최종 선별 설계(DSD)의 적절하고 부적절한 사용2011년에 제 동료인 Chris Nachtsheim 교수와 저는 최종 선별 설계 (DSD) 품질 기술 저널 . 1년 후, 나는 썼다. JMP 블로그 게시물 상관 셀 플롯을 사용하여 이러한 설계를 설명합니다. DSD가 도입된 이후로 DSD는 페인트 제조, 생명 공학, 녹색 에너지 및 레이저 에칭과 같은 다양한 영역에서 응용 프로그램을 발견했습니다.
새롭고 흥미진진한 방법론이 등장하면 첨단 연구자들이 이를 시도하려는 자연스러운 경향이 있습니다. 이 조사자들이 긍정적인 결과를 보고하면 다른 사람들도 새로운 방법을 시도하도록 격려합니다.
물론 저는 DSD의 열렬한 팬이지만 공동 발명가로서 실험 계획(DOE) 의도된 용도와 오용 가능성에 대해 명확히 합니다.
그렇다면 언제 DSD를 사용해야 합니까?
이름에서 알 수 있듯이 DSD는 선별 설계입니다. 가장 적절한 사용은 관심 반응에 영향을 줄 수 있는 잠재적으로 중요한 요소가 많이 있고 일반적으로 훨씬 적은 수의 매우 영향력 있는 요소를 식별하는 것이 목표일 때 실험의 초기 단계에 있습니다.
선별 실험이기 때문에 4개 이상의 요인이 있을 때만 DSD를 사용합니다. 게다가, 만약 내가 4개의 요소만 있고 DSD를 사용하고 싶다면 6개의 요소에 대한 DSD를 만들고 마지막 두 열을 삭제합니다. 결과 설계는 4개 요인 중 3개에서 전체 2차 모형을 적합할 수 있습니다.
DSD는 대부분의 요인이 연속적일 때 가장 잘 작동합니다. 각 연속 요인에는 세 가지 수준이 있으므로 조사자가 각 연속 요인에 대해 직선이 아닌 곡선을 맞출 수 있기 때문입니다.
DSD를 사용하는 것이 부적절한 경우는 언제입니까?
아래에서 최적 분할구 설계는 변경하기 어려운 요인 wp를 정렬하여 생성한 최종 선별 설계보다 성능이 훨씬 뛰어납니다. 아래 4) 항목을 참조하십시오.
1) 디자인 영역에 제약이 있는 경우
DSD 사용에 대한 암묵적인 가정은 다른 요인의 수준과 독립적으로 모든 요인의 수준을 설정할 수 있다는 것입니다. 설계 영역에 대한 제약으로 인해 특정 요인 조합을 실행할 수 없는 경우 이 가정을 위반합니다. 예를 들어 팝콘을 요리할 때 긴 요리 시간을 사용하면서 전원을 최대로 설정하고 싶지 않습니다. 내가 그렇게 하면 까맣게 된 엉망이 될 것이라는 것을 알고 있습니다.
그러한 문제를 피하기 위해 요인의 범위를 내부로 끌어들이고 싶을 수도 있지만 이 방법은 활성 효과를 감지하는 DSD의 능력을 감소시킵니다. 해당 영역의 모양이 입방체나 구형이 아니더라도 실현 가능한 전체 영역을 사용하는 것이 좋습니다.
2) 성분의 일부가 혼합물의 성분인 경우
유사하게, 두 가지 이상의 요소가 혼합물의 성분인 경우 DSD를 사용하는 것은 부적절합니다. 한 성분의 비율을 높이면 다른 성분의 비율을 낮춰야 하므로 이러한 요소는 본질적으로 독립적으로 변할 수 없습니다.
