Semplificare i passaggi nel DoE
Sto facendo una road map sull'utilizzo del DoE qui nel nostro dipartimento. Ecco i miei pensieri. Perfavore, correggimi se sbaglio.
Passo 1. Identificare se i fattori sono continui e categoriali a 2 livelli. Quindi usa DSD perché identifica gli effetti principali e gli effetti di secondo ordine.Gli effetti quadratici sono ortogonali agli effetti principali e non completamente confusi con le interazioni a due fattori. Un effetto quadratico potrebbe essere correlato con effetti di interazione. Un grande utilizzo di questo è per la sintesi organica poiché la maggior parte dei fattori sono continui e categorici a 2 livelli (tipo di catalizzatore, acidi o basi). Che ne dici se il fattore categorico è di livello 3, posso ancora usare DSD?
Passo 2. Se i fattori non sono continui e categorici a 2 livelli, utilizzare il design personalizzato.
Credo che l'approccio standard in DoE sia quello di andare allo screening (effetti principali) e fare l'aumento per aggiungere effetti di ordine superiore.
Ma voglio semplificare il nostro protocollo DoE qui nel nostro laboratorio. Per lo più, abbiamo solo 6 fattori o meno. Possiamo andare avanti nell'ottimizzazione senza eseguire lo screening (solo effetti principali) utilizzando un design personalizzato?
Quali sono i pro e i contro di fare in entrambi i casi?
Infine, sono confuso con il numerico categorico e il numerico discreto. Puoi elaborare e fare esempi? Le valutazioni sono categoriche? Ho un'apparecchiatura che può essere impostata solo su 1, 3 e 5, è un numero categorico o discreto?
Grazie
Grazie.
Progettazione di esperimentiRi: Semplificare i passaggi nel DoECiao @Alainmd02 ,
Prego !
Ho risposto solo sui DSD e sul loro possibile utilizzo, ma da quello che ho letto l'argomento sembra molto più ampio del solo uso dei DSD.
Leggendo le risposte di @statman E @Mark_Bailey , posso solo sottolineare ciò che hanno scritto: prima di scegliere un design, ci sono molti passaggi da fare: riflessione sui fattori da modificare (numero di fattori, tipo, numero di livelli, facile/difficile da modificare, ...) , gli effetti da analizzare (effetti principali, interazioni, effetti non lineari, ... ?), le possibili fonti di rumore (variabilità casuale, variabilità giornaliera, variabilità di calibrazione e/o batch/run .... ), precisione e varianza delle risposte e in che misura il tuo obiettivo è correlato a questi input (selezionando solo effetti significativi? Predire i valori?) e la precisione prevista (ad esempio quanto devono essere precise le tue previsioni rispetto alla precisione della tua misurazione).
Non esiste un design perfetto per ogni situazione.
- Informazioni su miscela/formulazione: se hai a che fare con fattori di miscela (ad esempio, ingredienti in una formulazione/ricetta che sommano fino al 100% o un valore fisso), devi impostare questi fattori come fattori di miscela e questo influenzare il tipo di design che otterrai (poiché i fattori saranno collegati da un vincolo come somma = 100% o un valore fisso):
-> disegni misti (centroide cubico/simplex di Scheffé, reticolo simplex, vertici estremi, riempimento dello spazio, ...)
-> o modelli misti (se hai anche altri fattori che non sono fattori di miscela).
- Informazioni sull'efficacia dei DSD: come ho detto prima, i DSD sono ottimi ma potrebbero non essere il miglior compromesso in ogni situazione. A seconda degli effetti che vuoi vedere/rilevare, dei fattori che hai (numero e tipi) e della precisione delle tue misurazioni, potrebbe essere più saggio fare un progetto D-ottimale con repliche invece di un DSD, per avere una stima migliore della varianza della risposta nel tuo spazio sperimentale per lo stesso numero di esperimenti (o inferiore) del tuo DSD.
- Riguardo al fattore covariata, è a variabile che influenza la risposta, ma non puoi controllarla come gli altri fattori: conosci i valori di questo fattore in anticipo o hai un insieme di valori possibili, e devi scegliere in questo insieme di valori predeterminati o possibili.
Puoi avere maggiori informazioni qui: Tutorial per sviluppatori - Gestione efficace delle covariate durante la progettazione di esperimenti - Community di utenti di JMP
Inoltre, resta sintonizzato e controlla il rilascio di JMP 17, dovrebbe esserci il menu "Easy DOE" che può aiutare te e i tuoi colleghi a progettare i vostri DoE 
Spero che questo ti aiuti nella tua riflessione,
Vincitore
Ri: Semplificare i passaggi nel DoENon sono in grado di discutere con te tramite questo forum.
