Vereinfachung der Schritte im DoE
Ich erstelle hier in unserer Abteilung eine Roadmap für den Einsatz von DoE. Hier sind meine Gedanken. Bitte korrigieren Sie mich, wenn ich falsch liege.
Schritt 1. Stellen Sie fest, ob die Faktoren stetig und zweistufig kategorisch sind. Dann verwenden Sie DSD, da Haupteffekte und Effekte zweiter Ordnung identifiziert werden.Quadratische Effekte sind orthogonal zu Haupteffekten und nicht vollständig mit Zwei-Faktor-Wechselwirkungen verwechselt. Ein quadratischer Effekt könnte mit Interaktionseffekten korrelieren. Dies lässt sich hervorragend für die organische Synthese nutzen, da die meisten Faktoren kontinuierlich und auf zwei Ebenen kategorisch sind (Katalysatorart, Säuren oder Basen). Wie wäre es, wenn der kategoriale Faktor auf der 3. Ebene liegt, kann ich dann trotzdem DSD verwenden?
Schritt 2. Wenn die Faktoren nicht kontinuierlich und zweistufig kategorisch sind, verwenden Sie ein benutzerdefiniertes Design.
Ich glaube, der Standardansatz im DoE besteht darin, ein Screening durchzuführen (Haupteffekte) und eine Erweiterung vorzunehmen, um Effekte höherer Ordnung hinzuzufügen.
Aber ich möchte unser DoE-Protokoll hier in unserem Labor vereinfachen. Meistens haben wir nur 6 Faktoren oder weniger. Können wir direkt mit der Optimierung fortfahren, ohne ein Screening (nur Haupteffekte) mit benutzerdefiniertem Design durchzuführen?
Was sind die Vor- und Nachteile der beiden Vorgehensweisen?
Schließlich bin ich mit kategorischer Numerik und diskreter Numerik verwechselt. Können Sie das näher erläutern und Beispiele nennen? Sind Bewertungen kategorisch? Ich habe ein Gerät, das nur auf 1, 3 und 5 eingestellt werden kann. Ist das kategorisch oder diskret numerisch?
Danke
Danke schön.
VersuchsplanungBetreff: Schritte im DoE vereinfachenHallo @Alainmd02 ,
Gern geschehen !
Ich habe nur zu DSD und seiner möglichen Verwendung geantwortet, aber nach dem, was ich gelesen habe, scheint das Thema viel umfassender zu sein als nur die Verwendung von DSD.
Lesen Sie die Antworten von @statman Und @Mark_Bailey Ich kann nur betonen, was sie geschrieben haben: Bevor man sich für ein Design entscheidet, müssen viele Schritte erledigt werden: Überlegungen zu den zu ändernden Faktoren (Anzahl der Faktoren, Typ, Anzahl der Ebenen, leicht/schwer zu ändern, ...) , zu analysierende Effekte (Haupteffekte, Wechselwirkungen, nichtlineare Effekte, ... ?), die möglichen Rauschquellen (zufällige Variabilität, tagesaktuelle Variabilität, Kalibrierung und/oder Chargen-/Laufvariabilität ...) ), Präzision und Varianz der Antworten und in welcher Beziehung stehen diese Eingaben zu Ihrem Ziel (nur Screening mit signifikantem Effekt? Vorhersagewerte?) und erwartete Präzision (z. B. wie genau müssen Ihre Vorhersagen mit Ihrer Messgenauigkeit verglichen werden).
Es gibt kein perfektes Design für jede Situation.
- Informationen zu Mischungen/Formulierungen: Wenn Sie es mit Mischungsfaktoren zu tun haben (z. B. Zutaten in einer Formulierung/einem Rezept, die sich zu 100 % oder einem festen Wert addieren), müssen Sie diese Faktoren als Mischungsfaktoren einrichten, und das wird auch der Fall sein Beeinflussen Sie die Art des Designs, das Sie erhalten (da die Faktoren durch eine Einschränkung wie Summe = 100 % oder einen festen Wert verknüpft sind):
-> Mischungsdesigns (Scheffé-Kubik/Simplex-Zentroid, Simplex-Gitter, extreme Eckpunkte, Raumfüllung, ...)
-> oder gemischte Modelle (wenn Sie auch andere Faktoren haben, die keine Mischungsfaktoren sind).
