Wie erstelle ich mein Modell basierend auf sensorischen DatenLiebe JMP-Community,
für meine Masterarbeit möchte ich den Prozess für ein Heißgetränk optimieren. Ich habe 5 Faktoren (X1 –X5), wovon einer ein schwer zu ändernder Faktor ist (X1) und 10 Antwortvariablen (Y1-Y10). Die Reaktionen werden mit einem geschulten sensorischen Panel (8 – 11 Assessoren) gemessen.
Ich habe ein benutzerdefiniertes RSM-Design mit 243 Durchläufen erstellt (im Grunde hat das Design 27 Durchläufe (Mindestanzahl), aber jeder Assessor (angenommen 9 Assessoren) bewertet alle 27 Durchläufe, um eine genauere Punktzahl zu erhalten (27*9=243)) . Jeder Assessor kann 3 Proben pro gesamter Parzelle (=Tag) auswerten.
Ich überlegte, die Temperatur der Probe im Becher als unkontrollierten Faktor einzubeziehen. Sie wird jedoch nach der Bewertung des visuellen Erscheinungsbilds gemessen und kann daher variieren, je nachdem, wie viel Zeit eine Person benötigt, um das Erscheinungsbild der Probe zu bewerten. Die Temperatur in der Tasse könnte mit dem Prozess korrelieren (zB hohe Temperatur in der Tasse -> heißeres Wasser wurde während des Prozesses verwendet -> könnte den Gesamtgeschmack beeinträchtigen). Soll ich es einbeziehen?
Für die Designbewertung dachte ich daran, die Erwünschtheitsfunktion zu verwenden, um meine Antworten gleichzeitig zu optimieren und die optimalen Faktoreinstellungen zu erhalten.
Nun meine Fragen:
- Ich habe die Faktoren als stetig eingegeben, da ich glaube, dass die Schätzungen dann genauer sind. Letztlich möchte ich aber allenfalls ein bereits definiertes Faktorniveau treffen (zB die Temperatur im Prozess ist ein Faktor (87 - 95 °C; definierte Werte sind 87, 89, 91, 93 und 95 °C) und um Optimierung würde ich es vorziehen, eine dieser Stufen zu erreichen). Sollte ich lieber diskrete Faktoren wählen oder die optimalen Einstellungen einfach auf meine Faktorstufen aufrunden (sofern zutreffend)?
- Stimmt es, dass ich ein Design mit 243 Durchläufen erzeuge? Denn ich denke, ich möchte die „Replikate“ nicht als Replikate betrachten, sondern als wiederholte Maßnahmen, um wie gesagt ein genaueres Ergebnis zu erhalten. Ich möchte aber die Variabilität der Bewerter berücksichtigen (deshalb möchte ich keine Mittelwerte verwenden).
- Wie kann ich die Assessoren in mein Design einbeziehen? Ich habe eine zusätzliche Spalte generiert und den Begriff als zufälligen Effekt in mein Modell aufgenommen. Wie definiere ich außerdem die Designrolle und den Datentyp?
- Und müssen die Assessoren immer die gleichen 9 Personen sein oder können sie von ganzem Plot zu ganzem Plot variieren? (Jeder Gutachter hat einen individuellen Ausweis.)
- Reicht die Erwünschtheitsfunktion aus, um mein Modell zu erstellen und alle Antworten gleichzeitig zu optimieren, oder sollte ich andere prädiktive Modellierungsmethoden (Bootstrap Forest, K Nearest Neighbor,…) verwenden, um eine gute Schätzung meines Modells zu erhalten?
- Und ich verwende eine Getränkereferenz, um das Panel zu „kalibrieren“ (Assessoren trinken immer zuerst die Referenz und bewerten sie, dann folgen die Proben; das Referenzgetränk stammt aus einem anderen Prozess). Soll ich die Referenz in mein Modell aufnehmen? Wenn das so ist, wie?
Vielen Dank für Ihre Hilfe und ich freue mich über alle Fehler, die Sie in meinem Design / Modell finden!
PS: Die angehängte Datei enthält mein bisheriges Design und für die Fake-Auswertung habe ich alte sensorische Daten verwendet (ich habe noch nicht mit meinen Messungen begonnen).
DAMHIRSCHKUHBetreff: Wie erstelle ich mein Modell basierend auf sensorischen Daten@kPvDoE Mein erster Gedanke ist, da dies Teil Ihrer Masterarbeit ist, wie viel Ratschläge sollten wir geben? Ich habe mir dein Design/Modell nicht angeschaut.
Die Mehrfachbewertungen für jede Behandlung sollten nicht in die Erstellung des Designs einfließen. Diese Mehrfachauswertungen sind in der Tat Wiederholungen und nicht unabhängig von den Behandlungen und sind daher keine zusätzlichen Freiheitsgrade. Die "Bewertungen" innerhalb der Behandlung sollten bewertet werden, bevor die Behandlungseffekte zusammengefasst und anschließend analysiert werden. Der Temperaturfaktor stellt ein kleines Dilemma dar. Gibt es zwei Temperaturen? Einer für die Zubereitung (oder Herstellung) des Getränks und der andere für die Bewertung des Getränks? Es hört sich so an, als ob Sie mit dem Designfaktor auf 5 Ebenen experimentieren (warum erwarten Sie einen Polynomeffekt 4. Ordnung? Oder versuchen Sie, einen "Gewinner auszuwählen"? Die Temperatur, bei der das Getränk konsumiert wird, könnte eine Kovariate sein.
