Implementare combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?Ciao a tutti,
Attualmente sto lottando per combinare i vantaggi della piattaforma DSD con la piattaforma Custom-Design e non ho trovato una soluzione in qualche modo praticabile.
Il compito è quello di indagare circa 30 variabili continue e 8 variabili categoriali con il minor numero di esecuzioni possibili (attualmente circa 90) E di scartare combinazioni che non hanno senso in base alla conoscenza del processo. Oltre a ciò, siamo principalmente interessati alle interazioni poiché sappiamo già che molti effetti principali esistono (di per sé).
Eventuali suggerimenti sono benvenuti.
Cordiali saluti
Egone
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?Buongiorno a tutti,
grazie mille per il tuo contributo che sarà discusso internamente con i miei colleghi all'interno di questo progetto. Ti farò sapere l'esito.
Cordiali saluti
Egone
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?OK, @Mark_Bailey , mi hai spinto a contribuire. Ho qualche pensiero per @egon_gross .
1. Da un punto di vista puramente logistico, quanto sei sicuro di poter effettivamente impostare tutti i 38 fattori ai livelli richiesti come stabilito in ciascuna combinazione di trattamento? Hai detto che vuoi tutti gli effetti principali e una raccolta non specificata di interazioni... in un ordine di effetti non specificato (2 vie, 3 vie o più?). Quindi supponiamo che tu voglia la metà di tutte le possibili interazioni a due fattori e alcuni gradi di libertà rimasti per scopi di stima degli effetti... quindi stai considerando un minimo di MOLTE combinazioni di TRATTAMENTO. Con 38 fattori! La mia esperienza è che anche con meno di 10 fattori quando ero in team che eseguivano esperimenti progettati, le cose si complicavano, non importa quanto ci provassimo. Qualcuno ha impostato un livello in modo errato, ha accidentalmente duplicato una combinazione di trattamenti e/o non ne ha eseguito uno richiesto... il che avrà enormi implicazioni per la stima degli effetti. O forse inserisci la combinazione nel blocco sbagliato... o in qualche altra modalità di errore di esecuzione sperimentale. E peggio ancora, spesso non sapevamo di aver commesso l'errore! A proposito di blocco... ci ripensamo.
2. Con un esperimento di grandi dimensioni posso immaginare scenari in cui potrebbe essere richiesto il blocco. Ad esempio, se l’esperimento deve essere eseguito per più di un giorno e le persone temono che possa esserci un effetto quotidiano, allora il giorno dovrebbe diventare un fattore bloccante. O che dire di uno scenario in cui, per ridurre al minimo la sequenza temporale, qualcuno decide di eseguire l'esperimento su due, tre o più, diciamo recipienti di reazione? Altro fattore bloccante. E poiché il blocco è una forma di randomizzazione limitata... passiamo al mio terzo pensiero.
3. Come @Mark_Bailey suggerisce, puoi randomizzare completamente l'ordine di esecuzione sperimentale? In caso contrario, è necessaria una sorta di progettazione della trama divisa, quindi sei sicuramente nella timoneria del design personalizzato di JMP. Ora il mio ultimo pensiero.
Ti auguro ogni bene... se l'esperimento funziona e sei disposto a condividerlo, forse un post sul blog JMP sarebbe una bella storia!
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?L'ordine delle risposte non è cronologico. Dipende dal pulsante di risposta su cui fai clic. Spero che questa risposta sia alla fine!
Un collega, @P_Bartell , ha sollevato due questioni molto importanti. Il primo problema è quanto sarà poco pratica la randomizzazione con così tanti fattori. Questo problema significa che è necessario utilizzare un disegno a trama divisa personalizzato, non un DSD. Il secondo problema è quanto bene puoi controllare ogni esecuzione in un esperimento con così tanti fattori.
Spero che Peter aggiunga la sua visione approfondita su questi due problemi a questo thread.
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?Aggiungo solo all'eccellente post di Mark. Devo dire che sono un po' confuso. Sai già che ci sono 38 fattori che hanno un effetto? E ora vuoi indagare sui termini del 2° ordine? Questo è molto insolito. Non segue uno dei principi della sperimentazione: scarsità di effetti? Di solito, quando ci sono così tanti fattori da indagare, suggerirei una sorta di studio di campionamento diretto (componente della variazione) per ridurre il numero a una dimensione più gestibile per la sperimentazione. Non riesco a immaginare di avere un modello di previsione con così tanti termini al suo interno. Sarebbe praticamente impossibile che quel modello fosse applicabile nel “mondo reale”. L'altro pensiero che ho è che tu non parli affatto del rumore. Da elementi di rumore a breve termine (ad esempio, errore di misurazione) a elementi a lungo termine (ad esempio, condizioni ambientali, variazione da lotto a lotto delle variabili di input). Devo dire che hai suscitato il mio interesse per ciò che stai studiando.
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?L'eliminazione manuale delle analisi in un DSD o la regolazione dei livelli nelle analisi esistenti distruggerà la struttura pieghevole da cui dipende l'analisi unica. A questo punto, il progetto risultante non è più un DSD e non fornisce più i vantaggi di un DSD. Sono d'accordo con @ian_jmp che dovremmo essere in grado di trovare un design personalizzato che funzioni.
