DoE-Sonderanfertigungen - enthalten Faktoren, die sich gegenseitig ausschließenHallo JMP-Community.
Ich habe gerade meine DoE-Reise mit JMP begonnen. Entschuldigung, wenn mir hier etwas Offensichtliches fehlt.
Ich versuche, ein DOE-Design eines biologischen Prozesses zu erarbeiten, der 4-5 Faktoren hat. Faktor A, B und C schließen sich gegenseitig aus, z. B. wenn Faktor A vorhanden ist, sind B und C nicht vorhanden, und umgekehrt.
Ich habe hier in der Community eine frühere Diskussion gefunden https://community.jmp.com/t5/Discussions/Defining-Factor-Constraints-in-Custom-Design-DOE/td-p/277563 das beschrieb die Verwendung eines zusätzlichen kategorialen Faktors, um die Verwendung von A oder B in Kombination mit einem Faktor "AorB" zu beschreiben, der von A und B "geteilt" wurde, um die Einschränkungen einzurichten. Ich kann sehen, wie dies auf meinen Fall anwendbar sein kann, wenn alle Wertebereiche von A, B und C gleich sind. In meinem Fall hat jeder einzelne Faktor A, B, C wahrscheinlich einen anderen Wertebereich. Was muss ich zusätzlich tun, damit dies auch im Modell erkannt wird?
Vielen Dank im Voraus für jede Hilfe und Anleitung!
DAMHIRSCHKUHBetreff: DoE-Sonderanfertigungen - enthalten Faktoren, die sich gegenseitig ausschließenHallo,
Ich denke, Sie können dies mit unzulässigen Kombinationen tun. Am einfachsten ist es, den Filter für nicht zugelassene Kombinationen zu verwenden.
Ich habe ein Design mit einem kategorialen Faktor für die Zutat (A, B, C) und einem kontinuierlichen Faktor für die Menge (0 bis 2) erstellt.
Dann habe ich 2 unzulässige Kombinationen eingerichtet, wie unten. (Ich wähle ODER nach dem Erstellen des ersten)
Für B sind Beträge zwischen 1 und 2 nicht zulässig.
Für C sind Beträge zwischen 0 und 0,5 nicht zulässig.
Sie sollten feststellen, dass das resultierende Design (im Anhang) diesen Einschränkungen entspricht.
Sie können auch das Skript "Nicht zugelassene Kombinationen" verwenden, um dieselben Aktionen auszuführen.
Dies sind dieselben unzulässigen Kombinationen, die in einem Skript definiert sind:
X1 == "B" & (X2 >= 1 & X2 <= 2) | X1 == "C" & (X2 >= 0 & X2 <= 0.5)
Betreff: DoE-Sonderanfertigungen - enthalten Faktoren, die sich gegenseitig ausschließenHallo @phil_kay Vielen Dank für die Lösung! Ich habe die von Ihnen genannten Einschränkungen implementiert und für mein Szenario sehr gut funktioniert. Ich möchte auch eine Folgefrage stellen, wie der Wert Null definiert werden kann. Zum Beispiel kann der kontinuierliche Faktor für die Menge (X2) in meinem Fall ebenso wie das von Ihnen angegebene Beispiel Null sein, was bei anderen ständig vorhandenen Faktoren immer noch von Bedeutung ist. Wie soll ich in einem solchen Fall den kategorialen Faktor für die Zutat (X1) definieren? Es scheint mir, dass es technisch nicht in A oder B oder C eingeteilt werden kann. Ist das für das Modell überhaupt wichtig? Wenn ja, wie könnten wir das definieren? Ich dachte, dass dem kategorialen Faktor der Zutat (z. B. "leer") eine zusätzliche Ebene hinzugefügt werden kann, um X2 == 0 zu definieren. Macht das Sinn? Ich habe versucht, es im Skript zu definieren, aber es schien nicht das Design zu reflektieren. Alle Hinweise wäre dankbar!
Betreff: DoE-Sonderanfertigungen - enthalten Faktoren, die sich gegenseitig ausschließenGuter Punkt. Wenn in unserem Beispiel X2 = 0 ist, sollte es keine Rolle spielen, was X1 ist.
Das Modell, das ich für das Design angegeben habe, hatte die Begriffe X1, X2, X1 * X2 und X2 * X2.
X1 ist ein Begriff zur Modellierung des Unterschieds im Achsenabschnitt zwischen den Kategorieebenen von X1. Das heißt, um Variationen in der Reaktion aufgrund der Änderung des Bestandteilstyps zu erfassen, wenn X2 0 ist. Wir wissen, dass es aufgrund von X1 keinen Unterschied in der Antwort geben sollte, wenn X2 = 0 ist. Daher sollten wir diesen Effekt aus dem Modell entfernen.
X2 modelliert den einfachen linearen Effekt der Änderung des Betrags. X2 * X2 erfasst den krummlinigen Effekt der Änderung der Menge (Sie können erwarten oder nicht, dass dies wichtig ist). Und X1 * X2 modelliert die Wechselwirkung zwischen X1 und X2, dh den unterschiedlichen Effekt der Mengenänderung für jeden Bestandteilstyp.
Ein geeignetes Modell würde daher X2, X2 * X2 und X1 * X2 umfassen. (Sie könnten auch in Betracht ziehen, X1 * X2 * X2 einzuschließen.)
JMP zeigt eine Warnung an, wenn Sie versuchen, dieses Modell anzupassen, da es ungewöhnlich ist, einen Interaktionseffekt anzupassen, der einen Faktor enthält, für den Sie den Haupteffekt nicht anpassen.
Es gibt zwei weitere Dinge, die Sie tun müssen. Standardmäßig codiert JMP kontinuierliche Faktoren so um, dass sich der Achsenabschnitt in der Mitte des Faktorbereichs befindet. Und Fit Model zentriert auch quadratische Effekte und Interaktionseffekte in der Mitte des Bereichs. Sie können diese Einstellungen deaktivieren.
Dies ist, was Sie dann tun müssen:
1. Entfernen Sie den Haupteffekt X1 aus dem Modell, wenn Sie das Design erstellen, und schließen Sie ihn beim Anpassen des Modells nicht ein.
2. Entfernen Sie die Eigenschaft Codierungsspalte aus der X2-Spalte in der Entwurfsdatentabelle.
3. Deaktivieren Sie im Dialogfeld "Modell anpassen" die Option "Polynome zentrieren" im Hauptmenü des roten Dreiecks.
Sie sollten dann ein Design und ein Modell haben, das für die Situation, die Sie haben, sinnvoll ist.
Betreff: DoE-Sonderanfertigungen - enthalten Faktoren, die sich gegenseitig ausschließenIch habe eine neue Version der Designtabelle hinzugefügt, die ohne den X1-Haupteffekt entworfen wurde. Die Codierung für X2 wurde entfernt. Es gibt simulierte Y-Daten. Und ein Modell, das ohne X1 und ohne Zentrierung des Polynoms angepasst wurde.
Dies ist die zu entfernende Spalteneigenschaft:
Dies zeigt, dass der Achsenabschnitt des Modells (wobei X2 = 0 ist) für alle Ebenen von X1 gleich ist, wie es sein sollte:
