DOE FrageHallo allerseits,
Ich bin ein ziemlicher Anfänger in Bezug auf DOE und ich habe eine kleine Frage.
Nehmen wir an, ich habe ein Experiment mit mehreren Faktoren. Insbesondere möchte ich eine Komponente testen, die zwei mögliche Niveaus aufweist, und ich möchte mehrere Konzentrationen (0, 10, 20 oder 40) testen. Deshalb habe ich mein Design mit einem kategorialen Faktor (Komponente: A, 
und einem diskreten numerischen Faktor (Konzentration: 0, 10, 20, 40) erstellt.
Im endgültigen Entwurf habe ich mehrere Läufe mit entweder A-0 oder B-0. Aus biologischer Sicht ist es jedoch genau dasselbe => "keine Komponente hinzugefügt". Ich frage mich, ob es eine Möglichkeit gibt, diese Informationen für die Software bereitzustellen. Wie kann man definieren, dass zwei Läufe gleichwertig sind? Oder sollte ich die Faktoren vielleicht anders definieren? Oder vielleicht ist es einfach nicht machbar ..
Vielen Dank im Voraus für Ihre Beiträge!
DAMHIRSCHKUHRe: DOE FrageHallo @anne_sa ,
Wie es sich anhört, haben Sie einen diskreten numerischen Faktor, nennen Sie ihn X1 mit vier Ebenen. Sie haben auch einen anderen Faktor, der eine zweistufige Kategorie ist, nennen Sie es X2. X1 kann Werte annehmen [1, 2, 3, 4]. Dies sind die codierten Werte, nicht die tatsächlichen Experimentwerte, die Sie wirklich verwenden würden. In ähnlicher Weise nimmt Ihre kategoriale X2-Variable [0, 1] an, was wiederum die codierten Werte sind. Im Experiment wird X2 tatsächlich A oder B sein. Wenn Sie dies in ein typisches benutzerdefiniertes DOE einfügen, sollten Sie 8 Läufe erhalten, wobei X1 von 1 bis 4 variiert und X2 entweder 0 oder 1 ist und auch die Interaktionen erhält. Die Interpretation ist dann, dass 0 = A und 1 = B.
Wenn Sie dagegen zwei Komponenten A und B haben, die entweder vorhanden (1) oder nicht vorhanden (0) sein können, möchten Sie eine zusätzliche kategoriale Variable X3 haben, die ebenfalls Werte annimmt [0, 1]. , aber jetzt bedeutet [0, 1] aus bzw. ein. Wenn Sie jetzt das neue DOE mit drei Faktoren generieren, benötigen Sie mindestens 16 Läufe, um auch die Interaktionen zu erhalten. Auch in diesem Fall läuft X1 von 1 bis 4, und die beiden anderen kategorialen Variablen für Komponente A oder B sind entweder ein, aus oder Mischungen von ein / aus, z. B. X2 = 0 (aus), X3 = 1 (ein) ). Durch Hinzufügen des zusätzlichen Begriffs können Sie feststellen, ob zwischen Komponente A und Komponente B Wechselwirkungen mit der Konzentration bestehen.
Dies sind nicht unbedingt optimale DOEs, insbesondere um die Korrelation der Interaktionen usw. zu minimieren. Möglicherweise müssen Sie mehr Center-Läufe durchführen, Replikate ausführen oder das Design so ändern, dass es für Sie am besten funktioniert.
Ich hoffe, ich habe Ihr Problem richtig verstanden.
Hoffe das hilft!,
DS
Re: DOE FrageWillkommen bei DOE!
Ich bin kein Fan von kontinuierlichen Faktoren, die auf 0 gesetzt sind. Wie Sie festgestellt haben, bedeutet dies, dass Sie diesen Faktor nicht haben. Ich denke, es könnte besser sein, alle Konzentrationswerte ungleich Null zu haben. Sehen Sie, wie diese Idee zu Ihrem Zweck passt.
