Definitive Screening Designs（DSD）の適切および不適切な使用2011年に、同僚のChrisNachtsheim教授と私が紹介しました決定的なスクリーニングデザイン（DSD）に紙が入っているJournal of Quality Technology 。 一年後、私は書いたJMPブログ投稿相関セルプロットを使用してこれらの設計を記述します。 DSDは、その導入以来、塗料製造、バイオテクノロジー、グリーンエネルギー、レーザーエッチングなどのさまざまな分野での用途が見出されています。
新しくエキサイティングな方法論が登場すると、最先端の研究者がそれを試してみる傾向が自然にあります。 これらの研究者が肯定的な結果を報告するとき、それは他の人にも新しい方法を試してみるように勧めます。
もちろん、私はDSDの大ファンですが、共同発明者として、実験計画法（DOE）それらの使用目的と誤用の可能性について明確にすること。
では、いつDSDを使用する必要がありますか？
名前が示すように、DSDはスクリーニングデザインです。 それらの最も適切な使用法は、関心のある応答に影響を与える可能性のある潜在的に重要な要因が多数ある場合、および一般に非常に少数の非常に影響力のある要因を特定することが目標である場合の実験の初期段階です。
スクリーニング実験なので、4つ以上の要素がある場合にのみDSDを使用します。 さらに、4つの要素しかなく、DSDを使用したい場合は、6つの要素のDSDを作成し、最後の2つの列を削除します。 結果として得られる設計は、4つの要素のいずれか3つに完全な2次モデルを適合させることができます。
DSDは、ほとんどの要素が連続している場合に最適に機能します。 これは、各連続因子には3つのレベルがあり、調査員が各連続因子の直線ではなく曲線に合わせることができるためです。
DSDの使用が不適切なのはいつですか？
以下では、最適な分割プロットの設計が、変更が難しい係数wpを並べ替えることによって作成された最終的なスクリーニング設計を大幅に上回っています。 以下のポイント4）を参照してください。
1）設計領域に制約がある場合
DSDの使用の背後にある暗黙の前提は、他の要素のレベルとは無関係に、任意の要素のレベルを設定できるということです。 設計領域の制約により特定の因子の組み合わせが実行不可能になる場合、この仮定に違反します。 たとえば、ポップコーンを調理している場合、長い調理時間を使用しながら、電力を最高の設定に設定したくありません。 そうすると、焦げた混乱になってしまうことを私は知っています。
このような問題を回避するために、要因の範囲を内側に描きたくなるかもしれませんが、この方法では、アクティブな効果を検出するDSDの能力が低下します。 実行可能領域の形状が立方体または球形でない場合でも、実行可能領域全体を使用することをお勧めします。
2）いくつかの要因が混合物の成分である場合
同様に、2つ以上の要素が混合物の成分である場合、DSDの使用は不適切です。 ある成分の割合を上げる場合は、他の成分の割合を下げる必要があるため、これらの要素はその性質によって独立して変化することはできません。
3）2つ以上のレベルのカテゴリ要因がある場合
DSDは、2つのレベルでいくつかのカテゴリ要素を処理できますが、ほとんどの要素がカテゴリである場合、DSDを使用することは非効率的です。 また、カテゴリ要因に3つ以上のレベルがある場合、DSDは一般的に望ましくない選択です。 実験計画法（DOE）LinkedInグループでの最近の議論3つのレベルのカテゴリ要素に対応するためにDSDを変更しようとすることを含みました。 これは可能ですが、でカスタムデザインツールを使用する必要がありましたJMP DSDの因子を共変量因子として扱い、カスタム設計アルゴリズムによって選択されたレベルを持つ唯一の因子として3レベルのカテゴリー因子を追加します。
4）DSDが分割プロット設計として実行される場合
また、1つの因子の設定を並べ替えて、結果の設計が分割プロット設計になるようにDSDを変更することも不適切です。 6ファクターDSDの場合、ソートされたファクターには3つの設定しかありません。 低設定で5回、中設定で3回実行し、高設定で実行します。 このような設計を使用すると、ソートされた因子の効果に関する推論が統計的に無効になることを意味します。
