52627_de-DE

liliconcom

DSD mit einer schwer zu ändernden Kategorie

Hallo,

 

Ich habe eine interessante DOE-Herausforderung von einem Kunden.

 

Sie wollen ein DSD für ein Experiment ausprobieren. Sie haben 7 stetige Faktoren und eine einzige 2-stufige kategorische. Einfach.

 

Das Kategorische ist jedoch schwer zu ändern. Es ist die Art der Auskleidung im System. Das Auswechseln der Auskleidung bedeutet das Abschalten des gesamten Systems, was zeitaufwändig ist und zu einer Änderung der "Basis"-Leistung des Systems führen könnte. Sie wollen also die Anzahl der Änderungen minimieren.

 

Ich habe ein paar Versuche unternommen, eine DSD für die 7 Faktoren mit 8 zusätzlichen Läufen und 3 zusätzlichen Mittelpunkten zu erstellen und diese Läufe dann als Kovariaten in einem benutzerdefinierten Split-Plot mit 4 ganzen Plots zu verwenden. Die Designs sind okay, aber ich frage mich, ob jemand andere Ideen hat.

 

Letztendlich denke ich, dass es nützlich wäre, etwas zu haben, das einem DSD so nahe wie möglich kommt. Sie sind nicht allzu besorgt über die Anzahl der Läufe (30 wären in Ordnung). Sie würden wahrscheinlich in Ordnung sein, den Liner bei Bedarf alle 3 Läufe zu wechseln.

 

Übrigens, sie wären damit einverstanden, dass wir dies als Blog schreiben, wenn es ausreichend interessant ist.

 

Danke,

Phil

Betreff: DSD mit einer schwer zu ändernden Kategorie

Verwenden Sie nicht die Blockierung von der DSD-Plattform, sondern erstellen Sie die Blöcke manuell basierend auf den kategorialen Faktorwerten aus der ursprünglichen DSD. Sie ändern nicht das Design, nur die Ausführungsreihenfolge. Es behält die Eigenschaften des ursprünglichen DSD bei.

Betreff: DSD mit einer schwer zu ändernden Kategorie

Ich habe einen Weg gefunden, der ein besseres Design in Bezug auf Haupteffekte erzeugt, die frei von 2. Ordnung sind:

 

Erstellen Sie DSD für 7 kontinuierliche und 1 kategorische. Keine zusätzlichen Läufe. 18 Läufe.

 

Verwenden Sie dann kontinuierliche Faktoren als Kovariaten im benutzerdefinierten Design. Ignorieren Sie den ursprünglichen kategorialen Faktor und fügen Sie einen neuen hinzu, der mit 6 ganzen Plots schwer zu ändern ist.

Betreff: DSD mit einer schwer zu ändernden Kategorie

Kundenspezifisches Design mit alias D-Optimalkriterium?

Betreff: DSD mit einer schwer zu ändernden Kategorie

Danke Don. Ja, genau das habe ich versucht (siehe oben im Thread). Nicht schlecht, aber nicht großartig.

Betreff: DSD mit einer schwer zu ändernden Kategorie

Hätte hinzufügen sollen, dass Sie eine Spalte benötigen, um den zufälligen Block zu identifizieren (nennen Sie ihn Whole Plot, damit er mit dem übereinstimmt, was im Analyseskript steht) und eine für den schwer zu ändernden Faktor.

Betreff: DSD mit einer schwer zu ändernden Kategorie

Phil,

Erstellen Sie vier Zufallsblöcke, zwei für jede Ebene, und weisen Sie die Läufe dann abwechselnd dem entsprechenden Zufallsblock gemäß dem kategorialen Faktorwert zu. Um die Analyse zu erhalten, können Sie die Skripte kopieren, die beim Generieren eines RSM-Split-Plots für dieselbe Faktorkonfiguration erstellt wurden. Sie können dies mit einer anderen Anzahl von Blöcken tun, wenn Sie möchten.

Anziehen

 

Betreff: DSD mit einer schwer zu ändernden KategorieDanke, Mike.
Ich habe mir die Verwendung von 4 DSD-Blöcken angesehen, um 4 ganze Plots für den Liner-Faktor zu erstellen (2 ganze Plots pro Liner-Ebene). Das Ergebnis ist ziemlich gut. Wir haben jedoch eine Handvoll Korrelationen zwischen Haupteffekten und 2FIs von ~0,5. Nicht sehr definitiv. Ich frage mich, ob wir es besser machen können?
Und Sie haben Recht, dass Fit DSD mit dem zusätzlichen Faktor nicht möglich sein wird, da die Läufe keine Fold-Overs mehr sind. Fit DSD kann jedoch weiterhin zum Screenen der 7 kontinuierlichen Faktoren verwendet werden.
Danke,
Phil
Betreff: DSD mit einer schwer zu ändernden KategorieHallo Phil!

Ich denke, Sie möchten blockierende Variablen verwenden. Da Sie im Grunde versuchen, zu einem Split-Plot-Design zu gelangen, bin ich mir ziemlich sicher, dass das Hinzufügen eines Blockierungsschemas von 2 und die anschließende Behandlung als Liner-Variable das tun, was Sie wollen. Die Ausgabetabelle wird nach Blöcken sortiert, aber innerhalb der Blöcke randomisiert.

Ein paar Vorbehalte: Ich würde die Korrelationen im Auge behalten. Und Sie verletzen wahrscheinlich einige der Annahmen in der DSD, daher bin ich mir nicht sicher, ob die Fit DSD angemessen sein wird. Vielleicht mischt sich Brad oder ein DOE-Entwickler zu diesem letzten Punkt ein. Solange der schwer zu ändernde Faktor während des Modellierungsprozesses wegfällt, gehe ich davon aus, dass Sie in Ordnung sind – aber auch hier möchten Sie vielleicht eine zweite Meinung einholen.

Nur ein Gedanke.

Am besten,

M