Aufgrund von Zeitbeschränkungen und experimentellen Möglichkeiten interessiere ich mich anstelle eines vollständig randomisierten DOE in JMP für einen "kürzesten Weg" durch meinen experimentellen Raum (aber immer noch so zufällig wie möglich):
1) Minimieren Sie die Anzahl der Fälle, in denen sich zwischen zwei aufeinanderfolgenden Experimenten mehr als ein Parameter ändert
2) Minimieren Sie Änderungen in mehreren Schritten zwischen den Ebenen innerhalb der Parameter (dh bevorzugen Sie '-1 bis 0' und '0 bis +1' gegenüber '-1 bis +1').
3) Das Hinzufügen eines zusätzlichen Experiments würde weniger Zeit kosten als das Zulassen von 1 oder 2.
Hat dies jemand ausprobiert / untersucht, wie sich dies auf ein experimentelles Design und die statistischen Effekte auswirkt?
(Vielleicht zur Veranschaulichung: Wenn Sie in Betracht ziehen, 10 Städte mit dem Auto zu besuchen, um in jeder Stadt eine Probe in einem DOE mit 20 Experimenten zu entnehmen, minimieren Sie die Menge an Benzin, die Sie verwenden möchten - nicht als Ziel des Experiments, sondern als Design des Experiments ).
(Ich bin derzeit bei JMP 13, kann aber auf JMP 14 und 15 zugreifen.)
Interessantes Konzept. Sie würden auf jeden Fall in den Bereichen Custom Design und Evaluate Design spielen. Und wahrscheinlich machen Sie Ihre Arbeit in JMP 14 oder 15. Im Gegensatz zu JMP 13 wurde die Evaluate Design-Plattform, mit der Sie mehrere Designs effizient miteinander vergleichen können, in JMP 14 von 13 verbessert, und möglicherweise sogar in JMP 15? Ich habe JMP 15 noch nicht gesehen, daher bin ich mir nicht sicher.
