Wie wirkt sich die DoE-Modellbewertung auf das endgültige Modell nach dem Experiment aus?Hallo Leute,
Ich habe mehrere Fragen zu DoE. Könnten Sie diese bitte beantworten? Vielen Dank.
1) Kann ich aufgrund experimenteller Einschränkungen den Mittelpunktwert manuell anpassen, zum Beispiel (-1)= 10, (+1)= 12, (0) = 11. Aber (0) = 11 ist kein guter Mittelpunkt, kann Ich wechsle im Design auf 10.5? Wie wird sich diese Änderung auf die Datenanalyse und das endgültige Modell sowie die Modellvorhersage auswirken? Was wäre, wenn ich im nächsten Experiment (0) = 11,5 verwende und dabei (-1) = 10, (+1) = 12 behalte?
2) Wie wirken sich die Werte in der Modellbewertung wie Poweranalyse, Confound und vorhergesagte Varianz auf das endgültige Modell aus, wenn ich alle experimentellen Daten gesammelt habe? Nehmen wir an, die Potenz für eine Interaktion beträgt nur = 0,2 gegenüber einer anderen Designpower = 0,8. Wie wird das mögliche Ergebnis aussehen?
Nochmal vielen Dank.
VersuchsplanungBetreff: Wie wirkt sich die DoE-Modellbewertung auf das endgültige Modell nach dem Experiment aus?Hier meine Meinung zu deinen Fragen:
Sie haben die spezifische Art des Designs, Voll-/Bruchfakultät plus Mittelpunkte, ?-optimal, Taguchi (hoffentlich nicht) oder ein anderes Design nicht artikuliert, sodass sich meine Antworten basierend auf Ihrem spezifischen Design möglicherweise etwas ändern ... aber im Allgemeinen Hier geht:
1) Sie können den "Mittelpunkt" an einer beliebigen Stelle platzieren. Wie wird es die Analyse beeinflussen, meine Vermutung, und es ist nur eine Vermutung, ist „nicht viel“. Wie ist das für die Spezifität? Sie werden ein wenig Design-Raum-Balance verlieren ... aber das ist normalerweise kein Deal Breaker. Das endgültige Modell wird mehr vom spezifischen Design als von allem anderen bestimmt ... aber im Allgemeinen hat es keinen großen Einfluss auf die endgültige Modellstruktur und die schätzbaren Bedingungen, wo Sie einen Mittelpunkt setzen.
2) Potenz, Verwirrung, vorhergesagte Varianz werden ermittelt, bevor Sie Daten sammeln. Der Vorgang des Sammelns der Daten, d. h. das Ausführen des Experiments, hat keinen Einfluss auf die Leistung, Verwirrung usw.
Betreff: Wie wirkt sich die DoE-Modellbewertung auf das endgültige Modell nach dem Experiment aus?Einige meiner Gedanken zu deinen Fragen:
1. Ich bin etwas verwirrt ... wenn du 10 und 12 schaffst, warum nicht 11? Sie versuchen nicht, "einen Gewinner auszuwählen", sondern einen DF zu erstellen, um die Krümmung über den Designbereich abzuschätzen. „Gut“ hat damit nichts zu tun (und woher wissen Sie, dass 11 nicht „gut“ ist?). Je weniger zentriert der Mittelpunkt, desto verzerrter die Schätzung (desto weniger drehbar das Design). Natürlich können Sie jeden Teil des Raums untersuchen, den Sie möchten, aber erkennen Sie, dass Sie Kompromisse eingehen und möglicherweise die Ergebnisse verzerren. Seien Sie vorsichtig bei der Interpretation der Analyse. Warum nicht 10.5, 11.5 und 12.5?
