RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD안녕하세요 커뮤니티,
현재 어떤 모델을 진행해야 할지 딜레마에 빠져 있기 때문에 연락합니다. 나는 이전에 5-팩터 CCC RSM을 실행했고 0.95 이상의 R 제곱 값으로 2차 관계를 성공적으로 구축했습니다. 정말 멋지죠? 또한 이는 절반 요인 설계이므로 27개의 실행이 있었습니다(시뮬레이션이므로 중앙점 1개).
이번에는 또 다른 5팩터 RSM 또는 DOE를 실행할 계획입니다. 주의할 점은 이전 RSM 알파 포인트를 사용하면 쉽게 설계할 수 있다는 것입니다. 이번에는 그렇지 않습니다. 제한은 하드 제한입니다. 나는 CCF 또는 CCI(inscribed)를 고려했지만 이 두 가지 모두 정밀도나 관심 있는 전체 설계 공간을 포괄하는 데 위험을 초래합니다.
질문: CCC에 몇 번의 실행 횟수나 어떤 종류의 대체 모델을 추천하시겠습니까? 27회 이하의 런을 사용하는 대체 설계를 사용하여 선형, 양방향 상호 작용 및 2차 항을 좋은 신뢰도로 예측하려면 어떻게 해야 합니까? DSD 또는 Augmented DSD를 사용하는 것이 두렵습니다. 기존 RSM과 비교한 상관 행렬의 차이로 인해 공간이 채워진 DOE가 증강된 DSD도 사용할 수 있습니다.
CCC는 만들 수 없는 디자인이 있기 때문에 그림에서 빠졌습니다.
감사합니다!
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSDOP,
나는 당신의 진술과 요청에 약간 혼란스러워합니다. Mark는 몇 가지 훌륭한 질문을 했습니다. 괜찮으시기를 바랍니다. 하지만 다른 의견/질문 및 개인적인 생각이 있습니다.
상황을 이해하지 못한 채 조언을 제공하는 것은 극히 어렵습니다. 어떤 반응 변수를 최적화하려고 합니까? 어떤 요소가 조작되고 있습니까(그리고 해당 요소를 선택하는 것과 관련된 가설은 무엇입니까?) 이것은 실행 중인 시뮬레이션입니다. 맞습니까? 소음을 어떻게 시뮬레이션하고 있나요? 시뮬레이션에는 알고리즘이 프로그래밍되어 있다는 것을 인식하십시오. 조작하는 요소가 해당 알고리즘에 없으면 중요하지 않은 것으로 표시됩니다. 시뮬레이션 소프트웨어를 작성한 사람은 누구입니까? 시뮬레이션이 현실을 예측한다고 얼마나 확신하시나요? R-제곱은 전체 스토리를 알려주지 않습니다. R-제곱은 모델에 자유도를 추가할 때마다 증가합니다. R-square와 R-square 조정 사이의 델타에 관심이 있습니다. 조정된 R-제곱은 기본 보고 값이어야 합니다. 이것이 시뮬레이션이라면 실행 횟수를 줄이는 데 왜 관심을 두나요? 컴퓨팅 능력이 부족합니까?
순차 실험(Box 박사의 반응 표면 방법)을 생각하면 선별 설계(다수의 x, 예측 변수)로 시작하여 유의성(관심) 요인의 수를 줄일 수 있습니다. 이는 희소성과 효과 계층의 원칙을 기반으로 합니다. 그런 다음 관심을 보이는 항목(예: 데이터의 실질적으로 중요하고 흥미로운 패턴, 예측과 비교하여 특이한 패턴)을 반복합니다. 궁극적으로 일부 예측 다항식(시뮬레이션이 아닌 실제 세계에서 유용할 수 있는 것)을 최적화하고 생성할 수 있습니다. 참고: 복잡한 비선형 모델은 예측 및 관리가 어렵습니다. 정말로 최적의 공간에 있다면 EVOP(Evolutionary Operation)와 같은 것이 더 나은 전략일 수 있습니다.
건배,
청구서
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSDMark에게 감사드립니다. 상관 관계 최소화가 기본이라고 생각합니다. 나는 지금 그것들을 임시 접근 방식과 나란히 비교하고 있습니다. 맞춤형 디자인은 Augmented DSD보다 훨씬 적기 때문에 이 접근 방식을 시도하는 데 자신감을 갖게 됩니다.
시간을 내주셔서 다시 한번 감사드립니다! 귀하의 소프트웨어와 이 포럼을 통해 더 많은 것을 배우기를 기대합니다!답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD괜찮아요. 나는 단지 명확하고 싶습니다.
일부 중심 합성 설계는 모형에서 별칭을 모두 제거하지는 않지만 모형에서 별칭을 제거하는 런을 제공합니다. 맞춤형 설계는 추정치 간의 상관관계를 최소화하거나 제거합니다. 또한 특정 설계를 결정하기 전에 고려해야 할 최적성 기준 및 설계 평가 정보를 선택할 수도 있습니다.