- Zur Wirksamkeit von DSDs: Wie ich bereits sagte, sind DSDs großartig, aber möglicherweise nicht in jeder Situation der beste Kompromiss. Je nachdem, welche Effekte Sie sehen/erkennen möchten, welche Faktoren Sie haben (Anzahl und Art) und wie genau Ihre Messungen sind, kann es für eine bessere Schätzung sinnvoller sein, einen D-optimalen Versuchsplan mit Replikaten anstelle eines DSD durchzuführen der Antwortvarianz in Ihrem Experimentierraum für die gleiche Anzahl von Experimenten (oder weniger) als Ihr DSD.
- Über den Kovariatenfaktor ist es ein Variable, die die Reaktion beeinflusst, aber Sie können sie nicht wie die anderen Faktoren steuern: Sie kennen die Werte dieses Faktors im Voraus oder Sie haben eine Reihe möglicher Werte und müssen aus dieser Reihe vorgegebener oder möglicher Werte auswählen.
Mehr Infos gibt es hier: Entwickler-Tutorial – Effektiver Umgang mit Kovariaten beim Entwerfen von Experimenten – JMP-Benutzer-Community
Bleiben Sie auch auf dem Laufenden und schauen Sie sich die Veröffentlichung von JMP 17 an. Dort sollte es das Menü „Easy DoE“ geben, das Ihnen und Ihren Kollegen beim Entwerfen Ihrer DoEs helfen kann 
Ich hoffe, das wird Ihnen bei Ihrer Überlegung helfen,
Sieger
Betreff: Schritte im DoE vereinfachenIch bin nicht in der Lage, über dieses Forum mit Ihnen zu streiten.
Ich glaube, man sollte immer eine Strategie haben, um mit Lärm umzugehen. Es konstant zu halten ist eine schreckliche Idee, da es den Schlussfolgerungsraum einschränkt. Das Dilemma besteht immer darin, den Inferenzraum zu vergrößern, ohne die Präzision des Designs negativ zu beeinflussen. Zu diesen Strategien gehören die von mir aufgelisteten. Wenn Sie sie nicht verstehen, sollten Sie versuchen, etwas darüber zu erfahren. Split-Plots haben viele Verwendungszwecke (schwer zu ändernde Faktoren sind nur einer dieser Zwecke). Ich empfehle Ihnen, „Split-Plot-Designs für robuste Produktexperimente“ von Box und Jones zu lesen.
Ich würde Mischungsdesigns für Formulierungen vorschlagen (keine erweiterten Designs).
Wenn Sie mehr als 15 Faktoren haben, möchten Sie vielleicht eine Vorstellung davon bekommen, welche Komponenten Sie weiter untersuchen sollten. Sie können dies mit verschachtelten und systematischen Stichprobenplänen tun, um diese Hebelwirkung zu ermitteln.
Wenn Sie die Messvariabilität nicht verstehen, sollten Sie dies vor dem Experimentieren tun (oder diese Komponente in die Behandlung einbetten).
Wenn es sich bei Ihrem Problem um eine Variation (anstelle des Mittelwerts) handelt, müssen Sie für jede Behandlung eine Schätzung der Variabilität erhalten. Dies kann durch die Erfassung mehrerer „Datenpunkte“ (wiederholte Messungen) erreicht werden. Wenn Sie beispielsweise Schwankungen innerhalb eines Teils oder einer Charge haben, benötigen Sie mehrere Messungen des Teils oder der Charge und verwenden dann eine zusammenfassende Statistik, um die Streuung abzuschätzen. Diese Statistik wird zu einer der Antwortvariablen für das Modell.
Betreff: Schritte im DoE vereinfachenHallo @Victor_G
Vielen Dank für die umfassende Beratung. OMARS ist interessant!!!
Betreff: Schritte im DoE vereinfachenIch möchte Folgendes klarstellen:
1. Ich sagte, ich werde DSD verwenden, wenn das der Fall ist Faktoren sind kontinuierlich und zweistufig kategorisch.Dieses Tool ist jedoch nicht geeignet, wenn lineare Ungleichheitsbeschränkungen für die Faktoren oder unzulässige Kombinationen von Faktorstufen bestehen. Ich habe nicht gesagt, dass es für jede Situation geeignet ist.
DSD wird Ihren Punkt Nummer 1 (Einschränkungen) beantworten. Zeit, Geld und Materialverfügbarkeit, da es effizienter ist als andere Designs. Verwenden Sie DSD, wenn es zur Situation passt.
2.Wenn ein Kriterium nicht mit dem DSD übereinstimmt. Dann denke ich, dass das Allzweck-Custom-Design am besten funktioniert.
Empfehlen Sie, in der Screening-Phase die Zwei-Faktor-Interaktion hinzuzufügen, oder reichen die Haupteffekte bereits aus?
oder nur Haupteffekte und Alias optimal machen? Wie mache ich das am besten, wenn ich genügend Zeit, Geld usw. habe?
