447251_de-DE

liliconcom

Antwortflächenanalysen mit Mehrfachantworten

Hallo zusammen,

 

Nachdem ich ein großes DoE mit Response Surface Design (Kostendesigner gemacht) durchgeführt hatte, kamen ein paar Fragen auf und es wäre toll, wenn mir hier jemand helfen könnte? Ich bin ein ziemlich neuer Benutzer von JMP und DoE, aber lernbereit.

 

1) Wir haben verschiedene Reaktionen gemessen (Radius, Dispersität und Schmelzpunkt) mit den gleichen Faktoren (Salz, pH, Zucker) . Wie wird die Signifikanz hier berechnet, wenn ich bewerte, wie sich die Reihe von Faktoren auf verschiedene Antworten auswirkt?

Wie wird das miteinander kombiniert?
2) Ich habe auch Hauptfaktoren gefunden, die nicht signifikant sind, diese sind jedoch in zweiter Ordnung mit einem anderen Hauptfaktor wieder signifikant. Soll ich die Terme zweiter Ordnung drin lassen und die unwesentlichen Hauptfaktoren weglassen? Wie wirkt sich das auf das Modell aus?
3) Wie erkenne ich, dass ich vernünftige Daten habe (abgesehen von fehlender Passung) und diese mit gutem Gewissen auswerten kann? Wie kann ich sehen, dass ich der Begehrensfunktion vertrauen kann?
4) Kann ich feststellen, ob Antwortwerte miteinander korrelieren (zB Schmelzpunkt mit Radius)?
5) Ich habe mit dem Custom Designer ein Response Surface Design gemessen. Kann ich Werte vorhersagen, die außerhalb des gemessenen Bereichs liegen? Wie sehe ich solche Trends in den Daten, die mir Aufschluss geben, dass Faktoren erhöht oder wieder verringert werden sollten, um optimale Ergebnisse zu erzielen.
6) Wie kann ich die Grenzen der Ansprechwerte neu definieren, nachdem ich die Einrichtung mit dem benutzerdefinierten Designermenü abgeschlossen habe?
7) Wo kann ich lernen, wie man mehrere Antwortwerte gleichzeitig auswertet und wie sich das von der getrennten Auswertung unterscheidet.

 

Vielen Dank für all Ihre Hilfe!

AnalytikDAMHIRSCHKUHFensterBetreff: Antwortflächenanalysen mit Mehrfachantworten

Die Antworten auf all Ihre Fragen könnten fast ein grundlegendes Buch über DOE füllen. Mein Vorschlag ist, mit Ihrer Arbeit zu pausieren und alle DOE- und modellierungsbezogenen Module innerhalb des kostenlosen SAS-Kurses "Statistical Thinking for Industrial Problem Solving" zu absolvieren. Alle Ihre Fragen werden dort behandelt (plus viele Themen, zu denen Sie nicht speziell nachgefragt haben).

