決定的なスクリーニングデザイン親愛なる皆さん、
メソッドを最適化するためにRSMを構築することを計画しています。 8つの連続因子、1つのカテゴリー因子、および2つの応答があります。 各要素のレベルは、チームの以前の経験に従って決定されました。 要因間に相互作用があるかどうかはわかりません。 ノイズの発生源を特定できず、ランダム化する予定です。 調査を行った後、選択するのに最も適したデザインは、最終的なスクリーニングデザインだと思いますか？
ご意見やアドバイスをいただければ幸いです
ありがとうございました
DOE再：決定的なスクリーニングデザイン前記、
2つの従属変数を説明する応答曲面（RSMは方法論）を理解しようとしていると思います。 これを行うには多くのアプローチがあります。 私はGEP博士によって教えられたシーケンシャルアプローチに偏っています ボックス。 これは科学的方法のアプローチであり、仮説（実験の要因で表される）から始めて、データを使用してそれらの仮説に洞察を提供します。 これを行うための「正しい」方法はありません。最も効率的で効果的な方法は次のとおりです。状況に依存。 このアプローチ通常、多数の変数をスクリーニングするための部分的な2レベルの設計から始まります（希少性と効果の階層の原則に基づく）。 次に、スペースを改善の方向に移動し、変数の数を減らします。 作業が繰り返されると、モデルに高次の項を追加し始めます。 これらの高次効果は、階乗（交互作用）または多項式（曲率）である可能性があります。 順次作業は、表面を理解するのに非常に役立ちます。 このタイプの作業が最適です管理メカニズム（物理的、化学的など）を理解し、統計的研究の結果を解釈できる科学者またはエンジニアによる。 要因の考えられる影響（および調査対象の空間で影響が線形であるかどうか）、相互作用、および相互作用を説明（仮説）および予測する必要があるのは科学者/エンジニアです。非常に重要な、ノイズ。 おそらく、一次モデルを理解することから始める必要がありますとノイズの影響非線形関係を調査する前に、しかしこれはあなたがしていることと知らないことの関数です。 あなたの状況についてのあなたの限られた議論に基づく私のアドバイスは、ノイズが何であるかを特定し、次にそのノイズを処理するための戦略を開発することに時間を費やすことです。 また、ブロッキング（または、繰り返し、分割プロット、共変量など）は、ランダム化よりも優れた戦略だと思います。 なぜ、ノイズの影響を理解したいので、ノイズのサイズの数値推定を取得するだけでなく、できればそれを割り当ててください。 ランダム化により、バイアスのないノイズの推定値が得られることを願っていますが、設計の精度が低下する可能性があります。
「できないものをランダム化できるものをブロックする」、GEP ボックス
明確なスクリーニングデザインを使用しないと言っているのではありません（ブラッドジョーンズはこのデザイン戦略をコミュニティにもたらす素晴らしい仕事をしました）。現時点で取得する必要のある情報と取得するリソースを比較検討する必要があります。その情報。
あなたの旅に頑張ってください。
再：決定的なスクリーニングデザインコメントを2つだけ追加します@statman 、。
まず、これはスクリーニングの設計であるため、主要なスクリーニングの原則が適用されるスクリーニングの状況で使用することを目的としています。 私があなたの場合に当てはまらないと思う最も重要なものの1つは、効果の希薄さです。 この種の設計は、機能よりも経済性を重視しています。 実際には、いくつかの要因がアクティブであると想定されています。 8つの要因の半分未満が非アクティブになると思いますか？
第二に、スクリーニングするかどうかにかかわらず、「各要素のレベルは、チームの以前の経験に従って決定されました「狭すぎない。 範囲は、回帰がモデルパラメーター（小さな標準誤差）を効率的に推定できるように、応答に大きな変化を引き起こす必要性に基づいて決定する必要があります。 範囲は常に広くする必要があります。 応答が常に望ましいレベルを達成するという期待に基づいて選択するべきではありません。 これは実験であり、テストではありません。 実験は、「勝者を選ぶ」をサポートするのではなく、モデリングをサポートするための最良のデータを提供する必要があります。
再：決定的なスクリーニングデザインありがとうございました@markbailey
あなたの発言に戻りますが、私の要因の半分以上が非アクティブであるかどうかはわかりません！ DSDは最終的にスクリーニング設計であることに同意しますが、応答の曲率を確認し、応答曲面モデルを構築する可能性があります。 私の読書から、決定的なスクリーニングの分析は、効果のスパース性が保持されるはずのフォワードステップワイズ回帰を使用して行うことができます。 一方、決定的なスクリーニング設計を分析したい場合で、多くの効果がアクティブになる可能性がある場合（私の要因の半分以上）、DSDの有利な構造を考慮したFit Definitive Screening Platformを使用する必要があります（追加の実行を追加し、2段階でモデルを分析します）
どう思いますか？
再：決定的なスクリーニングデザインありがとうございました@statmanあなたが提供した情報のために
「」あなたの状況についての限られた議論に基づいた私のアドバイス」あなたが必要とする詳細を私に知らせてください、そして私は喜んで共有します。 そうすれば、あなたは私にもっとアドバイスを与えるためのより良い可視性を持っていると思います。
宜しくお願いします
