DOEの質問みなさん、こんにちは。
私はDOEに関してはかなり初心者であり、小さな質問があります。
基本的に、私はいくつかの要因で実験を行っているとしましょう。 特に、2つの可能なレベルを持つコンポーネントをテストしたいので、いくつかの濃度（0、10、20、または40）をテストしたいと思います。 したがって、カテゴリ係数（コンポーネント：A、B）と離散数値係数（濃度：0、10、20、40）を使用してデザインを作成しました。
最終的な設計では、A-0またはB-0のいずれかでいくつかの実行があります。 ただし、生物学的な観点からは、まったく同じことです=>「コンポーネントは追加されていません」。 この情報をソフトウェアに提供する方法があるのだろうか？ 2つの実行が同等であることを定義する方法は？ それとも、要因を別の方法で定義する必要がありますか？ または多分それは実行可能ではありません。
ご入力いただきありがとうございます。
DOERe：DOEの質問こんにちは@anne_sa 、
それがどのように聞こえるかから、あなたは離散的な数値である1つの要因を持っています、それを4つのレベルを持つX1と呼びます。 また、2レベルのカテゴリカルである別の因子があります。これをX2と呼びます。 X1は値[1、2、3、4]を取ることができます。これらはコード化された値であり、実際に使用する実際の実験値ではありません。 同様に、X2カテゴリ変数は[0、1]を取ります。これもコード化された値です。実験では、X2は実際にはAまたはBになります。 これを一般的なカスタムDOEに入れると、X1が1から4まで変化し、X2が0または1になる8回の実行が行われ、相互作用も取得されます。 その場合の解釈は、0 = Aおよび1 = Bです。
一方、存在する（1）または存在しない（0）のいずれかである2つのコンポーネントAとBがある場合は、値[0、1]をとる追加のカテゴリ変数X3が必要になります。 、ただし、[0、1]はそれぞれオフまたはオンを意味します。 ここで、3つの要素を使用して新しいDOEを生成する場合、相互作用を取得するには、少なくとも16回の実行が必要です。 この場合も、X1は1〜4で実行され、コンポーネントAまたはBの他の2つのカテゴリ変数は、オン、オフ、またはオン/オフの混合のいずれかになります。たとえば、X2 = 0（オフ）、X3 = 1（オン） ）。 追加の項を追加すると、濃度とともに、コンポーネントAとコンポーネントBの間に相互作用があるかどうかを確認できます。
これらは、特に相互作用の相関を最小限に抑えるためなど、必ずしも最適なDOEではありません。より多くのセンターランを実行したり、複製を実行したり、設計を最適なものに変更したりする必要がある場合があります。
私はあなたの問題を正しく理解したと思います。
お役に立てれば！、
DS
Re：DOEの質問DOEへようこそ！
私は0に設定された連続因子のファンではありません。 あなたが発見したように、それはあなたがその要因を持っていないことを意味します。 集中力をゼロ以外のレベルにする方が良いと思います。 そのアイデアがあなたの目的にどのように適合するかをご覧ください。
Re：DOEの質問拡張するには@markbaileyシステムにまったくないので、連続因子を「ゼロ」に設定するのが好きではないというのコメント（そして私は同じ意見です）、、、、あまりにも多くの場合、研究中のシステムは、1つの新しいまたは非定型のシステムのように動作します重要な要素は完全に存在しません。 因子がないことは、パラメータ推定に悪影響を与える可能性があります。 プロセス内に安全性または既知の重大な障害が発生し、目前の問題に関する有用な情報が提供されない場合があります。 または、その他の予期しない障害モード。
最後に、エンジニアリングまたは第一原理の知識（ある場合）は、完全に存在しない要因で何が起こる可能性があるかについて何を教えてくれますか？
そして、私はこれを提案することさえ嫌いです...しかし、あなたがその要因の「ゼロ」で何が起こるかを見つけようと決心しているなら、多分それは「ゼロ」での単純なシングルホームランタイプのトライアルの時間ですそして何が起こるか見てください？ そして、それらの組み合わせを分析に含めませんか？ しかし、繰り返しになりますが...安全または危険な状態を誘発しないことが確実な場合に限ります。
