Re: 기존 do run에 데이터를 추가합니까?여기에 내가 제안하는 것이 있습니다. 추가 실행과 병합된 원래 디자인인 두 번째 JMP 데이터 테이블을 생성합니다. 이 작업을 수행하는 방법은 추가 실행을 직접 입력하거나 데이터 테이블 연결을 수행하는 것까지 다양합니다. 그런 다음 분석 전에 비교 디자인 플랫폼을 실행하여 더 큰 디자인이 원본 디자인과 어떻게 비교되는지 확인하는 것이 좋습니다. 다음은 디자인 비교 플랫폼에 대한 링크입니다.
디자인 비교
효과의 추정 가능성을 위한 설계 진단에 특히 주의를 기울입니다. 추가된 포인트가 부정적인 방식으로 실질적으로 변경되면 효과를 추정하는 능력, 효과 추정 가능성이 귀하에게 매우 중요한 경우 그러한 합병의 바람직성에 관한 결정을 내려야 합니다. JMP Custom Design 플랫폼의 매우 바람직한 특성 중 하나는 디자인이 모델 중심이라는 것입니다...따라서 디자인은 사용자가 표현하는 효과의 추정을 최적으로 지원합니다. 실험에 추가 치료 조합을 추가하면 효과를 추정하는 능력에 부주의하게 부정적인 영향을 미칠 수 있습니다.
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.피터, 안녕! 좋은 설명 감사합니다. 제 동료들도 설계 공간의 일부 특정 지점에 몇 가지 추가 실행을 추가하려고 합니다. 이해가 안되는데 왜 그러는거야? 이 접근 방식의 합리적인 이유는 무엇입니까? 그것에 사용되는 특정 용어가 있습니까(참고 자료를 찾는 데 도움이 됨)? 감사합니다.
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.안녕 @아지자 ,
@P_Bartell 두 설계(원래 설계 및 추가 포인트가 있는 설계)를 병렬로 실행하여 원래 모델에서 발견된 모수 추정치가 추가 포인트가 있는 설계의 추정치와 충분히 유사한지 확인 및 계산하고/하거나 다음을 수행할 것을 제안합니다. 다른 용어/효과를 놓치지 마십시오. 그리고/또는 새 포인트에 추가된 자유도가 추가되어 적합성이 부족하지 않습니다.
추가된 새 값(및 노이즈)에 따라 모델의 항이 변경될 수 있습니다. 다음이 필요할 수 있습니다.
- 두 번째 모델에 새 항을 추가합니다(이전에 DoE에서 추정/탐지할 포인트가 충분하지 않거나 충분히 중요하지 않은 경우).
- 두 번째 모델에서 기존 항을 제거합니다(새 포인트가 DOE에서 수행된 이전 실험과 비교하여 반대/반대 동작을 나타내므로 효과가 더 이상 중요하지 않음).
- 이전과 동일한 조건을 유지하고 매개변수 추정 정확도가 증가할 수 있습니다(실험 분산에 따라 다름).
하나의 "다른" 옵션(아마도 모델 비교 전에 수행)은 새로 추가된 포인트(원래 디자인이 아님)를 유효성 검사 포인트(기계 학습의 유효성 검사 세트 전통에서)로 사용하는 것일 수도 있습니다. 이렇게 하면 DoE를 기반으로 생성된 모델이 충분히 정확하고 잔차를 시각화하고 성능 메트릭(목표에 따라 R², R² 조정, RMSE, ...)을 비교하여 수행된 새로운 실험으로 일반화할 수 있는지 확인합니다. 모델의 포인트(트레이닝 세트)와 새로 추가된 포인트(검증 세트) 사이.
학습 세트와 검증 세트에서 모델의 결과 간에 발견한 차이점에 따라 모델을 더 정확하게 탐색하고 모델 비교 방법으로 이동하여 새 포인트 추가의 차이점과 결과를 발견하고 이해해야 할 수 있습니다.
이것이 도움이 되길 바랍니다 
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.귀하의 질문에 대한 몇 가지 생각을 제공하겠습니다.
