195256_fr-FR

liliconcom

design personalisé

j'ai besoin d'aide pour analyser ce modèle

Re: design personnalisé

Vous ne nous avez fourni aucune information pour vous aider.

 

• Quelle est votre expérience avec la conception et l'analyse d'expériences?
• Quelle est votre expérience avec JMP, la conception personnalisée JMP et les conceptions super saturées?
• Quel est le but de votre expérience? Quels sont vos objectifs?
• Qu'as-tu déjà essayé? Quelque chose a fonctionné pour vous?
• Quels problèmes spécifiques avez-vous rencontrés? Quelles réponses cherchez-vous?

 

J'ai examiné votre conception. Il s'agit d'un petit modèle (12 essais), de sorte qu'il aura probablement une faible puissance. Les effets réels ne seront réels que si les effets sont très importants par rapport à l’effet aléatoire des réponses (4 à 5 fois plus important). Est-ce que ce résultat est ce que vous attendez? Vos plages de facteurs doivent être larges pour produire un effet important. Est-ce ce que vous avez fait? C'est un design sursaturé. Vous avez 10 termes avec une estimabilité définie sur si possible (toutes les interactions possibles à deux facteurs). Vous avez 8 termes qui sont nécessaire estimer (inclure une interaction à trois facteurs). Vous ne disposez d'aucun terme pour expliquer une réponse non linéaire potentielle à la modification de ces facteurs. Cela semble être une expérience de dépistage de facteur. Est-ce votre but?

 

J'ai examiné votre analyse. Vous avez enregistré une analyse dans laquelle vous avez tenté d'estimer tous les 18 termes avec 12 exécutions, de sorte que vous avez beaucoup de singularités. Est-ce que cette analyse était ce que vous vouliez? La méthodologie d'analyse des modèles sursaturés ne recommande pas une telle analyse.

 

J'ai utilisé la régression pas à pas pour SLOPE. J'ai choisi manuellement les termes à ajouter, un terme à la fois. Je suis arrivé à ce modèle provisoire.

 

 

Notez la grande incertitude dans la prédiction du modèle. Votre CV pour SLOPE est d'environ 23%. Les effets les plus importants et les plus significatifs sont 2 interactions à deux facteurs. Est-ce raisonnable? Ça vous surprend?

 

Je n'ai trouvé aucun effet significatif pour la LD. Ça vous surprend? Vous attendez-vous à ce que le LOD soit distribué normalement comme prévu par cette méthode de modélisation?

 

J'ai constaté que PVC: TCP était le seul effet significatif pour la limite de quantification. Ça vous surprend?

 

Je n'ai trouvé aucun effet significatif pour R.

 

J'ai trouvé les mêmes effets pour RESPONSE TIME que pour SLOPE.

 

D'autres méthodes sont disponibles pour sélectionner différents modèles dans un tel cas si ces modèles ne sont pas satisfaisants. Il est évident que l'un des modèles que vous sélectionnez pour ces données doit être confirmé empiriquement.

Re: design personnalisé

Merci beaucoup pour votre aide

1- En fait, j'ai un peu d'expérience avec JMP et DOE

2- J'ai conçu ce modèle afin d'inspecter les principaux effets et (toute interaction possible) des trois facteurs continus PT, PVC: TCP et MT et d'un facteur ionophore catégorique à trois niveaux (CX-BCD-none) cinq réponses (pente, LOD, LOQ, R et RT)

3-le modèle conçu est d'atteindre la combinaison optimale de facteurs pour un maximum de désirabilité.

4- i valeurs définies de 0.6.0.05, 0.15, 0.05, 0.15 importance pour la pente de réponse, LOD, LOQ, r et RT

5- Ce modèle est-il vraiment conçu? et comment puis-je utilement analyser ces données, surtout que j'ai déjà fait les douze expériences?

6- vraiment, je n'ai pas utilisé une large gamme pour chaque facteur.

