従来の DOE 計画におけるランダム ブロック係数の指定こんにちは、みんな、
JMP で従来の DOE 計画を生成する場合、すべてのブロック係数は固定ブロック係数として自動的にデフォルト設定されます。 モデルの適合プラットフォームで「ランダム効果」属性を追加することで、REML メソッドを利用するランダム ブロック効果に変更できることはわかっています。 ただし、その設計役割を「ランダム ブロック」に変更することもできることに気付きました。Fit Model で「ランダム効果」属性が自動的に割り当てられるわけではありません。 では、デザインの役割オプションとして「ブロッキング」と「ランダム ブロック」に違いはありますか? 私が気付いた唯一のことは、「ランダムブロック」が割り当てられている場合はブロック係数が予測プロファイラーに表示されますが、「ブロッキング」の場合は表示されないことです。 また、Fit Definitive Screening プラットフォームは「ブロッキング」でのみ機能し、「ランダム ブロック」では機能しません。
ありがとう。
Re: 従来の DOE 設計でのランダム ブロック係数の指定@スタットマンと@マークベイリー、 有益な議論に感謝します。 これらは、実験を計画する際に心に留めておくべき重要なポイントです。
Re: 従来の DOE 設計でのランダム ブロック係数の指定ランダム効果に対する制限についての私のポイントは、Brad が DSD のために作成した特別なフィッティング プロセスの使用に関係しています。 もちろん、DSD では任意の分析方法を使用できます。
2 つのブロックでは、ランダム効果に関する情報はほとんど得られません。 分散の推定は不十分です。 一方、任意のバリエーションをブロックに割り当てる機能により、固定効果の推定が改善されます。
「日」効果の経験はありますか?
Re: 従来の DOE 設計でのランダム ブロック係数の指定hxnduke、
私のメンターの一人からの知恵の言葉、
「すべてのモデルは間違っている、いくつかは役に立つ」 (GEP 箱）。"
「同じ問題を提示された 2 人の同等に有能な調査員は、通常、異なる出発点から出発し、異なるルートを進み、同じ答えに到達する可能性があります。 求めるのは画一性ではなく収束」 (ボックス、ハンターとハンター、実験者のための統計）
残念ながら、あなたが投稿した説明に基づいてあなたの状況を理解することはできません. あなたが答えようとしている質問、モデル化しようとしている応答変数、実験している要因などを理解する必要があります. 一般に、産業実験でブロックを使用する場合、ノイズを特定して理解するためにかなりの労力を費やします (批判的思考とプロセス マップを使用)。 実験の目的は、結論を導き出そうとしている条件 (推論空間) を代表する実験を行うことです。 これはジレンマを提示します。実験がより代表的であるほど、実験のノイズが大きくなり、因子効果を検出することがより困難になります。 歴史的に、人々は騒音を一定に保つことを選択して、騒音を改善してきました。精度設計の（要因効果を検出するためのボックスの言葉）。 残念ながら、これは推論空間に非常に悪影響を及ぼします。 したがって、設計の精度を高めながら実験をより現実に近いものにするという課題は、非常に重要な一連の作業です。 これを達成するためのいくつかの戦略があります: 反復 (測定誤差などの短期的なノイズの推定を可能にする)、反復 (無作為化および RCBD、BIB)、分割プロットなど。自由に使える、より効率的で効果的な方法. ノイズを特定できない場合、唯一の選択肢はランダム化することです。
中心点実行は非常に効率的で便利ですが、因子は定量的でなければなりません。 それらは、設計空間全体の一般的な曲率 (二次効果を割り当てる自由度) を評価する機能を提供し、適切に使用された場合、設計空間全体の安定性を調べます。 中心点を複製すると、MSE の妥当な推定値が得られたと言う人もいます (中心点は現在の条件である可能性があるため、因子の影響をテストするための現在の条件での一連のデータがあると考えてください)。 設計空間で複数の中心点をランダムに実行すると、設計空間での安定性を評価できる場合もあります。
Re: 従来の DOE 設計でのランダム ブロック係数の指定歴史的な側面とこの問題についてのあなたの考えを提供してくれてありがとう. 以下で言及されている私たちの特定の状況についてどう思いますか?
明確にするために、計画されている調査では、マシンの数が限られているため、実行を 2 つのブロックに分割する必要があります。 2 つのブロックを同じマシン セットで実行する予定ですが、別の日に実行する予定です。したがって、ここでのブロック要因は日ごとの変動です。 これはランダムな効果であるべきだと思いますが、ブロックする価値があるかどうか疑問に思っています.
また、各ブロックに少なくとも 1 つの中心点の実行を含めることも計画しています。これは、ブロック間の分散の推定に役立つ可能性があります。
Re: 従来の DOE 設計でのランダム ブロック係数の指定Bradley Jones のブログ投稿で、彼は DSD は分割プロットの設計には適していないと述べましたが、ランダム効果は一般的に実行できないと述べているのを目にすることはあまりありません。
のこの紙Jones と Nachtsheim から、彼らは、同じブロックに 2 つの中心点実行を追加して残差分散を推定し、別のブロックに別の中心点実行を追加してランダム ブロック分散を推定することにより、ランダム効果を伴う DSD ブロッキングの方法を提供しました。
明確にするために、計画されている調査では、マシンの数が限られているため、実行を 2 つのブロックに分割する必要があります。 2 つのブロックを同じマシン セットで実行する予定ですが、別の日に実行する予定です。したがって、ここでのブロック要因は日ごとの変動です。 これはランダムな効果であるべきだと思いますが、ブロックする価値があるかどうか疑問に思っています.