5）対象のアプリオリモデルが高次の効果を持つ場合
DSDの場合、3次項は主効果と交絡しているため、3次効果を特定することは不可能です。
通常の2レベルのフラクショナル因子計画とPlackett-Burman設計も、上記のほとんどの場合には不適切です。 したがって、それらは実行可能な代替手段ではありません。
上記の場合にDSDを使用する代わりに何がありますか？
のユーザー向けJMP 、答えは簡単です。カスタムデザインツールを使用してください。
JMPのカスタムデザインツールは、上記のシナリオの任意の組み合わせに対応するように構築されたデザインを生成できます。 カスタムデザインツールの背後にある基本原則は
「設計に合わせて問題を変更するのではなく、設計が問題に適合する必要があります。」
最終的な考え
DSDは、DSDが作成されたシナリオで非常に役立つ設計です。 スクリーニングデザインとして、それらには多くの望ましい特性があります。
1）主な効果は直交しています。
2）主な効果は、2要素交互作用（2FI）および2次効果に直交します。
3）連続因子のすべての2次効果は推定可能です。
4）2FIは、相関している可能性はありますが、他の2FIまたは2次効果と交絡することはありません。
5）13回以上実行されるDSDの場合、完全な2次モデルを任意の3因子サブセットに適合させることができます。
6）DSDは、2つのレベルを持ついくつかのカテゴリ要素に対応できます。
7）DSDのブロックは非常に柔軟です。 ある場合mファクター、2から2の間の任意の数のブロックを持つことができますm 。
8） DSDは、フィールドに安価で、最低2つしか必要としません。 m +1ラン。
9）必要以上の要素を含むDSDを作成し、余分な要素を削除することで、DSDに実行を追加できます。 結果として得られる設計には、上記の最初の7つのプロパティがすべて含まれており、より多くのパワーと、より多くの2次効果を識別する機能があります。
私の意見では、上記の特性により、DSDは、ほとんどの要因が連続的であるスクリーニング実験に最適です。
ただし、 DSDは万能薬ではありません。 言い換えれば、DSDはすべての実験計画問題の解決策ではありません。
私はDSDの大ファンですが、共同発明者として責任を感じていますそれらの使用目的と誤用の可能性について明確にすること。
Re：Definitive Screening Designs（DSD）の適切および不適切な使用Varun_Bhattへの返信：
モデル項が別のモデル項（たとえば2つの2FI）と+1または-1の相関がある場合、これらの項は交絡していると言います。 その場合、関心のある応答への影響を分離するための純粋なデータ駆動型の方法はありません。
ただし、相関の大きさが1未満の場合、応答に対するモデル項の個別の影響を推定できるようになりました。 ただし、これらの効果の推定値の分散は、2つの項が無相関である場合よりも大きくなります。 この現象を分散拡大係数と呼びます。 マグニチュードの相関が大きいほど、分散拡大係数が大きくなります。
効果のサイズと比較して誤差分散が小さい場合、分散インフレは大きな問題ではありません。 そのため、分散拡大係数をいつ心配するかについての従来の経験則が見当違いです。
Re：最終的なスクリーニングデザイン（DSD）の適切および不適切な使用この部分について詳しく教えていただけますか？」 2FIは、相関している可能性はありますが、他の2FIまたは2次効果と交絡することはありません。」
交絡している要因と相関している要因の違いを知りたい。 それらはどう違いますか？ そして、それらはモデルにどのように異なる影響を与えますか？
ありがとう
Re：Definitive Screening Designs（DSD）の適切および不適切な使用ブラッド、
DSDの適切な使用に関するこれらのさらなる入力に感謝します。