Für die Beurteilung innerhalb der Behandlung gehe ich davon aus, dass Sie eine sensorische Ordinalskala verwenden? Für die Bewertung auf der Ordinalskala sollten Sie zunächst die Konsistenz der Bewertungen über die 9 Bewerter hinweg bewerten und mögliche Ausreißer oder Verzerrungen identifizieren. Es wäre nützlich, ihre Reaktion aufzuzeichnen und nach systematischen Mustern zu suchen. Anschließend fassen Sie diese Bewertungen gegebenenfalls mit einem Mittelwert/Median und einem gewissen Streuungsmaß (Bereich oder Standardabweichung) zusammen. Was die Referenz angeht, schlage ich vor, dass Sie eine tatsächliche Stichprobe jeder Kategorie der Ordinalskala haben. Die Bewertung sollte lauten: „Welche Stichprobe entspricht der Teststichprobe? Ich habe ein einfaches Papier beigefügt, das ich verwende, um Ratschläge zur Verwendung der sensorischen / ordinalen Skala zu geben.
Betreff: Wie erstelle ich mein Modell basierend auf sensorischen DatenDanke für die schnelle Antwort @statman
Ich bin kein Statistiker und habe vor meiner Masterarbeit noch nie von DOE gehört und habe leider keinen Betreuer, der mich anleiten kann. Deshalb habe ich hier in der Community nach Hilfe gesucht 
Es gibt tatsächlich zwei Temperaturen, wie Sie es beschrieben haben. Für die Produktionstemperatur möchte ich keine Polynome 4. Ordnung finden. Die 5 Stufen sind in der Maschine wählbar und ich versuche „das Beste daraus herauszupicken“.
Und zur Verbrauchstemperatur: Wenn ich sie als Kovariate definiere, dann müssen die Temperaturen vorher bekannt sein und werden in mein Design aufgenommen. Aber ich kann diese Temperatur für die Behandlung nicht garantieren. Oder ist das Zufall?
Tatsächlich verwende ich für meine sensorische Bewertung eine Variation der quantitativen deskriptiven Analysemethode, daher glaube ich nicht, dass ich ordinale Daten habe. Die Assessoren bewerten die Intensitäten der definierten Attribute anhand einer unstrukturierten Linienskala mit zwei verbalen Ankerpunkten an den Enden. Die Gesamtlänge der Skala wird nach der Messung in Zahlenwerte zwischen 0 (niedrigste Intensität) und 100 (höchste Intensität) umgerechnet. Daher ist der Abstand zwischen den Daten bekannt und hat eine Bedeutung. Die Referenzproben werden verwendet, um hoffentlich die Intensitätsmessungen der Assessoren zu kalibrieren und eine konsistentere Bewertung zu erhalten.
Aber ich denke, ich kann noch einige Ratschläge aus der Zeitung gebrauchen. Oder haben Sie auch eine für quantitative Daten oder ist die Bewertung der Konsistenz dort überhaupt anders?
Betreff: Wie erstelle ich mein Modell basierend auf sensorischen DatenBasierend auf Ihrer Antwort schlage ich vor, dass Sie einige Bücher über DOE lesen oder vielleicht einige der von JMP bereitgestellten Online-Referenzmaterialien zu DOE durchsehen, zum Beispiel:
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. Verzeihen Sie meine Vereinfachung, aber DOE ist kein Test. Beim Experimentieren sucht man nach Hinweisen auf die kausale Struktur der einzelnen Antwortvariablen. Ein Test wird durchgeführt, um einen Gewinner zu ermitteln. Aus diesem Grund würden Sie bei der Durchführung eines Experiments wahrscheinlich mit mehreren Faktoren beginnen, die auf zwei fett gedruckten Stufen festgelegt sind, um den linearen Effekt zu bewerten, die weniger interessanten Faktoren herauszufiltern und dann mit den verbleibenden Faktoren fortzufahren (den Raum zu verschieben und zu vergrößern). Wenn Sie mit mehreren Faktoren auf 2 Ebenen experimentieren, können Sie abhängig von der Auflösung des Designs Schätzungen der linearen Haupteffekte und Interaktionseffekte erhalten. Wenn Sie Ebenen hinzufügen, können Sie Schätzungen nichtlinearer Effekte erhalten (3 Ebenen – quadratisch, 4 Ebenen – kubisch usw.). Typischerweise bauen Sie Ihre Modelle in einem Taylor-Reihen-Ansatz auf, bei dem Sie mit linearen Maine-Effekten, dann linearen Interaktionseffekten, dann quadratischen usw. beginnen (das Modell wird von erster bis zweiter bis dritter Ordnung aufgebaut). Die Absicht besteht jedoch nicht darin, ein komplexes Modell zu erstellen, sondern das Modell so einfach wie möglich zu halten und gleichzeitig ein Modell zu haben, das für die Vorhersage funktioniert.
2. Kovariaten sind eine Möglichkeit, mit einem Faktor umzugehen, den Sie nicht spezifisch kontrollieren/steuern können, aber gemessen werden können. Wir integrieren diese Zufallsvariable in das Modell der festen Effekte (aus dem DOE). Die Berücksichtigung der Kovariate erhöht die Genauigkeit des Experiments, ohne den Inferenzraum zu beeinträchtigen. Natürlich analysieren Sie jetzt ein gemischtes Modell.
3. Ich kenne die Methode der quantitativen deskriptiven Analyse nicht, aber sie klingt interessant. Mir geht es immer um die menschliche Sinneswahrnehmung als Reaktionsvariable. Nach meinem flüchtigen Blick ist die Messung Intervall.Es ist eine Herausforderung, Konsistenz zu erreichen und Verzerrungen zu vermeiden. Ich sehe nicht, wie diese Methode eines dieser Probleme behandelt. Es gibt viele Forschungsarbeiten über die Anzahl der Einheiten in einer Skala, die konsistent für die menschliche Wahrnehmung verwendet werden kann.
