Uso corretto e improprio dei Definitive Screening Designs (DSD)Nel 2011, il mio collega Prof. Chris Nachtsheim e io abbiamo presentato Disegni di screening definitivi (DSD) con un foglio nel Giornale di tecnologia di qualità . Un anno dopo, ho scritto a Post del blog JMP descrivendo questi progetti utilizzando grafici di celle di correlazione. Dalla loro introduzione, i DSD hanno trovato applicazioni in aree diverse come la produzione di vernici, la biotecnologia, l'energia verde e l'incisione laser.
Quando arriva una nuova ed entusiasmante metodologia, c'è una naturale inclinazione per i ricercatori all'avanguardia a provarla. Quando questi ricercatori riportano risultati positivi, incoraggia anche gli altri a provare il nuovo metodo.
Sono un grande fan dei DSD, ovviamente, ma come co-inventore sento una responsabilità nei confronti della comunità dei praticanti di progettazione di esperimenti (DOE) per essere chiari sulla loro destinazione d'uso e sul possibile uso improprio.
Quindi quando dovrei usare un DSD?
Come suggerisce il nome, i DSD sono progetti di screening. Il loro uso più appropriato è nelle prime fasi della sperimentazione, quando esiste un gran numero di fattori potenzialmente importanti che possono influenzare una risposta di interesse e quando l'obiettivo è identificare quello che generalmente è un numero molto più piccolo di fattori altamente influenti.
Dal momento che sono esperimenti di screening, userei un DSD solo quando ho quattro o più fattori. Inoltre, se avessi solo quattro fattori e volessi usare un DSD, creerei un DSD per sei fattori e eliminerei le ultime due colonne. Il progetto risultante può adattarsi al modello quadratico completo in qualsiasi tre dei quattro fattori.
I DSD funzionano meglio quando la maggior parte dei fattori è continua. Questo perché ogni fattore continuo ha tre livelli, consentendo a un ricercatore di adattare una curva anziché una linea retta per ogni fattore continuo.
Quando l'uso di un DSD è inappropriato?
Di seguito, il design ottimale a trama divisa supera notevolmente il design di screening definitivo creato selezionando il fattore difficile da modificare, wp. Vedi punto 4) di seguito.
1) Quando sono presenti vincoli nell'area di progettazione
Un presupposto implicito dietro l'uso dei DSD è che è possibile impostare i livelli di qualsiasi fattore indipendentemente dal livello di qualsiasi altro fattore. Questa ipotesi viene violata se un vincolo sull'area di progettazione rende non fattibili determinate combinazioni di fattori. Ad esempio, se sto cucinando i popcorn, non voglio impostare la potenza al massimo durante la cottura a lungo. So che se lo faccio, finirò con un pasticcio carbonizzato.
Potrebbe essere allettante trarre le gamme dei fattori verso l'interno per evitare tali problemi, ma questa pratica riduce il potere del DSD di rilevare gli effetti attivi. È meglio utilizzare l'intera regione ammissibile anche se la forma di quella regione non è cubica o sferica.
2) Quando alcuni dei fattori sono ingredienti in una miscela
Allo stesso modo, l'uso di un DSD non è appropriato se due o più fattori sono ingredienti in una miscela. Se alzo la percentuale di un ingrediente, devo abbassare la percentuale di qualche altro ingrediente, quindi questi fattori non possono variare indipendentemente per loro stessa natura.
3) Quando ci sono fattori categoriali con più di due livelli
I DSD possono gestire alcuni fattori categoriali a due livelli, ma se la maggior parte dei fattori sono categoriali, l'uso di un DSD è inefficiente. Inoltre, i DSD sono generalmente una scelta indesiderabile se i fattori categoriali hanno più di due livelli. Una recente discussione nel gruppo LinkedIn di The Design of Experiment (DOE). implicava il tentativo di modificare un DSD per adattarsi a un fattore categoriale a tre livelli. Sebbene ciò sia possibile, è necessario utilizzare lo strumento Progettazione personalizzata in JMP trattando i fattori del DSD come fattori covariati e aggiungendo il fattore categoriale a tre livelli come unico fattore i cui livelli sono scelti dall'algoritmo di progettazione personalizzata.
