Wie erstelle ich mein Modell basierend auf sensorischen Daten?Liebe JMP-Community,
Für meine Masterarbeit möchte ich den Prozess für ein Heißgetränk optimieren. Ich habe 5 Faktoren (X1–X5), davon einen schwer veränderbaren Faktor (X1) und 10 Antwortvariablen (Y1–Y10). Die Reaktionen werden mit einem geschulten sensorischen Gremium (8 – 11 Prüfer) gemessen.
Ich habe ein benutzerdefiniertes RSM-Design mit 243 Läufen erstellt (im Grunde hat das Design 27 Läufe (Mindestanzahl), aber jeder Prüfer (nehmen wir 9 Prüfer an) bewertet alle 27 Läufe, um eine genauere Punktzahl zu erhalten (27*9=243)) . Jeder Gutachter kann 3 Proben pro ganze Parzelle (=Tag) auswerten.
Ich habe überlegt, die Temperatur der Probe im Becher als unkontrollierten Faktor einzubeziehen. Sie wird jedoch nach der Beurteilung des visuellen Erscheinungsbilds gemessen und kann daher variieren, je nachdem, wie viel Zeit eine Person für die Beurteilung des Erscheinungsbilds der Probe benötigt. Die Temperatur in der Tasse könnte mit dem Prozess zusammenhängen (z. B. hohe Temperatur in der Tasse -> während des Prozesses wurde heißeres Wasser verwendet -> könnte den Gesamtgeschmack beeinflussen). Soll ich es einschließen?
Für die Designbewertung dachte ich darüber nach, die Erwünschtheitsfunktion zu verwenden, um gleichzeitig meine Antworten zu optimieren und die optimalen Faktoreinstellungen zu erhalten.
Nun meine Fragen:
- Ich habe die Faktoren als kontinuierlich eingegeben, da ich glaube, dass die Schätzungen dann genauer sind. Letztendlich möchte ich jedoch bestenfalls ein bereits definiertes Faktorniveau erreichen (z. B. die Temperatur im Prozess ist ein Faktor (87 – 95 °C; definierte Niveaus sind 87, 89, 91, 93 und 95 °C) und durch Optimierung würde ich lieber eine dieser Stufen erreichen). Sollte ich lieber diskrete Faktoren wählen oder einfach die optimalen Einstellungen auf meine Faktorstufen runden (falls zutreffend)?
- Stimmt es, dass ich einen Entwurf mit 243 Durchläufen erstelle? Denn ich denke, ich möchte die „Replikate“ nicht als Replikate, sondern als wiederholte Messungen betrachten, um wie gesagt ein genaueres Ergebnis zu erhalten. Ich möchte aber die Variabilität der Gutachter berücksichtigen (deshalb möchte ich nicht die Mittelwerte verwenden).
- Wie kann ich die Gutachter in meinen Entwurf einbeziehen? Ich habe eine zusätzliche Spalte erstellt und den Begriff als Zufallseffekt in mein Modell aufgenommen. Wie definiere ich außerdem die Designrolle und den Datentyp?
- Und müssen die Gutachter immer die gleichen 9 Personen sein oder können sie von Grundstück zu Grundstück unterschiedlich sein? (Jeder Gutachter hat eine individuelle ID.)
- 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“ (Prüfer trinken und bewerten immer zuerst die Referenz, 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 vorheriges Design und für die gefälschte Auswertung habe ich einige alte sensorische Daten verwendet (ich habe noch nicht mit meinen Messungen begonnen).
MassenanpassungQualitäts- und VerfahrenstechnikBetreff: Wie erstelle ich mein Modell basierend auf sensorischen Daten?Aufgrund 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. Entschuldigen Sie meine übermäßige Vereinfachung, aber DOE ist kein Test. Beim Experimentieren suchen Sie nach Hinweisen auf die kausale Struktur der einzelnen Antwortvariablen. Es wird ein Test durchgeführt, um einen Gewinner auszuwählen. Aus diesem Grund würden Sie bei der Durchführung eines Experiments wahrscheinlich mit mehreren Faktoren beginnen, die auf zwei fett gedruckten Ebenen eingestellt sind, um den linearen Effekt zu bewerten, die weniger interessanten Faktoren herauszufiltern und dann mit den verbleibenden Faktoren weiter zu iterieren (den Raum zu verschieben und zu erweitern). Wenn Sie mit mehreren Faktoren auf zwei Ebenen experimentieren, können Sie abhängig von der Auflösung des Designs Schätzungen linearer Haupteffekte und Interaktionseffekte erhalten. Wenn Sie Ebenen hinzufügen, können Sie Schätzungen nichtlinearer Effekte erhalten (3 Ebenen – quadratisch, 4 Ebenen – kubisch usw.). Typischerweise erstellen Sie Ihre Modelle nach einem Taylor-Reihen-Ansatz, bei dem Sie mit linearen Maine-Effekten, dann linearen Interaktionseffekten, dann quadratischen usw. beginnen (Aufbau des Modells von der ersten über die zweite bis zur dritten Ordnung). Die Absicht besteht jedoch nicht darin, ein komplexes Modell zu erstellen, sondern das Modell so einfach wie möglich zu halten und dennoch über ein Modell zu verfügen, das für die Vorhersage geeignet ist.
