Domanda DOECiao a tutti,
Sono piuttosto un principiante per quanto riguarda DOE e ho una piccola domanda.
Fondamentalmente diciamo che ho un esperimento con diversi fattori. In particolare voglio testare un componente che ha due livelli possibili e vorrei testare diverse concentrazioni (0, 10, 20 o 40). Ho quindi creato il mio disegno con un fattore categoriale (Componente: A, 
ed uno numerico discreto (Concentrazione: 0, 10, 20, 40).
Nel progetto finale, ho diverse esecuzioni con A-0 o B-0. Tuttavia dal punto di vista biologico è esattamente la stessa cosa => "nessun componente aggiunto". Mi chiedo se esiste un modo per fornire queste informazioni al software? Come definire che due esecuzioni sono equivalenti? O forse dovrei definire i fattori in modo diverso? O forse semplicemente non è fattibile..
Grazie in anticipo per i vostri input!
Progettazione di esperimentiRi: Domanda DOERenditi conto che esiste una differenza tra un test progettato per "scegliere un vincitore" e un esperimento progettato per fornire informazioni sulle relazioni causali.
perspicace.
MatteoRi: Domanda DOEGrazie ancora per tutti i vostri precisi consigli! Cercherò di tenere a mente tutto ciò quando realizzo un nuovo design!
Ri: Domanda DOEDa aggiungere a @Mark_Bailey Secondo l'ultimo commento di JMP, per implementare ciò che consiglia, dovrai utilizzare la piattaforma Custom Design firmata JMP. Potrai inserire i livelli specifici alto e basso che desideri coprire nel tuo spazio fattoriale sperimentale e il modello esatto che desideri stimare... ma come osserva Mark, ci saranno altri livelli selezionati dall'algoritmo di progettazione personalizzata che POTREBBERO non essere dei bei "numeri tondi" che alcuni nella tua squadra, potrebbero ingenuamente, pensare che siano richiesti. Come suggerisce Mark, l'obiettivo è trovare un modello utile qui... non il vincitore. Dovresti prendere in considerazione l'utilizzo del Prediction Profiler e delle funzionalità di simulazione firmati JMP per aiutarti a trovare ed esplorare nella ricerca di quel "modello utile".
Altri passaggi coinvolti nella risoluzione dei problemi in cui il DOE è centrale nello sforzo includono prove di conferma o ulteriori sperimentazioni per migliorare il modello o la comprensione del sistema. Le esecuzioni di conferma sono quasi necessarie per problemi di ottimizzazione della risposta. Potrebbero essere consigliate ulteriori sperimentazioni per esplorare la robustezza della soluzione, OPPURE supponi di perdere il punto di flesso che sembra così centrale?
La risoluzione dei problemi tramite DOE molto spesso non si conclude con un unico progetto... Consiglio a te e al tuo team di abbracciare il concetto di sperimentazione sequenziale come centrale nella vostra metodologia di risoluzione dei problemi.
Ri: Domanda DOEHai ragione ad aggiungere un fattore numerico discreto quando volevi dettare i livelli esatti del fattore. (Quindi JMP decide i termini che devono essere aggiunti al modello.) La migliore pratica per coprire la possibilità di una risposta non lineare alla modifica del livello di un fattore consiste nell'aggiungere un fattore continuo e specificare i termini necessari nel modello . (JMP deciderà i livelli migliori per stimare i parametri del modello.)
Tieni inoltre presente di scegliere un'ampia gamma per questo fattore continuo. Non "indovinare" dove sarà il livello migliore e limitare l'intervallo nelle vicinanze di tale ipotesi. Come accennato in precedenza, questo studio non riguarda i "test" per "scegliere il vincitore". Si tratta di stimare un modello per trovare il vincitore. Le migliori stime richiedono un effetto ampio, prodotto da un ampio intervallo di fattori.
Ri: Domanda DOECIAO,
Grazie molto @SDF1 , @Mark_Bailey , @P_Bartell E @statman per i tuoi commenti Ogni input è davvero prezioso e mi aiuta a comprendere meglio l'intero processo.
Penso che seguirò il tuo consiglio e non includerò questo livello 0 nel mio progetto.
Per quanto riguarda il numero di livelli per il fattore X2, le persone che hanno familiarità con il campo sperimentale volevano avere diversi livelli "intermedi" (4 o anche più) perché si aspettano un comportamento quadratico ma non sanno esattamente a che punto inizierà la risposta. diminuire. Tuttavia, da quanto ho capito, due livelli sono sufficienti per una fase di screening e 3 se vogliamo aggiungere un effetto quadratico nel modello e "scegliere il vincitore". Quindi c'è qualche vantaggio nell'aggiungere livelli intermedi? Aiuta a cogliere l'esatto punto di "rottura"? Oppure diminuirà semplicemente la precisione dei risultati?
Grazie ancora per il vostro aiuto!
