Hallo, ich entwerfe ein DOE mit Faktoren, deren Bedingungen voneinander abhängen.
z.B:
1) Bei jedem Lauf sollte die Summe von X1/X2/X3 8000 betragen
oder
2) Der Mittelwert von X1/X2/X3 sollte X4 nicht überschreiten
Wie kann ich meinem DOE solche Einschränkungen auferlegen?
| X1 | kontinuierlich | 0 | 10000 |
| X2 | kontinuierlich | 0 | 10000 |
X3 | kontinuierlich | 0 | 10000 |
Vielen Dank im Voraus!
Vielen Dank für den Tipp mit der Summe der Mischung! Ich habe es auf mein DOE angewendet.
Vielen Dank für die ausführliche Lösung!
Mark Bailey hat einen guten Ansatz skizziert. Noch ein bisschen mehr zum Mischungsansatz, den er am Ende erwähnt hat.
Für diesen Ansatz müssen Sie Ihren X1 nicht auf X3 umskalieren. Sie können JMP mitteilen, dass Ihre Mischungssumme 8000 und nicht der Standardwert 1 beträgt. Diese Option ist im Popup-Menü mit dem roten Dreieck im benutzerdefinierten DOE-Dialogfeld verfügbar.
Wenn Sie den Mischungsansatz wählen, denken Sie daran, dass Ihre Modellanpassungsergebnisse anders ausfallen, da Sie jetzt ein Scheffe-Mischungsmodell und nicht ein Standard-Regressionsmodell anpassen.
Ihre erste Einschränkung ist inkonsistent und führt zu einer Einzigartigkeit im Design. Zunächst einmal darf keiner der ersten drei Faktoren 8.000 überschreiten, eine Obergrenze von 10.000 ist daher nicht sinnvoll. Zweitens gibt es nur zwei unabhängige Faktoren. Der dritte Faktor wird vollständig durch die Summe der ersten beiden Faktoren bestimmt. Sie könnten das Experiment also nur mit den ersten beiden Faktoren entwerfen und dann eine Spaltenformel verwenden, um die Einstellung des dritten Faktors zu bestimmen, um einen Lauf durchzuführen, oder Sie können das Experiment mit allen drei Faktoren entwerfen, aber den dritten aus jedem Modell entfernen.
Hier sind meine Ergebnisse beispielhaft.
Die Obergrenzen sind für Ihr Experiment nicht realistisch.
Hier ist die Definition der Einschränkungen, die ich verwendet habe.
Zusammen mit dem Modell, das nur die Intercept- und Haupteffekte enthält, erhalte ich dieses Design mit Warnungen.
Die sehr kleinen Werte können durch Null ersetzt werden. Ich habe die Daten simuliert, um die Analyse zu zeigen.
Ich beginne die Analyse wie gewohnt, entferne jedoch alle Begriffe mit X3. Hier ist das Ergebnis.
Beachten Sie, dass diese Schätzungen nicht mit der Simulation übereinstimmen, da sie codierte Faktorstufen verwendeten. Das Modell kann jedoch sehr gut vorhersagen.
Ein anderer Ansatz, der funktionieren könnte, besteht darin, dieses Experiment als Mischungsdesign zu behandeln. Bei diesem Ansatz müssen Sie Ihre Faktoren von 0 auf 1 oder 0,8 umskalieren. Ändern Sie dann die Mischungssumme auf 0,8. Bei diesem Ansatz würden Sie nur X1 und X2 eingeben, nicht X3. Sie benötigen nur eine Einschränkung für die X4-Anforderung mit einer Änderung, um abzudecken, dass X3 nicht mehr explizit im Design enthalten ist.
