교육청 질문안녕하세요 여러분,
저는 DOE에 관한 초보자인데 작은 질문이 있습니다.
기본적으로 몇 가지 요인을 사용하여 실험을 한다고 가정해 보겠습니다. 특히 저는 두 가지 수준이 가능한 구성 요소를 테스트하고 여러 농도(0, 10, 20 또는 40)를 테스트하고 싶습니다. 따라서 나는 범주형 요인(성분: A, 
과 이산형 숫자 요인(농도: 0, 10, 20, 40)을 사용하여 설계를 만들었습니다.
최종 디자인에서는 A-0 또는 B-0을 사용하여 여러 번 실행했습니다. 그러나 생물학적 관점에서 보면 그것은 완전히 똑같다 => "성분이 첨가되지 않았다". 이 정보를 소프트웨어에 제공할 수 있는 방법이 있는지 궁금합니다. 두 실행이 동일하다는 것을 어떻게 정의합니까? 아니면 요인을 다르게 정의해야 할까요? 아니면 그냥 불가능할 수도 있겠네요..
귀하의 의견에 미리 감사드립니다!
실험 설계답: 교육청 질문"승자를 선택"하기 위해 고안된 테스트와 인과 관계에 대한 통찰력을 제공하기 위해 고안된 실험 사이에는 차이가 있다는 것을 인식하십시오.
통찰력이 있는.
마테오답: 교육청 질문모든 소중한 조언에 다시 한번 감사드립니다! 새로운 디자인을 할 때 그 모든 것을 염두에 두도록 노력하겠습니다!
답: 교육청 질문추가하려면 @마크_베일리 님의 최신 의견에 따르면, 그가 권장하는 내용을 구현하려면 JMP의 시그니처 맞춤 설계 플랫폼을 사용해야 합니다. 실험 요인 공간에서 다루고 싶은 특정 높은 수준과 낮은 수준과 추정하려는 정확한 모델을 입력할 수 있습니다. 하지만 Mark가 지적한 것처럼 맞춤 설계 알고리즘에 의해 선택된 다른 수준도 있을 것입니다. 이는 팀의 일부가 순진하게 필요하다고 생각할 수 있는 멋진 '라운드 숫자'가 아닐 수도 있습니다. Mark가 제안한 것처럼 목표는 여기서 유용한 모델을 찾는 것입니다. 승자가 아닙니다. '유용한 모델'을 찾고 탐구하는 데 도움이 되도록 JMP의 대표적인 예측 프로파일러와 시뮬레이션 기능을 사용하는 것도 고려해야 합니다.
DOE가 노력의 중심이 되는 문제 해결과 관련된 다른 단계에는 확인 실행 또는 모델이나 시스템에 대한 이해를 향상시키기 위한 추가 실험이 포함됩니다. 응답 최적화 문제에는 확인 실행이 모두 필요합니다. 솔루션의 견고성을 탐색하기 위해 추가 실험이 권장될 수 있습니다. 아니면 매우 핵심적인 변곡점을 놓쳤다고 가정해 보십시오.
DOE에 의한 문제 해결은 하나의 단일 설계로 완료되지 않는 경우가 많습니다. 귀하와 귀하의 팀이 문제 해결 방법론의 핵심으로 순차적 실험 개념을 수용할 것을 권장합니다.
답: 교육청 질문정확한 요인 수준을 지정하려고 할 때 이산 숫자 요인을 추가한 것이 옳았습니다. (그런 다음 JMP는 모델에 추가해야 하는 항을 결정합니다.) 요인 수준의 변화에 대한 비선형 반응 가능성을 다루는 가장 좋은 방법은 연속형 요인을 추가하고 모델에 필요한 항을 지정하는 것입니다. . (JMP는 모델 매개변수를 추정하는 데 가장 적합한 수준을 결정합니다.)
