Carissimi,
dopo aver eseguito un grande DoE con il design della superficie di risposta (realizzato da un designer di costumi), sono emerse un paio di domande e sarebbe fantastico, se qualcuno potesse aiutarmi qui? Sono un utente piuttosto fresco di JMP e DoE, ma desideroso di imparare.
1) Abbiamo misurato diverse risposte (raggio, dispersione e punto di fusione) con gli stessi fattori (sale, pH, zucchero) . Come viene calcolata la significatività qui quando valuto come l'insieme di fattori influenza le diverse risposte?
Come si combina questo tra di loro?
2) Ho trovato anche fattori principali che non sono significativi, tuttavia questi sono di secondo ordine ancora significativi con un altro fattore principale. Devo lasciare i termini del secondo ordine e buttare via i fattori principali non significativi? In che modo questo influisce sul modello?
3) Come posso vedere che ho dati ragionevoli (diversi dalla mancanza di idoneità) e posso valutarli con la coscienza pulita? Come posso vedere che posso fidarmi della funzione desiderabilità?
4) Posso determinare se i valori di risposta sono correlati tra loro (ad es. punto di fusione con raggio)?
5) Ho misurato un progetto di superficie di risposta con il progettista personalizzato. Posso prevedere valori che sono al di fuori dell'intervallo misurato? Come vedo tali tendenze nei dati, che mi danno informazioni sul fatto che i fattori dovrebbero essere aumentati o diminuiti di nuovo per ottenere risultati ottimali.
6) Come posso ridefinire i limiti dei valori di risposta dopo aver terminato la configurazione con il menu del designer personalizzato?
7) Dove posso imparare a valutare più valori di risposta contemporaneamente e in che modo differisce dal valutarli separatamente.
Grazie mille per tutto il tuo aiuto!
Le risposte a tutte le tue domande potrebbero riempire un libro di base sul DOE. Il mio suggerimento è di mettere in pausa il tuo lavoro e completare tutti i moduli relativi al DOE e alla modellazione all'interno del corso gratuito SAS "Statistical Thinking for Industrial Problem Solving". Tutte le tue domande sono trattate (oltre a molti argomenti su cui non hai chiesto specificamente) lì.
Sulla base della tua domanda, sono d'accordo con Pete sul fatto che dovresti studiare l'argomento prima di sprecare risorse. Intendo iniziare con superfici di risposta che sono in genere progetti di tipo ottimizzazione prima di comprendere i modelli del 1° ordine e avere una comprensione approfondita del rumore associato alla situazione è inefficiente e spesso inefficace.
Le risposte di Mark sono, ovviamente, giuste. Aggiungo solo alcuni pensieri da contemplare:
1. La situazione che descrivi è in realtà la norma. Viviamo in un mondo multivariato. C'è sicuramente un equilibrio nell'ottimizzazione su più variabili di risposta. Dovresti eseguire Analizza> Metodi multivariati> Multivariato (inserisci tutte le Y). Ciò fornirà coefficienti di correlazione di Pearson e, soprattutto, matrici di grafici a dispersione delle relazioni grafiche tra le variabili di risposta. Questa è anche la risposta alla domanda 4.
2. Per quanto riguarda la gerarchia... pensala in questo modo... Se c'è un'interazione attiva di cui vuoi trarre vantaggio, sicuramente vorrai gestire entrambi i fattori in quell'interazione. Ovviamente se ne imposti uno (ad esempio A), dovrai solo gestire l'altro (B) rispetto a quell'impostazione di A. L'aggiunta dell'effetto principale insignificante nel modello risulterà probabilmente in un delta maggiore tra R-Square e R-Square regolati e potrebbe diminuire i valori p, ma è più importante che il modello sia realistico.
3. Ah, ragionevole... Il mio primo passo nell'analisi di TUTTI i dati è determinare se i risultati non hanno alcun valore pratico. La variabile di risposta è cambiata abbastanza nello studio da giustificare una valutazione statistica (io chiamo questo significato pratico)? Lo spazio dell'esperimento era rappresentativo delle condizioni future (una questione di spazio di inferenza)? In caso contrario, l'estrapolazione è sicuramente sospetta. Come è stato gestito il rumore (fattori non specificamente manipolati) durante l'esperimento?
È possibile utilizzare le statistiche R-Square (delta con enfasi sull'R-Square Adjusted), RMSE, CV (su più Y), valori p e analisi dei residui per guidare nella costruzione del modello.