1. "이 접근 방식 뒤에 있는 합리적인 이유는 무엇입니까?" 나는 당신이 "이유"를 의미했다고 생각합니까? 여기 제 생각이 있습니다. 실험을 수행하기 전에 실행을 추가하는 관점에서 시작하겠습니다. 누군가는 다음과 같이 말함으로써 이를 합리화할 수 있습니다. 음, 최적 설계에는 경험적 결과가 가장 확실하게 필요한 치료 조합이 포함되지 않으므로 이러한 조합으로 두 번째 실험을 실행하는 대신 설계에 추가하기만 합시다. 주로 편의성과 실용성의 문제입니다. 이런 종류의 또 다른 예는 우리가 원래 실험에 '확인'이라고 부르는 것을 추가하는 것입니다. 우리에게 '확인'은 응답이 무엇인지에 대한 아주 좋은 아이디어가 있는 치료 조합이었고 큰 소음이나 성가신 요인이 없다는 것을 스스로 안심시키는 수단으로 '확인'을 사용했습니다. 결과의 균형에 영향을 미칩니다. 우리는 분석에 '수표'를 포함하지 않았습니다. 가장 주의해야 할 점은 최적의 DOE 접근 방식은 모델 중심이며 임의의 조합을 추가하고 해당 조합을 분석에 포함하면 원래 설계에서 찾고 있던 분석에서 정보를 얻는 것이 더 문제가 될 수 있다는 점입니다.
2. 원래 실험이 수행된 후에 치료 조합을 원래 디자인에 추가하는 경우 많은 사람들이 원래 디자인을 '증강'이라고 합니다. 이것의 근거는 종종 매우 간단합니다...원래 디자인의 분석은 우리가 당면한 실제 문제를 해결할 수 있는 것으로 이어지지 않았습니다...그러나 우리는 우리가 올바른 길을 가고 있다고 생각합니다...그리고 신중하게 추가했습니다( 최적의 DOE 전략 및 전술 사용) 원래 디자인으로 실행하면 당면한 문제의 해결에 더 가까워질 것입니다. 예를 들면...원래 설계에서 추정할 수 없었던 상호 작용 또는 2차 효과를 추정해야 할 수 있습니다. 이것은 Augment Design 플랫폼을 사용하는 JMP에서 매우 쉽게 달성할 수 있습니다. 다음은 예를 포함하여 증강 설계 전략 및 전술과 JMP의 '방법'을 설명하는 JMP 온라인 설명서의 해당 섹션에 대한 링크입니다. JMP의 증강 설계
마지막으로 참조 및 예제를 위해 Joos와 Jones의 "최적 실험 설계 사례 연구 접근 방식"의 3장을 제안합니다.
도움이 되었기를 바랍니다?
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.답변에 대한 매우 통찰력 있고 명확한 공식화에 대해 Peter에게 정말 감사합니다. 이제 더 잘 이해합니다. 말씀해주신 참고자료도 잘 활용하겠습니다. 귀하의 지원에 감사드립니다. 진정으로.
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.나는 이미 언급한 훌륭한 제안에 내 생각을 더할 것입니다.
동일한 치료 조합의 추가 복제를 "나중에" 추가하면 연구에 노이즈가 추가됩니다. 추가 실행을 분석하는 방법에 주의해야 합니다. 귀하(및/또는 귀하의 동료)가 복제할 치료를 "선택적으로" 선택하는 것으로 보이므로 이 편견에 유의하십시오. (무작위 완전(및 불완전, BIB) 블록 디자인에 대한 논문 참조), 예를 들면 다음과 같습니다.
샌더스, D., Leitnaker M., and McLean R. (2002) "산업 연구의 무작위 완전 블록 설계" 품질공학, Vol. 14, 1호
변화하는 노이즈에 대해 복제를 실행하여 추론 공간을 늘리는 것이 매우 유리할 수 있습니다. 이것이 체계적으로/의도적으로 수행되면 작동 메커니즘(영향을 미치는 요소)과 이러한 요소 효과가 변화하는 조건(노이즈)에 대해 강력한지 훨씬 더 많은 통찰력을 얻을 수 있습니다. 이 작업을 무작위로 수행하면 추론 공간이 늘어나지만 설계의 정밀도에는 부정적인 영향을 미칩니다.
Re: Doe가 기존 doe 실행에 데이터를 추가합니다.입력해 주셔서 감사합니다. 참고해서 참고하겠습니다. 귀하의 시간과 지원에 감사드립니다.
Doe는 기존 doe 실행에 데이터를 추가합니다.안녕,
나는 맞춤형 doe를 설계하고 실행했습니다. 또한 적합 분석에 넣고 싶은 동일한 매개변수를 가진 결과가 있습니다. 그것에 대한 옵션이 있습니까?
감사해요
실험 설계결과 공유 및 소통