Enfin, j'ai besoin de vos détails sur l'utilisation de ce modèle pour examiner

1- les principaux effets de chaque facteur

2- termes d'interaction 

3- formules de prédiction pour chaque réponse

4- Combinaison optimale de factos pour une désirabilité maximale

 

 

Re: design personnalisé

1. Votre réponse est peu, mais merci quand même.
2. De quoi parle votre expérience? Quels sont vos facteurs et réponses à propos de?
3. Donc, cette expérience est destinée à optimiser les niveaux de facteurs pour obtenir les réponses souhaitées? Vous ne semblez pas en savoir beaucoup sur les effets de ces facteurs, l'optimisation semble donc être un bond en avant. Votre conception de criblage très économique a peu de chances de prendre en charge le modèle détaillé nécessaire à l’optimisation.
4. Donc, LOQ et RT sont 3 fois plus importants que la pente, LOD et r. Je l'ai.
5. Je n'ai aucune idée de ce que vous entendez par demander si "ce modèle est vraiment conçu".
   1. Quel model? Celui que vous avez spécifié pour la conception personnalisée? Celui qui vous correspond? Celui que je rentre?
   2. Que signifie "vraiment conçu"?
   3. J'ai supposé que les données de réponse étaient réelles, alors j'ai aussi supposé que vous aviez déjà effectué les 12 analyses.
   4. Votre analyse commence par la sélection du meilleur modèle pour les données que vous avez. Ma réponse précédente suggère quelques approches que vous pourriez prendre pour cette partie. La prochaine étape consiste à exploiter le modèle sélectionné et à trouver les meilleurs niveaux de facteur, ce qui constituerait une utilisation judicieuse de Predicition Profiler, comme je l’ai déjà démontré.
6. Cette réponse est regrettable. C'est peut-être la raison pour laquelle peu d'effets ont été découverts. Vous avez manqué une occasion de tirer le meilleur parti d'un design économique (puissance).
   1. Votre RMSE est d'environ 17 pour une pente avec une pente moyenne d'environ 45, par exemple. Ce sigma semble-t-il normal pour vos pistes?
   2. Ce sigma signifie que pour changer vos niveaux de facteurs, vous devez réellement changer la pente de 4 ou 5 fois pour avoir une chance d'être détectée. Vous attendriez-vous à beaucoup de changement (effet) sur ces fourchettes de facteurs?

 

L’excellente documentation répond très bien à vos quatre demandes spécifiques à la fin de votre réponse. S'il te plait regarde Aidez-moi > Livres > Guide de conception d'expériences . Ce guide contient des informations générales et spécifiques sur la conception et l'analyse de diverses expériences. Il illustre chaque aspect avec des exemples. Les exemples de jeux de données sont fournis afin que vous puissiez vous exercer avant d'analyser vos propres données.

 

(Notez qu’il existe un autre guide pour Montage de modèles linéaires qui couvre les détails sur le type de modèle que vous utilisez.)

Re: design personnalisé

Je viens juste d’examiner à nouveau votre tableau de données et j’ai trouvé qu’il était très gâché. C'est-à-dire que certaines méta-données sur les facteurs et les réponses étaient incohérentes ou fausses et que ces problèmes affectent la modélisation et l'inférence. Ce résultat ne devrait pas arriver si vous concevez l'expérience avec JMP. Vous ne devriez pas changer ces propriétés à moins de savoir ce que vous faites et d'avoir une bonne raison.

 

J'ai corrigé les problèmes. J'ai relancé mes analyses provisoires *. J'ai sauvegardé la formule de prévision pour chaque modèle expérimental. J'ai profilé ces modèles. J'ai dû exclure la LOQ car elle n'a jamais atteint le niveau souhaité.

 

J'ai enregistré des scripts pour chaque étape dans la table de données. Le tableau de données mis à jour est joint.

 

* J'ai sélectionné manuellement les modèles provisoires en utilisant la plate-forme Stepwise et un niveau alpha généreux de 0,15 pour augmenter, espérons-le, la faible puissance, au risque de ne pas confirmer certains de ces effets.

Re: design personnalisé

Je vous remercie 

J'ai vraiment besoin d'un tutoriel vidéo pour comprendre comment utiliser JMP for DOE 

Re: design personnalisé

Il existe plusieurs webinaires Live On Direct et Live axés sur la planification et l'analyse, disponibles gratuitement sur jmp.com. Ces vidéos sont en grande partie centrées sur le "comment" dans JMP ... et non sur l'enseignement à une personne peu familiarisée avec le processus de résolution de problèmes du DOE. Donc, si vous êtes une personne qui cherche un "comment faire" dans JMP ..., je vous suggère de parcourir les nombreuses offres dispersées autour de la série de webinaires Mastering JMP, ici:

 

https://www.jmp.com/en_us/events/mastering/webcasts.html

 

Si vous recherchez une expérience d'apprentissage plus complète qui enseigne le processus de résolution de problèmes DOE ET comment procéder dans JMP, SAS propose également diverses expériences de formation. Vous pouvez consulter ces offres ici:

 

https://www.jmp.com/en_us/training/what-we-offer.html