1年ほど前、私はDSDを使用して、約100の連続因子を使用したコンピューターシミュレーションを行いました。これには、すべての2次効果も必要であり、合計実行回数は約200です。 結果は、カスタムデザインの結果ほど満足のいくものではありませんでした。 それ以来、多くの要因があるモデリングとシミュレーションにDSDを使用することを避けてきましたが、DSDは非常に有用な少数の要因、たとえば12未満であることがわかりました。 M＆Sの実行で主効果のみを使用してから、2次効果を確認するために、はるかに少ない数の因子で別のDSDを実行する必要がありますか？
マニー
Re：Definitive Screening Designs（DSD）の適切および不適切な使用ジョーンズ博士、
私はかなり長い間DSDを使用していますが、かなりの成功を収めています。 ただし、現在、バイナリ応答（成長/成長なし）にDSDを使用することを検討しています。 これはDSDで実行できますか？また、DSD分析アルゴリズムに組み込まれていないため、応答をどのように分析しますか？ それとも他のタイプのデザインを使用しますか？
一番、
Ewoud Schuring
Re：最終的なスクリーニングデザイン（DSD）の適切および不適切な使用ジョーンズ博士、
徹底的かつ思慮深い対応ありがとうございます。 お手数をおかけしますが、よろしくお願いいたします。 私はあなたと直接話し合いを続けます。
乾杯、
明細書
Re：Definitive Screening Designs（DSD）の適切および不適切な使用ロス博士-私はあなたの16,000のDOE経験に非常に感銘を受けました。 JMPをご利用いただきありがとうございます。 あなたは私より長い間JMPerでした！
以下に、5つの質問と懸念事項について説明します。
1）初心者の実験者は、連続因子のレベルを互いに近すぎるように設定する傾向があることを指摘します。 私もこの振る舞いを見てきました。 エンジニアは世界が非線形だと思っていると思います。 彼らはまた、微積分から、変化も小さければ直線性からの偏差が小さいことを知っています。 問題は、因子の変化が小さい場合、応答のノイズがラインの推定勾配で大きなノイズに伝播し、アクティブな因子を特定するのが困難になる可能性があることです。 したがって、DOEを教える際には、生徒が継続的な要素を変えることに大胆になることをお勧めします。 DSDが提供するように、各要素に低、中、高の値を設定することで、エンジニアは要素のレベルを広げることに自信を持てるようになると思います。 これは、DSDが存在する場合、強い曲率を検出できるため、非線形性の心配がなくなります。
2.上記のブログで、ほとんどの要因が継続的である場合、DSDは適切なスクリーニング設計であると述べました。 2レベルのカテゴリ要素が3つ以上ある場合、DSDを使用するのは気が進まないでしょう。 ほとんどまたはすべての要素が2つのレベルで分類されている場合は、効率的なフォールドオーバーデザインをお勧めします。 これらのデザインに関する記事への参照は次のとおりです。Anna Errore、Bradley Jones、William Li＆Christopher J. Nachtsheim（2017）効率的な2レベルフォールドオーバー設計の利点と迅速な構築、テクノメトリクス、59：1、48-57、DOI：10.1080 / 00401706.2015.1124052
また、調査員は、カテゴリ要因の2つのレベルの違いを説明する定量的測定値を考え出すためにさらに努力することができ、それによってカテゴリ要因をより意味のある連続要因に変えることができたと思います。
3.中心点が曲率を検出できると主張します。 これは真実ですが、曲率の原因となる要因を特定することはできません。 このあいまいさにより、フォローアップ実験が強制されます。これは、DSDが使用されている場合は不要です。 実験領域内で強い二次効果が最小になるケーススタディを見たことがあります。最小の応答が望ましく、ここでのスイートスポットは2レベルの設計では検出できません。 別のケーススタディでは、最大応答が実験領域内にある強力な2次効果が見つかりました。ここ、最大の応答が望ましく、2レベルの設計ではスイートスポットは検出されません。 DSDにすべての二次効果を推定する機能を含めるためのコストは、主効果の信頼区間の長さが10％（またはそれ以下）増加することです。 これは、2次効果に関する情報の獲得に支払うための小さな代償のようです。