4) Quando il DSD viene eseguito come un progetto split-plot
È anche improprio alterare un DSD ordinando le impostazioni di un fattore in modo che il progetto risultante sia un progetto a trama divisa. Per il DSD a sei fattori, il fattore ordinato avrebbe solo tre impostazioni. Ci sarebbero cinque corse con l'impostazione bassa, tre corse con l'impostazione media e daranno corse con l'impostazione alta. L'uso di un tale progetto significherebbe che l'inferenza sull'effetto del fattore ordinato sarebbe statisticamente non valida.
5) Quando il modello a priori di interesse ha effetti di ordine superiore
Per i DSD, i termini cubici sono confusi con gli effetti principali, quindi identificare un effetto cubico è impossibile.
Anche i modelli fattoriali frazionari regolari a due livelli e i modelli di Plackett-Burman sono inappropriati per la maggior parte dei casi di cui sopra. Quindi, non sono una valida alternativa.
Qual è l'alternativa all'utilizzo di un DSD nei casi precedenti?
Per gli utenti di JMP , la risposta è semplice: usa lo strumento Progettazione personalizzata.
Lo strumento Progettazione personalizzata in JMP può generare un progetto creato per adattarsi a qualsiasi combinazione degli scenari sopra elencati. Il principio guida dietro lo strumento Custom Design è
"I progetti dovrebbero adattarsi al problema piuttosto che modificare il problema per adattarlo al design."
Pensieri finali
I DSD sono progetti estremamente utili negli scenari per i quali sono stati creati. Come modelli di screening hanno molte caratteristiche desiderabili:
1) Gli effetti principali sono ortogonali.
2) Gli effetti principali sono ortogonali alle interazioni a due fattori (2FI) e agli effetti quadratici.
3) Tutti gli effetti quadratici dei fattori continui sono stimabili.
4) Nessun 2FI è confuso con qualsiasi altro 2FI o effetto quadratico sebbene possano essere correlati.
5) Per DSD con 13 o più esecuzioni, è possibile adattare il modello quadratico completo in qualsiasi sottoinsieme a tre fattori.
6) I DSD possono ospitare alcuni fattori categoriali a due livelli.
7) Il blocco dei DSD è molto flessibile. Se ci sono m fattori, puoi avere un numero qualsiasi di blocchi compreso tra 2 e m .
8) I DSD sono economici da mettere in campo e richiedono solo un minimo di 2 m +1 corre.
9) È possibile aggiungere corse a un DSD creando un DSD con più fattori del necessario e eliminando i fattori aggiuntivi. Il design risultante ha tutte le prime sette proprietà sopra e ha più potenza oltre alla capacità di identificare più effetti del secondo ordine.
A mio parere, le caratteristiche di cui sopra rendono i DSD la scelta migliore per qualsiasi esperimento di screening in cui la maggior parte dei fattori è continua.
Tuttavia, voglio chiarire che l'utilizzo di a Il DSD non è una panacea . In altre parole, un DSD non è la soluzione a tutti i problemi di progettazione sperimentale.
Sono un grande fan dei DSD, ma come co-inventore sento una responsabilità per essere chiari sulla loro destinazione d'uso e sul possibile uso improprio.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Rispondi a Varun_Bhatt:
Se un termine del modello è correlato +1 o -1 con un altro termine del modello (diciamo due 2FI), allora diciamo che questi termini sono confusi. In tal caso non esiste un modo puramente guidato dai dati per separare i loro effetti su una risposta di interesse.
Tuttavia, se la correlazione è inferiore a uno in grandezza, gli effetti separati dei termini del modello sulla risposta sono ora stimabili. Tuttavia, la varianza delle stime di questi effetti sarà maggiore che se i due termini non fossero correlati. Chiamiamo questo fenomeno inflazione della varianza. Maggiore è la correlazione in grandezza, maggiore è l'inflazione della varianza.
Se la varianza dell'errore è piccola rispetto alla dimensione degli effetti, l'inflazione della varianza non è di grande importanza. Ecco perché le regole pratiche tradizionali su quando preoccuparsi dell'inflazione da varianza sono fuori luogo.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Potresti per favore approfondire questa parte, " Nessun 2FI è confuso con qualsiasi altro 2FI o effetto quadratico sebbene possano essere correlati."
