感覚データに基づいてモデルを作成する方法親愛なるJMP-コミュニティ、
私の修士論文では、温かい飲み物のプロセスを最適化したいと思います。 5つの因子（X1〜X5）があり、そのうちの1つは変更が難しい因子（X1）と10の応答変数（Y1〜Y10）です。 応答は、訓練された感覚パネル（8〜11人の評価者）で測定されます。
243回の実行でカスタムRSMデザインを作成しました（基本的に、デザインには27回の実行（最小数）がありますが、各評価者（9人の評価者を想定）は、より正確なスコアを取得するために27回すべての実行をスコアリングします（27 * 9 = 243）） 。 各評価者は、プロット全体（=日）ごとに3つのサンプルを評価できます。
制御できない要因として、カップ内のサンプルの温度を含めることを検討しました。 ただし、外観評価後に測定するため、サンプルの外観評価にかかる時間によって変動する場合があります。 カップ内の温度はプロセスと相関している可能性があります（たとえば、カップ内の高温->プロセス中に高温の水が使用された->全体的なフレーバーに影響を与える可能性があります）。 私はそれを含めるべきですか？
設計評価では、望ましさ関数を使用して、応答を同時に最適化し、最適な因子設定を取得することを考えていました。
今私の質問：
- 見積もりがより正確になると思うので、私は要素を継続的に入力しました。 ただし、最終的には、せいぜいすでに定義されたファクターレベル（たとえば、プロセスの温度はファクター（87〜95°C、定義されたレベルは87、89、91、93、および95°C））に到達したいと思います。最適化私はこれらのレベルの1つに到達したいと思います）。 離散因子を選択するべきですか、それとも最適な設定を因子レベルに丸めるべきですか（適切な場合）？
- 243回の実行でデザインを生成するのは正しいですか？ 私が言ったように、より正確な結果を得るために、「複製」を複製ではなく反復測定と見なしたいと思うからです。 しかし、評価者のばらつきを考慮に入れたいと思います（そのため、平均値を使用したくありません）。
- 設計に評価者を含めるにはどうすればよいですか？ 追加の列を生成し、その用語を変量効果としてモデルに含めました。 また、デザインの役割とデータ型を定義するにはどうすればよいですか？
- そして、査定者は常に同じ9人である必要がありますか、それともプロット全体からプロット全体まで変化する可能性がありますか？ （各査定者は個人IDを持っています。）
- 望ましさ関数は、モデルを構築し、すべての応答を同時に最適化するのに十分ですか、それとも他の予測モデリング手法（ブートストラップフォレスト、K最近傍法など）を使用してモデルの適切な推定値を受け取る必要がありますか？
- そして、私は飲料の参照を使用してパネルを「調整」します（評価者は常に最初に参照を飲んで評価し、サンプルが続くよりも、参照飲料は別のプロセスからのものです）。 モデルに参照を含める必要がありますか？ もしそうなら、どのように？
あなたの助けに感謝します、そしてあなたが私のデザイン/モデルで見つけたどんな誤りにも感謝します！
PS：添付ファイルには以前のデザインが含まれており、偽の評価には古い感覚データを使用しました（まだ測定を開始していません）。
DOERe：感覚データに基づいてモデルを作成する方法@kPvDoE私の最初の考えは、これはあなたの修士論文の一部なので、どのくらいのアドバイスを提供する必要があるかということです。 私はあなたのデザイン/モデルを見ませんでした。
各処理の複数の評価は、デザインの作成に含まれるべきではありません。 これらの複数の評価は確かに繰り返され、治療とは無関係ではないため、追加の自由度ではありません。 治療効果を要約して分析する前に、治療内の「評価」を評価する必要があります。 温度要因は少しジレンマを引き起こします。 2つの温度がありますか？ 1つは飲料の準備（または製造）用で、もう1つは飲料の評価時用ですか？ 5つのレベルで設計係数を実験しているようです（なぜ、4次の多項式効果を期待するのですか？ それとも「勝者を選ぶ」ことを試みていますか？ 飲料が消費されるときの温度は共変量である可能性があります。
