DOE-FrageHallo zusammen,
Ich bin ein ziemlicher Anfänger in Sachen DOE und habe eine kleine Frage.
Nehmen wir im Grunde an, dass ich ein Experiment mit mehreren Faktoren mache. Insbesondere möchte ich eine Komponente testen, die zwei mögliche Konzentrationen hat und mehrere Konzentrationen (0, 10, 20 oder 40) testen möchte. 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 das Gleiche => „keine Komponente hinzugefügt“. Ich frage mich, ob es eine Möglichkeit gibt, diese Informationen der Software bereitzustellen? Wie definiere ich, 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!
VersuchsplanungBetreff: DOE-FrageMachen Sie sich bewusst, dass es einen Unterschied gibt zwischen einem Test, der „einen Gewinner ermitteln“ soll, und einem Experiment, das Einblicke in kausale Zusammenhänge geben soll.
aufschlussreich.
MatteoBetreff: DOE-FrageNochmals vielen Dank für all Ihre wertvollen Ratschläge! Ich werde versuchen, all das im Hinterkopf zu behalten, wenn ich ein neues Design entwerfe!
Betreff: DOE-FrageHinzufügen zu @Mark_Bailey In seinem neuesten Kommentar heißt es: Um seine Empfehlungen umzusetzen, müssen Sie die charakteristische Custom Design-Plattform von JMP verwenden. Sie können die spezifischen hohen und niedrigen Werte eingeben, die Sie in Ihrem experimentellen Faktorraum abdecken möchten, sowie das genaue Modell, das Sie schätzen möchten. Wie Mark jedoch anmerkt, werden vom Custom Design-Algorithmus auch andere Werte ausgewählt Das sind möglicherweise keine schönen „runden Zahlen“, die einige in Ihrem Team vielleicht naiverweise für erforderlich halten. Wie Mark vorschlägt, besteht das Ziel darin, hier ein nützliches Modell zu finden ... nicht den Gewinner. Sie sollten in Betracht ziehen, auch den charakteristischen Prediction Profiler und die Simulationsfunktionen von JMP zu verwenden, um Sie bei der Suche nach diesem „nützlichen Modell“ zu unterstützen.
Zu den weiteren Schritten bei der Problemlösung, bei denen DOE im Mittelpunkt steht, gehören Bestätigungsläufe oder zusätzliche Experimente, um das Modell oder Ihr Verständnis des Systems zu verbessern. Bestätigungsläufe sind für Antwortoptimierungsprobleme nahezu erforderlich. Möglicherweise sind zusätzliche Experimente empfehlenswert, um die Robustheit der Lösung zu ermitteln. Oder nehmen Sie an, Sie übersehen den Wendepunkt, der so zentral erscheint?
Die Problemlösung durch DOE ist oft nicht mit einem einzigen Entwurf abgeschlossen. Ich empfehle Ihnen und Ihrem Team, das Konzept des sequentiellen Experimentierens als zentralen Bestandteil Ihrer Problemlösungsmethodik zu übernehmen.
Betreff: DOE-FrageEs war richtig, einen diskreten numerischen Faktor hinzuzufügen, als Sie die genauen Faktorstufen vorgeben wollten. (Dann entscheidet JMP über die Terme, die dem Modell hinzugefügt werden müssen.) Die beste Vorgehensweise zur Abdeckung der Möglichkeit einer nichtlinearen Reaktion auf die Änderung einer Faktorebene besteht darin, einen kontinuierlichen Faktor hinzuzufügen und die im Modell erforderlichen Terme anzugeben . (JMP entscheidet über die besten Ebenen zur Schätzung Ihrer Modellparameter.)
Denken Sie auch daran, einen breiten Bereich für diesen kontinuierlichen Faktor zu wählen. Überlegen Sie nicht, wo das beste Niveau sein wird, und begrenzen Sie den Bereich in der Nähe einer solchen Vermutung. Wie bereits erwähnt, geht es in dieser Studie nicht um „Tests“, um „den Gewinner auszuwählen“. Es geht darum, ein Modell zu schätzen, um den Gewinner zu finden. Die besten Schätzungen erfordern einen großen Effekt, der durch einen breiten Faktorbereich erzeugt wird.
Betreff: DOE-FrageHallo,
Vielen Dank @SDF1 , @Mark_Bailey , @P_Bartell Und @statman für deine Kommentare. Jeder Input ist wirklich wertvoll und hilft mir, den gesamten Prozess besser zu verstehen.
Ich denke, ich werde Ihrem Rat folgen und diese 0-Ebene nicht in meinen Entwurf einbeziehen.
Bezüglich der Anzahl der Stufen für den Faktor 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 Vorteil, wenn man Zwischenstufen hinzufügt? Hilft es, den genauen „Bruchpunkt“ zu erkennen? Oder wird dadurch nur die Präzision der Ergebnisse verringert?
Danke nochmal für deine Hilfe!