Volevo conoscere la differenza tra i fattori che vengono confusi e quelli correlati. Come sono differenti? E in che modo influiscono in modo diverso sul modello?
Grazie
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Brad,
Grazie per questi ulteriori input sull'uso corretto di DSD.
Circa un anno fa, ho utilizzato DSD per una simulazione al computer con circa 100 fattori continui che richiedeva anche tutti gli effetti del secondo ordine, con un numero totale di esecuzioni di circa 200. I risultati non sono stati soddisfacenti come quelli di un Custom Design. Da allora ho evitato di usare DSD per la modellazione e la simulazione dove ci sono molti fattori, anche se trovo che DSD sia molto utile per un numero inferiore di fattori, diciamo meno di 12. Avrei dovuto utilizzare solo gli effetti principali nelle esecuzioni M&S e quindi eseguire un altro DSD con un numero di fattori molto inferiore per confermare gli effetti del secondo ordine?
Manny
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Dott. Jones,
Sto usando DSD da un po' di tempo ormai, con un discreto successo. Tuttavia, ora sto valutando l'utilizzo di DSD per le risposte binarie (crescita/nessuna crescita). Può essere fatto con DSD e come analizzeresti la risposta, dal momento che non è integrato nell'algoritmo di analisi DSD, immagino? O useresti altri tipi di design?
Migliore,
Ewoud Schuring
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Dottor Jones,
Grazie per le vostre risposte esaurienti e ponderate. Apprezzo il tuo tempo e la tua considerazione. Continuerò la discussione direttamente con te.
Saluti,
Fattura
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Dr. Ross - Sono molto impressionato dalle tue 16.000 esperienze DOE. Grazie per l'utilizzo a lungo termine di JMP. Sei un JMPer da più tempo di me!
Di seguito affronto le tue cinque serie di domande e preoccupazioni.
1) Sottolinei che gli sperimentatori alle prime armi tendono a impostare i livelli dei fattori continui troppo vicini tra loro. Ho visto anche questo comportamento. Credo che gli ingegneri pensino che il mondo non sia lineare. Sanno anche dal calcolo che la deviazione dalla linearità è piccola se anche la variazione è piccola. Il problema è che quando i cambiamenti in un fattore sono piccoli, il rumore nella risposta può propagarsi in un grande rumore nella pendenza stimata della linea, rendendo difficile l'identificazione dei fattori attivi. Quindi, nell'insegnamento del DOE incoraggiamo gli studenti a essere audaci nel variare i fattori continui. Credo che avere valori bassi, medi e alti per ciascun fattore, come forniscono i DSD, possa rendere gli ingegneri più sicuri di distribuire i livelli del fattore. Questo perché il DSD può rilevare una forte curvatura se esiste, il che ovvia alle preoccupazioni sulla non linearità.
2. Ho menzionato nel mio blog sopra che i DSD sono progetti di screening appropriati quando la maggior parte dei fattori è continua. Sarei riluttante a usare un DSD quando ci sono più di tre fattori categoriali a due livelli. Quando la maggior parte, o tutti, i fattori sono categorici a due livelli, consiglierei Efficient Foldover Designs. Ecco il riferimento all'articolo su questi disegni.Anna Errore, Bradley Jones, William Li & Christopher J. Nachtsheim (2017) Vantaggi e costruzione rapida di efficienti progetti pieghevoli a due livelli, Tecnometria , 59:1, 48-57, DOI: 10.1080/00401706.2015.1124052
Penso anche che i ricercatori potrebbero sforzarsi di trovare misure quantitative che descrivano la differenza tra i due livelli di un fattore categoriale, trasformando così con successo un fattore categoriale in un fattore continuo più significativo.
3. Sostieni che i punti centrali possano rilevare la curvatura. Questo è vero, ma non possono identificare i fattori che causano la curvatura. Questa ambiguità forza la sperimentazione di follow-up, che non è necessaria se viene utilizzato un DSD. Ho visto un caso di studio in cui un forte effetto quadratico ha avuto il suo minimo all'interno della regione di sperimentazione.Era desiderabile una risposta minima e il punto debole qui non sarebbe stato rilevabile con un design a due livelli. Un altro caso di studio ha riscontrato un forte effetto quadratico in cui la risposta massima era all'interno della regione di sperimentazione.Qui , un la massima risposta era desiderabile e il punto debole sarebbe, ancora una volta, non rilevabile con un design a due livelli. Il costo per includere la capacità di stimare tutti gli effetti quadratici in un DSD è un aumento del 10% (o meno) della lunghezza degli intervalli di confidenza sugli effetti principali. Questo sembra un piccolo prezzo da pagare per il guadagno di informazioni sugli effetti del 2° ordine.
