感覚データに基づいてモデルを作成する方法JMP コミュニティの皆様
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考えています。 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。 反応は訓練を受けた感覚パネル (8 ～ 11 人の評価者) によって測定されます。
243 回の実行でカスタム RSM 計画を作成しました (基本的に、計画には 27 回の実行 (最小数) がありますが、各評価者 (9 人の評価者と仮定します) は、より正確なスコアを得るために 27 回の実行すべてにスコアを付けます (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。
私はカップ内のサンプルの温度を制御できない要素として含めることを検討しました。 ただし、外観を評価した後に測定するため、サンプルの外観を評価するのにかかる時間によって異なります。 カップ内の温度はプロセスと相関関係がある可能性があります (例: カップ内の温度が高い -> プロセス中により熱い水が使用された -> 全体的な風味に影響を与える可能性があります)。 含めるべきでしょうか？
設計評価では、満足度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しようと考えていました。
さて、私の質問は次のとおりです。
- 推定値がより正確になると考えられるため、係数を連続として入力しました。 ただし、最終的には、せいぜいすでに定義された因子レベル (たとえば、プロセス内の温度が因子 (87 ～ 95 °C、定義されたレベルは 87、89、91、93、95 °C) に達することを考えています) に達したいと考えています。最適化では、これらのレベルのいずれかに到達することを希望します)。 むしろ離散因子を選択するべきでしょうか、それとも（適切な場合）最適な設定を因子レベルに丸めるだけでよいでしょうか?
- 243 回の実行で計画を生成するのは正しいですか? 先ほど述べたように、より正確な結果を得るために、「反復」を反復としてではなく、反復された測定として考慮したいと思うからです。 ただし、評価者のばらつきを考慮したいと考えています (平均値を使用したくないのはそのためです)。
- 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、モデルに変量効果として項を含めました。 また、デザインの役割とデータ型をどのように定義すればよいでしょうか?
- また、評価者は常に同じ 9 人でなければならないのでしょうか、それともプロット全体ごとに評価者を変えることができるのでしょうか? （各評価者には個別のIDが付与されます。）
- 満足度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、モデルの適切な推定値を得るために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) を使用する必要がありますか?
- そして、パネルを「校正」するために飲料基準を使用します（評価者は常に最初に基準を飲んで評価し、次にサンプルが続きます。基準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べきでしょうか? もしそうなら、どのようにして？
ご協力ありがとうございます。私のデザイン/モデルに間違いが見つかった場合は、感謝いたします。
PS: 添付ファイルには私の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)。
マスカスタマイゼーション品質およびプロセスエンジニアリング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返信に基づいて、DOE に関する書籍を何冊か読むか、JMP が提供する DOE に関するオンライン参考資料に目を通すことをお勧めします。たとえば、次のとおりです。
https://www.jmp.com/en_us/events/getting-started-with-jmp/doe-intro-kit.html
1. 単純化しすぎて申し訳ありませんが、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が何かについての手がかりを探します。 勝者を選ぶためにテストが行われます。 このため、実験を実行する場合、線形効果を評価するために 2 つの太字レベルに設定された複数の因子から開始し、あまり興味のない因子を除外し、その後残りの因子で繰り返し (空間を移動して を増加) を続けることになるでしょう。 2 レベルで複数の因子を実験すると、計画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 - 2次、4 レベル - 3次など)。 通常、線形メイン効果、次に線形相互作用効果、次に二次などのテイラー級数アプローチでモデルを構築します (1 次から 2 次、3 次... の順序でモデルを構築します)。 ただし、複雑なモデルを作成することが目的ではなく、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シンプルに保つことが目的です。
2. 共変量は、具体的に制御/管理することはできないが、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、現在は混合モデルを分析しています。
3. 定量的記述分析手法については詳しくありませんが、面白そうです。 私は常に、応答変数としての人間の感覚認識に関心を持っています。 ざっと見たところ、測定はインターバルのようです。一貫性を確保し、バイアスを軽減する方法は困難です。 この方法でこれらの問題がどのように処理されるのかわかりません。 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研究論文は数多くあります。
Re: 感覚データに基づいてモデルを作成する方法素早い返信ありがとうございます@スタットマン
私は統計学者ではなく、修士論文を書くまで DOE について聞いたこともありませんでした。残念ながら、私を指導してくれる指導教員もいません。 だからこそ、私は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。 生産温度については、4 次の多項式を見つけたくありません。 機械では5段階のレベルが選べるのですが、その中から「一番いいものを選ぶ」ようにしています。
そして消費温度については、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、治療のためにこの温度を確保することはできません。 それともそれは偶然ですか？
実は、私は官能評価に定量的記述分析法のバリエーションを使用しているので、順序データは持っていないと思います。 評価者は、端に 2 つの言語アンカー ポイントを持つ非構造化ライン 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。 測定後、スケールの全長を0（最低強度）～100（最高強度）の数値に換算します。 したがって、データ間の距離は既知であり、意味を持ちます。 参照サンプルは、できれば評価者の強度測定値を校正し、より一貫した評価を得るために使用されます。
しかし、この論文からのアドバイスはまだ活用できると思います。 それとも定量的なデータ用のものもありますか、それともそこでの一貫性の評価は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@kPvDoE最初に思ったのは、これは修士論文の一部なので、どこまでアドバイスをすべきでしょうか？ 私はあなたのデザイン/モデルを見ていませんでした。
各治療に対する複数の評価は、設計の作成に含めるべきではありません。 これらの複数の評価は実際に繰り返され、処理から独立したものではないため、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。 温度が２つあるの？ 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ね (なぜ、4 次の多項式効果を期待しているのですか? それとも「勝者を選ぶ」つもりですか？ 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。
治療内評価については、感覚的順序尺度を使用していると思いますか? 順序スケール評価の場合、まず 9 人の評価者にわたる評価の一貫性を評価し、潜在的な外れ値や偏りを特定する必要があります。 彼らの反応をプロットして体系的なパターンを探すと役に立ちます。 次に、必要に応じて、平均/中央値および分散の尺度 (範囲または標準偏差) を使用してそれらの評価を要約します。 参考として、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、どちらが好みかということである必要があります (これには個人的な偏見が含まれるため)。 感覚/順序スケールの使用法について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。