Re: 従来の DOE 設計でのランダム ブロック係数の指定ブロック、ブロック効果、ブロックごとの相互作用について、異なる視点を提供します。 ブロッキング (複製) の概念は、サー・ロナルド・フィッシャーにまでさかのぼります。 ブロックの考え方は、ブロック内のノイズを最小限に抑え (一定に保つ)、ブロック間のノイズを最大化することです (意図的にブロックを選択して、ブロック内で一定に保たれたノイズがブロック間で変化するようにします)。 これを行うと、因子効果の検出の精度が向上し (たとえば、MSE が減少します)、同時に推論空間が増加します (研究はノイズの変化に対して複製されます)。 ブロックを固定効果として扱う場合、ノイズの効果を割り当てることができ、さらに重要なことに、実験因子の効果がノイズの変化に対して繰り返されるかどうかを判断できます。 後者は、ブロックごとの相互作用によって推定されます。 工業実験と製品設計では、ロバストとは、要因によるノイズの相互作用がないことを意味します (要因/相互作用の影響は、ノイズの変化に対して同じです)。 そうしないと、時間の経過とともに問題が発生します。 ロット間の受入材料の例を使用します。その効果（要因または相互作用）がある場合、依存する入ってくる材料が大量にある場合、設計の早い段階でこれを特定して、入ってくる材料に対して堅牢な製品を設計できるようにする必要があります。 原材料とブロックを混同し、ブロックを固定効果として扱うと、ブロック内の変数の効果を見積もることができますとブロックごとの相互作用。 残念ながら、ほとんどのソフトウェア プログラムは、ブロックごとの相互作用をエラー項と混同しています。 これらの効果を手動で指定する必要があります (独自のモデルを記述します)。 Dr. Box の「ブロックできるものはブロックし、できないものはランダム化する」を引用します。 この引用の私の解釈は、ノイズを特定できる場合は、「ブロックする」方がよいというものです。 もちろん、ノイズを識別できない場合は、ランダム化します。 この話題についてブラッド・ジョーンズと何度か話し合いました...
Re: 従来の DOE 設計でのランダム ブロック係数の指定DSD が適切でない場合が多くあります。 これらのケースの 1 つは、ブロッキングまたは分割プロットのランダム化にランダムな影響を与える場合です。
この問題については、Bradley Jones のブログ記事を参照してください。
Re: 従来の DOE 設計でのランダム ブロック係数の指定固定ブロックはランダム ブロックよりも多くの DOF を消費するとおっしゃいましたが、従来の DOE を介して生成された既存のデータ テーブルでブロック ファクター属性を「ランダム効果」に変更すると、ブロック ファクターに複数のレベルがある場合、パラメーター推定の検出力が増加するということでしょうか。 ?
Re: 従来の DOE 設計でのランダム ブロック係数の指定これは最適な DOE に固有のものではないため、デフォルトで固定に設定されている場合でも、ランダム ブロックを使用してブロックされた従来の設計を完全に分析できます。 そこには特に欠点はありません。 そうは言っても、DSD を実行している場合は、分析に Fit Definitive Screening を使用することを強くお勧めします。この場合、Block をランダムに処理するよう強制することはできないと思います。Re: 従来の DOE 設計でのランダム ブロック係数の指定2 つのブロッキング効果の違いを明確にしていただきありがとうございます。 ランダムブロック効果は、少なくとも私の研究に関連するほとんどのシナリオで最も理にかなっていることに同意します.
私が興味を持っているのは、従来の DOE 計画または DSD 計画を生成するときに、ブロック係数を「ランダム ブロック」として割り当てる方法です。 カスタム DOE プラットフォームでは、これを非常に簡単に指定できます。 ただし、従来の DOE/DSD では、ブロック係数は固定効果としてデフォルト設定されており、その属性を変更できるのは、設計テーブルが生成された後だけです (少なくとも私が知る限り)。
古典的なDOE設計にランダムブロック効果とREML法を使用することは理にかなっていますか?それともカスタム設計に特有のものですか?
Re: 従来の DOE 設計でのランダム ブロック係数の指定固定ブロックとランダム ブロックは、設計の最適化で異なる方法で処理されるため、モデルを適合させる方法に対応するブロックのタイプを使用する必要があります。 それらは異なる自由度を消費するため、選択したブロックのタイプに応じて、設計空間でのポイントの割り当て方法に影響があります。2 つのアプローチの最小設計サイズと推奨設計サイズの違いに注目してください。通常、固定ブロックではより多くの実行が必要です。
ブロックを固定として扱う理由はいくつかありますが、私が見たほとんどの状況ではランダム ブロックの方が理にかなっていることがわかりました。効果について。たとえば、私の設計に複数の原材料ロットを含める場合、ロット A が平均応答を 1.5 増加させ、ロット B が -0.6 増加することは気にしません。別のロット A またはロット B はありません。設計に使用するロットは、将来遭遇するであろう原材料ロットの典型的な変動を代表するものだけにしたいと考えています。