Ri: Domanda DOEFacendo eco ai miei stimati colleghi, desidero innanzitutto darvi il benvenuto nel mondo di DOE. È un argomento e uno strumento affascinante e incredibilmente potente. Sfortunatamente, i consigli riguardanti la scelta del progetto dipendono dalla situazione. Quali ipotesi vuoi approfondire? I fattori lo faranno rappresentare quelle ipotesi nel tuo esperimento. Renditi conto che c'è una differenza tra a test progettato per "scegliere un vincitore" e un sperimentare che è progettato per fornire informazioni sulle relazioni causali. Ciò influisce sulla selezione del fattore, sull'impostazione del livello e sulle condizioni in cui si esegue l'esperimento (spazio di inferenza). Il mio consiglio è di riflettere attentamente sulle combinazioni di trattamento (fattori e livelli) e provare a prevedere quali risultati ti aspetteresti e quali risultati potrebbero essere possibili. Prevedi quali potrebbero essere tutti i possibili risultati e cosa faresti in ciascun caso. Quindi procedi. Ad esempio, se il fattore X1 fosse significativo, cosa faresti? Se questo fattore fosse insignificante, cosa faresti? (per tutti i fattori). Se esegui l'esperimento e non viene "creata alcuna variazione praticamente significativa", cosa farai? Cosa succede se crei un sacco di variazioni, ma nulla è assegnabile ai fattori?... ecc.
Concentrati sulle informazioni che desideri e poi su quale design si adatta a esse. Ogni volta che vedo fattori a più di 2 livelli, penso a scegliere l'obiettivo vincitore. Sicuramente non stai prevedendo un polinomio del terzo ordine? Allora perché 4 livelli di una variabile continua?
Ricorda che ci sono sempre due cose nella sperimentazione, una riguarda la comprensione del fenomeno, l'altra riguarda l'imparare a sperimentare.
Mi scuso per il mio sfogo. Proseguire. E per favore torna e fai domande!
Ri: Domanda DOEPer espandere @Mark_Bailey (e io ho la stessa opinione) sul non essere un sostenitore dell'impostazione dei fattori continui a "zero" poiché non è affatto presente nel sistema, troppo spesso il sistema in studio si comporta come un sistema nuovo o atipico con uno fattore chiave completamente assente. L'assenza del fattore potrebbe influenzare la stima dei parametri in modo sfavorevole. Potrebbe creare un errore di sicurezza o un errore noto all'interno del processo che non fornisce informazioni utili rispetto al problema in questione. O qualche altra modalità di fallimento imprevista.
Infine, cosa ti dicono le tue conoscenze di ingegneria o dei principi primi (se ne hai) su cosa potrebbe accadere con il fattore completamente assente?
E odio anche solo suggerire questo... ma se sei determinato e determinato a scoprire cosa succede a "zero" per quel fattore, forse è il momento per una semplice prova di tipo home run a "zero" e guarda cosa succede? E non includere tali combinazioni nell'analisi? Ma ancora una volta... solo se sei sicuro di non indurre una condizione di sicurezza o pericolosa.
Ri: Domanda DOEBenvenuti a DOE!
Non sono un fan dei fattori continui impostati su 0. Come hai scoperto, ciò significa che non hai quel fattore. Penso che potrebbe essere meglio avere tutti i livelli diversi da zero per la concentrazione. Scopri come quell'idea si adatta al tuo scopo.
Ri: Domanda DOECIAO @anne_sa ,
Da quello che sembra, hai un fattore numerico discreto, chiamalo X1 con quattro livelli. Hai anche un altro fattore che è categorico a due livelli, chiamalo X2. X1 può assumere valori [1, 2, 3, 4]: questi sono i valori codificati, non i valori effettivi dell'esperimento che utilizzeresti realmente. Allo stesso modo, la variabile categoriale X2 assume [0, 1], che sono ancora i valori codificati: nell'esperimento, X2 sarà effettivamente A o B. Inserendo questo in un tipico DOE personalizzato, dovresti ottenere 8 esecuzioni in cui X1 varia da 1 a 4 e X2 sarà 0 o 1, otterrai anche le interazioni. L'interpretazione quindi è che 0=A e 1=B.
D'altra parte, se hai due componenti A e B che possono essere entrambe presenti (1) o assenti (0), allora ti consigliamo di avere una variabile categoriale aggiuntiva X3, che assume anch'essa valori [0, 1] , ma ora [0, 1] significa rispettivamente spento o acceso. Se ora generi il nuovo DOE con tre fattori, avrai bisogno di almeno 16 esecuzioni per ottenere anche le interazioni. Anche in questo caso, X1 va da 1 a 4 e le altre due variabili categoriali per il componente A o B saranno on, off o una combinazione di on/off, ad esempio X2=0 (off), X3=1(on ). L'aggiunta del termine aggiuntivo consente di vedere se ci sono interazioni tra il componente A e il componente B, insieme alla concentrazione.
Questi non sono necessariamente DOE ottimali, soprattutto per ridurre al minimo la correlazione delle interazioni, ecc. Potrebbe essere necessario disporre di più esecuzioni centrali, eseguire repliche o modificare la progettazione in base a ciò che funziona meglio per te.
Spero di aver compreso correttamente il tuo problema.
Spero che questo ti aiuti!,
DS