Re：DOEの質問私の尊敬する同僚に反響して、私は最初にあなたをDOEの世界に歓迎したいと思います。 それは魅力的で信じられないほど強力なトピックとツールです。 残念ながら、デザインの選択に関するアドバイスは状況によって異なります。 どのような仮説を洞察したいですか？ 要因はを表すあなたの実験におけるそれらの仮説。 の間に違いがあることに気づきますテスト「勝者を選ぶ」ために設計された実験これは、因果関係への洞察を与えるように設計されています。 これは、因子の選択、レベル設定、および実験を実行する条件（推論空間）に影響します。 私のアドバイスは、治療の組み合わせ（要因とレベル）を検討し、どのような結果が期待され、どのような結果が得られるかを予測することです。 考えられるすべての結果がどうなるか、そして各インスタンスで何をするかを予測します。 次に進みます。 たとえば、ファクターX1が有意である場合、どうしますか？ その要因が重要でない場合、あなたはどうしますか？ （すべての要因について）。実験を実行し、実質的に有意な変動が「作成」されない場合、どうしますか？ たくさんのバリエーションを作成したが、要因に何も割り当てられない場合はどうなりますか？...など。
必要な情報に焦点を当て、次にどのデザインがそれに適合するかを検討します。 2つ以上のレベルでファクターなどを見るときはいつでも、勝者の目的を選ぶことを考えます。 あなたは確かに3次多項式を予測していませんか？ では、なぜ連続変数の4レベルなのですか？
実験には常に2つのことがあることを忘れないでください。1つは現象を理解すること、もう1つは実験方法を学ぶことです。
私の暴言でごめんなさい。 続ける。 そして、戻ってきて質問してください！
Re：DOEの質問こんにちは、
どうもありがとう@DS 、 @markbailey 、 @P_Bartellそして@statmanあなたのコメントのために。 それぞれの入力は本当に価値があり、プロセス全体をよりよく理解するのに役立ちます。
私はあなたのアドバイスに従い、この0レベルを私のデザインに含めないと思います。
X2因子のレベル数に関しては、実験分野に精通している人々は、2次の動作を期待しているが、応答がどの時点で開始されるか正確にわからないため、いくつかの「中間」レベル（4以上）が必要でした。減少。 しかし、私が理解していることから、スクリーニングステップには2つのレベルで十分であり、モデルに2次効果を追加して「勝者を選ぶ」場合は、3つのレベルで十分です。 したがって、中間レベルを追加することで利益はありますか？ 正確な「破裂」ポイントを見つけるのに役立ちますか？ それとも、結果の精度が低下するだけでしょうか？
よろしくお願いします！
Re：DOEの質問正確な因子レベルを指定したい場合は、離散数値因子を追加するのが正しかったです。 （次に、JMPは、モデルに追加する必要のある項を決定します。）因子レベルの変化に対する非線形応答の可能性をカバーするためのベストプラクティスは、連続因子を追加し、モデルで必要な項を指定することです。 。 （JMPは、モデルパラメーターを推定するための最適なレベルを決定します。）
また、この連続係数には広い範囲を選択することを忘れないでください。 最良のレベルがどこにあるかを「2回目の推測」しないでください。また、そのような推測の近くの範囲を制限してください。 前に述べたように、この研究は「勝者を選ぶ」ための「テスト」に関するものではありません。 それは勝者を見つけるためにモデルを推定することです。 最良の推定には大きな効果が必要であり、それは広い因子範囲によって生み出されます。
Re：DOEの質問に追加するには@markbaileyの最新のコメント、彼が推奨していることを実装するには、JMPの署名カスタムデザインプラットフォームを使用する必要があります。 実験因子空間でカバーしたい特定の高レベルと低レベル、および推定したい正確なモデルを入力できます...しかし、マークが指摘しているように、カスタム設計アルゴリズムによって選択された他のレベルがありますあなたのチームの何人かが素朴に必要だと思うかもしれない「ラウンド数」は良くないかもしれません。 マークが示唆しているように、目標はここで有用なモデルを見つけることです...勝者ではありません。 JMPのシグネチャーである予測プロファイラーとシミュレーション機能の使用も検討して、その「有用なモデル」を探して探索するのに役立ててください。
DOEが取り組みの中心である問題解決に関連する他のステップには、確認の実行、またはモデルまたはシステムの理解を強化するための追加の実験が含まれます。 応答最適化問題には、確認の実行がほとんど必要です。 ソリューションの堅牢性を調査するために、追加の実験が推奨される場合があります。または、中心にあると思われる変曲点を見逃したとしたらどうでしょうか。
DOEによる問題解決は、1つの設計で完了しないことがよくあります...私は、あなたとあなたのチームが、問題解決方法論の中心として順次実験の概念を採用することをお勧めします。
