DOE-Design zur spezifischen Untersuchung der Varianz (oder Standardentwicklung)Liebe JMP Community,
In der Hoffnung, einige Gedanken zu einem DOE-Design zu hören, das darauf abzielt, Standardabweichungen einer Testmethode zu untersuchen.
Meine Kollegen haben einen Test, den sie an einem von uns hergestellten Produkt durchführen, und möchten sehen, ob sie Teile der Testmethodik ändern können, um Standardabweichungen zu reduzieren. Mir ist keine bestimmte DOE-Plattform in JMP bekannt, die dafür ausgelegt ist. Daher haben wir letztendlich die benutzerdefinierte Plattform verwendet.
Nach einigen Diskussionen haben wir uns auf vier Faktoren geeinigt, die geändert werden könnten: X1 - kontinuierlicher Faktor (-1,1), X2 - kontinuierlicher Faktor (-1,1), X3 - 2-stufige Kategorie (L1, L2) und X4 - 6-stufig kategorisch (L1-L6). Wir waren wirklich an jedem der vier Haupteffekte und ihren Wechselwirkungen erster Ordnung interessiert: X1, X2, X3, X4, X1 * X2, X1 * X3, X1 * X4, X2 * X3, X2 * X4 und X3 * X4 (Insgesamt 10 Effekte). Wir gingen mit 36 als Gesamtzahl der Läufe. Um jedoch eine Schätzung der Standardabweichung bei jeder Einstellung zu erhalten, haben wir das DOE insgesamt viermal repliziert - für insgesamt 144 Tests. Das war ungefähr alles, was wir uns leisten konnten.
Wir können natürlich die DOE-Bewertung für alle 144 Tests durchführen, um die mittlere Reaktion (und das Rauschen des Experiments) mit den von uns durchgeführten Modellfaktoren abzuschätzen. Was wir jedoch wirklich untersuchen möchten, ist, ob eine Behandlungseinstellung die Standardabweichung der Testmethode geändert hat oder nicht. Dazu haben wir eine Standardabweichung von den replizierten Läufen berechnet (jetzt zurück zu 36 Datenpunkten) und diese Ergebnisse durch das Modell geführt.
Für mich scheint dies alles ein vernünftiger Weg zu sein, um ein DOE durchzuführen, bei dem das Ziel darin besteht, Änderungen der Standardabweichungen und nicht der Mittelwerte zu bewerten. Wenn es jedoch einen besseren Ansatz gibt (möglicherweise aus Erfahrung) oder ein DOE, das speziell dafür entwickelt wurde, würden wir uns freuen, davon zu erfahren und ihn möglicherweise für die nächsten Versuche zu übernehmen.
Gedanken und Feedback sehr geschätzt.
Vielen Dank!,
DS
PS Falls Sie interessiert sind, haben wir nach Auswertung aller Einzelmessungen und der Standardabweichungen von den Replikaten festgestellt, dass Faktor X4 den größten Einfluss auf die Standardabweichungen hatte. Als wir später einige Überprüfungsläufe durchführten - jetzt verglichen wir nur 32 Läufe (insgesamt) über zwei der Ebenen in X4 -, unterstützten die Ergebnisse leider nicht das ursprüngliche DOE und wir konnten die erhoffte Verbesserung der Standardabweichung nicht feststellen ( auf der positiven Seite war es nicht schlimmer!).
AnalytikDAMHIRSCHKUHBetreff: DOE-Design zur spezifischen Untersuchung der Varianz (oder Standardentwicklung)Hier sind einige meiner Gedanken, obwohl Ihre Beschreibung der Situation nicht ausreicht, um spezifische Ratschläge zu geben.
1. Um zu verdeutlichen, möchten Sie verstehen, welche Faktoren die Variation des Testsystems beeinflussen können (Präzision). Gibt es Hypothesen darüber, ob die Präzision von verschiedenen Instrumenten oder Bedienern beeinflusst wird? Wenn ja, ist dies Reproduzierbarkeit Präzision. Wenn dies nur auf Instrumentenschwankungen zurückzuführen ist, ist dies der Fall Wiederholbarkeit Präzision. Dies ist wichtig, weil Sie wissen möchten, wie Messungen erfasst werden, damit die richtigen zusammenfassenden Statistiken verwendet werden. Gibt es Interesse an Stabilität? Wie wäre es mit Diskriminierung?
