Come creare il mio modello basato su dati sensorialiGentile JMP-Community,
per la mia tesi di laurea voglio ottimizzare il processo per una bevanda calda. Ho 5 fattori (X1 –X5), di cui uno è un fattore difficile da cambiare (X1) e 10 variabili di risposta (Y1-Y10). Le risposte sono misurate con un pannello sensoriale addestrato (8-11 valutatori).
Ho creato un design RSM personalizzato con 243 esecuzioni (in pratica il design ha 27 esecuzioni (numero minimo), ma ogni valutatore (supponiamo 9 valutatori) valuta tutte e 27 le esecuzioni per ottenere un punteggio più accurato (27*9=243)) . Ogni valutatore può valutare 3 campioni per intero appezzamento (=giorno).
Ho considerato di includere la temperatura del campione nella tazza come un fattore incontrollato. Tuttavia, viene misurato dopo la valutazione dell'aspetto visivo e quindi può variare, a seconda di quanto tempo impiega una persona per valutare l'aspetto del campione. La temperatura nella tazza potrebbe essere correlata al processo (ad es. temperatura elevata nella tazza -> durante il processo è stata utilizzata acqua più calda -> potrebbe influire sul sapore generale). Devo includerlo?
Per la valutazione del progetto, stavo pensando di utilizzare la funzione di desiderabilità per ottimizzare le mie risposte contemporaneamente e ottenere le impostazioni ottimali dei fattori.
Ora le mie domande:
- Ho inserito i fattori come continui, poiché credo che le stime saranno più precise allora. In definitiva, però, vorrei raggiungere al massimo un livello di fattore già definito (es. la temperatura nel processo è un fattore (87 - 95 °C; i livelli definiti sono 87, 89, 91, 93 e 95 °C) e di ottimizzazione preferirei raggiungere uno di questi livelli). Dovrei piuttosto scegliere fattori discreti o semplicemente arrotondare le impostazioni ottimali ai miei livelli di fattore (se appropriato)?
- È corretto generare un disegno con 243 esecuzioni? Perché credo di voler considerare i “replicati” non come repliche, ma come misure ripetute, per ottenere un risultato più preciso come dicevo. Ma voglio prendere in considerazione la variabilità dei valutatori (ecco perché non voglio usare i valori medi).
- Come posso includere i valutatori nel mio progetto? Ho generato una colonna in più e ho incluso il termine come effetto casuale nel mio modello. Inoltre, come definire il ruolo di progettazione e il tipo di dati?
- E i valutatori devono essere sempre le stesse 9 persone o possono variare da un intero appezzamento a un intero appezzamento? (Ogni valutatore ha un ID individuale.)
- La funzione desiderabilità è sufficiente per costruire il mio modello e ottimizzare tutte le risposte contemporaneamente o devo utilizzare altri metodi di modellazione predittiva (Bootstrap Forest, K Nearest Neighbor,...) per ricevere una buona stima del mio modello?
- E uso un riferimento di bevanda per "calibrare" il pannello (i valutatori bevono e valutano sempre prima il riferimento, quindi seguono i campioni; la bevanda di riferimento proviene da un processo diverso). Devo includere il riferimento nel mio modello? Se é cosi, come?
Grazie per il tuo aiuto e apprezzo qualsiasi errore che trovi nel mio design/modello!
PS: Il file allegato contiene il mio progetto precedente e per la valutazione falsa ho utilizzato alcuni vecchi dati sensoriali (non ho ancora iniziato con le mie misurazioni).
dainaRe: Come creare il mio modello basato su dati sensoriali@kPvDoE Il mio primo pensiero è, poiché questo fa parte della tua tesi di laurea, quanti consigli dovremmo fornire? Non ho guardato il tuo disegno/modello.
Le valutazioni multiple per ogni trattamento non dovrebbero essere incluse nella creazione del disegno. Queste valutazioni multiple sono infatti ripetizioni e non sono indipendenti dai trattamenti, e quindi non sono gradi di libertà aggiuntivi. Le "valutazioni" interne al trattamento dovrebbero essere valutate prima di riassumere e quindi analizzare gli effetti del trattamento. Il fattore di temperatura pone un po' di un dilemma. Ci sono due temperature? Uno per preparare (o produrre) la bevanda e l'altro per quando la bevanda viene valutata? Sembra che tu stia sperimentando sul fattore di progettazione a 5 livelli (perché, ti aspetti un effetto polinomiale di 4° ordine? O stai cercando di "scegliere un vincitore"? La temperatura di quando si consuma la bevanda potrebbe essere una covariata.
