エネルギー省の質問みなさん、こんにちは。
私は DOE に関してかなりの初心者なので、小さな質問があります。
基本的に、いくつかの要素を使用して実験を行ったとします。 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、いくつかの濃度 (0、10、20、または 40) をテストしたいと考えています。 したがって、カテゴリ因子 (コンポーネント: A、B) と離散数値因子 (濃度: 0、10、20、40) を使用して計画を作成しました。
最終的なデザインでは、A-0 または B-0 のいずれかを使用して数回実行しました。 しかし、生物学的に見ると全く同じもの＝＞「成分が添加されていない」ということになります。 この情報をソフトウェアに提供する方法はないでしょうか? 2 つの実行が同等であると定義するにはどうすればよいでしょうか? それとも、要因を別の方法で定義する必要があるでしょうか? それともそれは単に実現不可能なのかもしれません。
ご意見をよろしくお願いいたします。
実験計画法Re: DOE の質問「勝者を選ぶ」ために設計されたテストと、因果関係を洞察するために設計された実験には違いがあることを理解してください。
洞察力に富んだ。
マテオRe: DOE の質問今回も的確なアドバイスをありがとうございました！ 新しいデザインをするときは、そのすべてを念頭に置いて努力したいと思います。
Re: DOE の質問追加するには@Mark_Baileyさんの最新のコメントによると、彼が推奨していることを実装するには、JMP の特徴的なカスタム 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...ただし、Mark 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る他のレベルも存在します。これは、チーム内の一部の人が素朴に必要と考えるような、適切な「概数」ではない可能性があります。 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あり、勝者ではありません。 JMP の特徴である予測プロファイラーとシミュレーション機能を使用して、「有用なモデル」を見つけて探索することも検討してください。
DOE が取り組みの中心となる問題解決に関わるその他のステップには、モデルやシステムの理解を強化するための確認の実行や追加の実験が含まれます。 応答の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かもしれません。あるいは、非常に重要だと思われる変曲点を見逃していると仮定しますか?
DOE による問題解決は、単一の設計だけでは終了しないことがよくあります。問題解決方法論の中心として、逐次実験の概念を採用することをお勧めします。
Re: DOE の質問正確な因子水準を指定したい場合に、離散数値因子を追加したのは正しかったです。 (その後、JMP がモデルに追加する必要が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、モデルに必要な項を指定することです。 。 (JMP はモデルパラメータを推定するのに最適なレベルを決定します。)
また、この連続因子には広い範囲を選択することにも注意してください。 最適なレベルがどこになるかを「二度推測」しないで、そのような推測の近傍の範囲を制限してください。 前述したように、この研究は「勝者を選ぶ」ための「テスト」を目的としたものではありません。 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、広い係数範囲によって生成される大きな効果が必要です。
Re: DOE の質問こんにちは、
どうもありがとう@SDF1 、 @Mark_Bailey 、 @P_Bartelそして@スタットマンあなたのコメントのために。 それぞれの意見は本当に貴重で、プロセス全体をより深く理解するのに役立ちます。
アドバイスに従い、この 0 レベルを設計に含めないようにしたいと思います。
X2 係数のレベルの数に関して、実験分野に精通している人々は、二次関数の動作を期待しているものの、どの時点で応答が開始されるかを正確に知らないため、いくつかの「中間」レベル (4 つ以上) を希望しました。減少。 ただし、私の理解では、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「勝者を選択」する場合は 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と何かメリットがあるでしょうか? 「破裂」ポイントを正確に把握す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?
ご協力いただきありがとうございます。
Re: DOE の質問尊敬する同僚の皆さんに倣って、まず皆さんを DOE の世界に歓迎したいと思います。 これは魅力的で信じられないほど強力なトピックおよびツールです。 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? その要因は、代表する実験におけるそれらの仮説。 の間には違いがあることを認識してくださいテスト「勝者を選ぶ」ように設計されており、実験因果関係を洞察でき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、実験を実行する条件 (推論空間) を考慮します。 私のアドバイスは、治療の組み合わせ（要素とレベル）をよく考え、どのような結果が期待されるか、どのような結果が起こり得るかを予測するように努めることです。 起こり得るすべての結果と、それぞれの場合に何をするかを予測します。 次に進みます。 たとえば、因子 X1 が重要である場合、あなたはどうしますか? その要因が重要ではない場合、あなたはどうしますか? (すべての要因について) 実験を実行して、実質的に有意な変動が「作成されなかった」場合はどうしますか? 大量のバリエーションを作成したものの、因子に何も割り当てられない場合はどうなるでしょうか?...など。
必要な情報に焦点を当て、それに適合するデザインは何か。 2 つ以上のレベルの要素セットを見るたびに、勝者を選ぶという目標について考えます。 確かに 3 次多項式を予測しているわけではありませんね? では、なぜ連続変数に 4 レベルがあるのでしょうか?
実験には常に 2 つのことが含まれてい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であり、もう 1 つは実験方法を学ぶことです。
暴言を吐いてごめんなさい。 続ける。 そしてまた質問しに来てください！
Re: DOE の質問さらに拡張するには@Mark_Bailey連続因子を「ゼロ」に設定するのはシステムにまったく存在しないため、好きではないという さんのコメント (私も同じ意見です)、研究対象のシステムが、重要な要素がまったくありません。 因子が存在しないと、パラメーターの推定に悪影響を及ぼす可能性があります。 プロセス内で安全性や既知のひどい失敗が引き起こされる可能性があり、当面の問題に関して有用な情報は提供されません。 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 (もしあれば) は、要素が完全に存在しない場合に何が起こ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すら嫌います...しかし、もしあなたがその要素の「ゼロ」で何が起こるかを知りたいと強く思っているなら、おそらくそれは「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を行う時期かもしれません。何が起こるか見てください? それらの組み合わせを分析に含めないでしょうか? ただし、繰り返しますが、安全または危険な状態を誘発しないと確信している場合に限ります。
Re: DOE の質問DOEへようこそ！
私は連続因子を 0 に設定するのが好きではありません。 あなたが発見したように、それはあなたがその要素を持っていないことを意味します。 集中力を高めるには、レベルをすべてゼロ以外にした方が良いのではないかと思います。 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確認してください。
Re: DOE の質問こんにちは@anne_sa 、
どう聞こえるかというと、離散数値である 1 つの係数があり、それを 4 レベルの X1 と呼びます。 また、X2 と呼ばれる 2 レベルのカテゴリカルである別の因子もあります。 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] をとります。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。 これを典型的なカスタム DOE に当てはめると、X1 が 1 から 4 まで変化し、X2 が 0 または 1 になる 8 回の実行が得られ、相互作用も取得されます。 したがって、0=A、1=B と解釈されます。
一方、存在する (1) か存在しない (0) かのいずれかである 2 つのコンポーネント A と B がある場合、同様に値 [0, 1] を取るカテゴリ変数 X3 を追加する必要があります。 , しかし、現在では [0, 1] はそれぞれオフまたはオンを意味します。 ここで 3 つの因子を使用して新しい DOE を生成する場合、交互作用も取得するには少なくとも 16 回の実行が必要になります。 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(on) ）。 追加項を追加すると、濃度とともに成分 A と成分 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関係を最小限に抑えるなどの場合、必ずしも最適な DOE であるとは限りません。場合によっては、より多くのセンター実行、実行の反復、または最適な設計への変更が必要になる場合があります。
あなたの問題を正しく理解できたと思います。
お役に立てれば！、
DS