2. Sie müssen die Antwortvariablen berücksichtigen und wie sie abgerufen werden. Ich weiß nicht, was Sie testen? Ich sehe keine Informationen darüber, wie viele Proben gemessen werden. Sie sollten wiederholte Messungen derselben Probe durchführen, um Messfehler zu erhalten (möglicherweise an derselben Stelle). Ob Sie Op-to-Op oder nur Wiederholgenauigkeit einbeziehen, sollte eine Funktion Ihrer Hypothesen sein.
3. Wenn Sie wirklich Wiederholungen durchgeführt haben, haben Sie die Variation von Behandlung zu Behandlung mit Messfehlern verwechselt. So würde ich das Problem nicht angehen. Ich würde Wiederholungen verwenden, keine Replikate, um die richtige zusammenfassende Statistik zu erhalten. Überlegen Sie, welche Daten zur Schätzung der Zusammenfassungsstatistik verwendet werden (z. B. Standardabweichung). Was ändert sich zwischen diesen Datenpunkten? Sie möchten nur Messkomponenten in den Datenpunkten erfassen lassen (minimieren Sie die anderen Komponenten innerhalb der Untergruppe), die Sie zum Schätzen der Standardabweichung verwenden.
4. Ich weiß nicht, wo Sie sich im Wissenskontinuum befinden, aber Sie haben Ihre Studie auf Faktor X4 voreingenommen, indem Sie sie auf so vielen Ebenen getestet haben (denken Sie an Freiheitsgrade). Ich hätte mit allen Faktoren auf 2 Ebenen begonnen (wählen Sie die Extreme der Faktor 4-Kategorien aus) und wäre so vorgegangen, als wäre es ein Screening-Design.
Betreff: DOE-Design zur spezifischen Untersuchung der Varianz (oder Standardentwicklung)Hallo @ Statman ,
Vielen Dank für Ihre Gedanken und Ihr Feedback. Um Ihre Kommentare / Fragen zu beantworten:
1. Ja, die Personen, die das DOE leiten, waren daran interessiert, verschiedene Faktoren zu ändern, von denen sie glaubten, dass sie den Lärm des Tests am meisten beeinflussen. Es ist bekannt, dass jeder der getesteten Faktoren die mittlere Reaktion der Messungen beeinflusst. Wir wollten jedoch herausfinden, ob die Faktoren und ihre Wechselwirkungen auch zu einer Verbesserung des Rauschens führen können. Frühere Tests haben gezeigt, dass die beteiligten Instrumente und Bediener nicht so laut sind wie die Testmethode. Eines der großen Probleme bei diesem Test ist, dass es sich um kleinkörniges Pulver mit sehr geringen Mengen handelt - weniger als 1/4 Gramm. Ich vermute also, dass die durch Partikelgröße induzierte Segregation eine große Rolle spielt. Einer der getesteten Faktoren war die Menge, aber wir konnten keine Verbesserung der Standardabweichungen bei Verwendung von mehr Material feststellen.
2/3. Im ersten Beitrag erwähnte ich, dass JMP basierend auf den 10 Faktoren (Haupteffekte und Wechselwirkungen) 36 Läufe empfahl. Jeder Lauf (Behandlung) wurde viermal gemessen, um einen Standardabweichungswert für jede Behandlung zu berechnen, sodass insgesamt 144 Einzelmessungen durchgeführt wurden. Um Ihre Bedenken auszuräumen, haben wir die "gleiche" Stichprobe wiederholt gemessen. Ich habe Anführungszeichen gesetzt, weil das Testmuster während des Tests verbraucht wird. Das Ausgangsmaterial wurde jedoch für jeden Lauf erzeugt und Proben daraus wurden dann mehrmals (4) für jede Behandlung gemessen. Replizieren ist möglicherweise nicht der richtige Begriff - aber genau das haben wir in JMP getan, um das DOE zu erweitern und jeden Lauf zu verfolgen, den wir ausführen mussten.