治療内評価では、感覚順序尺度を使用していると思いますか？ 順序尺度の評価では、最初に9人の評価者の評価の一貫性を評価し、潜在的な外れ値またはバイアスを特定する必要があります。 それらの応答をプロットし、体系的なパターンを探すことは有用でしょう。 次に、必要に応じて、それらの評価を平均/中央値と分散の測定値（範囲または標準偏差）で要約します。 参考までに、順序尺度の各カテゴリの実際のサンプルを用意することをお勧めします。 評価は、「どのサンプルがテストサンプルと一致するか」とどちらを好むか（これには個人的なバイアスが含まれるため）である必要があります。 感覚/順序尺度の使用法に関するアドバイスを提供するために使用する簡単な紙を添付しました。
Re：感覚データに基づいてモデルを作成する方法迅速な返信ありがとうございます@statman
私は統計学者ではなく、修士論文の前にDOEのことを聞いたことがありません。残念ながら、私を指導できる監督者がいません。 だから私はここのコミュニティで助けを探していました;）
あなたが説明したように確かに2つの温度があります。 製造温度については、4次多項式を見つけたくありません。 マシンでは5つのレベルを選択でき、「それらの中から最高のものを選ぶ」ようにしています。
消費温度について：共変量として定義する場合、温度は事前にわかっている必要があり、設計に追加されます。 しかし、私は治療のためにこの温度を保証することはできません。 それともそれは偶然ですか？
実は、官能評価には定量的記述分析法のバリエーションを使っているので、序数のデータはないと思います。 評価者は、両端に2つの口頭のアンカーポイントがある非構造化ラインスケールを使用して、定義された属性の強度を評価します。 スケールの全長は、測定後に0（最低強度）から100（最高強度）までの数値に変換されます。 したがって、データ間の距離は既知であり、意味があります。 参照サンプルは、評価者の強度測定値を調整し、より一貫性のある評価を得るために使用されます。
しかし、私はまだ論文からいくつかのアドバイスを使うことができると思います。 それとも、定量的データ用のものがありますか、それとも一貫性の評価がまったく異なりますか？
Re：感覚データに基づいてモデルを作成する方法あなたの回答に基づいて、DOEに関する本を読むか、JMPが提供するDOEに関するオンライン参考資料をいくつか読んでみることをお勧めします。
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1.単純化しすぎてご容赦ください。ただし、DOEはテストではありません。 実験では、各応答変数に関連する因果構造についての手がかりを探しています。 勝者を選ぶためにテストが行われます。 これが、実験を実行する理由です。2つの太字レベルに設定された複数の因子から始めて線形効果を評価し、あまり興味のない因子を選別してから、残りの因子で反復（スペースを移動して拡張）を続けます。 2つのレベルで複数の因子を実験すると、設計の解像度に応じて、線形主効果と交互作用効果の推定値を取得できます。 レベルを追加すると、非線形効果の推定値を取得できます（3レベル-二次、4レベル-三次など）。 通常、テイラー級数アプローチでモデルを構築します。このアプローチでは、線形メイン効果、線形交互作用効果、2次などの順にモデルを構築します（モデルを1次から2次から3次まで構築します）。 ただし、その目的は複雑なモデルを作成することではなく、予測に機能するモデルを維持しながら、モデルを可能な限り単純に保つことです。
2.共変量は、具体的に制御/管理することはできませんが、測定することはできる要因を処理する方法です。 この確率変数を（DOEからの）固定効果のモデルに組み込みます。 共変量を考慮すると、推論空間を損なうことなく実験の精度が向上します。 もちろん、あなたは現在、混合モデルを分析しています。
3.定量的記述分析法に精通していませんが、面白そうです。 私は常に、応答変数としての人間の知覚に関心を持っています。 私のざっと見たところ、測定は間隔です。一貫性を確保し、バイアスを軽減する方法は困難です。 このメソッドがこれらの問題のいずれかをどのように処理するかわかりません。 人間の知覚に一貫して使用できるスケールの単位数に関する多くの研究論文があります。
