DOE: 전체 맞춤 설계를 할 것인가 아니면 DSD 이후에 설계를 보강할 것인가?7개의 연속 요인과 2개의 불연속 수치 요인(존재/부재)이 있습니다. DOE를 사용하여 어떤 요인이 반응에서 역할을 하는지 식별하고 요인 사이에 상호 작용이 있는지 식별하고 최종적으로 최적의 반응을 위한 요인 범위를 결정하고 싶습니다.
이를 수행하는 두 가지 방법을 생각할 수 있으며 어느 것이 요인과 상호 작용을 식별하는 더 정확한 모델을 제공하는지 잘 모르겠습니다.
1) 2년 전 DOE 강의실 교육에서 JMP는 사용자가 지금 사용자 정의 디자인을 사용하는 것을 선호한다는 것을 기억했습니다. 맞춤형 설계를 사용하고 모든 9개 요인의 주요 효과와 2차 상호작용을 살펴보았습니다. 나는 52 개의 런을 가지고 있습니다. 그런 다음 2차 효과를 식별하기 위해 RSM 설계로 다른 DOE를 설정해야 합니다.
2) DSD를 사용하여 25개의 실행을 생각해 냈습니다. DSD의 데이터를 분석한 후 몇 가지 주요 요소(예: 4-5개 요소)로 범위를 좁힐 수 있어야 합니다. 이 5개 요소로 디자인을 보강하고 2차 상호 작용 및 2차 효과를 추가합니다. DSD의 분석을 사용하여 다른 요인을 수정하겠습니다. 그런 다음 9개의 추가 실행을 설정하고 새 블록에 그룹화해야 합니다.
두 번째 접근 방식을 통해 18회 더 적은 실행(52 대 25+9)을 수행하고 증강 설계의 특정 요인에 대한 범위를 유연하게 변경할 수 있습니다. 특정 요인의 범위를 변경하면 예측 분산을 낮추기 위해 더 많은 런이 필요하다는 것을 이해합니다.
Augment Design을 하는 것의 장점만 볼 수 있습니다. 모든 요소를 한 번에 맞춤 설계하면 어떤 이점이 있습니까? Augment Design과 Custom Design은 언제 사용해야 합니까?
감사해요.
암사슴Re: DOE: DSD 이후 맞춤 설계 또는 증강 설계를 모두 사용하시겠습니까?감사합니다. 이제 DOE 계획에 대해 더 잘 이해하게 되었습니다.
DOE에 대해 처음 배웠을 때 몇 가지 요소를 배제하기 위해 주 효과와 상호 작용을 살펴보기 위해 맞춤 설계 또는 DSD를 사용하는 방법을 배웠습니다. 그런 다음 응답 표면 모델을 사용하여 비선형 효과가 있는지 확인하고 응답을 최대화합니다. 나는 내가 할 수 있는 실행 횟수나 테스트 중인 요소의 수에 관계없이 항상 이 접근 방식을 따랐습니다. 귀하의 의견을 읽은 후 하나의 맞춤형 디자인으로 모든 것을 할 수 있다고 생각하고 왜 내가 모든 것을 할 수 있는지 이해합니다. 우리 팀은 32번을 뛰고 어떻게 진행되는지 볼 것입니다.
넓은 요인 범위를 사용하도록 상기시켜 주셔서 감사합니다. 그것은 내가 항상 염두에 두고 다른 사람들에게도 말하는 한 가지입니다.
Re: DOE: DSD 이후 맞춤 설계 또는 증강 설계를 모두 사용하시겠습니까?(1)에 대해 보강이 필요한 52개의 실행이 포함된 사용자 지정 설계가 필요하다는 아이디어를 어디서 얻었는지 모르겠습니다. 마찬가지로 (2)의 경우 주 효과보다 더 많은 것을 추정하려면 DSD를 보강해야 한다는 생각을 어디서 얻었는지 모르겠습니다.
DSD는 RSM 모델에 대한 별칭 최적 맞춤 설계의 특별한 경우입니다. 이것이 DSD가 발견된 방법입니다.
DSD를 보강할 필요가 없을 수도 있습니다. 활성 요인이 3개 이하인 경우 9개 요인에 대한 DSD는 전체 2차 모형을 지원하며, 이는 종종 반응 범위에서 충분히 정확합니다. 추가 런을 추가하면 '가짜' 요인을 효과적으로 추가하므로 설계의 검정력과 설계 적용 범위가 모두 증가합니다. 그 변화는 '효과의 희소성' 원칙을 더 가능성 있게 만듭니다.
맞춤 설계는 특수 설계 방법(예: DSD) 중 하나가 적절하지 않거나 능력이 없을 때 여전히 최선의 선택입니다. 예를 들어 요인을 변경하기 어려운 경우 DSD를 사용하지 않아야 합니다. 또한 심사를 위한 다른 기회도 제공합니다. RSM 모델을 지정한 다음 모든 고차 항의 추정 가능성을 '필요'에서 '가능한 경우'로 변경할 수 있습니다. 이 정의는 최소 실행 수를 크게 줄입니다. 그런 다음 활성화될 것으로 예상되는 모든 잠재적 용어에 대해 3-4개의 실행을 다시 추가합니다. 예를 들어, 7개의 연속 요인과 2개의 범주형 요인으로 2개의 비선형 효과와 3개의 상호 작용이 예상되는 경우 맞춤형 설계는 10 + (2+3)*4 = 30회가 됩니다. 앞으로 이 디자인을 보강할 필요가 없습니다. 이 베이지안 I-최적 설계는 효과 크기가 응답 표준 편차의 최소 두 배인 경우 매우 높은 검정력을 나타냅니다.
모델의 정확성을 평가하는 유일한 방법은 예측을 확인하는 것입니다. 최적의 응답을 위한 설정과 좋지 않은 응답을 위한 설정이라는 두 가지 이상의 예측을 권장합니다. 어디에서나 반응을 예측할 수 있다면 모델을 훨씬 더 신뢰합니다.
마지막으로, 최대 전력 및 최소 추정 표준 오차를 보장하기 위해 모든 연속 요인에 대해 항상 넓은 요인 범위를 사용해야 합니다. 실험에서 최적의 설정이 어디에 있는지 알고 있다고 생각하기 때문에 요인 범위를 변경하거나 제한하거나 줄이지 마십시오. 넓은 요인 범위가 보다 경제적인 설계에서 보다 실증적인 데이터와 경험을 제공하는데 추가 실행을 추가하는 이유는 무엇입니까? 모델을 현지화하는 이유는 무엇입니까?