4.固定効果を推定するよりも、ノイズの発生源を特定することが重要な場合があることを正しく指摘します。 このような場合、平均応答に対する要因の影響を同時に評価しながら、応答の分散に影響を与える要因を特定できるように、設計ポイントを複製すると便利です。 要因の約4倍の実行コストで、DSD全体を複製できます。 この点でブロッキングについて言及します。 ブロッキングは、変動の1つの原因を特定して定量化し、実行ごとの変動からその影響を取り除くことができます。 環境条件を変更すると応答にノイズが発生する場合、ブロッキングは有用な救済策です。 DSDは、2レベルのフラクショナルファクトリまたはフルファクトリの設計よりも柔軟にブロックできます。 以下は、DSDをブロックする方法を説明する論文への参照です。
Bradley Jones＆Christopher J. Nachtsheim（2015）：決定的なスクリーニング設計のためのブロッキングスキーム、テクノメトリクス、DOI：10.1080 / 00401706.2015.1013777
5.最後の懸念事項は、DSDの指導と、実験への反復アプローチに関する懸念事項です。 私はDSDを「ワンショット」実験として宣伝していません。 従来のフラクショナル因子計画のエイリアシング構造は単純で、説明がかなり簡単であることは事実です。 ただし、潜在的に重要な効果の完全なエイリアシングは、私の見解では望ましくありません。 見る
Bradley Jones（2016）21世紀のスクリーニング実験：何を、なぜ、どのように、品質工学、28：1、98-106、DOI：10.1080 / 08982112.2015.1100462
上記の記事は、3人の討論者によるディスカッションペーパーでした。 私のリジョインダーは、最初のDSD研究に続くシーケンシャルデザインを含む多くの問題に対処しました-以下を参照してください。
ブラッドリージョーンズ（2016）リジョインダー、品質工学、28：1、122-126、DOI：10.1080 / 08982112.2015.1100468
以下のリファレンスは、予測された最適な応答が実験の領域外にある場合でも、初期DSDを使用することの相対的な利点を扱っています。 また、最も急な上昇を実行する強力なフォローアップ設計アプローチを提供します。
Christopher J. Nachtsheim＆Bradley Jones（2018）応答の最適化とモデル推定のための設計拡張、品質工学、30：1、38-51、DOI：10.1080 / 08982112.2017.1382298
開業医にDSDの作り方を教える必要はないと思います。 多くのソフトウェアパッケージがこれを行うことができます。 研究者が相関セルプロットに精通していると便利だと思います。 JMPは、設計を評価および比較するための多くの診断ツールを提供します。 これらは非常に有用であり、短期コースや大学のコースでそれらの使用法を教えることは、DOE実践者のコミュニティに利益をもたらすでしょう。 開業医は、DSDの特殊な形状を利用して適切なモデルに適合させる方法を知っておくと便利です。 これについては、以下のリファレンスで説明しています。
Bradley Jones＆Christopher J. Nachtsheim（2016）：最終的なスクリーニングデザインのための効果的なデザインベースのモデル選択、テクノメトリクス、DOI：10.1080 / 00401706.2016.1234979
この会話を続けて、参考文献のpdfをお送りします。 あなたはbradley.jones@jmp.comで私に連絡することができます
Re：最終的なスクリーニングデザイン（DSD）の適切および不適切な使用ジョーンズ博士、私は（最初のバージョンから）長い間JMPユーザーであり、業界への貢献に感謝したいと思います。 私は、複数の業界にわたる16,000を超える実験の設計と分析に携わってきました。 おそらくこれは間違ったフォーラムですが、私はいくつかの質問/コメントがあり（私は気分を害しないことを望んでいます）、あなたの意見を大切にします。