4. Lei fa notare, correttamente, che a volte identificare la fonte del rumore può essere più importante della stima degli effetti fissi. In questi casi, è utile replicare i punti di progettazione in modo che sia possibile identificare un fattore che influenza la varianza della risposta valutando contemporaneamente gli effetti dei fattori sulla risposta media. Si potrebbe replicare un intero DSD al costo di circa quattro volte più esecuzioni quanti sono i fattori. Hai menzionato il blocco in questo punto. Il blocco può identificare e quantificare una fonte di variabilità e rimuoverne l'effetto dalla variazione da corsa a corsa. Quando le variazioni delle condizioni ambientali introducono rumore nelle risposte, il blocco è un utile rimedio. I DSD possono essere bloccati in modo più flessibile rispetto ai modelli fattoriali frazionari a due livelli o ai modelli fattoriali completi. Di seguito è riportato un riferimento a un documento che descrive come bloccare i DSD.
Bradley Jones e Christopher J. Nachtsheim (2015): Schemi di blocco per progetti di screening definitivi, Tecnometria , DOI: 10.1080/00401706.2015.1013777
5. La tua ultima preoccupazione riguarda l'insegnamento dei DSD e le preoccupazioni su un approccio iterativo alla sperimentazione. Non pubblicizzo i DSD come esperimenti "one-shot". È vero che la struttura di aliasing dei tradizionali disegni fattoriali frazionari è semplice e abbastanza facile da spiegare. Tuttavia, a mio avviso, il loro completo aliasing di effetti potenzialmente importanti è indesiderabile. Vedere
Bradley Jones (2016) Esperimenti di screening del 21° secolo: cosa, perché e come, Ingegneria della qualità , 28:1, 98-106, DOI: 10.1080/08982112.2015.1100462
L'articolo di cui sopra era un documento di discussione con tre partecipanti. La mia controreplica ha affrontato molte questioni, inclusa la progettazione sequenziale a seguito di uno studio DSD iniziale - riferimento di seguito.
Bradley Jones (2016) Controreplica, Ingegneria della qualità , 28:1, 122-126, DOI: 10.1080/08982112.2015.1100468
Il riferimento seguente tratta del vantaggio relativo dell'utilizzo di un DSD iniziale anche quando la risposta ottimale prevista è al di fuori della regione di sperimentazione. Fornisce inoltre un potente approccio progettuale di follow-up che esegue la salita più ripida.
Christopher J. Nachtsheim e Bradley Jones (2018) Design augmentation per l'ottimizzazione della risposta e la stima del modello, Ingegneria della qualità , 30:1, 38-51, DOI: 10.1080/08982112.2017.1382298
Non credo sia necessario insegnare a un praticante come creare un DSD. Molti pacchetti software possono farlo. Penso che sia utile familiarizzare gli investigatori con la trama della cella di correlazione. JMP fornisce molti strumenti diagnostici per valutare e confrontare i progetti. Questi sono molto utili e insegnarne l'uso in corsi brevi e corsi universitari gioverebbe alla comunità dei professionisti del DOE. È utile per i professionisti sapere come sfruttare la speciale geometria di un DSD per adattarsi ai modelli appropriati. Questo è affrontato nel riferimento di seguito.
Bradley Jones e Christopher J. Nachtsheim (2016): selezione di modelli efficaci basata sul design per progetti di screening definitivi, Tecnometria , DOI: 10.1080/00401706.2016.1234979
Sarei felice di continuare questa conversazione e inviarti i pdf dei riferimenti. Puoi contattarmi a bradley.jones@jmp.com
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Dr. Jones, sono un utente JMP da molto tempo (dalla prima versione) e desidero ringraziarla per i suoi contributi all'industria. Sono stato coinvolto nella progettazione e analisi di oltre 16.000 esperimenti in più settori. Forse questo è il forum sbagliato, ma ho alcune domande/commenti (spero di non offendere) e apprezzerei le tue opinioni.
