Grund dagegen, Custom Design DOE für alles zu verwendenHallo zusammen,
Ich brauche jemanden, der für mich den Anwalt des Teufels spielt. Es gibt viele verschiedene DOE-Funktionen in JMP. Wenn ich zum Beispiel in JMP gehe, gibt es über 10 verschiedene traditionelle DOE-Designs im DOE-Dropdown-Menü. Und es gibt auch die Custom Design-Funktion.
Dies mag eine naive Frage sein, aber gibt es ein Argument dafür, ein anderes DOE-Design anstelle eines Custom Designs zu verwenden? Kann eines dieser Designs alles tun, was das Custom-Design nicht kann?
Vielen Dank,
Donald
DAMHIRSCHKUHRe: Grund gegen die Verwendung von Custom Design DOE für allesHallo Donald,
Mich würde interessieren, warum Sie diese Frage stellen. Ist es für Ihr eigenes Verständnis? Oder überlegen Sie, wie Sie Ihre Kollegen beraten können?
Den meisten Wissenschaftlern und Ingenieuren empfehle ich, sich auf Definitive Screening und Custom Design zu konzentrieren.
Warum definitives Screening? In vielen Situationen ist ein Definitive Screening Design (DSD) das effizienteste und am einfachsten anzuwendende Experiment. Ich würde sagen, dass die meisten Experimente von Wissenschaftlern und Ingenieuren Screening-Experimente sind - sie haben 5 oder mehr kontinuierliche Faktoren und sie wissen nicht, dass alle Faktoren wichtig sind. DSDs sind in diesen Fällen großartig. Wenn eine kleine Anzahl von Effekten als wichtig erachtet wird, können Sie ein nützliches Modell zur Optimierung erhalten. Auch wenn alle Faktoren wichtig sind, ist ein DSD ein guter erster Schritt im Experimentierprozess gewesen und Sie können mit Augment Design weitermachen. DSD in JMP verfügt über eine einfach zu verwendende Anpassungsmethode, die die Analyse der Ergebnisse sehr einfach macht. DSDs können mit Custom Design nicht neu erstellt werden, daher ist es eine separate Plattform in JMP.
Custom Design deckt die meisten anderen Experimentsituationen ab.
Die Optionen unter dem Klassik-Menü sind alle erprobt und vielfach erfolgreich eingesetzt worden. Zum größten Teil können sie jedoch mit Custom Design nachgebildet werden, da es sich um Sonderfälle optimaler Designs handelt. Ich würde die klassischen Optionen nur jemandem empfehlen, der in den älteren DOE-Methoden geschult wurde, damit er die erlernten Designs nachbilden kann. Ich weiß nicht, ob Sie Taguchi-Designs mit Custom Design nachbilden könnten, aber ich weiß nicht, ob Sie das möchten - ich habe noch nie jemanden getroffen, der JMP für Taguchi-Designs verwendet hat.
Die Optionen unter Consumer Studies und Special Purpose haben alle ihre eigene Verwendung. Sie können definitiv Dinge tun, die Custom Design nicht kann. Es handelt sich jedoch um spezialisierte oder Nischensituationen, die für eine kleinere Untergruppe von Experimentatoren relevant sind. Zum Beispiel raumfüllende Designs für Computerexperimente an sehr nichtlinearen Systemen im Ingenieurwesen. Oder Max-Diff entwirft Studien, um Verbraucherpräferenzen zu verstehen.
Ich hoffe das hilft,
Phil
Re: Grund gegen die Verwendung von Custom Design DOE für allesHallo Phil,
Danke für die ausführliche Antwort. Ich bin Formulierungswissenschaftler und möchte meinen Kollegen helfen, mehr in JMP einzusteigen. Die meisten unserer DOEs sind Mischdesigns.
Ich wollte sinngemäß prüfen, ob es sinnvoll ist, das Custom Design zu empfehlen oder nicht. Es sieht so aus, wie es aussieht, aber DSDs sollten auch für Screening-Zwecke sorgfältig in Betracht gezogen werden.
