Ermittler verwenden Screening-Designs, wenn sie die Faktoren ermitteln wollen, die die Antwort am stärksten beeinflussen.
Mit einem Screening-Design können Sie eine große Anzahl von Faktoren in einem relativ kleinen Experiment untersuchen.
[Auf dem Bildschirm]
Viele Standard-Screening-Designs konzentrieren sich auf die Abschätzung der Haupteffekte.
Definitive Screening-Designs können Modelldeutigkeiten vermeiden, sodass Sie wichtige Faktoren schneller und effizienter erkennen können. Wenn der Effekt eines bestimmten Faktors stark gekrümmt ist, kann ein herkömmliches Screening-Design diesen Effekt verfehlen und den Faktor ausschalten.
[Auf dem Bildschirm]
Definitive Screening-Designs vermeiden die Verwirrung von Effekten und können Faktoren identifizieren, die einen nichtlinearen Effekt auf die Reaktion haben.
Schauen wir uns das Definitive Screening in JMP an.
Angenommen, Sie müssen bestimmen, welche von sechs Faktoren die Ausbeute eines Extraktionsprozesses beeinflussen.
Wenn Sie eine haben, fällt es mir leichter, zuerst die Faktordatentabelle zu öffnen. Diese Datei ist unten verlinkt. Denken Sie daran, dass wir Antwort, Faktoren und Einschränkungen aus dem roten Dreieck der DOE-Plattform speichern können.
Aus der Tabelle der Extraktionsfaktoren> Wählen Sie DOE> Definitives Screening> Definitives Screening-Design aus.
Doppelklicken Sie unter Antwortname auf Y, und geben Sie Yield ein.
Wählen Sie im roten Dreieck die Option Load Factors.
Die Faktornamen und -bereiche werden zusammen mit den Standard-Modellinteraktionen zur Gliederung der Faktoren hinzugefügt
Klicken Sie auf Weiter.
Die Design Options-Gliederung wird geöffnet. Hier können Sie eine Sperrstruktur angeben. In diesem Beispiel müssen Sie nicht sperren. Daher akzeptieren Sie die Standardauswahl "Keine Blöcke erforderlich".
Sie können auch zusätzliche Durchläufe hinzufügen, wodurch die Erkennung von Effekten zweiter Ordnung erheblich verbessert wird. Ein Minimum von vier Extra-Läufen wird dringend empfohlen, für diese Demo verlasse ich jedoch den Wert 0.
Ein endgültiges Screening-Design fügt einen Lauf für jeden Faktor und 1 zusätzlichen Lauf hinzu, um einen Mittelpunkt oder eine Krümmung in unserer Analyse zu erreichen
Für diese Demo unter dem roten Dreieck setze ich Random Seed auf "123", damit Sie diese Ergebnisse reproduzieren können.
Wählen Sie dann Make Design.
Das Definitive Screening Design-Fenster wird aktualisiert und zeigt eine Design-Gliederung und eine Design-Evaluierungs-Gliederung.
Öffnen Sie die Gliederung Design Evaluation> Color Map on Correlations
Die Farbkarte für Korrelationen weist den absoluten Korrelationswerten aller Haupteffekte und Zwei-Faktor-Wechselwirkungen eine Farbintensitätsskala zu. Ich habe weiter unten mehr Informationen dazu.
[Auf dem Bildschirm]
Farbkarte der Korrelationen
Der dunkelblaue Bereich zeigt, dass es keine Korrelation zwischen den Haupteffekten oder zwischen den Haupteffekten und den Wechselwirkungen zwischen zwei Faktoren gibt.
Die helleren blauen und grauen Bereiche zeigen an, dass die absoluten Korrelationen zwischen Zwei-Faktor-Wechselwirkungen klein sind.
Die durchgezogenen roten Quadrate zeigen absolute Korrelationen von 1 an. Diese erscheinen alle auf der Diagonalen und spiegeln die erwartete Korrelation eines Effekts mit sich selbst wider.
Lassen Sie die Run-Reihenfolge als Randomize festgelegt oder setzen Sie sie.
Wählen Sie Datentabelle erstellen aus
Hier würden wir unsere Testläufe durchführen und Daten sammeln. Jetzt öffne ich die verknüpften Extraktionsdaten und führe das Definitive Screening Fit Model Script aus, indem Sie den grünen Pfeil im Tabellenbereich auswählen.
Wählen Sie Ausführen.
Und wir können den Analysebericht überprüfen und die Faktoren untersuchen, die beginnend mit den Haupteffekten der Stufe 1 beginnend mit dem Screening untersucht wurden.
Probieren Sie ein endgültiges Screening-Design selbst aus, indem Sie den verknüpften Extraktions-Sample-Datensatz verwenden.
