195256_it-IT

liliconcom

design personalizzato

ho bisogno di aiuto per l'analisi di questo modello

Re: design personalizzato

Non ci hai fornito alcuna informazione con cui aiutarti.

 

• Qual è la tua esperienza con la progettazione e l'analisi degli esperimenti?
• Qual è la tua esperienza con JMP, design personalizzato JMP e design super-saturi?
• Qual è lo scopo del tuo esperimento? Quali sono i tuoi obiettivi?
• Che cosa hai già provato? Qualcosa ha funzionato per te?
• Quali problemi specifici hai incontrato? Quali risposte stai cercando?

 

Ho esaminato il tuo design. Si tratta di un piccolo disegno (12 corse), quindi avrà probabilmente bassa potenza. Troverà effetti reali solo se gli effetti sono molto grandi rispetto all'effetto casuale delle risposte (da 4 volte più grande a 5 volte). Questo è ciò che ti aspetti? I range dei fattori dovrebbero essere ampi per produrre un effetto ampio. È quello che hai fatto? È un design super-saturo. Hai 10 termini con la stima impostata su se possibile (tutte le possibili interazioni a due fattori). Hai 8 termini che sono necessario stimare (includere un'interazione a tre fattori). Non hai termini per spiegare una potenziale risposta non lineare alla modifica di questi fattori. Questo sembra essere un esperimento di screening dei fattori. È questo il tuo scopo?

 

Ho esaminato la tua analisi. Hai salvato un'analisi in cui hai tentato di stimare tutti e 18 i termini con 12 esecuzioni, quindi hai molte singolarità. Questa analisi è ciò che intendevi? La metodologia per l'analisi di disegni super-saturi non raccomanderebbe tale analisi.

 

Ho usato la regressione stepwise per SLOPE. Ho scelto manualmente i termini da aggiungere, un termine alla volta. Sono arrivato a questo modello provvisorio.

 

 

Si noti la grande incertezza nella previsione del modello. Il tuo CV per SLOPE è di circa il 23%. Gli effetti più grandi e più significativi sono 2 interazioni a due fattori. È ragionevole? Ti sorprende?

 

Non ho trovato effetti significativi per LOD. Ti sorprende? Ti aspetti che il LOD sia distribuito normalmente come previsto da questo metodo di modellazione?

 

Ho trovato il PVC: il TCP è l'unico effetto significativo per il LOQ. Ti sorprende?

 

Non ho trovato effetti significativi per R.

 

Ho trovato gli stessi effetti per RESPONSE TIME come ho fatto per SLOPE.

 

Altri metodi sono disponibili per selezionare diversi modelli in questo caso se questi modelli non sono soddisfacenti. È ovvio che uno qualsiasi dei modelli selezionati per questi dati dovrebbe essere confermato empiricamente.

Re: design personalizzato

grazie mille per il tuo aiuto

1- In realtà, ho un po 'di esperienza con JMP e DOE

2- Ho progettato questo modello per ispezionare gli effetti principali e (eventuali interazioni se possibile) dei tre fattori continui PT, PVC: TCP e MT e un fattore ionoforo categoriale di tre livelli (CX-BCD-nessuno) sul menzionato cinque risposte (pendenza, LOD, LOQ, R e RT)

3: il modello progettato deve raggiungere la combinazione di fattori ottimali per la massima desiderabilità.

4- I valori di 0.6,0.05, 0.15, 0.05, 0.15 importanza per la pendenza delle risposte, LOD, LOQ, r e RT

5- questo modello è veramente progettato? e come posso analizzare utilmente questi dati in particolare ho già fatto i dodici esperimenti ??

6- davvero, non ho usato una vasta gamma per ogni fattore.

finalmente ho bisogno dei tuoi dettagli sull'uso di questo modello da esaminare

1- gli effetti principali di ciascun fattore

2- termini di interazione 

3 formule di predizione per ogni risposta

4- combinazione di factos ottimale per la massima desiderabilità

 

 