공간을 채우는 디자인으로 DSD를 보강하는 것은 권장하지 않습니다. 우선, DSD 사용의 주요 이점 중 하나는 선별 원칙이 적용되는 경우 확대가 필요하지 않다는 것입니다. 둘째, 공간 채우기 설계 실행을 추가하는 것은 원래 설계(DSD)에 대한 정보를 활용하지 않는 임시 접근 방식입니다. 마지막으로, 방향성과 원칙에 입각한 접근 방식이 있습니다. 바로 증강 설계(Augment Design)입니다. 이 플랫폼은 본질적으로 맞춤형 설계이지만 이전 실험의 실행으로 시작하고 매개변수(요인 범위, 모델 항 등)를 변경하면 이러한 실행을 보완합니다.
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD표시,
해당 용어를 명확히 설명해 주셔서 감사합니다.
디자인을 만들 수 있는 유일한 창으로서 "관심 있는 창"을 의미합니다. Design Expert를 사용하고 RSM을 설정한 후 디자인을 평가할 수 있고 클래식 CCD를 기반으로 1차 및 2차 항에 대한 앨리어싱 항을 찾을 수 없다고 가정합니다. 나는 그것이 내가 사용하는 데 익숙하고 어쩌면 혼란스러울 수도 있는 용어의 유래라고 생각합니다.
DSD + 공간 채우기, 저는 계산 시뮬레이션을 위한 공간 채우기의 이점에 대해 읽었지만 순전히 공간 채우기는 N이 요소 수인 "10N" 규칙에 따라 비용이 많이 듭니다. DSD와 공간 채우기의 결합은 동료로부터 제안을 받았고, 그래서 그것이 길인지 알아보고 싶었습니다.
그런데 저는 Custom Design이 정말 마음에 듭니다. 제안해 주셔서 감사합니다. JMP에서 사용하기 매우 간편합니다. Design Expert에는 맞춤형 디자인 기능이 있지만 제약 조건을 설정하기가 어렵습니다.
마크님, 답변해주셔서 정말 감사드립니다! 그들을 더 잘 이해할 수 있게 되어 정말 기쁩니다.
-카를로스
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD나는 "양호하게 예측되었다는 확인"을 사용하여 이전에 모델을 테스트하지 않은 조건에서 새로운 반응을 예측했으며 그 결과가 예측과 모순되지 않았음을 의미합니다.
축 점("알파 점" 아님)은 사용한 설계 방법에 따라 고유합니다. 중심 합성 설계에서는 축 점을 사용하여 특정 요인에 대한 2차 항(비선형 효과)을 추정합니다. 데이터 테이블을 만든 후에는 언제든지 요인 수준을 보다 실용적인 값으로 변경할 수 있습니다. 기존 CCD 방식은 그다지 유연하지 않습니다. 맞춤 설계는 구성 시 축 점을 사용하지 않으므로 원래 계수 범위를 초과하지 않습니다.
RSM과 용어의 별칭이나 혼동이 없다고 말하는 이유는 무엇입니까? 이 주장을 어떻게 정당화합니까? 나는 당신이 '별명'과 '혼란'이라는 용어의 의미와 사용법을 이해하지 못하고 있다고 생각합니다. 또한 이러한 개념은 요인 설계의 기존 설계 방법에서만 의미가 있습니다. 상관관계는 기존 설계와 새 설계 모두에 적용되는 보다 일반적이고 포괄적인 용어입니다.
모델을 선택한 후에 추정 효율성과 검정력 분석을 사용하겠다는 말은 말도 안 됩니다. 응답 데이터를 관찰하기 전에 설계를 평가하는 데 사용됩니다. 모델은 반응을 관찰한 후 선택되며, 이 시점에서는 추정 효율성과 검정력이 의미가 없습니다.
'관심 창' 사고방식에 주의하세요. 최상의 설정이 예상되는 위치에 따라 제한되도록 요인 범위를 선택한다는 의미는 아니길 바랍니다. 이러한 접근 방식은 일반적으로 추정하고 테스트하기 어려운 작은 효과를 생성합니다.
DSD와 공간 채우기 디자인을 함께 사용하는 것에 대한 또 다른 참조를 보았습니다. 이 아이디어를 어디서 찾았는지 말해줄 수 있나요?
행운을 빌어 요.
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD빠른 답변을 주신 Mark에게 감사드립니다. 몇 문단으로 모든 것을 설명하기는 어렵기 때문에 귀하가 지적한 몇 가지 사항에 최선을 다해 답변해 드리겠습니다.
- 이는 첫 번째 경우에 부러워할 만한 R 제곱 결과입니다. 모델이 확인했나요?
- 이전 RSM은 테스트 데이터와 일치하는 좋은 예측 및 조정된 r-제곱 값을 확인했기 때문에 절반 요인 모델이 우리의 목적에 적합하다고 간주되었습니다.
- "알파 포인트는 쉽게 설계된다", "한계는 엄격한 제한이다", "정밀도나 관심 있는 전체 디자인 공간을 포괄하는 데 위험을 초래한다"는 것은 무엇을 의미합니까?
