzahl der Faktoren, die untersucht werden können, auf eine viel größere Zahl anzuheben. Wie Sie wissen, "kommt es früher oder später auf das Geld an" und wenn aus meiner Erfahrung heraus ein Schlüsselerfolg bestand, würde ich mir wünschen, ich hätte immer mehr Faktoren hinzufügen können, die auf multivatiante Weise untersucht werden könnten. Wie Sie jedoch wissen, erfordern Experimente manchmal einen begrenzten Bereich oder kategoriale Faktoren mit mehreren Ebenen, und hier zeigt sich die Flexibilität des benutzerdefinierten Designers von JMP. Die klassischen Designs sind sehr gute Designs und daher die Kategorie "klassische Designs". In einigen Fällen sind sie ein Design der Wahl unter Verwendung des benutzerdefinierten Designers. Der benutzerdefinierte Designer kann jedoch zur Optimierung des Versuchsziels verwendet werden, indem die Designkriterien ausgewählt werden, nämlich d-optimal, i-optimal oder alias-optimal, um das Design zu erzeugen, das den eigenen Kriterien entspricht. Durch diese Flexibilität können Sie zusammen mit den neuen Designplattformen zum Vergleich alle potenziellen Designkandidaten bewerten und denjenigen auswählen, der für das Problem geeignet ist, anstatt das Problem in ein Design zu integrieren.
Re: Lektionen von endgültigen Screening-DesignsDSDs sind für mich das erste, woran ich heute denke, aber es gibt immer noch Situationen, in denen ich auf klassische Designs zurückgreife. Insbesondere wenn die Anzahl der Faktoren klein ist oder die meisten Faktoren qualitativ sind, denke ich, dass ich aus vollen 2-Stufen-Fakultäten (mit 2-3 Faktoren) eine Laufleistung erzielen kann, und ein 2 ^ 5-1-Wert ist immer noch gut Design, insbesondere wenn es nicht das Ziel ist, eine Gleichung mit quadratischen Termen zu erstellen. Ein paar andere Gründe, warum klassische Designs manchmal in Betracht gezogen werden, sind a) sie sind für Neulinge sehr leicht zu erklären, und b) die Analyse ist etwas unkomplizierter und verständlicher, IMHO.
Re: Lektionen von endgültigen Screening-DesignsIch glaube nicht, dass Sie etwas vermissen. Das Tolle an allen Arten von experimentellen Designs ist, dass sie uns die Wahl geben ... und mit mehr Wahlmöglichkeiten haben wir eine bessere Fähigkeit, das zu bekommen, was wir brauchen. Bei meinem aktuellen Projekt bin ich mit meiner Fähigkeit, fast ausschließlich vollständige faktorielle Experimente durchzuführen, verwöhnt worden, aber in letzter Zeit hatte ich breitere Räume mit mehr zu erforschenden Faktoren und konnte DSD für das Screening verwenden, gefolgt von einem benutzerdefinierten Design mit Einschränkungen. und die erstaunlichen Fortschritte bei der Handhabung von JMP mit all diesen Dingen machten den Abschnitt vor der Analyse sehr viel einfacher.Re: Lektionen von endgültigen Screening-DesignsIch kann hinzufügen, dass die Videos auf der JMP-Site zu DOE von Peter Goos sehr gut sind!
