397951_de-DE

liliconcom

So wählen Sie das beste Design aus

Verehrte Gäste,

Wir möchten Experimente mit 5 kontinuierlichen Faktoren durchführen. Unser System ist eine chemische Reaktion. Wir wissen, dass es Wechselwirkungen zwischen Faktoren gibt, aber wir wissen nicht, in welchem Ausmaß. Wir möchten die Produktmenge maximieren.  

Es gibt viele mögliche DOEs. ich denke über

-zentrales Verbunddesign,

-ODER erster Teil davon (für Haupteffekte und zentrale Punkte) und dann das Design erweitern,

-ODER DSD und erweitern Sie dann das Design

-ODER kundenspezifisches Design mit 2D-Ordnung und quadratischen Wechselwirkungen

-ODER individuelles Design und Auswahl von RSM.

Wie kann ich das beste Design für uns auswählen? Welches Argument würde mir bei der Auswahl helfen?

Danke

VersuchsplanungBetreff: Wie wählt man das beste Design aus?Sie möchten den Lärm nicht per se verringern, Sie möchten, dass der Lärm repräsentativ für den realen/tatsächlichen Lärm im Prozess ist. Wenn das Rauschen repräsentativer wird, kann es sich natürlich negativ auf die Genauigkeit der Erkennung von Faktoreffekten auswirken. In diesem Fall benötigen Sie eine Rauschstrategie (z. B. Blöcke, Split-Plots), um das Rauschen aufzuteilen.

„Leider werden zukünftige Experimente (zukünftige Versuche, die Produktion von morgen) von anderen Umweltbedingungen (Temperatur, Materialien, Menschen) beeinflusst als denen, die dieses Experiment beeinflussen … Dies ist nur durch Kenntnis des Themas möglich, möglicherweise unterstützt durch weitere Experimente (Kursivschrift). hinzugefügt), um ein breiteres Spektrum von Bedingungen abzudecken, sodass man mit der Gefahr eines Irrtums entscheiden kann, ob die Umweltbedingungen der Zukunft denen von heute nahe genug sein werden, um die Verwendung der vorliegenden Ergebnisse zu ermöglichen.“
Dr. Deming

„Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können“
GEP KastenBetreff: Wie wählt man das beste Design aus?

Sie möchten aggressive Bereiche für die Faktoren, die eine große Änderung der Reaktion bewirken. Dies ist ein Vorteil kontinuierlicher Faktoren, der mit kategorialen Faktoren nicht möglich ist. Der Punkt ist, dass Sie eine hohe Trennschärfe und kleine Konfidenzintervalle wünschen. Bei einem Test geht es darum, den Gewinner zu ermitteln. Bei einem Experiment geht es um Modellierung. Das Model findet den Gewinner. Ein Experiment, das sowohl gute als auch schlechte Reaktionen hervorbringt, ist also die beste Art. Ihr Modell wird realistischer.

Betreff: Wie wählt man das beste Design aus?

Danke Mark.

 

Tatsächlich weiß ich, dass all diese Faktoren wichtig sind. Ich weiß jedoch nicht, wie sie über ihren Wertebereich hinweg interagieren.

Darüber hinaus kenne ich für einen Faktor den Mindestwert nicht, der erforderlich ist, um eine nennenswerte Produktmenge zu erhalten. Daher könnte der ausgewählte Bereich zu groß sein: Möglicherweise führt der niedrigste ausgewählte Wert zu einer niedrigen Reaktion, unabhängig von den Werten der anderen Faktoren.

 

Ich verstehe, dass der von Ihnen vorgeschlagene Ansatz darauf abzielt, die Kosten der Experimente zu senken. Allerdings wollen wir uns keine Wirkung entgehen lassen. Daher würde ich mich dafür entscheiden, alle Läufe beizubehalten. Mit 3 zentralen Punkten (von einem Partner gefragt) ergibt die Berücksichtigung von Termen 2. Ordnung und quadratischer Terme 28 Läufe; RSM bietet 27 Läufe und ein niedrigeres Vorhersagevarianzprofil. Daher scheint RSM das beste zu sein.

Betreff: Wie wählt man das beste Design aus?

Hallo Statman, ich denke, die Punkte 1 und 2 sind in Ordnung. Wir haben Vortests bezüglich des Messsystems durchgeführt und die Tests so vorbereitet, dass das Rauschen so gering wie möglich gehalten wird. Vielen Dank für Ihre anderen Vorschläge.

Betreff: Wie wählt man das beste Design aus?

Bei der Auswahl eines Designs gibt es eine Reihe von Überlegungen. Niemand weiß, was tatsächlich besser abschneidet, bis Sie das Experiment durchgeführt haben. Mein Rat ist, mehrere Designs zu erstellen, die Vor- und Nachteile jedes einzelnen Designs aufzulisten, was aus jedem gelernt werden kann (was getrennt ist, was verwirrt und was eingeschränkt ist) und das mögliche gewonnene Wissen gegen die erforderlichen Ressourcen abzuwägen.  