1. Quando si tratta di schermare i progetti, una delle modalità di errore più comuni (soprattutto per gli sperimentatori inesperti) sono i livelli che non sono sufficientemente separati (abbastanza audaci). I loro effetti non sono quindi realizzati e quei fattori possono anche essere eliminati da ulteriori studi (la mia ipotesi è che gli ingegneri siano riluttanti a creare troppe variazioni, stanno ancora cercando la soluzione piuttosto che comprendere le relazioni causali). Mi sembra che aumentare il numero di livelli a tre complichi ulteriormente questa modalità di errore?
2. All'inizio della progettazione, molti dei fattori sono qualitativi. Sembra che la restrizione sull'aggiunta di troppi fattori qualitativi al design sia un peso. Forse questa strategia è più applicabile come ultima iterazione in uno studio sequenziale?
3. Spesso i progetti di screening hanno lo scopo di ottenere indicazioni e filtrare fattori insignificanti o forse più probabilmente identificare fattori significativi per ulteriori studi. Le equazioni quadratiche sono davvero necessarie per ottenere questo risultato? OK, suppongo che potrebbe esserci il caso in cui i livelli sono impostati in modo troppo audace e quindi si perdono effetti significativi, ma si potrebbe rimediare abbastanza facilmente con i punti centrali. Se il quadratico è essenzialmente l'allontanamento dal lineare, se ti trovi in uno spazio di progettazione abbastanza lontano dall'ottimo non saresti più interessato prima all'effetto lineare? L'equazione quadratica alla base della montagna potrebbe non portarti in cima alla montagna.
4. Inoltre, e forse la cosa più importante, la strategia per gestire il rumore può essere più importante della risoluzione dei fattori di progettazione (è come sapete una lotta costante per un uso efficiente delle risorse tra la risoluzione dei fattori di progettazione e la risoluzione degli effetti del rumore) . Se viene utilizzato un Randomized Complete Block Design (RCBD), abbiamo davvero bisogno di alcune delle interazioni blocco per effetto di ordine superiore? Se viene utilizzato un design a blocchi incompleti bilanciati, quanto è facile capire l'aliasing?
5. Infine, e forse meno importante per il praticante, come vengono insegnati i DSD? L'uso dei tradizionali modelli fattoriali frazionari con aliasing identificabile e idee come il foldover in deal di alias è semplice. Insilare la mentalità e la pratica dell'iterazione è fondamentale. Come si inseriscono i DSD in un approccio scientifico iterativo alla sperimentazione?
Vi ringrazio in anticipo per i vostri pensieri.
Se preferisci interrompere questa discussione, per me andrebbe bene. Puoi inviarmi un'e-mail direttamente a statman su comcast dot net
Saluti,
Bill Ross
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Grazie Brad, il post informativo e le buone risposte mi hanno aiutato a imparare molto di più sui DSD.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Grazie Dr. Jones - Questo problema non è ancora disponibile sul sito di ASQ Technometrics.Cercherò che venga pubblicato presto.
Richard
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)http://dx.doi.org/10.1080/00401706.2016.1234979
Quanto sopra è l'URL di un articolo sulla rivista Technometrics, di Chris Nachtsheim e me intitolato Selezione efficace del modello basata sul design per i progetti di screening definitivi.
Questo documento fornisce una forte motivazione per aggiungere quelli che chiamiamo "Fattori falsi" (cioè i fattori che vengono utilizzati nella creazione del progetto ma non vengono utilizzati durante l'esecuzione dell'esperimento. In JMP 13 lo strumento di progettazione DSD chiama questo "Extra Runs" con un valore predefinito di 4. Tuttavia, è possibile ripristinare questo campo su 0 per ottenere il DSD di esecuzione minimo. L'aggiunta di queste esecuzioni extra consente un potente approccio analitico alternativo.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Sono stati pubblicati esempi in cui le colonne sono state eliminate come discusso di seguito?