Per la valutazione all'interno del trattamento, presumo che tu stia usando una scala ordinale sensoriale? Per la valutazione su scala ordinale, dovresti prima valutare la coerenza delle valutazioni sui 9 valutatori e identificare eventuali valori anomali o distorsioni. Sarebbe utile tracciare la loro risposta e cercare modelli sistematici. Quindi, se appropriato, riassumere tali valutazioni con una media/mediana e una misura di dispersione (intervallo o deviazione standard). Per quanto riguarda il riferimento, ti suggerisco di avere un campione effettivo di ciascuna categoria della scala ordinale. La valutazione dovrebbe essere "quale campione corrisponde al campione del test" rispetto a quale preferisci (poiché ciò comporta pregiudizi personali). Ho allegato un semplice documento che uso per fornire consigli sull'utilizzo della scala sensoriale/ordinale.
Re: Come creare il mio modello basato su dati sensorialiGrazie per la risposta veloce @statman
Non sono uno statistico e non ho mai sentito parlare di DOE prima della mia tesi di laurea e sfortunatamente non ho un supervisore che possa guidarmi. Ecco perché cercavo aiuto qui nella community 
Ci sono infatti due temperature come hai descritto. Per la temperatura di produzione, non voglio trovare polinomi di quarto ordine. I 5 livelli possono essere scelti nella macchina e io cerco di "scelgliere il meglio da loro".
E per la temperatura di consumo: se la definisco come covariata, allora le temperature devono essere conosciute in anticipo e verranno aggiunte al mio progetto. Ma non posso garantire questa temperatura per il trattamento. O è casuale?
In realtà, sto usando una variazione del metodo di analisi descrittiva quantitativa per la mia valutazione sensoriale, quindi non credo di avere dati ordinali. I valutatori valutano le intensità degli attributi definiti utilizzando una scala lineare non strutturata con due punti di ancoraggio verbale alle estremità. La lunghezza totale della scala viene convertita in valori numerici compresi tra 0 (intensità minima) e 100 (intensità massima) dopo la misurazione. Pertanto, la distanza tra i dati è nota e ha un significato. I campioni di riferimento vengono utilizzati per calibrare, si spera, le misurazioni dell'intensità dei valutatori e ottenere una valutazione più coerente.
Ma penso di poter ancora usare qualche consiglio dal giornale. O ne hai uno anche per i dati quantitativi o la valutazione della consistenza è diversa lì?
Re: Come creare il mio modello basato su dati sensorialiSulla base della tua risposta, ti suggerisco di leggere alcuni libri sul DOE, o magari di dare un'occhiata al materiale di riferimento online sul DOE fornito da JMP, ad esempio:
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. Scusate la mia eccessiva semplificazione, ma il DOE non è un test. Nella sperimentazione si cercano indizi su quale sia la struttura causale relativa a ciascuna variabile di risposta. Viene effettuato un test per scegliere un vincitore. Questo è il motivo per cui eseguendo un esperimento, probabilmente inizieresti con più fattori impostati su 2 livelli in grassetto per valutare l'effetto lineare, escludere i fattori meno interessanti e quindi continuare a ripetere (spostare lo spazio e aumentare) con i fattori rimanenti. Se sperimenti su più fattori a 2 livelli puoi ottenere stime degli effetti principali lineari e degli effetti di interazione, a seconda della risoluzione del progetto. Se aggiungi livelli, puoi ottenere stime di effetti non lineari (3 livelli - quadratici, 4 livelli - cubici, ecc.). In genere, costruisci i tuoi modelli in un approccio della serie di Taylor in cui inizi con effetti lineari del Maine, quindi effetti di interazione lineare, quindi quadratici, ecc. (costruzione del modello dal primo - 2 ° al 3 ° ... ordine). Ma l'intento non è creare un modello complesso, l'intento è mantenere il modello il più semplice possibile pur avendo un modello che funzioni per la previsione.
2. Le covariate sono un modo per gestire un fattore che non è possibile controllare/gestire in modo specifico, ma che può essere misurato. Incorporiamo questa variabile casuale nel modello degli effetti fissi (dal DOE). La contabilizzazione della covariata aumenta la precisione dell'esperimento senza compromettere lo spazio di inferenza. Ovviamente ora stai analizzando un modello misto.
3. Non ho familiarità con il metodo di analisi descrittiva quantitativa, ma sembra interessante. Sono sempre interessato alla percezione sensoriale umana come variabile di risposta. Secondo la mia occhiata superficiale, la misurazione è l'intervallo.Come ottenere coerenza e mitigare i pregiudizi è impegnativo. Non vedo come questo metodo gestisca nessuno di questi problemi. Esistono molti documenti di ricerca sul numero di unità in una scala che può essere utilizzata in modo coerente per la percezione umana.