Angesichts der Zeit, des Geldes usw. Empfehlen Sie es immer weiter Wiederholungen, RCBD, BIB?
Split-Plots werden für schwer veränderbare Faktoren verwendet.
Tatsächlich verstehe ich Kovariatenfaktoren nicht ganz und weiß nicht, wann ich sie verwenden soll.
Woher weiß ich, dass ich Lärm eliminiere?
3 Nach der Screening-Phase. Da ich bereits die Faktoren kenne, die von Bedeutung sind. Ich kann Augment Design verwenden, um Effekte höherer Ordnung wie 2-Faktor-Wechselwirkung und/oder quadratisch für Prozessfaktoren und Effekte 3. Ordnung (3-Faktor-Wechselwirkung und kubisch) für Mischung/Formulierung hinzuzufügen.
Wenn ich schon die wesentlichen Faktoren kenne. Ich kann die Screening-Phase überspringen und direkt die 2-Faktor-Wechselwirkung, quadratische Effekte für Prozessfaktoren und Effekte 3. Ordnung für Mischung/Formulierung hinzufügen.
Bitte klären Sie mich über Hebelwirkung/Stabilität, Messunsicherheit und Mittelwert/Variation auf.
Vielen Dank
Betreff: Schritte im DoE vereinfachenIch werde ergänzen @statman dass dieses Thema tiefgreifend ist und in Lehrbüchern und Kursen gut behandelt wird, aus denen Sie möglicherweise Ideen für eine Möglichkeit gewinnen, den Ermittlern in Ihrem Bereich zu erklären, wie sie vorgehen sollen. Statistikbücher haben oft einen „schlechten Ruf“, aber Bücher über DOE sind ziemlich gut (gut geschrieben, verständlich, praktisch, umsetzbar usw.). Wenn Sie daran interessiert sind, auf diese Weise mehr zu erfahren, lassen Sie es uns wissen. Wir können Ihnen Bücher entsprechend Ihren Bedürfnissen vorschlagen.
JMP bietet auch Schulungen zum Thema DOE an und nutzt JMP, sodass Sie die Prinzipien und praktischen Fertigkeiten erwerben. In der Tat, es wird einen Unterricht geben in zwei Wochen.
Betreff: Schritte im DoE vereinfachenIch verstehe, was Sie versuchen, aber Sie haben den Prozess der richtigen Auswahl wahrscheinlich zu stark vereinfacht (Auswahl des effektivsten und effizientesten Designs zur Beantwortung Ihrer Fragen). Bei der Auswahl des richtigen Werkzeugs sind viele Dinge zu berücksichtigen. Was ich betone, ist die Entwicklung einer Reihe von Situationsdiagnosen, die bei der Werkzeugauswahl helfen sollen. Wenn Sie die Situation nicht verstehen, ist es wahrscheinlich, dass Ihr Experiment schlecht konzipiert ist. Eine Analogie: Ihre DOE-Strategie besteht darin, DSD zu verwenden, ist ein Hammer, aber Sie möchten einen Schnitt machen. Es gibt keine Strategie, die für jede Situation geeignet ist.
Hier finden Sie eine verkürzte Liste von Kriterien, die bei der Auswahl des geeigneten Designs helfen sollen:
- Einschränkungen : Zeit, Geld, Materialverfügbarkeit, Mess-/Ausrüstungsfähigkeit usw. Wie viele Behandlungen dürfen gemacht werden (dies muss wahrscheinlich ausgehandelt werden)?
- Wie viele Faktoren sollen manipuliert werden (Anzahl der zu vergleichenden Hypothesen)?
- Wie wird Rauschen verwaltet oder aufgeteilt (Wiederholungen, RCBD, BIB, Split-Plots, Kovariaten ...)?
- Sind einige Faktoren schwieriger zu ändern als andere?Gibt es weitere Einschränkungen bei der Randomisierung?
- Welche priorisierten Effekte (siehe unten) möchten Sie abschätzen?
- Werden Effekte höherer Ordnung vermutet/vorhergesagt (z. B. Wechselwirkungen, Krümmung)?
- Was ist die gewünschte Auflösung? (Welche Effekte möchten Sie abschätzen/trennen?)
- Welches Ordnungspolynom ist notwendig?
Meiner Meinung nach hat die Art des Faktors weniger mit der Auswahl des Experiments als vielmehr damit zu tun, wie das Experiment analysiert werden soll (welches Modell oder welche Analyseplattform).
