スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを、反復を行わずにどのように判断すればよいでしょうか?化学プロセスの堅牢性を示すために、選択したパラメーター (温度、当量、時間、試薬比) が最終製品の品質 (純度) に影響を与えていないことを規制当局に示す必要があることがよくあります。これを示すために、規制当局はスクリーニング設計を実行することを好みます。通常、プロセスが堅牢であるために、パラメータが調査範囲内で悪影響を及ぼさないことを示したいと考えます。
私の質問は、実験者が最高の精度で実行し、どの要因（または相互作用項）も品質に影響を与えていないことをデータが示しているのであれば、それで問題ないということです。実験者が収集したデータが良くなく、どの要因も影響を及ぼさないことがモデルで示された場合、そのデータとモデルが信頼できるかどうかをどのように判断すればよいでしょうか?特に変動を確認するための反復実行がない場合、とにかく存在するでしょうか?
最終的なスクリーニング計画には必ずしも反復実験が含まれないとのことですが、では、応答に大きなばらつきがあるかどうかを確認するにはどうすればよいでしょうか?
実験計画法Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?あなたの質問にはすでに答えたと思います。 魅力的ではないかもしれませんが、科学者/技術者の目を通して解釈することは合理的で論理的なアプローチであると信じています。 実際の分析 (結果を得る前に結果を予測することで大幅に強化されます) によって、結果が合理的であるように見えるか、それとも「すべてが終わった」かどうかを評価できれば、何かが適切に行われていなかったという手がかりが得られるはずです。 モデルを開発して、残差、RMSE、R-square-Rsquare-Adj デルタ、p 値などを確認できると思います。アル。モデルがプロセスをどの程度うまく記述していないのかを判断します。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?「すべてのノイズ係数を一定に保つ」という私の発言が本当の意味で正しくないことに同意します。しかし、この文脈では、私の「ノイズ」の定義は異なります。例を挙げてみましょう。
私の反応は水に対してそれほど敏感ではないとしましょう。反応媒体の水分含有量を測定する必要はありません。ただし、大量の水 (20% 程度の水) が含まれている場合は、品質に影響を与える可能性があります。これも応答を歪めるほど重要です。化学者が適切に乾燥させた実験室規模の反応器で化学反応を実行する場合 (一般的な方法)、問題はありません。しかし、化学者が実験室規模の反応器を乾燥させるという雑な仕事をしており、かなり濡れた反応器を使用し、設計テーブルに 1 つ (または複数) の実験を記載したとします。その場合、結果は信頼できません。適切な実験室の実践では、このようなことは起こらないはずですが、私は理想的ではない条件について話しています。これは私たちが研究する要因ではありませんが、化学者が指示に適切に従わない場合、重大な影響を与える可能性があります。「騒音」というのは、このような状況を指します。ここで、設計表の実験が、いくつかの適切に乾燥された反応器、一部が部分的に乾燥された反応器、およびまったく乾燥されていない反応器で実行されたとします。すべての実験は適切に乾燥させた反応器内で行うように指示されていますが、結果は期待外れになる可能性があります。
このシナリオでは、分析に基づいてデータが信頼できないと判断することは可能ですか?
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?ご意見いただきありがとうございます。オペレータが問題を自分の手に委ねることと、あるパラメータに対する他のパラメータに対する「固有のバイアス」を完全に理解してください。私もそれにつながることができ、その提案はよく受け入れられました。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?あなたが同意しないかもしれませんが、私の考えを共有します。 複製されたデザインは、実験にノイズを含める 1 つの方法にすぎません。 複製されていないデザインは非常に役立ちます。 因子関係図を使用して、実験における設計因子とノイズ因子の間の関係をグラフで表示します。 このようにして、比較の基礎を構成する要因を理解し、科学的/工学的な判断を使用して、そのノイズが将来の状態を表しているかどうかを判断でき、そのノイズの潜在的な影響についての考えや仮説の構築を刺激する可能性があります。 ノイズの分割は、推論空間に悪影響を与えずに設計の精度を高めるのに非常に役立ちます。
あなたの発言「現在の研究の目標は、因子 A、B、C を体系的に変化させながら、実験室で実験を行うことです (大規模な操作を可能な限り模倣した小規模な実験です)。他のすべてのノイズ要因を一定に保つ.」は意味がわかりません。 まず、目標は私見であるべきであり、化学純度に影響を与える因果構造! 第二に、ノイズは定義上、制御したくない/制御できない要因の集合です。 データを収集する方法は、実験を使用することです (操作が行われず、データをサンプリングして合理的にサブグループ化する方法によってソースを分割することに依存する、指示されたサンプリングではなく)。 実験全体でノイズを一定に保つことは、それを永久に一定に保つつもりがない限り (そしてノイズを制御する追加のコストを支払う) 場合を除き、ひどい考えです。当然、制御可能になるのはノイズではなくこれらの要素です。
