Ich entwerfe ein Versuchsdesign mit sieben stetigen Variablen. Ich gehe davon aus, dass zwei dieser Faktoren eine optimale, nichtlineare Kurve aufweisen und dass Wechselwirkungen zwischen den Variablen auftreten.
Ich teste das System mit 3 Teilen, und mein System muss in der Lage sein, 6 verschiedene Produkte zu verarbeiten – mein Problem ist, dass ich einen Kompromiss bei den Einstellungen finden muss, der die optimale Leistung aller 6 verschiedenen Produkte gewährleistet.
Meine Idee ist, das Versuchsdesign (DOE) so zu gestalten, dass die drei Systemkomponenten als kategorialer Faktor und die sieben Variablen als kontinuierliche Faktoren berücksichtigt werden. Ich hoffe, dass das System keinen Einfluss hat, aber es ist möglich, und ich muss für alle drei Systeme die gleichen Einstellungen verwenden. Anschließend werde ich das vollständige Versuchsdesign für alle sechs Produkte durchführen und versuchen, die optimalen Einstellungen für eine Kombination aller sechs Produkte zu finden.
Ist dieses Design für Sie sinnvoll, oder haben Sie andere Vorschläge? Wäre es ausreichend, alle 7 Variablen nur auf zwei Stufen zu testen, oder muss ich die Variablen, bei denen ich kein lineares Verhalten erwarte, auf 3 oder mehr Stufen testen?
Ich freue mich auf Ihre Antwort.
Willkommen in der Community und bei JMP.
Meine Fragen und Gedanken. Es gibt viele Möglichkeiten.
1. Entwerfen Sie mehrere Pläne (z. B. Bruchfakultät res IV, DSD, Bruchfakultät mit Mittelpunkten) und prognostizieren Sie alle möglichen Ergebnisse aus jedem Plan und den erforderlichen Ressourcen. Bedenken Sie auch Das erste Experiment besteht darin, ein besseres Experiment zu entwerfen , sodass Sie nicht alles in der ersten Iteration verstehen müssen (z. B. nichtlineare Effekte).
2. Ich bin verwirrt von "3pc des Systems". Ich verstehe das nicht? Ist das System das Messsystem? Ohne dies besser zu verstehen, habe ich keinen anderen Rat für Sie, als herauszufinden, warum die 3-Teiler unterschiedlich sind, und könnten Sie 2 davon auswählen und auf den dritten schließen?
3. Antwortvariablen werden nicht erwähnt. Wie viele sind es?
4. Ein Gedanke, was wäre, wenn Sie "Produkte" als Lärm betrachten und Produkte blockieren (Sie könnten verwechseln System auch im Block). Wählen Sie Produkte aus, von denen Sie vermuten, dass sie die größten Unterschiede aufweisen, und führen Sie diese beiden Blöcke zuerst aus. Sie machen sich nicht so viele Gedanken über Blockeffekte, sondern suchen nach Block-für-Faktor-Wechselwirkungen, die darauf hindeuten, dass die Wirkung der Variablen im Experiment davon abhängt, welches Produkt Sie verwenden. Dies ist nicht das gewünschte Ergebnis, aber Sie möchten diese Effekte frühzeitig erkennen, damit das Design entsprechend geändert werden kann.
5. Ich würde mit 2-Level-Screening-Designs beginnen und diese erweitern, wenn Sie dem, was Sie wollen, näher kommen. Komplexe Modelle funktionieren in der Regel in kleinen Designräumen. In Wirklichkeit gibt es wahrscheinlich keine echte lineare Beziehung, aber Sie versuchen, die komplexe Oberfläche mit einem möglichst einfachen Modell anzunähern.
6. Betrachten Sie den Lärm, wie werden Sie damit umgehen? Dies ist meiner Erfahrung nach der am meisten vernachlässigte Teil des Experimentdesigns. Es ist jedoch einer der wichtigsten Aspekte. Sie möchten, dass Ihr Design (und die Schlussfolgerungen aus der Analyse) repräsentativ für die Zukunft sind. Sie sollten darauf achten, das Rauschen nicht einzuschränken, da dies den Inferenzraum negativ beeinflusst. Die Herausforderung besteht darin, dass mit zunehmender Realitätsnähe des Rauschens die Genauigkeit für die Erkennung von Faktoreffekten abnimmt. Sie benötigen also Strategien, um mit dem Rauschen im Experiment umzugehen (z. B. Wiederholungen, CRR, RCBD, BIB, Split-Plots).
