Re: Doe aggiungendo dati alle esecuzioni di doe esistentiEcco cosa suggerisco... creare una seconda tabella di dati JMP che sia il progetto originale unito con le esecuzioni aggiuntive. Il modo in cui lo fai può variare dalla semplice immissione manuale delle esecuzioni aggiuntive ... o dal concatenare una tabella di dati. Quindi PRIMA dell'analisi, suggerisco di eseguire la piattaforma Confronta progetti per vedere come il progetto più grande si confronta con il progetto originale. Ecco un link alla piattaforma Confronta Disegni.
Confronta i disegni
Con particolare attenzione alla diagnostica progettuale per la stima degli effetti. Se i punti aggiunti cambiano sostanzialmente in modo negativo, la tua capacità di stimare gli effetti, dovrai prendere una decisione sull'opportunità di una tale fusione se la stima degli effetti è molto importante per te. Una caratteristica molto desiderabile della piattaforma JMP Custom Design è che il design è basato sul modello... quindi il design supporterà in modo ottimale la stima degli effetti che articolate. L'aggiunta di ulteriori combinazioni di trattamento all'esperimento potrebbe inavvertitamente influire negativamente sulla capacità di stimare gli effetti.
Re: Doe aggiungendo dati alle esecuzioni esistentiPietro, ciao! Grazie per una bella spiegazione. I miei colleghi vogliono anche aggiungere alcune corse extra in alcuni punti specifici nello spazio di progettazione. Non capisco, perché dovresti farlo? Qual è la logica alla base di questo approccio? C'è qualche termine specifico usato per questo (mi aiuterebbe a trovare alcuni riferimenti)? Grazie e saluti.
Re: Doe aggiungendo dati alle esecuzioni esistentiCiao @Azza ,
@P_Bartell suggerisce di eseguire in parallelo i due disegni (disegno originale e disegno con punti in più), per verificare e calcolare che le stime dei parametri trovate nel modello originale siano sufficientemente simili a quelle del disegno con punti in più, e/o che tu non perdere altri termini/effetti e/o che non hai un difetto di adattamento con possibile grado di libertà extra aggiunto con i nuovi punti.
Si noti che a seconda dei nuovi valori aggiunti (e del rumore), potrebbe cambiare i termini nel modello. Potrebbe essere necessario:
- aggiungi nuovi termini nel tuo secondo modello (se non c'erano abbastanza punti per stimarli/rilevarli in precedenza nel DoE o non erano abbastanza significativi),
- rimuovi i termini esistenti nel tuo secondo modello (poiché i nuovi punti mostrano un comportamento inverso/opposto rispetto ai precedenti esperimenti fatti nel DOE, quindi gli effetti non sono più significativi),
- mantenere semplicemente gli stessi termini di prima, con un possibile aumento dell'accuratezza della stima dei parametri (a seconda della varianza sperimentale).
Un'opzione "altra" (da fare forse prima del confronto dei modelli) potrebbe anche essere quella di utilizzare i punti appena aggiunti (non dal progetto originale) come punti di convalida (nella tradizione della convalida impostata in Machine Learning). In questo modo, verifichi che il modello creato sulla base del DoE sia sufficientemente accurato e possa essere generalizzato a nuovi esperimenti effettuati visualizzando i residui e confrontando le tue metriche di performance (R², R² aggiustato, RMSE, ... a seconda del tuo obiettivo) tra i punti nel modello (training set) e i nuovi punti aggiunti (validation set).
A seconda delle differenze riscontrate tra i risultati del modello sui set di addestramento e di convalida, potrebbe essere necessario esplorare i modelli in modo più preciso e passare al metodo di confronto dei modelli, per scoprire e comprendere quali sono le differenze e le conseguenze dell'aggiunta dei nuovi punti.