- 알파 포인트가 의미하는 바는 CCC 디자인의 경우 알파 포인트는 이전 RSM에는 괜찮았던 최적화 창을 돕는 "과장된" 디자인이지만 이번 새로운 RSM에서는 디자인이 더 복잡하고 해당 알파 포인트로 이동하는 것은 이제는 불가능합니다. 요인 4의 하한이 0이라고 가정하면 알파 포인트는 음수 값을 생성합니다.
- "실행 횟수 또는 대체 모델의 종류"를 묻는 것은 '사과와 오렌지'를 비교하는 것입니다. 표본 크기는 추정 가능성과 검정력을 고려한 것입니다. 모델은 편향과 분산을 고려한 것입니다. 뭘 물어 보는 거냐?
- 맞습니다. RSM에는 앨리어싱이 없고 최대 2차 관계까지 혼란스러운 용어가 없다는 것을 알고 있습니다. 반면에 증강 설계(공간이 채워지거나 어떤 방식으로든)를 갖춘 DSD는 이러한 용어 중 일부를 혼동하지만 궁극적으로 여전히 RSM과 동일한 값을 점 예측할 수 있습니다.
- 물어 " 27회 이하의 런을 사용하는 대체 설계를 사용하여 선형, 양방향 상호 작용 및 2차 항을 어떻게 확신을 가지고 예측할 수 있습니까? " 추정 효율성 및 검정력 분석은 해당 질문에 답하는 데 도움이 될 수 있습니다.
- 알겠습니다. 적절한 모델을 선택하면 이 작업을 수행하도록 하겠습니다.
- DSD는 상영 , 따라서 다음과 같은 경우에만 성공합니다. 심사 원칙 잡고 있다. 예를 들어, 5가지 요인 중 최대 2가지가 활성 효과를 가질 것으로 예상하십니까?
- 너는 ~라고 말한다 " 만들 수 없는 디자인도 있어요. " 왜?
- 이것은 알파 포인트에 더 가깝지만 관심 창 안에 있고 모델이 해당 창 내에서 매우 잘 예측할 수 있다면 우리는 황금입니다! 어느 정도 혼란스러운 용어가 있을 것이라는 것을 알고 있지만 RSM처럼 큰 확신을 갖고 예측할 수 있다면 이것이 제가 탐구하고 싶은 것이라고 생각합니다.
- 나는 RSM과 같은 것을 달성하기 위해 공간이 채워진 DOE가 있는 DSD에 대해 읽어 왔지만 시간이 많이 투자되기 때문에 그 단계를 밟고 시험해 보는 것이 두렵다고 생각합니다.
- 당신이 제안한 것과 같은 대안으로, 나는 어떤 종류의 검정력 및 상관 행렬이 다른 것과 비교되는지 알아보기 위해 맞춤형 디자인 기능을 시험해 볼 것입니다.
시간 내주셔서 감사합니다!
-카를로스
답변: RSM vs DSD vs Augmented DSD vs Space Filled Augmented DSD여기저기서 튀는 것 같아요! 진정하고 다시 시작해보자.
궁극적인 목표는 성공적인 모델을 적합시키는 것입니다. 선택한 모델은 선형 예측 변수를 사용하는 다중 회귀 모델입니다. 원하는 데이터를 수집하고 그러한 모델을 맞출 수 있습니다. 그러나 귀하의 데이터는 피팅에 문제를 일으킬 수 있습니다. 따라서 설계에서는 선형 모델에 가장 적합한 데이터를 찾으려고 시도합니다. 하지만 디자인은 불변하지 않습니다.
또한 디자인 원칙도 피할 수 없습니다. 설계 방법은 상호 교환 가능합니다. 가장 유연성을 제공하는 현대적인 방법이기 때문에 맞춤형 디자인을 권장합니다. 그리고 만약 그것이 비실용적이거나 불가능한 처리로 디자인을 산출한다면, 그냥 바꾸세요 .
당신의 상황에 대해 이야기합시다.
- 이는 첫 번째 경우에 부러워할 만한 R 제곱 결과입니다. 모델이 확인했나요?
- "알파 포인트는 쉽게 설계된다", "한계는 엄격한 제한이다", "정밀도나 관심 있는 전체 디자인 공간을 포괄하는 데 위험을 초래한다"는 것은 무엇을 의미합니까?
- "실행 횟수 또는 대체 모델의 종류"를 묻는 것은 '사과와 오렌지'를 비교하는 것입니다. 표본 크기는 추정 가능성과 검정력을 고려한 것입니다. 모델은 편향과 분산을 고려한 것입니다. 뭘 물어 보는 거냐?
- 물어 " 27회 이하의 런을 사용하는 대체 설계를 사용하여 선형, 양방향 상호 작용 및 2차 항을 어떻게 확신을 가지고 예측할 수 있습니까? " 추정 효율성 및 검정력 분석은 해당 질문에 답하는 데 도움이 될 수 있습니다.
- DSD는 상영 , 따라서 다음과 같은 경우에만 성공합니다. 심사 원칙 잡고 있다. 예를 들어, 5가지 요인 중 최대 2가지가 활성 효과를 가질 것으로 예상하십니까?
- 너는 ~라고 말한다 " 만들 수 없는 디자인도 있어요. " 왜?