Non mi piace suggerire il seguente approccio perché credo che i dati più realistici provengano da un esperimento con tutti i fattori rilevanti, ma questo approccio non è sempre possibile. Un altro modo potrebbe essere quello di dividere i fattori in due o più esperimenti. Questo approccio corre il rischio di separare i fattori che interagiscono. Non sarai in grado di modellare tali interazioni e potrebbero essere una caratteristica chiave del comportamento del processo. Richiede una conoscenza sufficiente del processo relativo alle interazioni per prendere decisioni a basso rischio su quali fattori separare.
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?La DSD è piuttosto rigida e non fornisce una soluzione per ogni caso. Questa è la situazione in cui dovresti utilizzare il design personalizzato. Il resto della mia risposta si basa sul design personalizzato.
Hai già esaminato i 38 fattori? I dati sono disponibili? Potrebbe essere possibile aumentare i dati esistenti per adattarli al nuovo modello e testare le interazioni? L’aumento è un ottimo modo per saperne di più con nuove prove sfruttando al tempo stesso i dati esistenti per l’economia.
Quando dici "non hanno senso", intendi che questi trattamenti sono fisicamente impossibili o intendi che probabilmente produrranno risultati negativi (risposte indesiderate)? UN test è una specie di gioco d'ipotesi utilizzato per "scegliere il vincitore". UN sperimentare è un piano progettato per raccogliere dati per adattarli a un modello, indipendentemente dall'opportunità delle risposte. C’è una grande differenza tra questi due approcci e la mentalità che li sostiene. Se il tuo caso è il primo, allora ci sono modi per eliminare le corse senza senso. Se il tuo caso è quest’ultimo, non eliminerei nessuna corsa basata sui pregiudizi.
Aggiungerei tutte le interazioni a due fattori.Hai una conoscenza del processo sugli effetti dell'interazione? Se sai che un'interazione non è possibile, rimuovi questo termine. Se sai che un'interazione è attiva, mantienila (effetto primario). Per il resto, cambia il loro Stimabilità da Necessario A Se possibile (effetto potenziale). Questo cambiamento produrrà a Progetto ottimo bayesiano . Reimposta il numero minimo di esecuzioni, che è sempre uguale al numero di parametri necessari per la stima. Questa modifica aiuterà l'economia del progetto a soddisfare il tuo budget. Si consiglia di utilizzare un numero di corse superiore a quello minimo. Un buon approccio è considerare le potenziali interazioni e decidere quante saranno effettivamente attive. Naturalmente non conosci questo numero, ma fai un'ipotesi plausibile. Aggiungi 3-4 esecuzioni per ognuno di questi effetti. Ad esempio, se ho 30 potenziali interazioni ma mi aspetto che solo 4 di esse siano attive, aggiungerei da 12 a 16 esecuzioni al minimo.
Questo studio serve principalmente a schermare gli effetti? Hai affermato di sapere già che i 30+8 fattori sono attivi, quindi non avresti bisogno di selezionare i fattori. Se è così, lascia il criterio consigliato: D-ottimale. Se il tuo obiettivo principale è la selezione del modello seguita dall'ottimizzazione, modifica il criterio in I-ottimale. Se il tuo obiettivo è una combinazione di effetti di screening e ottimizzazione, modifica il criterio in A-ottimale.
Si desidera bilanciare la necessità di economia con la necessità di buone stime dei parametri del modello o della risposta. Il gran numero di termini nel modello porta a un gran numero di esecuzioni ma non necessariamente a un gran numero di gradi di libertà di errore che verranno utilizzati per stabilire intervalli di confidenza e test di ipotesi per le vostre decisioni. Quindi generalmente speri di avere effetti che siano 3-4 volte la dimensione della deviazione standard della risposta. Assicurati di ampliare la gamma dei fattori continui per produrre gli effetti più ampi. Non restringere gli intervalli attorno al livello che si prevede sia ottimale. Questo è un approccio di prova. La gamma più ampia supporta un approccio sperimentale.
Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?Durante la creazione di diverse opzioni di progettazione utilizzando Custom Design mi sono imbattuto in uno sforzo sperimentale estremamente elevato che era fuori discussione. Anche il secondo approccio - la creazione di una DSD, l'eliminazione manuale delle combinazioni non consentite seguita da una valutazione del progetto - si è concluso in un vicolo cieco. Tuttavia darò una possibilità al Custom Design che implica diversi vincoli lineari.Ri: Implementazione di combinazioni di fattori non consentite e/o vincoli lineari utilizzando l'approccio DSD?Dato quello che dici, mi aspetto che un design personalizzato sia la strada migliore. Ma dici anche che non sei soddisfatto del design a cui sei arrivato con questo metodo, quindi forse c'è altro da dire. Certamente se la "conoscenza del processo" che menzioni può essere espressa tramite una serie di vincoli lineari e se hai una conoscenza tecnologica preliminare secondo cui alcuni effetti congiunti devono essere stimati e altri semplicemente non hanno senso, allora un Custom Design è il giusto approccio.