Spero che questo ti aiuti 
Re: Doe aggiungendo dati alle esecuzioni esistentiFornirò alcune riflessioni sulle tue domande:
1. "Qual è il razionale (sic) dietro questo approccio?" Penso che tu intendessi "razionale"? Quindi ecco i miei pensieri. Iniziamo dal punto di vista dell'aggiunta di esecuzioni PRIMA di condurre l'esperimento. Qualcuno potrebbe razionalizzare dicendo qualcosa del tipo, beh, il design ottimale NON include combinazioni di trattamento per le quali abbiamo sicuramente bisogno di risultati empirici, quindi aggiungiamoli semplicemente al design piuttosto che eseguire un secondo esperimento con queste combinazioni. Una questione di comodità e praticità soprattutto. Un altro esempio di questo genere di cose è stato l'aggiunta di quelli che abbiamo chiamato "controlli" all'esperimento originale. Un "controllo" per noi era una combinazione(i) di trattamento in cui avevamo un'idea molto chiara di quali sarebbero state le risposte e stavamo usando il "controllo" come mezzo per rassicurarci che non c'erano grandi rumori o fattori di disturbo influenzare l'equilibrio dei risultati. Non abbiamo mai incluso gli "assegni" nell'analisi. Un grande avvertimento è che l'approccio DOE ottimale è guidato dal modello e l'aggiunta di combinazioni volenti o nolenti E l'inclusione di tali combinazioni nell'analisi potrebbe inavvertitamente rendere più problematico ottenere le informazioni dall'analisi che stavi cercando con il progetto originale.
2. Se si aggiungono le combinazioni di trattamento al progetto originale DOPO che l'esperimento originale è stato condotto, questo è ciò che molti chiamano "aumentare" il progetto originale. La logica alla base di questo è spesso piuttosto semplice... l'analisi del progetto originale non ci ha portato a essere in grado di risolvere il problema pratico a portata di mano... ma pensiamo di essere sulla strada giusta... e aggiungendo ben ponderato ( utilizzando strategie e tattiche DOE ottimali) le corse al progetto originale ci porteranno più vicini alla risoluzione del problema in questione. Gli esempi potrebbero essere... abbiamo bisogno di stimare le interazioni o gli effetti quadratici che non erano stimabili dal nostro progetto originale. Questo è abbastanza facile da realizzare in JMP utilizzando la piattaforma Augment Design. Di seguito è riportato un collegamento alla sezione della documentazione online di JMP che descrive le strategie e le tattiche di augment design e "come fare" in JMP, incluso un esempio: Aumenta i progetti in JMP
Infine, per riferimento ed esempio, suggerisco il capitolo 3 di Joos e Jones "Optimal Design of Experiments A Case Study Approach".
Spero questo sia di aiuto?
Re: Doe aggiungendo dati alle esecuzioni esistentiGrazie mille, Peter per una formulazione molto perspicace e chiara della risposta. Capisco meglio ora. Farò anche buon uso dei riferimenti che hai citato. Apprezzo il tuo supporto. Cordiali saluti.
Re: Doe aggiungendo dati alle esecuzioni esistentiAggiungerò i miei pensieri agli ottimi suggerimenti già annotati:
L'aggiunta di ulteriori repliche delle stesse combinazioni di trattamento "successivamente" aggiunge ulteriore rumore allo studio. Dovresti stare attento a come analizzi le corse aggiuntive. Dal momento che sembra che tu (e/oi tuoi colleghi) stiate scegliendo "selettivamente" quali trattamenti replicare, siate consapevoli di questo pregiudizio. (vedi articoli su Randomized Complete (e incomplete, BIB) Block Designs), ad esempio:
Sander, D., Leitnaker M. e McLean R. (2002) "Progetti a blocchi completi randomizzati negli studi industriali" Ingegneria della qualità, vol. 14, numero 1
Può essere estremamente vantaggioso aumentare lo spazio di inferenza eseguendo repliche al variare del rumore. Se questo viene fatto in modo sistematico/intenzionale, potresti ottenere una visione significativamente maggiore dei meccanismi al lavoro (quali fattori hanno un effetto) e se quegli effetti dei fattori sono robusti al cambiamento delle condizioni (rumore). Se questo viene fatto in modo casuale, aumenti lo spazio di inferenza, ma influisca negativamente sulla precisione del progetto.
Re: Doe aggiungendo dati alle esecuzioni esistentiGrazie mille per il tuo contributo. Ne terrò conto e rivedrò i riferimenti. Apprezzo il tuo tempo e il tuo supporto.
Doe che aggiunge dati alle esecuzioni di doe esistentiCIAO,
ho progettato ed eseguito doe personalizzato. inoltre ho risultati con gli stessi parametri che voglio inserire anche all'interno dell'analisi di adattamento. c'è qualche opzione per farlo?
Grazie
Progettazione di esperimentiCondivisione e comunicazione dei risultati