Credo che dovresti sempre avere una strategia per gestire il rumore. Mantenerlo costante è un'idea terribile in quanto restringe lo spazio di inferenza. Il dilemma è sempre come aumentare lo spazio di inferenza senza influire negativamente sulla precisione del progetto. Queste strategie includono quelle che ho elencato. Se non li capisci, dovresti cercare di conoscerli. I grafici divisi hanno molti usi (i fattori difficili da cambiare sono solo uno di questi scopi). Ti consiglio di leggere "Progetti a trama divisa per una solida sperimentazione di prodotti" di Box e Jones.
Suggerirei progetti di miscele per formulazioni (non progetti aumentati).
Se hai > 15 fattori, potresti voler avere un'idea di quali componenti studiare ulteriormente. Puoi farlo con piani di campionamento nidificati e sistematici per determinare questa leva.
Se non comprendi la variabilità della misurazione, dovresti farlo prima della sperimentazione (o annidare questo componente all'interno del trattamento) .
Se il tuo problema riguarda la variazione (invece della media), allora devi ottenere una stima della variabilità per ogni trattamento. Ciò può essere ottenuto raccogliendo più "punti dati" (misure ripetute). Ad esempio, se si dispone di una variabilità all'interno di una parte o di un lotto, sono necessarie più misure della parte o del lotto all'interno e quindi utilizzare una statistica di riepilogo per stimare la variazione. Questa statistica diventa una delle variabili di risposta da modellare.
Ri: Semplificare i passaggi nel DoECiao @Victor_G
Grazie per l'esauriente consiglio. OMARS è interessante!!!
Ri: Semplificare i passaggi nel DoEVoglio chiarire quanto segue:
1°. Ho detto che userò DSD se il i fattori sono continui e categoriali a 2 livelli.Tuttavia, questo strumento non è appropriato se sono presenti vincoli di disuguaglianza lineare sui fattori o combinazioni non consentite di livelli di fattori. Non ho detto che è appropriato per ogni situazione.
DSD risponderà al tuo punto numero 1 (vincoli). Disponibilità di tempo, denaro e materiale perché è più efficiente di altri design. Usa DSD se si adatta alla situazione.
2°.Se uno qualsiasi dei criteri non corrisponde al DSD. Quindi penso che il design personalizzato per tutti gli usi funzioni meglio.
In fase di screening, consigli di aggiungere l'interazione a due fattori o gli effetti principali è già sufficiente?
o solo effetti principali e rendere ottimale l'alias? Qual è il modo migliore per farlo dato che ho tutto il tempo, i soldi e così via?
Dato il tempo, i soldi e così via. Consigli sempre Ripetizioni, RCBD, BIB?
I grafici divisi vengono utilizzati per fattori difficili da modificare.
In realtà, non capisco appieno i fattori covariati, quando usarli.
Come faccio a sapere che elimino il rumore?
3° Dopo la fase di screening. Dal momento che conosco già i fattori che sono significativi. Posso utilizzare Augment Design per aggiungere effetti di ordine superiore come interazione a 2 fattori e/o quadratica per fattori di processo ed effetti a 3 ordini (interazione a 3 fattori e cubica) per miscela/formulazione.
Se conosco già i fattori significativi. Posso saltare la fase di screening e andrò avanti aggiungendo interazione a 2 fattori, effetti quadratici per fattori di processo ed effetti di 3° ordine per miscela/formulazione.
Per favore, illuminami su leva/stabilità, incertezza di misura e media/variazione?
Grazie mille
Ri: Semplificare i passaggi nel DoEaggiungerò a @statman che questo argomento è approfondito e ben trattato da libri di testo e corsi, da cui potresti trarre idee per un modo per dire agli investigatori nella tua zona come procedere. I libri di statistica spesso subiscono un "brutto colpo", ma i libri sul DOE sono abbastanza buoni (ben scritti, comprensibili, pratici, utilizzabili, eccetera). Se sei interessato a saperne di più in questo modo, faccelo sapere. Possiamo suggerire libri in base alle vostre esigenze.
C'è anche formazione sul DOE offerta da JMP e utilizza JMP in modo da ottenere i principi e le abilità pratiche. Infatti, ci sarà una classe in due settimane.
Ri: Semplificare i passaggi nel DoECapisco cosa stai cercando di fare, ma probabilmente hai semplificato eccessivamente il processo per una corretta selezione (selezione del design più efficace ed efficiente per rispondere alle tue domande). Ci sono molte cose da tenere in considerazione nella scelta dello strumento adeguato da utilizzare. Ciò che sottolineo è lo sviluppo di una serie di diagnostica della situazione per guidare nella selezione degli strumenti. Senza una comprensione della situazione, è probabile che tu abbia un esperimento mal progettato. Un'analogia: la tua strategia DOE è usare DSD è un martello, comunque vuoi fare un taglio. Non esiste una strategia adatta a ogni situazione.
Ecco un elenco abbreviato di criteri per aiutare nella selezione del design appropriato:
- Vincoli : tempo, denaro, disponibilità di materiale, capacità di misurazione/attrezzatura, ecc. Quanti trattamenti Potere essere fatto (questo probabilmente dovrà essere negoziato)?
- Quanti fattori devono essere manipolati (il numero di ipotesi da confrontare)?
- Come verrà gestito o partizionato il rumore (ripetizioni, RCBD, BIB, grafici divisi, covariate...)?
- Alcuni fattori sono più difficili da modificare rispetto ad altri?Ci sono altre restrizioni sulla randomizzazione?
- Quali sono gli effetti prioritari (vedi sotto) che vuoi stimare?
- Gli effetti di ordine superiore sono sospettati/previsti (ad es. interazioni, curvatura)?
- Qual è la risoluzione desiderata? (Quali effetti vuoi stimare/separare?)
- Quale polinomio di ordine è necessario?
IMHO, il tipo di fattore ha meno a che fare con la selezione dell'esperimento e più con il modo in cui l'esperimento dovrebbe essere analizzato (quale modello o piattaforma di analisi)
Ri: Semplificare i passaggi nel DoECiao @Alainmd02 ,
Penso che non esista un design perfetto per ogni caso d'uso e la difficoltà sta nello scegliere e creare il design più pertinente per ogni caso d'uso. DSD è un design di screening efficace, ma forse potresti trovare altre soluzioni accettabili (o forse migliori) utilizzando direttamente il design personalizzato, con criterio di ottimalità impostato su D-Optimal o Alias-Optimal. La scelta del design dipende anche dal numero e dal tipo di fattori che hai: se il numero di fattori > 5 e hai 1 o 2 fattori categorici al massimo, allora il DSD potrebbe essere interessante da considerare. Al di sotto di 5 fattori o con più di 2 fattori categorici, il design personalizzato potrebbe essere la strada da percorrere.
Per le tue domande:
-> DSD è in grado di gestire solo fattori categoriali a 2 livelli, non è consentito alcun fattore categoriale a 3 livelli.
-> L'aumento può essere il modo intelligente di farlo, perché aumenterai solo su fattori significativi. Se provi a fare tutto in una volta, è probabile che ti ritroverai con più esperimenti da fare (poiché ti aspetti di costruire un modello completo con effetti principali, interazioni e forse effetti quadratici) rispetto al metodo dell'aumento. Se la differenza in termini di numero di esperimenti non è così alta, forse questo è un piccolo prezzo da pagare per una maggiore semplicità. Puoi anche considerare il nuovo design OMARS come un compromesso tra DSD e design RSM completo forse?
-> Per una buona spiegazione sul tipo di fattori, il corso STIPS sul DoE può aiutarti.
Molto brevemente, quando hai fattori categorici, il tuo obiettivo è scegliere un livello dall'insieme di opzioni che hai inserito. Non puoi avere effetti quadratici per fattori categoriali, solo effetti principali e interazioni. Per N livelli nel tuo fattore categoriale, avrai coefficienti N-1 da stimare per gli effetti principali. Esempio di effetto categorico può essere: Operatori (operatore 1, operatore 2, operatore 3...), natura chimica del reagente, ... Qualcosa che non è descritto dai numeri.
I numeri discreti sono numeri, l'unico vincolo è che non puoi avere alcun valore tra due numeri. Nel tuo caso, con la tua attrezzatura che può essere impostata su 1, 3 o 5, puoi scegliere uno qualsiasi di questi tre valori, ma non 2,244434 per esempio. Stesso esempio per la temperatura del forno in cui avrai alcuni valori numerici discreti, puoi impostare la temperatura a 180, 200 o 220°C, ma non a 195 o 210°C.Per i fattori numerici discreti, puoi stimare gli effetti principali, le interazioni, gli effetti quadratici... come per i fattori numerici continui.
A seconda della "natura" della valutazione, possono essere viste come vari tipi di risposte:
- Per studenti e insegnanti, è più probabile che le note siano una risposta continua,
- Se la valutazione è come una cotazione (1: molto buono, 2: buono, 3: medio/neutro, 4: cattivo, 5: pessimo) allora è numerico discreto (numerico ordinale),
- Se la valutazione è come A, B, C, ... allora la risposta è categorica.
Penso che in JMP 17 un nuovo modulo sarà molto utile per i tuoi colleghi: si chiama "Easy DoE" e tipi di fattori, impostazioni da considerare... sono spiegati in un approccio passo-passo fino alla costruzione del tuo progetto finale.
Spero che questa risposta ti possa aiutare!