Se invece utilizzassi il DSD a 8 fattori e ignorassi le ultime 3 colonne, avresti un design a 17 run e dovresti essere in grado di identificare quattro o cinque effetti di 2° ordine.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)I DSD possono sicuramente avere problemi quando ci sono troppi fattori e interazioni! Ne ho provato uno in un sistema catalizzatore che era stato attraverso generazioni di ottimizzazione e aveva molti componenti catalizzatori e interazioni funzionanti. Ho finito per dover aggiungere parecchie corse.
Re: Uso corretto e improprio di Definitive Screening Designs (DSD)Ottimo post. Tuttavia ho una domanda che mi lascia perplesso. Dici che puoi facilmente aggiungere corse extra prendendo un m desing più alto e rilasciando le colonne extra. Mi chiedevo se esistesse un modo semplice per "aggiungere" gli eventi nel design. Ad esempio, ho eseguito am=5 corse DSD e poi ho deciso che avrei bisogno di più potenza e vorrei aggiungere alcune corse extra in seguito. Come lo faccio? (Ad esempio, se prendo m=7 e rilascio le ultime due colonne e la confronto con m=5, non otterrò più le stesse righe). Grazie!
Bradley Jones ha scritto: È sempre bene pianificare per la convalida...Bradley Jones ha scritto:
È sempre bene pianificare le esecuzioni di convalida. Si tratta di esecuzioni che si eseguono dopo aver eseguito l'esperimento e aver analizzato i dati. Il risultato dell'analisi è un modello che è possibile utilizzare per effettuare previsioni di risposta in base alle impostazioni dei fattori che non sono state eseguite nell'esperimento. Considerando il tuo obiettivo per una risposta, puoi scegliere di eseguire le esecuzioni di verifica in base a un'impostazione (o impostazioni) del fattore in cui il tuo modello prevede il miglioramento maggiore.
Questo è diverso dall'aumento del design, che estende la gamma dei fattori, aggiunge termini al modello o aggiunge più esecuzioni per ridurre l'incertezza sulle stime nel modello corrente.
Bradley Jones ha scritto: Credo nell'uso di routine del...Bradley Jones ha scritto:
Credo nell'uso di routine del Custom Designer per la maggior parte dei problemi nella progettazione industriale degli esperimenti. Quando quasi tutti i fattori sono continui e possono essere variati indipendentemente sull'intero intervallo, i progetti di screening definitivi sono una buona scelta.
A volte utilizzo Full Factorial Designs quando eseguo studi di simulazione al computer Monte Carlo in cui l'unica spesa è il tempo del computer. Sono d'accordo sul fatto che ora ci siano scelte migliori rispetto ai normali modelli fattoriali frazionari a due livelli.
Steven Moore ha scritto: Quindi... ho usato Definitive Sc...Steven Moore ha scritto:
Quindi.... Uso da un po' di tempo i progetti di screening definitivi e i progetti personalizzati. A mio parere, non c'è più motivo di utilizzare i tradizionali Disegni Fattoriali. ho ragione o mi sfugge qualcosa?
Jo Chotix ha scritto: Sembra che saremo in grado di variare ogni...Jo Chotix ha scritto:
Sembra che saremo in grado di variare ciascuno dei componenti in modo indipendente. Devo pianificare alcune corse di convalida? Come si pianificano questi fattori/fattori nella progettazione (numero di esecuzioni, quali punti di progettazione per la convalida, ecc.)? In che modo è diverso dall'aumento del design? Grazie!
Bradley Jones ha scritto: Potrebbe essere appropriato usare un DSD...Bradley Jones ha scritto:
Potrebbe essere appropriato utilizzare un DSD, ma temo che i 4 fattori che alterano la concentrazione del trattamento possano essere visti come ingredienti in una miscela. In tal caso, ciò renderebbe inappropriato l'utilizzo di un DSD con un'eccezione. Se l'ingrediente principale della miscela è un riempitivo inattivo, gli altri ingredienti possono essere variati indipendentemente. In tal caso sarebbe possibile utilizzare un DSD.
Jo chotix ha scritto: Stavo pensando di usare DSD per progettare un...Jo Chotix ha scritto:
Stavo pensando di usare DSD per progettare un piano di trattamento per uno studio in vivo sui topi. Ho 4 fattori che alterano la concentrazione del trattamento (es. farmaco concentrato, miscele di eccipienti ecc.) e un fattore focalizzato sull'età dei topi. Mi chiedevo se questo è qualcosa per cui consiglieresti DSD?