Betreff: Antwortflächenanalysen mit Mehrfachantworten

1. Wählen Sie das beste Modell für jede Antwort separat aus. Speichern Sie das beste Modell als Spaltenformel. Kombinieren Sie sie mit Graph > Profiler > Profiler.
2. Ja, es wird dringend empfohlen, die "Modellhierarchie" beizubehalten, wenn Sie ein lineares Modell mit Ihren Antwortdaten verwenden. Wenn Sie sich also für einen A*B-Begriff entscheiden, sollten Sie unabhängig von deren Bedeutung sowohl den A-Begriff als auch den B-Begriff aufnehmen.
3. Zwei Fragen:
   1. Verwenden Sie die Residuenanalyse während der Modellauswahl jeder Antwort. Haben Sie auch schon Modellverifizierungsläufe durchgeführt?
   2. Ihr Vertrauen in die Erwünschtheitsfunktion hängt von Ihrem Vertrauen in Ihre Entscheidung über die Grenzen der Reaktion und das Ziel der Reaktion ab.
4. Sicher.
5. Zwei Fragen:
   1. Sie können über die Faktorbereiche hinaus vorhersagen. Diese Form der Vorhersage wird Extrapolation genannt. Es ist riskant. JMP passt die Konfidenzintervalle für die vorhergesagte mittlere Antwort an, aber JMP geht davon aus, dass das Modell über den Faktorbereich hinaus gültig ist. Nur Sie wissen, ob die Annahme vernünftig ist.
   2. Der Prediction Profiler ist das beste Werkzeug, wenn Sie mehrere Antworten und Faktoren haben.
6. Es gibt zwei Methoden:
   1. Verwenden Sie in der Datentabelle eine der folgenden Methoden:
      1. Klicken Sie im Spaltenbereich auf das Sternchen-Symbol nach dem Antwortnamen und wählen Sie Antwortgrenzen aus. Aktualisieren Sie die Informationen und klicken Sie auf OK.
      2. Wählen Sie die Antwortspalte aus, wählen Sie Spalten > Spalteninfo, wählen Sie Antwortgrenzen in der Eigenschaftenliste aus, aktualisieren Sie die Informationen und klicken Sie auf OK.
   2. Halten Sie im Vorhersage-Profiler die Strg-Taste bei Windows oder die Befehlstaste bei Mac gedrückt, klicken Sie auf das Diagramm der Erwünschtheitsfunktion, aktualisieren Sie die Informationen und klicken Sie auf OK. Klicken Sie dann auf das rote Dreieck neben dem Vorhersage-Profiler und wählen Sie Erwünschtheit > Erwünschtheit speichern, wenn Sie das Update behalten möchten.
7. Verwenden Sie die JMP-Hilfe, um Informationen im Profiler führen.

Re: Antwortflächenanalysen mit Mehrfachantworten

Aufgrund Ihrer Fragen würde ich Pete zustimmen, dass Sie das Thema studieren sollten, bevor Sie Ressourcen verschwenden. Ich meine, es ist ineffizient und oft ineffektiv, mit Antwortoberflächen zu beginnen, bei denen es sich normalerweise um Optimierungsdesigns handelt, bevor Sie die Modelle 1. Ordnung verstehen und ein gründliches Verständnis des mit der Situation verbundenen Rauschens haben.  

Marks Antworten sind natürlich richtig. Ich füge nur einige Gedanken zum Nachdenken hinzu:

1. Die von Ihnen beschriebene Situation ist eigentlich der Normalfall. Wir leben in einer multivariaten Welt. Es gibt sicherlich ein Gleichgewicht zur Optimierung über mehrere Antwortvariablen hinweg. Sie sollten Analysieren> Multivariate Methoden> Multivariat ausführen (alle Ys eingeben). Dies ergibt Pearson-Korrelationskoeffizienten und, was noch wichtiger ist, Scatterplot-Matrizen der grafischen Beziehungen zwischen Antwortvariablen. Dies ist auch die Antwort auf Frage 4.

2. In Bezug auf die Hierarchie ... stellen Sie es sich so vor ... Wenn es eine aktive Interaktion gibt, die Sie nutzen möchten, möchten Sie mit Sicherheit beide Faktoren in dieser Interaktion verwalten. Wenn Sie natürlich eine davon einstellen (z. B. A), müssen Sie die andere (B) nur in Bezug auf diese Einstellung von A verwalten. Das Hinzufügen des unbedeutenden Haupteffekts in das Modell führt wahrscheinlich zu einem größeren Delta zwischen Ihrem R-Quadrat und dem angepassten R-Quadrat und kann Ihre p-Werte verringern, aber es ist wichtiger, dass das Modell realistisch ist.

3. Ah, vernünftig ... Mein erster Schritt bei der Analyse ALLER Daten besteht darin, festzustellen, ob die Ergebnisse von irgendeinem praktischen Wert abweichen. Hat sich die Antwortvariable während der Studie ausreichend verändert, um eine statistische Auswertung zu rechtfertigen (ich nenne dies praktische Signifikanz)? War der Experimentraum repräsentativ für zukünftige Bedingungen (eine Frage des Inferenzraums)? Wenn nicht, ist eine Extrapolation höchstwahrscheinlich verdächtig. Wie wurde während des Experiments mit dem Rauschen (Faktoren, die nicht speziell manipuliert wurden) umgegangen?  

Sie können die R-Quadrat-Statistiken (Delta mit Betonung auf dem bereinigten R-Quadrat), RMSE, CV (über mehrere Y), p-Werte und Residuenanalyse als Anleitung bei der Modellerstellung verwenden.