2. Kovariaten sind eine Möglichkeit, mit einem Faktor umzugehen, den Sie nicht spezifisch steuern/verwalten können, der aber gemessen werden kann. Wir integrieren diese Zufallsvariable in das Modell der festen Effekte (aus dem DOE). Die Berücksichtigung der Kovariate erhöht die Präzision des Experiments, ohne den Inferenzraum zu beeinträchtigen. Natürlich analysieren Sie jetzt ein gemischtes Modell.
3. Ich bin mit der Methode der quantitativen deskriptiven Analyse nicht vertraut, aber sie klingt interessant. Mich beschäftigt immer die menschliche Sinneswahrnehmung als Antwortvariable. Meinem oberflächlichen Blick nach handelt es sich bei der Messung um ein Intervall.Es ist eine Herausforderung, Konsistenz zu erreichen und Voreingenommenheit abzumildern. Ich verstehe nicht, wie diese Methode eines dieser Probleme behandelt. Es gibt viele Forschungsarbeiten zur Anzahl der Einheiten einer Skala, die konsistent für die menschliche Wahrnehmung verwendet werden kann.
Betreff: Wie erstelle ich mein Modell basierend auf sensorischen Daten?Danke für die schnelle Antwort @statman
Ich bin kein Statistiker und habe vor meiner Masterarbeit noch nie von DOE gehört und leider habe ich keinen Betreuer, der mich beraten kann. Deshalb habe ich hier in der Community nach Hilfe gesucht 
Es gibt tatsächlich zwei Temperaturen, wie Sie beschrieben haben. Für die Produktionstemperatur möchte ich keine Polynome 4. Ordnung finden. Die 5 Stufen sind im Automaten wählbar und ich versuche „das Beste daraus herauszupicken“.
Und für die Verbrauchstemperatur: Wenn ich sie als Kovariate definiere, dann müssen die Temperaturen im Voraus bekannt sein und werden in meinen Entwurf eingefügt. Allerdings kann ich diese Temperatur für die Behandlung nicht gewährleisten. Oder ist das Zufall?
Tatsächlich verwende ich für meine sensorische Bewertung eine Variation der Methode der quantitativen deskriptiven Analyse, daher glaube ich nicht, dass ich über ordinale Daten verfüge. Die Prüfer bewerten die Intensitäten der definierten Merkmale anhand einer unstrukturierten Linienskala mit zwei verbalen Ankerpunkten an den Enden. Die Gesamtlänge der Skala wird nach der Messung in Zahlenwerte zwischen 0 (geringste Intensität) und 100 (höchste Intensität) umgerechnet. Daher ist der Abstand zwischen den Daten bekannt und hat eine Bedeutung. Die Referenzproben werden hoffentlich dazu verwendet, die Intensitätsmessungen der Gutachter zu kalibrieren und eine konsistentere Bewertung zu erhalten.
Aber ich denke, ich kann trotzdem einige Ratschläge aus dem Papier gebrauchen. Oder haben Sie auch eines für quantitative Daten oder ist die Konsistenzbewertung dort überhaupt anders?
Betreff: Wie erstelle ich mein Modell basierend auf sensorischen Daten?@kPvDoE Mein erster Gedanke ist: Wie viel Rat sollten wir geben, da dies Teil Ihrer Masterarbeit ist? Ich habe mir Ihr Design/Modell nicht angesehen.
Die Mehrfachbewertungen für jede Behandlung sollten nicht in die Erstellung des Designs einbezogen werden. Bei diesen Mehrfachbewertungen handelt es sich tatsächlich um Wiederholungen, die nicht unabhängig von den Behandlungen sind und daher keine zusätzlichen Freiheitsgrade darstellen. Die „Bewertungen“ innerhalb der Behandlung sollten ausgewertet werden, bevor die Behandlungseffekte zusammengefasst und anschließend analysiert werden. Der Temperaturfaktor stellt ein kleines Dilemma dar. Es gibt zwei Temperaturen? Eine für die Zubereitung (oder Herstellung) des Getränks und die andere für die Bewertung des Getränks? Es hört sich so an, als würden 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.
Ich gehe davon aus, dass Sie für die Beurteilung innerhalb der Behandlung eine sensorische Ordinalskala verwenden? Für die Bewertung auf der Ordinalskala sollten Sie zunächst die Konsistenz der Bewertungen der neun Prüfer bewerten und mögliche Ausreißer oder Verzerrungen identifizieren. Es wäre hilfreich, ihre Reaktion aufzuzeichnen und nach systematischen Mustern zu suchen. Fassen Sie diese Bewertungen dann gegebenenfalls mit einem Mittelwert/Median und einem Maß für die Streuung (Bereich oder Standardabweichung) zusammen. Was die Referenz betrifft, schlage ich vor, dass Sie eine tatsächliche Stichprobe jeder Kategorie der Ordinalskala haben. Die Bewertung sollte lauten: „Welche Probe passt zur Testprobe?“ und welche bevorzugen Sie (da dies eine persönliche Voreingenommenheit mit sich bringt). Ich habe ein einfaches Papier beigefügt, das ich verwende, um Ratschläge zur Verwendung sensorischer/ordinaler Skalen zu geben.