ご存知かと思いますが、フィッシャーは、ノイズが変化し結果に影響を与える可能性があるという現実に直面すると、得られる推論空間が非常に狭くて役に立たないため、これは悪いアイデアであると発見しました (農業実験に関するフィッシャーの論文を参照)。 彼は、ノイズを処理するためにブロック化の手法を導入しました。これにより、ノイズがブロック内で一定に保たれ、ブロック間で意図的に変化するため、推論空間の拡大と設計の精度の向上を同時に行うことができます。 また、ロバスト性の尺度であるブロックごとの相互作用の推定も可能になります。
「ブロックできるものはブロックし、できないものはランダム化する」 GEP 箱
シューハート氏はシューハートサイクルで「できれば小規模で研究を実施する」ことを提案しましたが、意図しているのは小規模な研究で現実世界の状況をシミュレートしたいということだと思います。 これを行う方法は、ノイズの影響を誇張して、非常に短い期間でのノイズの長期変動を捉えることだと思います (実験)。
そうは言っても、あなたの質問に答えるために、私は疑似ベイズ哲学を使用します。 科学者/エンジニアに、実験の各処理のデータを予測してもらい（もちろん、先験的に、エンジニアの仮説によるバイアスがかかっています）、起こり得るすべての結果を予測し（バイアスを軽減するために）、起こり得るすべての結果に対してどのような行動を取るかを予測してもらいます。 。 これにより、実験分析にコンテキストが与えられ、データを評価するための実用的なアプローチが提供されます。 たとえば、期待とは大きく異なる治療結果が得られた場合、そのデータは説明できるか（仮説または修正された仮説）、説明できない場合は、おそらくその治療の実行に疑問を呈するか、他に何が起こっていたのかを疑問視する必要があります。その処理の実行中に (データが一致しない理由を予測できれば、変量効果を発見できる可能性が高まります)。
ルイ・パスツールの言葉「チャンスは準備ができた心に恩恵をもたらす」の意訳。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?ここでは、個人的な経験に基づいた、「不良データ」の根本原因を検出するのには役立ちませんが、それを防ぐ 2 つ目のアイデアを紹介します。 私の雇用主の多数のプロジェクト（主に新しいプロセス/製品開発分野）について DOE のコンサルティングを数年間行った後、実際に実験を実行する人々が、私たちの好みではあまりにも頻繁に「自分たちの手で物事を進める」ことに気づきました。実験的な実行であり、私たちが望んでいた法律の文言に従っていません。
たとえば、実験のランダム化は、実験の苦痛を軽減するために、オペレーターが因子をランダムにリセットするのが苦痛であると感じ、「因子を変更する苦痛」の実行をグループ化して実験を行うため、途中で失敗することがよくありました。 ああ...ランダム化が行われます...そして分割プロット設計を指定しませんでした。 したがって、まさにそこで私たちは「悪いデータ」の可能性にさらされています。
そこで私が主張し始めたのは、実験が行われるときに立ち会い、オペレーターを観察し、途中で手助けをするよう努めることでした。 これにはいくつかの利点があることがわかりました...その 1 つは、上記のシナリオのように、望ましくない方法で結果に影響を与える可能性のあることがよくあることです。 私は、私たちが指定したランダムな順序で実験を実行することを主張し、自分自身で問題を解決しないでください。 チームワークの面では...白いシャツを着た統計学者の私が研究室や製造現場に出て自ら手を汚し、時には夜通し働いたりすることも厭わなかったため、オペレーターとの信頼関係を築くのにも役立ちました。他のすべての働く堅物たちと一緒に墓場にシフトしてください...そして、私の象牙のオフィスに一日中座ってプロレタリアートに宣言を発することはありません。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?私が考えることができる唯一のテクニックは、あなたが説明したシナリオに使用できるかもしれないということは、実験的試験が規定どおりに実行された場合に予想されるものに対する経験的結果を調べることです。 明らかに、予想される応答と観測された応答の間には、疑惑を引き起こすほど大きな差異がなければなりません...しかし、それがあなたに対する私の唯一の考えです。
役立つ可能性がある有益なテクニックは、あなたが信じるモデルを含む JMP 予測プロファイラーを使用することです...その後、「新しい」実験の特定の組み合わせについて、「実際の応答は予測された応答からどれくらい離れているか?」を尋ねます。予測間隔を有益な基準として使用します。
あなたが説明したシナリオは、DOE 全般に懐疑的なチームとのプロジェクトで一度私に実際に起こりました...私はチームの統計学者でしたが、チームの多くの人は DOE が黒魔術に似ていると感じていました。 選択した最適な x に基づいて確認トライアルを実行しました。 結果は、ほぼすべての回答について、近いものではありませんでした。 そこでチームは最高のシャーロック ホームズ モードに入り、「何が問題だったのか?」を見つけようとしました。 オペレーターが意図的に重要な x 要素の 1 つを「私たちがいつも使用しているもの...シートに書かれたばかばかしいレベルではない」ものとして選択したことが判明しました。 オペレーターの最新情報を常に把握しておかなかったのは残念です...私たちは、プロセスの知識を確認するためにその「ばかばかしいレベル」を望んでいました。 そこで、オペレーターが実際に何を選択したかを発見した後、私は JMP 予測プロファイラーを取り出して、x 係数に不適切なレベルを入力しました...見よ、プロファイラーは、私たちが観察したひどい結果を驚くべき精度で予測しました。 その会議の終わりまでに、DOEの懐疑論者さえも説得されました。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?ありがとう、統計担当者。P_Bartell への私の返信をご覧ください。