4. X4 hat damit zu tun, dass es sich um Pulver handelt und wir uns verschiedene PSD-Bereiche ansehen müssen, daher die vielen X4-Stufen. Wir wissen aus früheren Tests, dass das untere und obere Ende der PSD einen großen Einfluss auf den Mittelwert der Reaktion hat, und es gab Hinweise darauf, dass der Standardentwickler reduziert werden könnte. Die zusätzlichen Pegel wurden hinzugefügt, um zu sehen, ob wir schmalere PSD-Größen verwenden können, um das Rauschen zu reduzieren. Dieses DOE gab schließlich einen Hinweis, der möglich ist, aber Überprüfungsläufe unterstützten dieses Ergebnis nicht. Die anderen Faktoren sind alle High / Low-Einstellungen, von denen nur zwei tatsächlich kontinuierlich sind.
Leider ist unser Material ein Pulver und Pulver verhalten sich nicht "gut" wie Halbleitereinheiten oder bearbeitete Gegenstände. Ich denke, dass die Methodik aus diesem Grund nur von Natur aus laut ist und ungefähr so gut ist, wie es nur geht.
Nochmals vielen Dank für Ihre Gedanken, einige gute Punkte, die meine Kollegen beachten sollten, wenn sie in Zukunft etwas Ähnliches tun möchten.
Vielen Dank!,
DS
Betreff: DOE-Design zur spezifischen Untersuchung der Varianz (oder Standardentwicklung)OK, danke für zusätzliche Informationen, die Sie zur Situation gegeben haben. Ich weiß immer noch nicht, welche Eigenschaften / Eigenschaften der Pulver Sie quantifizieren möchten?
Wenn ich das richtig verstehe, verändert oder zerstört diese Messung (die identische Probe kann nicht zweimal gemessen werden). Da dies der Fall ist, ist es unmöglich, die Wiederholbarkeit der Messung von der Variation von Probe zu Probe zu trennen. In diesen Fällen gibt es einige Optionen, um den Effekt auf die Messkomponente "vorzuspannen". Ich habe meine Notizen zum Umgang damit beigefügt.
Sie sollten die Wiederholungen (die in der Behandlung verschachtelt sind) nicht als Replikate analysieren. Sie können diese 4 Datenpunkte in einem Bereichskontrolldiagramm anzeigen und diese 4 Datenpunkte für jede Behandlung (z. B. Mittelwert und Standardabweichung) gegebenenfalls zusammenfassen. Das Modell, an dem Sie am meisten interessiert sind, ist für die Antwortvariable von std dev. (oder gleichwertige zusammenfassende Statistik)
Replikate - Behandlungskombinationen ändern sich zwischen jedem "Datenpunkt" (wir nennen diese experimentellen Einheiten normalerweise ... sie werden als unabhängig angesehen und können als solche behandelt werden).
Wiederholungen - Die Behandlungskombinationen ändern sich NICHT zwischen "Datenpunkten". Diese Ereignisse sind nicht als unabhängige Ereignisse zu betrachten (daher werden die Freiheitsgrade nicht erhöht), und diese Variation ist in der Behandlung verschachtelt.
Nur mein eigener voreingenommener Kommentar ... Wenn ich mit Levels für Faktoren> 2 experimentiere, bin ich misstrauisch, die "Gewinner" -Mentalität zu wählen. Was ich zuerst tun möchte, ist ein fairer Vergleich, um zu sehen, welche Faktoren / Wechselwirkungen sich auf die Variation auswirken, und dann in einer nachfolgenden Iteration die Pegeleinstellung für die signifikanten Faktoren fein abzustimmen.
Ich würde sagen, dass jede Situation ihre eigenen Herausforderungen hat. Pulver nicht mehr als andere. Ich habe Partikelgrößenanalysatoren verwendet, um die Verteilung der Partikelgrößen zu verstehen, SEM für die chemische Zusammensetzung und Topographie und sogar ein OJAY für Nanomessungen.