Re: design personalizzato

1. La tua risposta non è molto, ma grazie comunque.
2. Di cosa tratta il tuo esperimento? Quali sono i tuoi fattori e le tue risposte?
3. Quindi questo esperimento ha lo scopo di ottimizzare i livelli di fattore per ottenere le risposte desiderate? Sembra che tu non sappia molto sugli effetti di questi fattori, quindi l'ottimizzazione sembra un salto. È improbabile che il tuo progetto di screening molto economico supporti il modello dettagliato necessario per l'ottimizzazione.
4. Quindi LOQ e RT sono 3 volte più importanti della pendenza, LOD e r. Fatto.
5. Non ho idea di cosa intendi chiedendo se "questo modello è veramente progettato".
   1. Quale modello? Quello che hai specificato per il design personalizzato? Quello che ti va? Quello che mi sta bene?
   2. Cosa significa "veramente progettato"?
   3. Ho pensato che i dati di risposta fossero reali, quindi ho anche supposto che tu avessi già eseguito le 12 esecuzioni.
   4. La tua analisi inizia con la selezione del modello migliore per i dati che hai. La mia precedente risposta suggerisce alcuni approcci che potresti prendere per questa parte. Il prossimo passo è quello di sfruttare il modello selezionato e trovare i migliori livelli di fattore, che sarebbe un buon uso di Predicition Profiler, come ho già dimostrato.
6. Questa risposta è sfortunata. Potrebbe essere il motivo per cui sono stati scoperti pochi effetti. Hai perso l'opportunità di sfruttare al meglio un design economico (potere).
   1. Il tuo RMSE è circa 17 per pendenza con una pendenza media di circa 45, per esempio. Questo sigma sembra normale per le tue piste?
   2. Questo sigma significa che la modifica dei livelli dei fattori deve davvero cambiare la pendenza di 4 volte o 5 volte per avere una possibilità di rilevamento. Ti aspetteresti che molto di un cambiamento (effetto) su questi intervalli di fattori?

 

Le tue quattro richieste specifiche alla fine della tua risposta possono essere risolte abbastanza bene dall'eccellente documentazione. Perfavore guarda Aiuto > Libri > Guida alla progettazione di esperimenti . Questa guida contiene informazioni generali e specifiche sulla progettazione e l'analisi di una serie di esperimenti. Illustra ogni aspetto con esempi. I set di dati di esempio sono forniti in modo che tu possa esercitarti prima di analizzare i tuoi dati.

 

(Si noti che esiste un'altra guida per Montaggio di modelli lineari che copre i dettagli sul tipo di modello che stai utilizzando.)

Re: design personalizzato

Ho appena esaminato la tua tabella di dati e l'ho trovato abbastanza incasinato. Cioè, alcuni dei meta-dati sui fattori e le risposte erano incoerenti o sbagliati e questi problemi influenzano la modellizzazione e l'inferenza. Questo risultato non dovrebbe accadere se si progetta l'esperimento con JMP. Non dovresti modificare queste proprietà a meno che tu non sappia cosa stai facendo e abbia una buona ragione.

 

Ho risolto i problemi. Ho rielaborato le mie analisi sperimentali. Ho salvato la formula di previsione per ciascun modello provvisorio. Ho profilato questi modelli. Ho dovuto escludere LOQ perché non ha mai raggiunto il livello desiderato.

 

Ho salvato gli script per ogni passaggio nella tabella dei dati. La tabella dei dati aggiornata è allegata.

 

* Ho selezionato manualmente i modelli sperimentali usando la piattaforma graduale e un generoso livello alfa di 0,15 per aumentare, auspicabilmente, la bassa potenza, a rischio che alcuni di questi effetti non vengano confermati.

Re: design personalizzato

grazie 

Ho davvero bisogno di un video tutorial per capire come usare JMP per DOE 

Re: design personalizzato

Sul sito jmp.com sono disponibili gratuitamente diversi webinar su richiesta e in diretta orientati all'analisi e alla pianificazione DOE. Questi video sono in gran parte focalizzati su "come fare" in JMP ... e NON sono focalizzati sull'insegnamento a qualcuno con scarsa conoscenza del processo di risoluzione dei problemi DOE. Quindi se sei alla ricerca di un 'how to' in JMP ... allora ti suggerisco di esaminare le molte offerte sparse per la serie di webinar Mastering JMP collegate qui:

 

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

 

Se stai cercando un'esperienza di apprendimento più completa che insegna il processo di risoluzione dei problemi DOE E 'come' in JMP, SAS offre anche una varietà di esperienze di formazione. Puoi consultare queste offerte qui:

 

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