최종 선별 설계여러분 모두에게,
내 방법을 최적화하기 위해 RSM을 구축할 계획입니다. 8개의 연속형 요인, 1개의 범주형 요인, 2개의 반응이 있습니다. 각 요인의 수준은 팀의 이전 경험에 따라 결정되었습니다. 요인들 사이에 상호작용이 있는지 없는지 전혀 모르겠습니다. 소음의 원인을 알 수 없어 무작위로 추출할 계획입니다. 몇 가지 조사를 해본 결과 가장 적합한 디자인은 최종 선별 디자인이 아닐까 싶습니다.
어떤 의견이나 조언이라도 감사하겠습니다.
감사합니다
실험 설계Re: 확정 선별 설계효과의 희소성 원칙이 유지되지 않으면 DSD의 데이터를 기반으로 한 편견 없는 모델을 적용할 수 없다고 생각합니다. Fit Definitive Screening 방법은 이 원칙의 가정에서 벗어나지 않습니다..
최소한 런을 추가하고 최소 런 수 이상을 사용해야 하며, 모델의 잠재적인 효과 수를 포괄하기 위해 기본값인 4개 이상의 추가 런을 사용해야 합니다. 추가 실행 횟수는 얼마나 되나요? 모르겠습니다. DSD에 런을 추가하는 것은 일반적으로 선별 설계를 선택할 때 주요 특성인 검정력을 고려하는 것입니다.
다른 접근 방식은 필요에 따라 각 항의 추정 가능성을 변경하고 가능한 경우 각 항에 대해 3~4개의 실행을 추가할 수 있는 사용자 정의 설계입니다.
다른 스크리닝 설계와 마찬가지로 DSD의 경제성도 매력적이지만 작은 설계는 항 수가 적은 경우에만 모델을 만족시킬 것입니다.
Re: 확정 선별 설계감사합니다 @statman 당신이 제공한 정보에 대해
" 귀하의 상황에 대한 제한적인 논의를 바탕으로 한 조언입니다." 어떤 세부 사항이 필요한지 알려주시면 기꺼이 공유해 드리겠습니다. 그러면 당신이 나에게 더 많은 조언을 제공할 수 있는 더 나은 가시성을 갖게 될 것이라고 생각합니다.
친애하는
Re: 확정 선별 설계감사합니다 @마크_베일리
귀하의 발언으로 돌아가서, 내 요소의 절반 이상이 비활성 상태인지 아닌지 전혀 모릅니다! 나는 DSD가 결국 선별 설계라는 점에 동의하지만 내 반응의 곡률을 확인하고 반응 표면 모델을 구축할 수 있는 가능성을 제공합니다. 내가 읽은 내용에서 최종 선별 분석은 효과 희소성이 유지되어야 하는 전진 단계적 회귀 분석을 사용하여 수행할 수 있습니다. 반면에 확정심사 설계를 분석하고 많은 효과가 활성화될 가능성이 있는 경우(내 요인의 절반 이상) DSD의 유리한 구조를 고려한 Fit Definitive Screening Platform을 사용해야 합니다( 추가 실행 추가 및 2단계로 모델 분석)
어떻게 생각하세요?
Re: 확정 선별 설계댓글 두 개만 추가하겠습니다 @statman ,.
첫째, 심사설계이므로 핵심심사원칙이 유지되는 심사상황에서 활용하고자 한다. 귀하의 경우에 적용되지 않는 가장 중요한 것 중 하나는 효과의 희박성입니다. 이런 종류의 디자인은 성능보다 경제성을 강조합니다. 실제로 활성화된 요인은 거의 없다고 가정합니다. 8개 요소 중 절반 미만이 비활성화될 것으로 예상하십니까?
둘째, 심사 여부는 " 각 요인의 수준은 팀의 이전 경험에 따라 결정되었습니다. "너무 좁지 않아요. 회귀 분석이 모델 매개변수(작은 표준 오차)를 효율적으로 추정할 수 있도록 반응의 큰 변화를 유발해야 하는 필요성에 따라 범위를 결정해야 합니다. 범위는 항상 넓어야 합니다. 응답이 항상 바람직한 수준에 도달할 것이라는 기대를 바탕으로 선택해서는 안 됩니다. 이것은 테스트가 아니라 실험입니다. 실험은 '승자 선택'을 지원하는 것이 아니라 모델링을 지원하는 최상의 데이터를 제공해야 합니다.
Re: 확정 선별 설계말했다,
두 가지 종속 변수를 설명하는 반응 표면(RSM은 방법론)을 이해하려고 한다고 가정합니다. 이를 수행하는 방법에는 여러 가지가 있습니다. 나는 GEP 박사가 가르쳐준 순차 접근 방식에 편향되어 있습니다. 상자. 이는 가설(실험의 요인으로 표시됨)부터 시작하고 데이터를 사용하여 해당 가설에 대한 통찰력을 제공하는 과학적 방법 접근 방식입니다. 이를 수행하는 "올바른" 방법은 없으며 가장 효율적이고 효과적인 방법은 다음과 같습니다. 상황에 따라 다름 . 이 접근법 일반적으로 (희소성 및 효과 계층 구조의 원칙을 기반으로) 많은 변수를 선별하기 위한 부분 2단계 설계로 시작합니다. 그런 다음 개선 방향으로 공간을 이동하고 변수 수를 줄입니다. 작업이 반복되면서 모델에 고차 항을 추가하기 시작합니다. 이러한 고차 효과는 계승(상호작용)이거나 다항식(곡률)일 수 있습니다. 순차적인 작업은 표면을 이해하는데 많은 도움이 됩니다. 이런 종류의 작업이 가장 좋습니다 관리하다 메커니즘(예: 물리적, 화학적)을 이해하고 통계 연구 결과를 해석할 수 있는 과학자 또는 엔지니어. 요인의 가능한 효과(및 조사 중인 공간에서 효과가 선형인지 여부), 상호 작용 및 상호 작용을 설명(가설)하고 예측해야 하는 것은 과학자/엔지니어입니다. 매우 중요한 것은 NOISE입니다. . 아마도 1차 모델을 이해하는 것부터 시작해야 할 것입니다. 그리고 소음의 영향 비선형 관계를 조사하기 전에, 이는 당신이 무엇을 하고 무엇을 모르는지에 따라 결정됩니다. 귀하의 상황에 대한 제한적인 논의를 바탕으로 한 조언은 소음이 무엇인지 파악하고 해당 소음을 처리하기 위한 전략을 개발하는 데 시간을 할애하라는 것입니다. 또한 나는 차단(또는 반복, 분할 플롯, 공변량 등)이 무작위화보다 더 나은 전략이라고 생각합니다. 왜냐면 소음의 영향을 이해하고 싶기 때문에 소음의 크기에 대한 수치적 추정을 얻는 것보다 소음을 할당하는 것이 좋습니다. 무작위화를 통해 잡음에 대한 편견 없는 추정치를 얻을 수 있기를 바라지만, 설계의 정밀도가 손상될 수 있습니다.
"무작위로 처리할 수 있는 것을 차단하세요.", GEP 상자
최종 선별 설계를 사용하지 말라는 뜻은 아닙니다(Brad Jones는 이 설계 전략을 커뮤니티에 제공하는 데 훌륭한 역할을 했습니다). 이 시점에서 확보해야 하는 정보와 얻을 수 있는 리소스를 비교하면 됩니다. 그 정보.
당신의 여행에 행운을 빕니다.