Re: DOE FrageZu erweitern @markbailey 's Kommentar (und ich bin der gleichen Meinung), dass man kein Fan davon ist, kontinuierliche Faktoren auf' Null 'zu setzen, wie überhaupt nicht im System ,,,, zu oft verhält sich das untersuchte System wie ein neues oder atypisches System mit einem Schlüsselfaktor völlig abwesend. Das Fehlen des Faktors kann die Parameterschätzung in ungünstiger Weise beeinflussen. Möglicherweise wird ein Sicherheits- oder bekannter Fehler innerhalb des Prozesses eingerichtet, der keine nützlichen Informationen zu dem vorliegenden Problem enthält. Oder ein anderer unerwarteter Fehlermodus.
Was sagen Ihnen die technischen Kenntnisse oder Kenntnisse der ersten Prinzipien (falls vorhanden) darüber, was passieren könnte, wenn der Faktor vollständig fehlt?
Und ich hasse es, dies überhaupt vorzuschlagen ... aber wenn Sie fest entschlossen sind, herauszufinden, was bei 'Null' für diesen Faktor passiert, ist es vielleicht Zeit für einen einfachen Test mit einem einzigen Homerun-Typ bei 'Null' und schau was passiert Und diese Kombinationen nicht in die Analyse einbeziehen? Aber nochmal ... nur wenn Sie sicher sind, dass Sie keinen Sicherheits- oder Gefahrenzustand auslösen werden.
Re: DOE FrageIn Anlehnung an meine geschätzten Kollegen möchte ich Sie zunächst in der Welt von DOE begrüßen. Es ist ein faszinierendes und unglaublich mächtiges Thema und Werkzeug. Leider hängt die Beratung bei der Auswahl des Designs von der jeweiligen Situation ab. In welche Hypothesen möchten Sie einen Einblick bekommen? Die Faktoren werden vertreten diese Hypothesen in Ihrem Experiment. Erkenne, dass es einen Unterschied zwischen a gibt Prüfung entworfen, um "einen Gewinner auszuwählen" und ein Experiment das soll Einblick in kausale Zusammenhänge geben. Dies beeinflusst die Faktorauswahl, die Pegeleinstellung und die Bedingungen, unter denen Sie das Experiment durchführen (Inferenzraum). Mein Rat ist, die Behandlungskombinationen (Faktoren und Niveaus) zu überdenken und vorherzusagen, welche Ergebnisse Sie erwarten würden und welche Ergebnisse möglich sein könnten. Sagen Sie voraus, was alle möglichen Ergebnisse sein könnten und was Sie in jedem Fall tun würden. Dann fahren Sie fort. Wenn zum Beispiel Faktor X1 signifikant ist, was würden Sie tun? Was würden Sie tun, wenn dieser Faktor unbedeutend ist? (für alle Faktoren) .Wenn Sie das Experiment durchführen und keine praktisch signifikante Variation "erzeugt" wird, was werden Sie tun? Was ist, wenn Sie eine Reihe von Variationen erstellen, den Faktoren jedoch nichts zugeordnet werden kann? ... usw.
Konzentrieren Sie sich darauf, welche Informationen Sie möchten und welches Design dazu passt. Immer wenn ich Faktoren auf mehr als 2 Ebenen sehe, denke ich über eine Auswahl des Gewinnerziels nach. Sie sagen sicherlich kein Polynom dritter Ordnung voraus? Warum also 4 Ebenen einer stetigen Variablen?
Denken Sie daran, dass es beim Experimentieren immer zwei Dinge gibt: Zum einen das Verständnis des Phänomens und zum anderen das Erlernen des Experimentierens.
Entschuldigung für mein Geschwätz. Fortfahren. Und bitte komm zurück und stell Fragen!
Re: DOE FrageHallo,
Danke vielmals @DS , @markbailey , @P_Bartell und @ Statman für deine Kommentare. Jede Eingabe ist wirklich wertvoll und hilft mir, den gesamten Prozess besser zu verstehen.