私が提供した追加の詳細を参照してください。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?お返事ありがとうございます。何かを明確にさせてください。
因子 A、B、C が化学反応において製品の純度に影響を与える可能性があるとします。ただし、それは極端な条件でテストした場合に限られます。純度に非常にわずかな影響を与えるその他の要因 (X と呼びます) が多数存在します。これらの他の要因は、純度への影響がごくわずかであるか、プロセスがプラントに送られる際に設定値で正確に適切に制御できるという高い信頼性があるため、研究には含まれていません。
現在の研究の目標は、他のすべてのノイズ要因を一定に保ちながら、要因 A、B、および C を体系的に変化させて、研究室で実験を行うことです (大規模な操作を可能な限り模倣した小規模な規模で)。
これらの反応を実行している化学者が実験を注意深く実行しなかったという仮説の状況では、つまり A、B、C 因子を研究に必要な値に維持しておらず、ノイズ因子を指定された値に制御していなかったということになります。ノイズ要因の組み合わせによって、要因 A、B、C の系統的な変動から生じる実際の信号がぼやけてしまう状況が考えられます。そのような状況では、テストされた範囲内では要因が純度に影響を与えないことが結果によって示される可能性があります。
実験が意図したとおりに実行されなかったため、結果が信頼できないと言う方法はありますか?特にマトリックス内に反復実験がない場合はどうでしょうか?
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?まず、コミュニティへようこそ。 いくつかのアイデアをご提案させていただきますので、お客様の状況に関する詳細情報をお知らせください。
ピートはいくつかの優れた点を指摘した。 私の追加の考えは次のとおりです。
1. 私にとって堅牢性とは、ノイズの変化に対してモデルの一貫したパフォーマンス(定量的には、モデルごとのノイズの相互作用が存在しません)。 ノイズとは、周囲条件、入ってくる化学物質の純度、バットの清浄度、測定システムの誤差、特に制御されていない X の変動、制御レベル内の X の変動など、または私がノイズを定義する場合です。あなたが管理/コントロールしたくない要因）。
2. X の値を記録しながら、応答変数のデータを収集していただけますか。 このデータを使用して線形回帰を実行します。 応答変数の変動が比較的小さく、X との関係がないことが望ましいと考えられます。 これは、X もそれほど変化しない可能性が高いためです (実際には因果関係がある可能性がある場合でも、因果関係の証拠がほとんどないのはこのためです)。
3. 彼らが本当に求めているのは（おそらく）、X を大胆に変更して潜在的な因果関係を発見することが目的であるスクリーニング設計を行うことではなく、許容差設計に近いものです。 おそらくそれはセマンティクスですが、彼らが知りたいのは、X の通常のランダムな変動が応答変数に影響を与えるかどうかです。 したがって、x の自然変動の極値を表すレベルを選択し、ある種の要因計画を実行します。 他のノイズ源（ブロッキング、繰り返し、分割プロットなど）も処理するために何らかの戦略を採用する必要があると思います。
4. 「」の意味がわかりません。実験者が収集したデータが良くない場合。」 これは測定システムが疑わしいということですか? この場合、測定システムを検討し、実験を行う場合は、繰り返し測定を行って測定成分を推定し、その変動を平均して設計の精度を高める必要があります。
Re: スクリーニング計画 - 効果が有意でないかどうか、またはデータ全体が良くない (有意な変動) かどうかを反復を行わずに知るにはどうすればよいですか?いくつか考えてみます。
1 つ目: 応答の変動が、因子の変動から隠れているシグナルを頭の中で圧倒している場合は、次の 3 つの原因のいずれかが考えられます。
1. 測定システムの過度の変動。 このシナリオでは、応答変動の主な原因は主に測定システムの変動です。 測定システム用に継続的なプロセス制御システムを導入していますか? 測定システムに固有の「正常な」変動をご存知ですか? そうしないと、要因の変動による「影響なし」という結論が本物なのか、それとも過度の測定システムの変動によって引き起こされる単なる幻想なのかを知ることはできません。
2. 応答の変動を増大させる形で実験プロセスに影響を与えるノイズ/迷惑変数。 実験の実施中は、このような種類の影響に常に注意を払うことが重要です。 これは、確実に知ることは決してできないため、難しい問題です...しかし、実験の実施および計画中に、おそらく独立した第三者による監視が役立つ場合があります。
3. 本当に何も起こっていない...
全体として、あなたの質問は仮説検定の中心であり、「要因に関して何も起こっていない」という帰無仮説を「受け入れる」ことはできません...それを拒否できないだけです。 あなたが説明したケースでは、実際に言えることは、推定可能な各効果がゼロに等しいという帰無仮説を棄却できなかったということだけです。