1.スクリーニング設計に関して、最も一般的な障害モードの1つ（特に初心者の実験者の場合）は、十分に離れて設定されていない（十分に太字の）レベルです。 したがって、それらの効果は実現されておらず、これらの要因はさらなる研究から除外される可能性があります（私の仮説では、エンジニアはあまりにも多くのバリエーションを作成することを躊躇し、因果関係を理解するのではなく、解決策を探しています）。 レベル数を3に増やすと、この障害モードがさらに複雑になるように思われますか？
2.設計の初期段階では、多くの要素が定性的です。 あまりにも多くの定性的要素をデザインに追加することへの制限は負担であるように思われます。 おそらく、この戦略は、順次研究の後半の反復としてより適切ですか？
3.多くの場合、スクリーニングの設計は、方向性を取得し、重要でない要素を除外すること、またはおそらくさらなる研究のために重要な要素を特定することを目的としています。 これを達成するために二次方程式は本当に必要ですか？ OK、レベルが太すぎて重要な効果が失われる場合があると思いますが、それは中心点でかなり簡単に修正できます。 二次方程式が本質的に線形からの逸脱である場合、最適からかなり離れた設計空間にいる場合は、最初に線形効果にもっと興味がありませんか？ 山のふもとの二次方程式では、山の頂上に到達できない場合があります。
4.さらに、おそらく最も重要なこととして、ノイズを処理する戦略は、設計要素の解決よりも重要である可能性があります（設計要素の解決とノイズ効果の回復の間のリソースの効率的な使用のための絶え間ない闘争を知っているように） 。 ランダム化完全ブロックデザイン（RCBD）を使用する場合、高次のブロックごとの相互作用が本当に必要ですか？ バランスの取れた不完全なブロック設計が使用されている場合、エイリアシングを理解するのはどのくらい簡単ですか？
5.最後に、そしておそらく開業医にとって最も重要ではないが、DSDはどのように教えられているのか？ 識別可能なエイリアシングと、デエイリアシングへのフォールドオーバーなどのアイデアを備えた従来のフラクショナル因子計画を使用するのは簡単です。 反復の考え方と実践を無力化することが最も重要です。 DSDは、実験に対する反復的で科学的なアプローチにどのように適合しますか？
よろしくお願いします。
この議論をオフラインにすることを好むなら、それは私にとっては問題ないでしょう。 comcastdotnetのstatmanに直接メールを送ることができます
乾杯、
ビル・ロス
Re：Definitive Screening Designs（DSD）の適切および不適切な使用ブラッド、有益な投稿、そして良い反応に感謝し、DSDについてもっと学ぶのを助けてくれました。
Re：Definitive Screening Designs（DSD）の適切および不適切な使用ジョーンズ博士に感謝します-この問題は、ASQテクノメトリクスサイトではまだ利用できません。間もなく公開される予定です。
リチャード
Re：Definitive Screening Designs（DSD）の適切および不適切な使用http://dx.doi.org/10.1080/00401706.2016.1234979
上記は、ChrisNachtsheimと私によるジャーナルTechnometricsの論文のURLであり、「決定的なスクリーニング設計のための効果的な設計ベースのモデル選択」と題されています。
このペーパーは、「フェイクファクター」（つまり、デザインの作成には使用されるが、実験の実行には使用されないファクター）を追加する強い動機を提供します。 JMP 13では、DSD設計ツールはこれをデフォルト値4で「追加実行」と呼びます。 ただし、このフィールドを0に戻して、最小実行DSDを取得できます。 これらの追加の実行を追加すると、強力な代替分析アプローチが可能になります。
Re：Definitive Screening Designs（DSD）の適切および不適切な使用以下で説明するように、列が削除された例が公開されていますか？
