DOE: Komplettes Custom Design oder Augment Design nach DSD?Ich habe 7 kontinuierliche Faktoren und 2 diskrete numerische Faktoren (Anwesenheit/Abwesenheit). Ich möchte DOE verwenden, um herauszufinden, welche Faktoren bei der Reaktion eine Rolle spielen, um festzustellen, ob es Wechselwirkungen zwischen Faktoren gibt, und um schließlich den Bereich der Faktoren für eine optimale Reaktion zu bestimmen.
Ich kann mir zwei Möglichkeiten vorstellen, dies zu tun, und bin mir nicht sicher, welche mir ein genaueres Modell zur Identifizierung von Faktoren und Wechselwirkungen bietet.
1) Ich erinnere mich an meine DOE-Schulung vor zwei Jahren, dass JMP jetzt lieber benutzerdefiniertes Design verwendet. Ich habe Custom Design verwendet und mir die Haupteffekte und zweiten Wechselwirkungen aller 9 Faktoren angesehen. Ich habe 52 Läufe. Dann muss ich ein weiteres DOE mit RSM-Design einrichten, um quadratische Effekte zu identifizieren.
2) Ich habe DSD verwendet und 25 Läufe erstellt. Nachdem ich die Daten von DSD analysiert habe, sollte ich mich auf einige Schlüsselfaktoren eingrenzen können (z. B. 4–5 Faktoren). Ich werde das Design um diese 5 Faktoren erweitern und zweite Interaktionen und quadratische Effekte hinzufügen. Die anderen Faktoren werde ich mithilfe der Analyse von DSD beheben. Dann muss ich 9 zusätzliche Läufe einrichten und sie in einem neuen Block gruppieren.
Mein zweiter Ansatz ermöglicht es mir, 18 Läufe weniger zu haben (52 vs. 25+9) und die Flexibilität zu haben, meine Reichweite für bestimmte Faktoren in meinem Augment-Design zu ändern. Ich verstehe, dass ich mehr Durchläufe benötige, um die Vorhersagevarianz zu verringern, wenn ich den Bereich für bestimmte Faktoren ändere.
Ich kann nur Vorteile von Augment Design erkennen. Was sind die Vorteile eines individuellen Designs mit allen Faktoren auf einmal? Wann sollte ich Augment Design vs. Custom Design verwenden?
Danke.
VersuchsplanungBetreff: DOE: Komplettes Custom-Design oder Augment-Design nach DSD?Danke schön. Ich habe jetzt ein besseres Verständnis für die Planung von DOE.
Als ich zum ersten Mal etwas über DOE erfuhr, wurde mir beigebracht, Custom Design oder DSD zu verwenden, um den Haupteffekt und die Interaktion zu untersuchen und einige Faktoren auszuschließen. Dann werde ich das Antwortoberflächenmodell verwenden, um festzustellen, ob ein nichtlinearer Effekt vorliegt, und um die Reaktion zu maximieren. Ich habe immer diesen Ansatz verfolgt, unabhängig von der Anzahl der Läufe, die ich durchführen konnte, oder der Anzahl der Faktoren, die ich testete. Nachdem ich Ihre Kommentare gelesen habe, denke ich, dass ich alles in einem einzigen benutzerdefinierten Design erledigen kann, und verstehe, warum ich alles kann. Unser Team wird 32 Läufe absolvieren und sehen, wie es läuft.
Vielen Dank, dass Sie mich daran erinnert haben, einen breiten Faktorbereich zu verwenden. Das ist eine Sache, die ich immer im Hinterkopf habe und die ich auch anderen erzähle.
Betreff: DOE: Komplettes Custom-Design oder Augment-Design nach DSD?Ich weiß nicht, woher Sie die Idee haben, dass Sie für (1) ein benutzerdefiniertes Design mit 52 Läufen benötigen, das eine Erweiterung erfordert. Ebenso weiß ich nicht, woher Sie die Idee haben, dass Sie für (2) die DSD erweitern müssen, um mehr als die Haupteffekte abzuschätzen.
Der DSD ist ein Sonderfall des alias-optimalen kundenspezifischen Designs für das RSM-Modell. So wurde die DSD entdeckt.
Möglicherweise müssen Sie den DSD nicht erweitern. Wenn nicht mehr als 3 Faktoren aktiv sind, unterstützt DSD für 9 Faktoren das vollständige quadratische Modell, das über den gesamten Antwortbereich häufig ausreichend genau ist. Das Hinzufügen zusätzlicher Läufe erhöht sowohl die Leistung als auch die Abdeckung des Designs, da Sie effektiv „falsche“ Faktoren hinzufügen. Diese Änderung macht das Prinzip der „sparsity of effects“ wahrscheinlicher.
Das kundenspezifische Design ist immer noch die beste Wahl, wenn eine der speziellen Designmethoden (z. B. DSD) nicht geeignet oder geeignet ist. Wenn Sie beispielsweise schwer zu ändernde Faktoren haben, sollten Sie das DSD nicht verwenden. Es bietet auch andere Möglichkeiten zur Vorsorgeuntersuchung. Sie könnten das RSM-Modell spezifizieren und dann die Schätzbarkeit aller Terme höherer Ordnung von „notwendig“ in „wenn möglich“ ändern. Durch diese Definition wird die Mindestanzahl an Läufen drastisch reduziert. Fügen Sie dann für jeden potenziellen Begriff, von dem Sie erwarten, dass er aktiv ist, 3–4 Durchläufe hinzu. Wenn ich beispielsweise zwei nichtlineare Effekte und drei Interaktionen mit Ihren 7 kontinuierlichen und 2 kategorialen Faktoren erwarte, wäre mein benutzerdefiniertes Design 10 + (2+3)*4 = 30 Durchläufe. Ich sollte dieses Design in Zukunft nicht mehr erweitern müssen. Dieses Bayes'sche I-optimale Design weist eine sehr hohe Trennschärfe auf, wenn die Effektgröße mindestens das Doppelte der Standardabweichung der Antwort beträgt.
Die einzige Möglichkeit, die Genauigkeit des Modells zu beurteilen, besteht darin, seine Vorhersagen zu bestätigen. Ich empfehle mindestens zwei Vorhersagen: Einstellungen für die optimale Reaktion und Einstellungen für eine schlechte Reaktion. Ich vertraue einem Modell viel mehr, wenn es die Reaktion irgendwo vorhersagen kann.
Stellen Sie abschließend sicher, dass Sie für alle kontinuierlichen Faktoren immer einen großen Faktorbereich verwenden, um die maximale Trennschärfe und den minimalen Schätzstandardfehler sicherzustellen. Ändern, begrenzen oder verkleinern Sie den Faktorbereich nicht, nur weil Sie glauben zu wissen, wo in einem Experiment die optimale Einstellung liegt. Warum zusätzliche Läufe hinzufügen, wenn ein breiter Faktorbereich Ihnen mehr empirische Daten und Erfahrung in einem wirtschaftlicheren Design bietet? Warum das Modell lokalisieren?