Bradley Jones ha scritto: Puoi aggiungere 3 fattori categoriali a...Bradley Jones ha scritto:
È possibile aggiungere 3 fattori categoriali a un DSD senza rendere il progetto inefficiente. Di seguito è riportato un riferimento a un articolo che Chris Nachtsheim e io abbiamo pubblicato su questo argomento.
Jones, Bradley e Nachtsheim, CJ (2013) "Disegni di screening definitivi con fattori categoriali a due livelli aggiunti", Journal of Quality Technology, 45:2, 120-129.
Ewoud Schuring ha scritto: Ciao Bradley, blog interessante, un...Ewoud Schuring ha scritto:
Ciao Bradley,
Blog interessante, in realtà l'intero DSD è molto interessante per me. Tuttavia ho una domanda.
Qual è il limite del numero di fattori categoriali in un DSD? Al momento sto cercando di creare un DSD con 3 fattori continui e 3 categoriali. E 'questa una buona idea? Quali sono i rischi? Oppure un rapporto 1/1 tra continuo e categoriale risulta in un design non efficiente?
Bradley Jones ha scritto: Paul, Il design personalizzato con pochi r...Bradley Jones ha scritto:
Paolo,
Il design personalizzato con poche repliche è un design della superficie di risposta molto sicuro. La mia esperienza è che generalmente ci sono pochi grandi effetti di 2° ordine. Quindi costruire un progetto in grado di stimare l'effetto di ogni 2° ordine potrebbe finire per essere eccessivo. Il DSD a 6 fattori richiede solo 13 esecuzioni e può identificare in modo affidabile due o tre effetti del 2° ordine. Ciò ti farebbe risparmiare quasi il 50% del costo.
Se invece utilizzassi il DSD a 8 fattori e ignorassi le ultime 3 colonne, avresti un design a 17 run e dovresti essere in grado di identificare quattro o cinque effetti di 2° ordine.
Paul Prew ha scritto: Ciao Bradley, questo post mi sta facendo...Paolo Prew ha scritto:
Ciao Bradley, questo post mi sta facendo pensare a design appropriati per 4-6 fattori. In particolare, la scorsa settimana, ho avuto un chimico che voleva indagare su 5 fattori continui. I test preliminari un fattore alla volta le hanno detto che erano importanti. Non sapeva nulla del DOE, ma il suo supervisore le ha detto che era un percorso più efficiente: vai a parlare con uno statistico.
Eravamo in una zona d'ombra in cui un design di schermatura puro sarebbe sembrato un passo indietro, inefficiente. Quindi abbiamo scelto di progettare per un modello quadratico, portando a un design personalizzato di 25 esecuzioni con poche repliche.
Grazie, Paolo
Un DSD a 5 fattori sarebbe stato molto meno esecuzioni, anche progettando per 6 o 7 fattori e eliminando le colonne extra. Come posso utilizzare JMP per valutare il DSD come un buon progetto per l'adattamento di un modello del 2° ordine? Quali strumenti specifici di valutazione del design consiglieresti per confrontare il DSD con il design personalizzato?
Ron Andrews ha scritto: Ho trovato un'applicazione per un DSD con...Ron Andrews ha scritto:
Ho trovato un'applicazione per un DSD con una miscela che funzionava. Avevo bisogno di confermare le specifiche di pesatura per una miscela di monomeri usata per fare le lenti a contatto. Questa è una vera miscela, non una soluzione, quindi un DSD non sarebbe una buona scelta nella maggior parte dei casi. La cosa che lo faceva funzionare erano le piccole variazioni rispetto al nominale. La formula nominale è stata utilizzata come punto centrale. Ciascun componente è stato variato +/- 1% del nominale. Per analizzare l'esperimento ho calcolato le concentrazioni effettive per ogni miscela. C'era una correlazione significativa tra i due componenti più grandi nella miscela, ma il progetto consentiva stime separate dei due fattori.
Ho inviato un abstract per una presentazione al vertice della scoperta che include questo come uno degli esempi di alternative di design della miscela. Che venga accettato o meno, posso fornire maggiori dettagli.