Eine Sache, die meiner Meinung nach nicht angesprochen wird, ist der Lärm. Es gibt ein paar Fragen:

1. Wie sicher sind Sie mit dem Messsystem? Wiederholte Durchläufe können dabei helfen, dies im Kontext des Experiments zu beurteilen.

2. Welche Strategien verfolgen Sie, um die Wahrscheinlichkeit zu maximieren, dass das Experiment zukünftige Bedingungen darstellt? Beispielsweise stammen die bei der chemischen Reaktion verwendeten Chemikalien wahrscheinlich aus kontinuierlichen Prozessen, die in Chargen verteilt werden. Wie groß ist die Variation innerhalb der Charge und zwischen den Chargen? Haben Umgebungsbedingungen einen Einfluss? Sind Sie besorgt über die Einrichtung des Prozesses?

Erwägen Sie Blöcke oder Split-Plots, um die Präzision des Experiments zu gewährleisten, ohne den Inferenzraum zu beeinträchtigen.

3. Ich schlage vor, eine zu erstellen vorhergesagte Rangfolge von Modelleffekten bis zur Fakultät 2. Ordnung und Polynom 2. Ordnung. Dies hilft bei der Entscheidung, welche Auflösung Sie benötigen und ob Sie die Abweichung von einem linearen Modell als signifikant erachten und daher Ebenen hinzufügen müssen, um dies abzuschätzen.

4. Zuletzt: Vorhersagen jedes mögliche Ergebnis und antizipieren Sie, was Sie mit den aus den einzelnen Ergebnissen gewonnenen Informationen machen werden. Was werden Sie beispielsweise tun, wenn Sie das Experiment durchführen und eine praktisch signifikante Variationsmenge erzeugen, diese aber nicht den Faktoreffekten zuordenbar ist? Was werden Sie tun, wenn Faktor A signifikant und das +-Niveau besser ist? Was werden Sie tun, wenn Faktor A signifikant und das Niveau besser ist? Was werden Sie tun, wenn Faktor A unbedeutend ist? usw.

Betreff: Wie wählt man das beste Design aus?

Ich wette, dass alle 5 Faktoren wichtig sind und das wissen Sie bereits aus Vorkenntnissen über die chemische Reaktion. Wenn ja, dann würde ich nicht mit einem Screening-Experiment beginnen, da die wichtigsten Screening-Prinzipien wahrscheinlich nicht gelten. Es besteht jedoch Unsicherheit über die Faktoreffekte, daher können Sie das Attribut „Schätzbarkeit“ von Modelltermen verwenden, um diese Unsicherheit anzugeben.

 

Es wird wahrscheinlich auf Ihr Laufbudget ankommen. Ich würde also ein individuelles Design für die 5 Faktoren erstellen. (Sind irgendwelche Faktoren schwer zu ändern?) Ich würde im Abschnitt „Modell“ auf die Schaltfläche „RSM“ klicken. Es werden Terme für alle möglichen Wechselwirkungen und Nichtlinearitäten zweiter Ordnung in das Modell eingegeben. (Durch diese Aktion wird auch das Kriterium auf I-optimal geändert.) Überprüfen Sie nun jeden Term im Modell. Fragen Sie sich, ob Sie wissen, dass dieser Begriff notwendig ist, ob Sie wissen, dass er nicht notwendig ist, oder ob Sie denken, dass er notwendig sein könnte. Entfernen Sie alle Begriffe, von denen Sie wissen, dass sie nicht notwendig sind. Lassen Sie alle Begriffe, von denen Sie wissen, dass sie notwendig sind, in Ruhe. Ändern Sie die Schätzbarkeit der verbleibenden Bedingungen auf „Wenn möglich“. Dieser Prozess wird zu zwei Änderungen führen. Die Mindestanzahl der Läufe sinkt – diese Anzahl entspricht der Anzahl der Parameter, die geschätzt werden müssen. Außerdem wird das Design für alle möglichen Modelle I-optimal sein. Erhöhen Sie nun die Anzahl der Durchläufe wie folgt. Fügen Sie nach Möglichkeit 3-4 Durchläufe für jeden Begriff hinzu, der von Bedeutung sein könnte. Angenommen, ich habe 10 Begriffe für Interaktionen, die möglich sein könnten. Ich weiß nicht, welche aktiv sein werden, aber ich denke, dass 2 davon aktiv sein werden. Fügen Sie 6-8 Läufe zum Minimum hinzu.

 

Ist diese Argumentation und dieser Ansatz sinnvoll?