Schätzen Sie es, wenn jemand anderes auch eine Meinung hinzufügt. Je mehr, desto besser
Vielen Dank
Donald
Re: Grund gegen die Verwendung von Custom Design DOE für allesFür Mischdesigns würde ich auf jeden Fall Custom Designs empfehlen. Tatsächlich können Sie kein endgültiges Screening-Design für ein Mischszenario verwenden.
Ich stimme Phils Empfehlungen zu. Die anderen Ausführungen haben je nach Situation einige Vorteile. Die Leistungsfähigkeit eines Definitive Screening Designs (DSD) ist beispielsweise leicht niedriger als das, was Sie von einem benutzerdefinierten Design für ein Modell nur mit Haupteffekten erhalten würden. Die Vorhersagevarianz eines DSD ist nicht so gut wie ein I-Optimal Custom Design. Der Vorteil für DSD ist jedoch ein einziges Design, das neben dem Screening auch zur Optimierung verwendet werden könnte.
Die klassischen Designs bieten eine Orthogonalität, die bei einem kundenspezifischen Design nicht immer gewährleistet ist (aber meistens für die gleiche Anzahl von Durchläufen erreicht wird).
Im Wesentlichen hat jedes Design einen Vorteil, nämlich wie/warum es überhaupt erstellt wurde. In einigen Fällen können diese Vorteile für Sie nicht wertvoll sein. Aber genau deshalb bietet JMP sie alle an. Möglicherweise haben Sie eine Situation, in der Sie diesen besonderen Vorteil wünschen.
Re: Grund gegen die Verwendung von Custom Design DOE für allesHier meine Gedanken:
1. Die Auswahl der durchzuführenden Experimente ist IMHO eine persönliche Entscheidung. Sie müssen die Situation (den Kontext) verstehen, welche Fragen Sie beantworten wollen und die Informationen, die Sie aus der Versuchsstrategie gewinnen können, gegen die erforderlichen Ressourcen abwägen. In einigen Fällen wäre ich bereit, Effizienz der Effektivität zu opfern.
2. Ingenieure, Wissenschaftler und Manager davon zu überzeugen, JEDES Experiment durchzuführen, kann der größte Kampf sein. Es kann schwieriger sein, wenn sie sich die Designmatrix als "Blockbox" vorstellen und nicht verstehen, wie sie funktioniert. Es ist unglaublich, wie viele Menschen von der OFAT-Mentalität betroffen sind. Es ist schließlich so grundlegend intuitiv... Klassische orthogonale Designs sind leicht zu erklären und bieten bei Bedarf Komfort für das Dealiasing, insbesondere für diejenigen, die keinen statistischen Hintergrund haben.
3. Der Fokus der Designauswahl liegt auf den Faktoreffekten. Es wird nicht genug Wert auf Strategien zum Umgang mit Lärm gelegt. Kurzzeitiges Rauschen (zB Messfehler innerhalb der Probe, zwischen den Proben) wird durch Wiederholung oder Verschachtelung behandelt. Langzeitrauschen (zB Umgebungsbedingungen, Los-zu-Los-Rohstoffe, Bedienertechnik) über RCBB, BIB und Split-Plots behandelt. Ich verwende produktübergreifende Arrays in robusten Designsituationen und habe noch keine einfache Möglichkeit gefunden, diese mithilfe der benutzerdefinierten Designplattform einzurichten.
4. "Der Zweck des ersten Experiments besteht darin, ein besseres Experiment zu entwerfen". Wir experimentieren, um Einblicke in unser Verständnis der kausalen Struktur zu gewinnen und es zu validieren/invalidieren. Die Wahrscheinlichkeit, dass wir alle wichtigen Faktoren in unserem ersten Experiment auf optimalem Niveau getestet haben, ist fraglich. Iteration ist, wie wir lernen. Das erste Experiment ist nur der Beginn der Reise.
