Versuchsplanung Verschachtelter FCDHey,
Ich möchte ein verschachteltes, flächenzentriertes CCD-Design erstellen (wie im Link unten auf den Seiten 20–22 gezeigt). Ich habe versucht, ein benutzerdefiniertes Design mit einer diskreten Variablen mit 5 Ebenen zu verwenden, aber das generierte Design deckt den Designraum nicht wie im Beispiel ab. Ich habe auch ein normales 2-Ebenen-Design verwendet und dann versucht, es zu erweitern, aber ich konnte nicht herausfinden, wie ich das richtig machen sollte. was soll ich machen?
Ich habe 2 Antwortvariablen und 4 Designvariablen. Der reguläre Entwurf mit Fakultätspunkten, Mittelpunkten und Achsenpunkten reicht nicht aus, um die Nichtlinearität zu beschreiben, daher möchte ich einer Variablen ein zusätzliches Maß an Komplexität verleihen, damit sie mehr Ebene haben. Das bedeutet, dass ich anstelle einer Variablen mit den Stufen (-1,0,1) die Stufen (-1,-0,5,0,0,5,1) haben möchte. Außerdem kann ich natürlich keinen vollfaktoriellen Entwurf erstellen, da dieser auf 5 Ebenen 625 Durchläufe erfordert und dies in meinem Fall nicht machbar ist.
Link zum verschachtelten FCD: http://diginole.lib.fsu.edu/islandora/object/fsu:175634/datastream/PDF/view
Ich danke Ihnen für Ihre Hilfe,
Diaa
VersuchsplanungBetreff: Design of Experiments Nested FCDIch freue mich, dass Sie ein Design haben, das Ihnen gefällt. Ich kann mir weder vorstellen, dass dies tatsächlich ausgeführt wird, noch die potenzielle Komplexität des Modells, die dadurch entstehen würde. Ich bevorzuge einen eher sequenziellen Ansatz (wie Box empfiehlt) und füge möglicherweise die Teile der sequenziellen Designs hinzu, um die nichtlinearen Modellterme abzuschätzen. Es scheint nicht praktikabel, so viele Informationen zu vier Faktoren zu erstellen, ohne Lärm zu berücksichtigen (da Sie den Auftrieb erwähnt haben, haben die Umgebungsbedingungen sicherlich einen Einfluss, die Konsistenz der Designfaktoren in Bezug auf die Abmessungen usw.)? Wenn die Oberfläche, die Sie kartieren, „zentriert“ ist (ich gehe davon aus, dass Sie bereits wissen, dass es sich bei diesen Faktoren um die wichtigsten Entwurfsfaktoren handelt und Sie bereits eine Vorstellung davon haben, „wo“ im Hinblick auf die Ebeneneinstellung das Experiment stattfinden sollte), dann tun Sie das brauchen nicht so viele Informationen an der Peripherie.
Viel Glück auf Ihrer Reise.
Betreff: Design of Experiments Nested FCDVielen Dank für Ihre Hilfe. Ich weiß es wirklich zu schätzen, dass Sie sich die Zeit genommen haben, es zu erklären. Ich habe Bradleys Idee ausprobiert und sie funktioniert bei mir. Ich habe ein Beispiel mit einer zufälligen Antwort für alle angehängt, die in Zukunft eine ähnliche Frage haben. Danke nochmal.
Betreff: Design of Experiments Nested FCDIch habe Bradley Jones nach Ihrem Anliegen gefragt. Hier ist sein Vorschlag. Vielleicht hat er später noch mehr hinzuzufügen.
- Erstellen Sie ein Box-Behnken-Design auf den Ebenen -0,5, 0 und 0,5 und lassen Sie dabei die Mittelläufe weg. Dies erfordert 24 Durchläufe.
- Erstellen Sie nun ein flächenzentriertes CCD auf den Ebenen -1, 0 und 1 und behalten Sie dabei die beiden Mittelläufe bei. Dies erfordert 26 Durchläufe.
- Kombinieren Sie die beiden Designs für ein 50-Run-Design, bei dem jeder Faktor 5 Stufen hat.
Ich glaube, dass dieses Design die Struktur hat, die der Benutzer wünscht.
Betreff: Design of Experiments Nested FCDDu sagtest, " Vielen Dank für Ihre JMP-Datei. Die Anzahl der Läufe ist sehr gering und deckt nicht den Designraum ab. Ich weiß, dass ich es im Abschnitt mit der vom Benutzer angegebenen Anzahl von Läufen erhöhen kann, aber wissen Sie, wie ich es visualisieren kann (einen Würfelplot oder etwas Ähnliches) und Punkte hinzufügen kann, wo ich möchte? "
Woher wissen Sie, wann es den Designraum abdeckt? Wie erkennt man einen guten Ort zum Beobachten, wenn man ihn sieht?