또한 이 연속 요인에 대해 넓은 범위를 선택하는 것을 명심하십시오. 최고 수준이 어디인지 '두 번째 추측'하지 말고 그러한 추측 근처로 범위를 제한하십시오. 앞서 언급했듯이 본 연구는 '승자를 고르기' 위한 '테스트'에 관한 것이 아닙니다. 승자를 찾기 위해 모델을 추정하는 것입니다. 최상의 추정에는 넓은 요인 범위에 의해 생성되는 큰 효과가 필요합니다.
답: 교육청 질문안녕,
많은 감사 @SDF1 , @마크_베일리 , @P_바텔 그리고 @statman 귀하의 의견을 위해. 각 입력은 정말 가치가 있으며 전체 프로세스를 더 잘 이해하는 데 도움이 됩니다.
나는 당신의 조언을 따르고 내 디자인에 이 0 수준을 포함하지 않을 것이라고 생각합니다.
X2 요인의 수준 수와 관련하여 실험 분야에 익숙한 사람들은 2차 행동을 기대하지만 반응이 어느 지점에서 시작될지 정확히 알지 못하기 때문에 여러 "중간" 수준(4개 이상)을 원했습니다. 감소하다. 그러나 내가 이해한 바에 따르면 선별 단계에는 2개 수준이면 충분하고, 모델에 2차 효과를 추가하고 "승자를 선택"하려면 3개 수준이면 충분합니다. 그렇다면 중간 수준을 추가하면 어떤 이득이 있습니까? 정확한 "파열" 지점을 잡는 것이 도움이 되나요? 아니면 결과의 정확성이 감소할까요?
도움을 주셔서 다시 한번 감사드립니다!
답: 교육청 질문존경하는 동료 여러분께 먼저 DOE의 세계에 오신 것을 환영합니다. 그것은 매혹적이고 믿을 수 없을 만큼 강력한 주제이자 도구입니다. 불행하게도 디자인 선택에 관한 조언은 상황에 따라 달라집니다. 어떤 가설에 대한 통찰력을 얻고 싶나요? 요인은 대표하다 실험에 사용된 가설입니다. a와 a 사이에 차이가 있다는 것을 깨달으세요. 시험 "승자를 선택"하도록 설계되었으며 실험 인과 관계에 대한 통찰력을 제공하도록 설계되었습니다. 이는 요인 선택, 수준 설정 및 실험을 수행하는 조건(추론 공간)에 영향을 미칩니다. 제가 조언하는 것은 치료 조합(요인 및 수준)을 통해 생각하고 예상되는 결과와 가능한 결과를 예측하려고 노력하는 것입니다. 가능한 모든 결과가 무엇인지, 그리고 각 경우에 무엇을 할 것인지 예측하세요. 그런 다음 계속하십시오. 예를 들어, 요인 X1이 유의미하다면 어떻게 하시겠습니까? 그 요소가 중요하지 않다면 어떻게 하시겠습니까? (모든 요인에 대해) 실험을 실행했는데 실질적으로 유의미한 변동이 "생성"되지 않은 경우 어떻게 하시겠습니까? 다양한 변형을 생성했지만 요인에 할당할 수 있는 것이 아무것도 없다면 어떻게 될까요?...등등.
원하는 정보가 무엇인지, 그리고 그에 맞는 디자인이 무엇인지에 집중하세요. 2개 이상의 수준에서 요인 등을 볼 때마다 나는 승자 목표를 선택하는 것에 대해 생각합니다. 당신은 확실히 3차 다항식을 예측하고 있지 않습니까? 그렇다면 왜 연속변수의 4단계인가?
실험에는 항상 두 가지가 있다는 것을 기억하세요. 하나는 현상을 이해하는 것이고, 다른 하나는 실험 방법을 배우는 것입니다.
호언장담해서 미안해요. 계속하세요. 그리고 다시 오셔서 질문해주세요!
