Come faccio a trovare il design migliore per oltre 20 fattoriCiao a tutti,
Sono molto nuovo nell'intero DoE, quindi perdonami se la domanda è molto ingenua. Sto cercando di elaborare il miglior tipo di modello da applicare al mio esperimento. Ho più di 20 fattori da combinare e il mio obiettivo è trovare la migliore combinazione di questi raccogliendo quattro timepoint.
In realtà, devo trovare la migliore combinazione con il minor numero di fattori.
Cercherò di spiegarlo meglio. Per come va questo esperimento, posso aspettarmi che ognuno di questi fattori avrà un certo impatto positivo sul campione. Quindi questo mi darebbe la migliore combinazione finale che molto probabilmente contiene tutti gli oltre 20 fattori. E questo è ciò che sto cercando di evitare, ho bisogno della migliore risposta con il minor numero di fattori.
Grazie in anticipo a chiunque possa aiutare
Saluti
Ilaria
Modellazione statistica avanzataOrganizzazione dei contenutiCombinazione e pulizia dei datiProgettazione di esperimentiIngegneria della qualità e dei processiRi: Come trovo il miglior design per oltre 20 fattoriOltre ai commenti di @statman E @ian_jmp poiché dichiari di essere "nuovo nel DOE", ti consiglio vivamente di trovare una risorsa faccia a faccia che funga da guida attraverso questo studio che abbia una conoscenza profonda e ricca del DOE. Innanzitutto ti trovi di fronte a un problema pratico. Lanciarsi direttamente nel DOE da soli POTREBBE non essere l'approccio ottimale a causa della mancanza di conoscenza del processo DOE e potenzialmente del sistema a portata di mano. Una guida saggia può aiutare ponendo una miriade di domande che alla fine potrebbero portare a un'indagine incentrata sul DOE. Suggerisco di iniziare da lì. Un forum di discussione come la comunità degli utenti JMP non è realmente destinato a fornire questo livello di collaborazione molto più profondo. Forse qualcuno nella tua azienda è disposto ad aiutarti?
Ri: Come trovo il miglior design per oltre 20 fattoriI miei pensieri:
I consigli su quale "strumento" o progetto selezionare dipendono da una serie di fattori e dalla situazione particolare. Mi sembra che tu voglia un test e non un esperimento. Un test viene utilizzato per "scegliere un vincitore". Un esperimento viene utilizzato per comprendere la struttura causale. Se vuoi veramente capire cosa sta succedendo e trovare i fattori che hanno il maggiore impatto (e sono più utili per la previsione), di solito sono necessarie diverse iterazioni. Inizia sempre con ipotesi su come e perché ciascun fattore contribuisce alla variazione delle risposte. In generale, quando si tratta di >15 fattori, sono propenso a un piano di campionamento diretto (componente dello studio delle variazioni) per confrontare gruppi di x (componenti come all'interno del campione, da campione a campione, ecc.) e valutare la componente di misurazione. Il campionamento è un modo efficace per ottenere informazioni dettagliate su un processo con molte variabili. Selezionare i fattori del gruppo che presenta la maggiore leva dallo studio CoV per gli esperimenti di screening iniziali. In definitiva, sviluppare un modello (lo sviluppo del modello può essere effettuato in diversi modi, ma ancora una volta sono di parte rispetto all'approccio della serie di Taylor). I principi di scarsità, gerarchia ed ereditarietà sono guide utili durante l'iterazione.
Ri: Come trovo il miglior design per oltre 20 fattoriSono sicuro che la gente avrà bisogno di qualche dettaglio in più per poter offrire qualche indicazione. Se hai appena iniziato con questo argomento, ti consiglio vivamente di dare un'occhiata al nostro "Pensiero statistico per la risoluzione dei problemi industriali" corso in linea (per il quale non è previsto alcun costo e per il quale non è necessario che JMP sia installato localmente).
Anche in questa fase iniziale, probabilmente vale la pena dire che una delle regole d'oro del DoE è che "se vuoi conoscere l'effetto di un fattore, devi variare quel fattore". Quindi sono solo un po' preoccupato dal tuo "E questo è quello che sto cercando di evitare..." commento (ma forse ho capito male).