代わりに、8因子DSDを使用し、最後の3列を無視した場合、17実行の設計になり、4つまたは5つの2次効果を識別できるはずです。
Re：Definitive Screening Designs（DSD）の適切および不適切な使用要因や相互作用が多すぎると、DSDは間違いなく問題にぶつかる可能性があります。 私は、何世代にもわたる最適化を経て、多くの機能する触媒成分と相互作用を持っていた触媒システムで1つを試しました。 かなりの数の実行を追加する必要がありました。
Re：Definitive Screening Designs（DSD）の適切および不適切な使用素晴らしい投稿。 しかし、私を困惑させる質問が1つあります。 あなたは、より高いmの設計を取り、余分な列を削除することで、簡単に追加の実行を追加できると述べています。 ランをデザインに「追加」する簡単な方法はないかと思いました。 たとえば、am = 5のDSD実行を実行した後、さらに電力が必要になると判断し、後で実行を追加したいと思います。 それ、どうやったら出来るの？ （たとえば、m = 7を取得し、最後の2つの列を削除して、それをm = 5と比較すると、同じ行はもう取得されません）。 ありがとう！
ブラッドリー・ジョーンズは次のように書いています。ブラッドリージョーンズ書きました：
検証の実行を計画することは常に良いことです。 これらは、実験を実行してデータを分析した後に実行する実行です。 分析の結果はモデルであり、これを使用して、実験で実行されなかった因子設定での応答予測を行うことができます。 応答の目標を考慮して、モデルが最も改善を予測する係数設定（または複数の設定）で検証を実行することを選択できます。
これは、因子の範囲を拡張したり、モデルに項を追加したり、現在のモデルの推定値に関する不確実性を減らすために実行を追加したりする設計拡張とは異なります。
ブラッドリージョーンズは書いた：私は日常的な使用を信じています...ブラッドリージョーンズ書きました：
私は、実験計画の工業デザインにおけるほとんどの問題に対して、カスタムデザイナーを日常的に使用していると信じています。 ほとんどすべての要因が連続的であり、それらの範囲全体にわたって独立して変化する可能性がある場合、最終的なスクリーニング設計が適切な選択です。
費用がコンピューター時間のみであるモンテカルロコンピューターシミュレーション研究を行っているとき、私は時々フルファクターデザインを使用します。 私は、通常の2レベルのフラクショナル因子計画よりも優れた選択肢があることに同意します。
スティーブン・ムーアは次のように書いています。スティーブン・ムーア書きました：
だから....私はかなり長い間、決定的なスクリーニングデザインとカスタムデザインを使用してきました。 私の意見では、従来の階乗設計を使用する理由はもうありません。私は正しいですか、それとも何かが足りませんか？
Jo Chotixは次のように書いています：それぞれを変えることができるようです...Jo Chotix書きました：
各コンポーネントを個別に変更できるようです。 いくつかの検証実行を計画する必要がありますか？ それら/要素を設計にどのように計画しますか（実行回数、検証の設計ポイントなど）？ これは、デザインの拡張とどのように異なりますか？ ありがとう！
ブラッドリージョーンズは書いた：DSDを使用することが適切かもしれない...ブラッドリージョーンズ書きました：
DSDを使用するのが適切かもしれませんが、処理の濃度を変える4つの要因が混合物の成分と見なされる可能性があるのではないかと心配しています。 もしそうなら、それは1つの例外を除いてDSDの使用を不適切にするでしょう。 混合物中の大部分の成分が不活性な充填剤である場合、他の成分は独立して変化する可能性があります。 その場合、DSDを使用しても問題ありません。
Jo chotixは次のように書いています：私はDSDを使用して設計することを考えていました...Jo chotix書きました：
私は、DSDを使用してinvivoマウス研究の治療計画を設計することを考えていました。 治療の濃度を変える4つの要因（例えば、濃縮薬、賦形剤ブレンドなど）と、マウスの年齢に焦点を当てた1つの要因があります。 これがDSDをお勧めするものかどうか疑問に思いましたか？