답: 교육청 질문확장하려면 @마크_베일리 시스템에 전혀 없는 것처럼 연속 요인을 '0'으로 설정하는 것을 좋아하지 않는다는 의견(그리고 나도 같은 의견),,,,너무 자주 연구 중인 시스템이 하나의 새롭거나 비정형적인 시스템처럼 작동합니다. 핵심 요소가 전혀 없습니다. 요인이 없으면 모수 추정에 좋지 않은 영향을 미칠 수 있습니다. 당면한 문제에 대한 유용한 정보를 제공하지 않는 프로세스 내에서 안전 또는 알려진 비참한 실패를 설정할 수 있습니다. 또는 다른 예상치 못한 실패 모드.
마지막으로, 요소가 완전히 없을 때 어떤 일이 발생할 수 있는지에 대해 엔지니어링 또는 기본 원리 지식(있는 경우)을 통해 무엇을 알 수 있습니까?
그리고 나는 이것을 제안하고 싶지도 않습니다...하지만 만약 당신이 그 요인에 대해 '0'에서 어떤 일이 일어나는지 알아내려고 결심하고 있다면, 아마도 '0'에서 간단한 단일 홈런 유형의 시험을 해볼 때일 것입니다. 무슨 일이 일어나는지 지켜봐? 그리고 분석에 이러한 조합을 포함하지 않습니까? 하지만 다시 말하지만... 안전이나 위험한 상황을 유발하지 않을 것이라고 확신하는 경우에만 가능합니다.
답: 교육청 질문DOE에 오신 것을 환영합니다!
나는 0으로 설정된 연속 요인을 좋아하지 않습니다. 당신이 발견했듯이, 그것은 당신에게 그 요소가 없다는 것을 의미합니다. 집중을 위해서는 0이 아닌 수준을 모두 갖는 것이 더 나을 수도 있다고 생각합니다. 그 아이디어가 귀하의 목적과 어떻게 부합하는지 확인하십시오.
답: 교육청 질문안녕 @anne_sa ,
듣기로는 이산 숫자인 하나의 요소가 있으며 이를 4개 수준의 X1이라고 부릅니다. 또한 2단계 범주형인 또 다른 요인이 있는데 이를 X2라고 합니다. X1은 [1, 2, 3, 4] 값을 취할 수 있습니다. 이는 실제로 사용하게 될 실제 실험 값이 아니라 코딩된 값입니다. 마찬가지로 X2 범주형 변수는 다시 코딩된 값인 [0, 1]을 취합니다. 실험에서 X2는 실제로 A 또는 B가 됩니다. 이것을 일반적인 사용자 정의 DOE에 넣으면 X1이 1에서 4까지 다양하고 X2가 0 또는 1이 되는 8개의 실행을 얻어야 하며 상호 작용도 얻을 수 있습니다. 그러면 0=A, 1=B로 해석됩니다.
반면에 존재(1)하거나 부재(0)할 수 있는 두 개의 구성 요소 A와 B가 있는 경우 값 [0, 1]을 사용하는 추가 범주형 변수 X3이 필요할 것입니다. , 그러나 이제 [0, 1]은 각각 꺼짐 또는 켜짐을 의미합니다. 이제 세 가지 요인을 사용하여 새 실험계획법을 생성하는 경우 교호작용도 얻으려면 최소 16번의 실행이 필요합니다. 다시 말하지만, 이 경우 X1은 1-4에서 실행되고 구성 요소 A 또는 B에 대한 다른 두 범주형 변수는 켜짐, 꺼짐 또는 켜짐/꺼짐의 혼합입니다(예: X2=0(꺼짐), X3=1(켜짐) ). 추가 항을 추가하면 농도와 함께 성분 A와 성분 B 사이에 상호 작용이 있는지 확인할 수 있습니다.
이는 특히 상호 작용 등의 상관 관계를 최소화하기 위한 최적의 DOE가 아닙니다. 더 많은 중앙 실행이 필요하거나 반복 실험을 실행하거나 가장 적합한 설계로 변경해야 할 수도 있습니다.
귀하의 문제를 올바르게 이해했기를 바랍니다.
도움이 되었기를 바랍니다!,
DS