Ich denke, ich werde Ihrem Rat folgen und diese 0-Stufe nicht in mein Design aufnehmen.
In Bezug auf die Anzahl der Ebenen für den X2-Faktor wollten Personen, die mit dem Experimentierfeld vertraut sind, mehrere "mittlere" Ebenen (4 oder mehr) haben, da sie ein quadratisches Verhalten erwarten, aber nicht genau wissen, an welchem Punkt die Reaktion beginnen wird verringern. Soweit ich weiß, reichen jedoch zwei Ebenen für einen Screening-Schritt aus, und drei, wenn wir dem Modell einen quadratischen Effekt hinzufügen und "den Gewinner auswählen" möchten. Gibt es also einen Gewinn, um Zwischenstufen hinzuzufügen? Hilft es, den genauen "Bruch" -Punkt zu erfassen? Oder wird es nur die Genauigkeit der Ergebnisse verringern?
Danke nochmal für deine Hilfe!
Re: DOE FrageSie haben zu Recht einen diskreten numerischen Faktor hinzugefügt, als Sie die genauen Faktorstufen bestimmen wollten. (Dann entscheidet JMP über die Begriffe, die dem Modell hinzugefügt werden müssen.) Die beste Vorgehensweise, um die Möglichkeit einer nichtlinearen Reaktion auf die Änderung einer Faktorebene abzudecken, besteht darin, einen kontinuierlichen Faktor hinzuzufügen und die im Modell erforderlichen Begriffe anzugeben . (JMP entscheidet über die besten Ebenen zur Schätzung Ihrer Modellparameter.)
Denken Sie auch daran, einen großen Bereich für diesen kontinuierlichen Faktor zu wählen. Erraten Sie nicht, wo das beste Level liegt, und begrenzen Sie die Reichweite in der Nähe einer solchen Vermutung. Wie bereits erwähnt, geht es in dieser Studie nicht um "Testen", um "den Gewinner zu ermitteln". Es geht darum, ein Modell zu schätzen, um den Gewinner zu finden. Die besten Schätzungen erfordern einen großen Effekt, der durch einen weiten Faktorbereich erzeugt wird.
Re: DOE FrageHinzufügen zu @markbailey Um den von ihm empfohlenen Kommentar umzusetzen, müssen Sie JMPs Signature Custom Design-Plattform verwenden. Sie können die spezifischen hohen und niedrigen Ebenen, die Sie abdecken möchten, in Ihren experimentellen Faktorraum und das genaue Modell eingeben, das Sie schätzen möchten. Wie Mark bemerkt, werden jedoch andere Ebenen vom Custom Design-Algorithmus ausgewählt Das könnte keine nette "runde Zahl" sein, die einige in Ihrem Team naiv für erforderlich halten. Wie Mark vorschlägt, besteht das Ziel darin, hier ein nützliches Modell zu finden ... nicht den Gewinner. Sie sollten auch in Betracht ziehen, JMPs Signature Prediction Profiler und Simulationsfunktionen zu verwenden, um bei der Suche nach diesem „nützlichen Modell“ zu helfen und es zu erkunden.
Weitere Schritte zur Problemlösung, bei denen DOE im Mittelpunkt der Bemühungen steht, sind Bestätigungsläufe oder zusätzliche Experimente, um das Modell oder Ihr Verständnis des Systems zu verbessern. Bestätigungsläufe sind für Probleme bei der Antwortoptimierung so gut wie erforderlich. Zusätzliche Experimente könnten empfohlen werden, um die Robustheit der Lösung zu untersuchen, ODER nehmen wir an, Sie verpassen den Wendepunkt, der so zentral erscheint?
Die Problemlösung durch DOE wird häufig nicht mit einem einzigen Entwurf abgeschlossen ... Ich empfehle Ihnen und Ihrem Team, das Konzept des sequentiellen Experimentierens als zentralen Bestandteil Ihrer Problemlösungsmethode zu betrachten.