Das optimale Design (dh die besten zu beobachtenden Bedingungen) hängt vom Modell ab. Sie sagen, dass Sie eine nichtlineare Reaktion erwarten. Wenn diese Behauptung wahr ist, bezweifle ich, dass Sie in der Lage sind, die beste Kombination von Faktorstufen zu ermitteln. (Ich habe bei allen die gleichen Zweifel, auch bei mir selbst.) Nehmen wir zum Beispiel den einfachen Fall eines einzelnen kontinuierlichen Faktors. Die Nichtlinearität der Antwort erfordert ein kubisches Polynommodell. Dieses Modell erfordert vier Stufen des Faktors. Die meisten Menschen würden sie gleichmäßig über den Faktorbereich verteilen: -1, -1/3, +1/3, +1. Diese Ebenen können zur Anpassung des kubischen Polynommodells verwendet werden, sie sind jedoch nicht die optimalen Ebenen. Wo genau liegen diese optimalen Werte?
Ich empfehle Ihnen, eine Methode zu verwenden, die darauf ausgelegt ist, die genauen optimalen Ebenen für ein lineares Modell beliebiger Ordnung zu finden: benutzerdefiniertes Design.In diesem Fall könnten Sie Polynomfunktionen höherer Ordnung als lineare Modelle betrachten, wenn Sie glauben, dass die Nichtlinearität so komplex ist. (Die Komplexität der Antwort bestimmt die Komplexität des Modells davon.) Mein Punkt ist, dass Sie nicht die Punkte auswählen sollten, sondern das Modell und JMP die Punkte finden lassen sollten.
Wenn Sie sich irren, können Sie das ursprüngliche Design jederzeit durch ein individuelles Design ergänzen und fortfahren. Bei Bedarf wiederholen.
Sie können auch ein raumfüllendes Design verwenden, wie es bei Computersimulationen verwendet wird, wenn die Antwort keine stochastische Komponente enthält. Eine gute Wahl für ein Modell ist der Gauß-Prozess-Interpolator. Die Antwort kann auch zufällige Varianz umfassen. GP-Modelle können verwendet werden, um die Reaktion lokal vorherzusagen und optimale Faktorniveaus zu erhalten. Sie können mit einem bescheidenen Design beginnen und das raumfüllende Design erweitern, wenn Sie das Gefühl haben, dass die Nichtlinearität nicht vollständig dargestellt wird.
Ich würde kein Visualisierungstool verwenden, um die besten Beobachtungspunkte zu finden. Ich würde ein Design-of-Experimente-Tool verwenden. Ich würde ein Visualisierungstool verwenden, um das Modell zu verstehen.
Betreff: Design of Experiments Nested FCDDanke für Ihre Antwort. Sie haben Recht, ich meinte nicht verschachtelt im Sinne der allgemeinen Bedeutung von hierarchisch. Landman (ein Aerodynamiker) versuchte, CCD zu verwenden, um die Änderung des Auftriebs mit verschiedenen Variablen (sagen wir 3 Variablen) zu beschreiben. Er hatte einen Laufplan von (2^3 Faktorpunkte + 2*3 Axialpunkte + plus 2 Mittelpunkte). Sein Experiment zeigte, dass der Auftrieb mit einer Variablennummer 1 stark nichtlinear ist, also beschloss er, weitere Punkte hinzuzufügen. Also hat Variable 1 jetzt 5 Ebenen statt der anfänglichen 2. Wie kann ich so etwas in JMP machen? Und wie kann ich die Pegel steuern, anstatt dass JMP nur Mittelpunkte annimmt?
Vielen Dank für Ihre JMP-Datei. Die Anzahl der Läufe ist sehr gering und deckt nicht den Designraum ab. Ich weiß, dass ich es im Abschnitt mit der vom Benutzer angegebenen Anzahl von Läufen erhöhen kann, aber wissen Sie, wie ich es visualisieren kann (einen Würfelplot oder etwas Ähnliches) und Punkte hinzufügen kann, wo ich möchte?
Vielen Dank für Ihre Zeit und entschuldigen Sie die Verwirrung. Ich würde mich auch freuen, wenn Sie eine Referenz hätten, die mir helfen kann, die Unterschiede zwischen verschiedenen DOE-Designs und die entsprechenden Vor- und Nachteile jedes einzelnen zu verstehen. Nochmals vielen Dank.
Die Referenz, die diese Technik als verschachteltes FCD bezeichnet, befindet sich im Link im Hauptbeitrag.Betreff: Design of Experiments Nested FCDIch bin etwas verwirrt über Ihre Frage(n) und den Titel Ihres Beitrags. Sie beschreiben kein verschachteltes Design (z. B. wenn ein oder mehrere Faktoren im Experiment von anderen abhängig sind oder die Stufen eines Faktors von den Stufen eines anderen Faktors abhängig sind (hierarchisch). Gesichtszentrierte Designs sind 3-Ebenen-Designs (TMK) und werden verwendet, wenn die Behandlungskombinationen an den Ecken nicht möglich sind. Sie benötigen auch keine Mittelpunkte, diese können aber aus anderen Gründen hinzugefügt werden. Ich habe es ausprobiert und eine JMP-Datei angehängt.