Betreff: DOE-FrageIn Anlehnung an meine geschätzten Kollegen möchte ich Sie zunächst in der Welt von DOE willkommen heißen. Es ist ein faszinierendes und unglaublich wirkungsvolles Thema und Werkzeug. Leider ist die Beratung bezüglich der Designauswahl von der jeweiligen Situation abhängig. In welche Hypothesen möchten Sie Einblick bekommen? Die Faktoren werden vertreten diese Hypothesen in Ihrem Experiment. Erkenne, dass es einen Unterschied gibt zwischen a prüfen Entwickelt, um „einen Gewinner auszuwählen“ und einen Experiment die Aufschluss über kausale Zusammenhänge geben soll. Dies berücksichtigt die Faktorauswahl, die Niveaueinstellung und die Bedingungen, unter denen Sie das Experiment durchführen (Inferenzraum). Mein Rat ist, die Behandlungskombinationen (Faktoren und Ebenen) zu durchdenken 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 beispielsweise Faktor X1 signifikant ist, was würden Sie tun? Was würden Sie tun, wenn dieser Faktor unbedeutend wäre? (für alle Faktoren). Wenn Sie das Experiment durchführen und keine praktisch signifikante Variation „erzeugt“ wird, was werden Sie tun? Was ist, wenn Sie eine Menge Variationen erstellen, den Faktoren aber nichts zuordenbar ist? ... usw.
Konzentrieren Sie sich darauf, welche Informationen Sie benötigen und welches Design dazu passt. Immer wenn ich Faktoren auf mehr als zwei Ebenen sehe, denke ich über ein Ziel nach, den Gewinner auszuwählen. Sie sagen mit Sicherheit kein Polynom dritter Ordnung voraus? Warum also 4 Stufen einer kontinuierlichen Variablen?
Denken Sie daran, dass es beim Experimentieren immer zwei Dinge gibt: Zum einen geht es darum, das Phänomen zu verstehen, zum anderen geht es darum, zu lernen, wie man experimentiert.
Entschuldigung für meine Schimpftirade. Fortfahren. Und bitte kommen Sie zurück und stellen Sie Fragen!
Betreff: DOE-FrageZur Erweiterung @Mark_Bailey 's Kommentar (und ich bin der gleichen Meinung), dass ich kein Fan davon bin, kontinuierliche Faktoren auf „Null“ zu setzen, da sie überhaupt nicht im System vorhanden sind. Zu oft verhält sich das untersuchte System wie ein neues oder atypisches System mit einem Schlüsselfaktor fehlt völlig. Das Fehlen des Faktors könnte die Parameterschätzung in ungünstiger Weise beeinflussen. Es kann zu einem Sicherheitsfehler oder einem bekannten schwerwiegenden Fehler innerhalb des Prozesses kommen, der keine nützlichen Informationen im Hinblick auf das vorliegende Problem liefert. Oder ein anderer unerwarteter Fehlermodus.
Abschließend: Was sagen Ihnen Ihre Ingenieurs- oder Grundlagenkenntnisse (falls vorhanden) darüber, was passieren könnte, wenn dieser Faktor völlig fehlt?
Und ich hasse es, das überhaupt vorzuschlagen ... aber wenn Sie unbedingt herausfinden möchten, was bei „Null“ für diesen Faktor passiert, ist es vielleicht an der Zeit für einen oder mehrere einfache Single-Homerun-Versuche bei „Null“ und Beobachten Sie, was passiert? Und diese Kombinationen nicht in die Analyse einbeziehen? Aber noch einmal ... nur, wenn Sie sicher sind, dass Sie keinen Sicherheits- oder Gefahrenzustand herbeiführen.
Betreff: DOE-FrageWillkommen bei DOE!
Ich bin kein Fan von kontinuierlichen Faktoren, die auf 0 gesetzt sind. Wie Sie herausgefunden haben, bedeutet das, dass Sie diesen Faktor nicht haben. Ich denke, es wäre vielleicht besser, alle Konzentrationsstufen ungleich Null zu haben. Sehen Sie, wie diese Idee zu Ihrem Ziel passt.
Betreff: DOE-FrageHallo @anne_sa ,
So wie es sich anhört, haben Sie einen Faktor, der diskret numerisch ist, nennen Sie ihn X1 mit vier Ebenen. Sie haben auch einen weiteren Faktor, der ein zweistufiger kategorialer Faktor ist, den wir X2 nennen. X1 kann die Werte [1, 2, 3, 4] annehmen. Dies sind die codierten Werte, nicht die tatsächlichen Experimentwerte, die Sie wirklich verwenden würden. In ähnlicher Weise nimmt Ihre kategoriale Variable X2 den Wert [0, 1] an, was wiederum den codierten Werten entspricht – im Experiment wird X2 tatsächlich A oder B sein. Wenn Sie dies in ein typisches benutzerdefiniertes DOE übertragen, sollten Sie 8 Durchläufe erhalten, bei denen X1 zwischen 1 und 4 variiert und X2 entweder 0 oder 1 ist und auch die Wechselwirkungen erfasst. Die Interpretation ist dann, dass 0=A und 1=B.
Wenn Sie hingegen zwei Komponenten A und B haben, die beide entweder vorhanden (1) oder nicht vorhanden (0) sein können, benötigen Sie eine zusätzliche kategoriale Variable X3, die ebenfalls die Werte [0, 1] annimmt. , aber jetzt bedeutet [0, 1] aus bzw. ein. Wenn Sie nun das neue DOE mit drei Faktoren generieren, benötigen Sie mindestens 16 Durchläufe, um auch die Wechselwirkungen zu erhalten. Auch in diesem Fall läuft X1 von 1-4 und die anderen beiden kategorialen Variablen für Komponente A oder B sind entweder ein, aus oder Mischungen aus ein/aus, z. B. X2=0 (aus), X3=1(ein). ). Durch Hinzufügen des zusätzlichen Begriffs können Sie sehen, ob es neben der Konzentration auch Wechselwirkungen zwischen Komponente A und Komponente B gibt.
Dies sind nicht unbedingt optimale DOEs, insbesondere im Hinblick auf die Minimierung der Korrelation der Wechselwirkungen usw. Möglicherweise müssen Sie mehr Mittelläufe 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