ブラッドリージョーンズは書いた：あなたは3つのカテゴリー要素を追加することができます...ブラッドリージョーンズ書きました：
設計を非効率にすることなく、DSDに3つのカテゴリ要素を追加できます。 以下は、ChrisNachtsheimと私がこのテーマに関して発表した論文への参照です。
ジョーンズ、ブラッドリー、ナハツハイム、CJ （2013）「2レベルのカテゴリー要素が追加された決定的なスクリーニング設計」、Journal of Quality Technology、45：2、120-129。
Ewoud Schuringは次のように書いています：Hello Bradley、興味深いブログ、...Ewoud Schuring書きました：
こんにちはブラッドリー、
興味深いブログですが、実際にはDSD全体が私にとって非常に興味深いものです。 しかし、私には質問があります。
DSDのカテゴリ要素の数の制限は何ですか？ 現時点では、3つの連続要素と3つのカテゴリ要素を使用してDSDを作成しようとしています。 これは良い考えですか？ リスクは何ですか？ または、連続対カテゴリの1/1の比率は、非効率的な設計になりますか？
ブラッドリー・ジョーンズは次のように書いています。ポール、いくつかのカスタムデザイン...ブラッドリージョーンズ書きました：
ポール、
いくつかの複製を含むカスタム設計は、非常に安全な応答曲面計画です。 私の経験では、一般的に大きな2次効果はほとんどありません。 したがって、2次効果をすべて推定できる設計を構築すると、やり過ぎになる可能性があります。 6因子DSDは13回の実行のみを必要とし、2つまたは3つの2次効果を確実に識別できます。 それはあなたにコストのほぼ50％を節約するでしょう。
代わりに、8因子DSDを使用し、最後の3列を無視した場合、17実行の設計になり、4つまたは5つの2次効果を識別できるはずです。
Paul Prewは次のように書いています：Hello Bradley、この投稿は私を...ポール・プリュー書きました：
こんにちはブラッドリー、この投稿は私に4-6要素の適切な設計について考えさせています。 具体的には、先週、5つの連続した要因を調査したい化学者がいました。 予備的な一度に1つの要素のテストは、それらが重要であると彼女に告げました。 彼女はDOEについて何も知りませんでしたが、上司はそれがより効率的な方法であると彼女に言いました-統計家に相談してください。
私たちは、純粋なスクリーニング設計が一歩後退したように見え、非効率的だったであろう灰色の領域にいました。 そのため、2次モデルの設計を選択し、数回の複製で25回の実行のカスタム設計を行いました。
ありがとう、ポール
5ファクターのDSDは、6または7ファクター用に設計し、余分な列を削除したとしても、実行回数がはるかに少なくなります。 JMPを使用して、2次モデルを適合させるための優れた設計としてDSDを評価するにはどうすればよいですか？ DSDとカスタム設計を比較するためにどの特定の設計評価ツールをお勧めしますか？
RonAndrewsは次のように書いています。DSDのアプリケーションを見つけました...ロン・アンドリュース書きました：
うまくいった混合物を使ったDSDのアプリケーションを見つけました。 コンタクトレンズの製造に使用されるモノマーの混合物の計量仕様を確認する必要がありました。 これは真の混合物であり、解決策ではないため、ほとんどの場合、DSDは適切な選択ではありません。 それを機能させたのは、公称値からの小さな変化でした。 名目式を中心点として使用しました。 各コンポーネントは、公称値の+/- 1％変動しました。 実験を分析するために、各ミックスの実際の濃度を計算しました。 混合物の最大の2つの成分の間には有意な相関関係がありましたが、設計では2つの要因を別々に推定することができました。
混合物設計の代替案の例の1つとして、これを含むディスカバリーサミットプレゼンテーションの要約を提出しました。 それが受け入れられるかどうかにかかわらず、私はより多くの詳細を提供することができます。