Betreff: Schritte im DoE vereinfachenHallo @Alainmd02 ,
Ich denke, dass es kein perfektes Design für jeden Anwendungsfall gibt und die Schwierigkeit darin besteht, für jeden Anwendungsfall das relevanteste Design auszuwählen und zu erstellen. DSD ist ein effektives Screening-Design, aber vielleicht könnten Sie akzeptable (oder vielleicht bessere) andere Lösungen finden, indem Sie direkt ein benutzerdefiniertes Design verwenden, wobei das Optimalitätskriterium auf D-Optimal oder Alias-Optimal eingestellt ist. Die Wahl des Designs hängt auch von der Anzahl und Art der Faktoren ab, die Sie haben: Wenn die Anzahl der Faktoren > 5 ist und Sie maximal 1 oder 2 kategoriale Faktoren haben, kann es interessant sein, DSD in Betracht zu ziehen. Unter 5 Faktoren oder mit mehr als 2 kategorialen Faktoren kann ein individuelles Design die richtige Wahl sein.
Für Ihre Fragen:
-> DSD kann nur kategoriale Faktoren mit 2 Ebenen verarbeiten, kategoriale Faktoren mit 3 Ebenen sind nicht zulässig.
-> Augmentierung kann die intelligentere Vorgehensweise sein, da Sie nur wesentliche Faktoren erweitern. Wenn Sie versuchen, alles auf einmal zu erledigen, ist es wahrscheinlich, dass Sie im Vergleich zur Erweiterungsmethode am Ende mehr Experimente durchführen müssen (da Sie erwarten, ein vollständiges Modell mit Haupteffekten, Wechselwirkungen und möglicherweise quadratischen Effekten zu erstellen). Wenn der Unterschied hinsichtlich der Anzahl der Experimente nicht so groß ist, ist dies möglicherweise ein geringer Preis für mehr Einfachheit. Sie können das neue OMARS-Design vielleicht auch als Kompromiss zwischen DSD- und vollständigen RSM-Designs betrachten?
-> Für eine gute Erklärung der Art der Faktoren kann Ihnen der STIPS-Kurs über DoE weiterhelfen.
Kurz gesagt: Wenn Sie kategoriale Faktoren haben, besteht Ihr Ziel darin, eine Ebene aus den von Ihnen eingegebenen Optionen auszuwählen. Für kategoriale Faktoren sind keine quadratischen Effekte möglich, sondern nur Haupteffekte und Wechselwirkungen. Für N Stufen in Ihrem kategorialen Faktor stehen Ihnen N-1 Koeffizienten zur Schätzung der Haupteffekte zur Verfügung. Beispiele für kategoriale Effekte können sein: Operatoren (Operator 1, Operator 2, Operator 3 ...), chemische Beschaffenheit des Reagenzes, ... Etwas, das nicht durch Zahlen beschrieben wird.
Diskrete Zahlen sind Zahlen. Die einzige Einschränkung besteht darin, dass zwischen zwei Zahlen kein Wert stehen darf. In Ihrem Fall können Sie bei Ihrer Ausrüstung, die auf 1, 3 oder 5 eingestellt werden kann, jeden dieser drei Werte wählen, aber nicht beispielsweise 2,244434. Das gleiche Beispiel für die Ofentemperatur, bei der Sie einige diskrete numerische Werte haben. Sie können die Temperatur auf 180, 200 oder 220 °C einstellen, aber nicht auf 195 oder 210 °C.Für diskrete numerische Faktoren können Sie Haupteffekte, Wechselwirkungen, quadratische Effekte usw. schätzen, genau wie für kontinuierliche numerische Faktoren.
Abhängig von der „Art“ der Bewertung können sie als verschiedene Arten von Antworten angesehen werden:
- Für Schüler und Lehrer ist es wahrscheinlicher, dass Notizen eine kontinuierliche Antwort darstellen.
- Wenn die Bewertung einer Cotation ähnelt (1: sehr gut, 2: gut, 3: durchschnittlich/neutral, 4: schlecht, 5: sehr schlecht), dann ist sie diskret numerisch (ordinal numerisch).
- Wenn die Bewertung A, B, C usw. lautet, ist die Antwort kategorisch.
Ich denke, in JMP 17 wird ein neues Modul für Ihre Kollegen sehr hilfreich sein: Es heißt „Easy DoE“ und die zu berücksichtigenden Faktoren und Einstellungen werden Schritt für Schritt bis zur endgültigen Entwurfskonstruktion erklärt.
Ich hoffe, diese Antwort wird Ihnen helfen!
