447251_de-DE

liliconcom

Antwortflächenanalysen mit mehreren Antworten

Verehrte Gäste,

Nachdem ich ein großes DoE mit Antwortoberflächendesign (vom Kostümdesigner erstellt) durchgeführt hatte, tauchten ein paar Fragen auf und es wäre toll, wenn mir hier jemand helfen könnte? Ich bin ein recht neuer Benutzer von JMP und DoE, aber lernwillig.

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

Wie lässt sich das miteinander kombinieren?
2) Ich habe auch Hauptfaktoren gefunden, die nicht signifikant sind, diese sind jedoch in zweiter Ordnung wiederum signifikant mit einem anderen Hauptfaktor. Sollte ich die Terme zweiter Ordnung belassen und die nicht signifikanten Hauptfaktoren weglassen? Wie wirkt sich das auf das Modell aus?
3) Wie kann ich erkennen, dass ich über vernünftige Daten verfüge (abgesehen von mangelnder Passgenauigkeit) und diese mit gutem Gewissen auswerten kann? Wie kann ich erkennen, dass ich der Begehrlichkeitsfunktion vertrauen kann?
4) Kann ich feststellen, ob die Antwortwerte miteinander korrelieren (z. B. Schmelzpunkt und Radius)?
5) Ich habe mit dem kundenspezifischen Designer ein Antwortoberflächendesign gemessen. Kann ich Werte vorhersagen, die außerhalb des gemessenen Bereichs liegen? Wie erkenne ich solche Trends in den Daten, die mir Hinweise darauf geben, dass Faktoren erhöht oder wieder verringert werden sollten, um optimale Ergebnisse zu erzielen?
6) Wie kann ich die Grenzen der Antwortwerte neu definieren, nachdem ich die Einrichtung mit dem benutzerdefinierten Designer-Menü abgeschlossen habe?
7) Wo kann ich lernen, wie man mehrere Antwortwerte gleichzeitig auswertet und wie es sich von der getrennten Auswertung unterscheidet?

Vielen Dank für all Ihre Hilfe!

VersuchsplanungWindowsBetreff: Antwortflächenanalysen mit mehreren Antworten

Aufgrund Ihrer Befragung würde ich Pete zustimmen, dass Sie sich mit dem Thema befassen sollten, bevor Sie Ressourcen verschwenden. Ich meine, dass es ineffizient und oft ineffektiv ist, mit Reaktionsflächen zu beginnen, bei denen es sich typischerweise um Optimierungsdesigns handelt, bevor man die Modelle erster Ordnung versteht und ein gründliches Verständnis für das mit der Situation verbundene Rauschen hat.  

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

1. Die von Ihnen beschriebene Situation ist eigentlich die Norm. Wir leben in einer multivariaten Welt. Es besteht mit Sicherheit ein Gleichgewicht zwischen der Optimierung mehrerer Antwortvariablen. Sie sollten „Analysieren“ > „Multivariate Methoden“ > „Multivariate“ ausführen (alle Ys eingeben). Dies ergibt Pearson-Korrelationskoeffizienten und, was noch wichtiger ist, Streudiagrammmatrizen der grafischen Beziehungen zwischen Antwortvariablen. Dies ist auch die Antwort auf Frage 4.

2. Was die Hierarchie betrifft ... stellen Sie sich das so vor ... Wenn es eine aktive Interaktion gibt, die Sie ausnutzen möchten, möchten Sie mit Sicherheit beide Faktoren dieser Interaktion verwalten. Wenn Sie natürlich eine davon festlegen (z. B. A), müssen Sie nur die andere (B) in Bezug auf diese Einstellung von A verwalten. Das Hinzufügen des unbedeutenden Haupteffekts zum 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 im Laufe der Studie ausreichend verändert, um eine statistische Auswertung zu rechtfertigen (ich nenne das praktische Signifikanz)? War der Experimentierraum 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 gezielt manipuliert wurden) umgegangen?  

Sie können die R-Quadrat-Statistiken (Delta mit Schwerpunkt auf R-Quadrat-bereinigt), RMSE, CV (über mehrere Ys), p-Werte und Residuenanalysen als Leitfaden für die Modellerstellung verwenden.

 

Betreff: Antwortflächenanalysen mit mehreren Antworten

1. Wählen Sie für jede Antwort separat das beste Modell 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 dafür entscheiden, einen Begriff A*B aufzunehmen, sollten Sie sowohl den A-Begriff als auch den B-Begriff einbeziehen, unabhängig von ihrer jeweiligen Bedeutung.
3. Zwei Fragen:
   1. Verwenden Sie bei der Modellauswahl jeder Antwort eine Restanalyse. Haben Sie außerdem bereits 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, JMP geht jedoch davon aus, dass das Modell über den Faktorbereich hinaus gültig ist. Nur Sie wissen, ob die Annahme berechtigt ist.
   2. Der Prediction Profiler ist das beste Tool, wenn Sie mehrere Antworten und Faktoren haben.
6. Es gibt zwei Methoden:
   1. Verwenden Sie in der Datentabelle eine dieser Methoden:
      1. Klicken Sie im Spaltenbereich auf das Sternchensymbol hinter dem Antwortnamen und wählen Sie Antwortlimits aus. Aktualisieren Sie die Informationen und klicken Sie auf OK.
      2. Wählen Sie die Antwortspalte aus, wählen Sie „Spalten > Spalteninformationen“ aus, wählen Sie „Antwortgrenzen“ in der Eigenschaftenliste aus, aktualisieren Sie die Informationen und klicken Sie auf „OK“.
   2. Halten Sie im Prediction Profiler die Strg-Taste (Windows) oder die Befehlstaste (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 Vorhersageprofiler und wählen Sie Erwünschtheit > Erwünschtheit speichern aus, wenn Sie die Aktualisierung beibehalten möchten.
7. Verwenden Sie die JMP-Hilfe, um Informationen in der anzuzeigen Profiler Führung.

Betreff: Antwortflächenanalysen mit mehreren Antworten

Die Antworten auf all Ihre Fragen könnten fast ein einfaches Buch über DOE füllen. Mein Vorschlag ist, mit Ihrer Arbeit innezuhalten und alle DOE- und modellierungsbezogenen Module im kostenlosen SAS-Kurs „Statistisches Denken für die Lösung industrieller Probleme“ zu absolvieren. Alle Ihre Fragen werden dort behandelt (und viele Themen, nach denen Sie nicht speziell gefragt haben).