2. Ich bin mir bei Ihrer 2. Frage auch nicht sicher, und Sie finden meine Kommentare möglicherweise nicht nützlich. Sie müssen bereits in der Planungsphase Entscheidungen bezüglich des Versuchsdesigns treffen. Zum Beispiel: Welche Effekte werden getrennt, welche werden verzerrt oder teilweise verfälscht, wie viel praktisch signifikante Menge an Variation muss erzeugt werden, was ist die aktuelle Prozessvariation und wie stabil ist sie, wie wird mit Rauschen umgegangen (z. Messfehler, Rohstoffschwankungen, Umgebungsbedingungen usw.) und natürlich der Probengröße (die Kriterien dafür überlasse ich anderen). Viele der Fragen, die Sie in der Planungsphase beantworten müssen, sind derzeit unbekannt und werden es noch wahrscheinlich geschätzt werden. Alles, was Sie tun können, ist Due Diligence. Ich empfehle dringend, mehrere DOE-Pläne zu entwickeln und sie zu vergleichen und gegenüberzustellen, um das Potenzial für den Wissensgewinn im Vergleich zu den für die Ausführung erforderlichen Ressourcen zu bewerten. Prognostizieren Sie jedes mögliche Ergebnis und was Sie in jeder Situation tun werden ... führen Sie es dann aus, analysieren Sie es und vergleichen Sie die Ergebnisse mit Vorhersagen.
Betreff: Wie wirkt sich die DoE-Modellbewertung auf das endgültige Modell nach dem Experiment aus?1. Dies ist ein individuelles Design. Der Grund, warum wir das genaue Zentrum vermeiden möchten, weil dies ein Dauerexperiment ist, wollen wir die Arbeit an den Arbeitszeiten von 8:00 bis 17:00 Uhr beenden. Da dies ein sehr kompliziertes Experiment ist, können wir das Experiment nicht jeden Tag zur gleichen Zeit steuern, deshalb frage ich mich, ob wir den Mittelpunkt an unsere Arbeitszeiten anpassen können?
2. Ich wusste, dass die Machtanalyse, Mitbegründung, vorhergesagte Varianz vor der Datenerfassung liegt. Ich möchte wissen, wie sich dieses Design auf das endgültige Modell auswirkt. Nehmen wir an, die Stärke für einen mit variabler Krümmung in einem Design ist 0,2, ein anderes Design ist 0,8. Das Finale stellte fest, dass diese Krümmung signifikant ist. Bedeutet dies, dass das zweite Design aufgrund seiner hohen Leistung im Design ein enges Vertrauensintervall aufweist, während Leistung = 0,2 ein sehr breites Vertrauensintervall aufweist? Ich möchte wissen, wie sich die Designbewertung auf die endgültige Datenanalyse auswirkt. Für die Modellbewertung ändern die endgültigen Daten natürlich nichts.
Betreff: Wie wirkt sich die DoE-Modellbewertung auf das endgültige Modell nach dem Experiment aus?Hallo,
Wenn Sie mit der Einstellung des "0" -Pegels herumspielen müssen, ist es in Ordnung. Manchmal funktioniert die Mitte zwischen -1 und 1 praktisch nicht gut.
Das Ändern der Position des Mittelpunkts könnte die Varianzvorhersage in der Konstruktionsdiagnose beeinträchtigen, aber nicht so sehr die Analyse.
Wenn Sie auf das Skript „Model“ in der DOE-Designtabelle klicken, um das Modell auszuführen, gehen Sie zum oberen linken roten Dreiecksmenü im Modellstartdialog und deaktivieren Sie „Centered Polynomials“.
Die Leistungsanalyse hängt von Annahmen ab, über die die meisten Menschen einfach nicht genug Informationen haben, um sehr genaue Schätzungen vorzunehmen. Wenn Sie ein Standarddesign verwenden, wird es ein ziemlich gutes Design sein. Um eine bessere Vorstellung von deiner Macht zu bekommen, musst du das harte Gedankenexperiment machen. Die untere Hälfte des Design-Eval-Menüs führt zu einem Abschnitt, in dem Sie erraten müssen, wie die Ergebnisse Ihres Experiments aussehen werden. Wenn Sie aktualisieren, werden die erwarteten Koeffizienten und der RMSE basierend auf den Schätzungen aktualisiert. Jetzt basiert die Leistung darauf, wie viel Fehler vorhanden sein könnte und wie Ihre Koeffizienten aussehen könnten.