3) 두 개 이상의 수준을 갖는 범주형 요인이 있는 경우
DSD는 두 가지 수준에서 몇 가지 범주형 요인을 처리할 수 있지만 대부분의 요인이 범주형인 경우 DSD를 사용하는 것은 비효율적입니다. 또한 범주형 요인의 수준이 두 개 이상인 경우 DSD는 일반적으로 바람직하지 않은 선택입니다. DOE(Design of Experiment) LinkedIn 그룹의 최근 토론 3단계 범주형 요소를 수용하기 위해 DSD를 수정하려는 시도가 포함되었습니다. 이것이 가능하지만 사용자 정의 디자인 도구를 사용하여 JMP DSD의 요인을 공변량 요인으로 처리하고 3단계 범주형 요인을 사용자 지정 설계 알고리즘에 의해 선택된 수준을 갖는 유일한 요인으로 추가합니다.
4) DSD가 분할구 설계로 실행되는 경우
결과 설계가 분할구 설계가 되도록 한 요인의 설정을 정렬하여 DSD를 변경하는 것도 부적절합니다. 6개 요소 DSD의 경우 정렬된 요소에는 3개의 설정만 있습니다. 낮은 설정에서 5개의 실행이 있고 중간 설정에서 3개의 실행이 있고 높은 설정에서 실행이 제공됩니다. 이러한 설계를 사용하면 정렬된 요인의 효과에 대한 추론이 통계적으로 무효가 됩니다.
5) 관심있는 선험모형이 고차효과를 가질 때
DSD의 경우 3차 항은 주효과와 혼동되므로 3차 효과를 식별하는 것은 불가능합니다.
정규 2-수준 부분 요인 설계와 Plackett-Burman 설계도 위의 경우 대부분에 적합하지 않습니다. 따라서 그들은 실행 가능한 대안이 아닙니다.
위의 경우 DSD를 사용하는 것의 대안은 무엇입니까?
사용자의 경우 JMP , 대답은 간단합니다. 사용자 정의 디자인 도구를 사용하십시오.
JMP의 Custom Design 도구는 위에 나열된 시나리오의 모든 조합을 수용하도록 구축된 디자인을 생성할 수 있습니다. Custom Design 도구의 기본 원칙은 다음과 같습니다.
“디자인은 디자인에 맞게 문제를 변경하는 것이 아니라 문제에 맞아야 합니다.”
마지막 생각들
DSD는 생성된 시나리오에서 매우 유용한 디자인입니다. 스크리닝 디자인으로 많은 바람직한 특성이 있습니다.
1) 주효과는 직교합니다.
2) 주효과는 2-요인 상호작용(2FI)과 2차 효과에 직교합니다.
3) 연속 요인의 모든 2차 효과를 추정할 수 있습니다.
4) 2FI는 상관 관계가 있을 수 있지만 다른 2FI 또는 2차 효과와 혼동되지 않습니다.
5) 런이 13개 이상인 DSD의 경우 3-요인 하위 집합에서 전체 2차 모델을 적합하는 것이 가능합니다.
6) DSD는 두 가지 수준을 갖는 몇 가지 범주적 요인을 수용할 수 있습니다.
7) DSD 차단은 매우 유연합니다. 만일 거기에 중 요인에 따라 2에서 2 사이의 블록을 가질 수 있습니다 중 .
8) DSD는 최소 2개만 필요한 현장에 저렴합니다. 중 +1 실행합니다.
9) 필요한 것보다 더 많은 요인으로 DSD를 만들고 추가 요인을 삭제하여 DSD에 런을 추가할 수 있습니다. 결과 설계는 위의 처음 7가지 속성을 모두 가지며 더 많은 2차 효과를 식별할 수 있는 능력뿐만 아니라 더 많은 능력을 갖습니다.
제 생각에는 위의 특성이 DSD를 대부분의 요인이 연속적인 선별 실험에 가장 적합한 선택으로 만듭니다.
그러나 사용한다는 점을 분명히 하고 싶습니다. DSD는 만병 통치약이 아닙니다 . 즉, DSD가 모든 실험 설계 문제에 대한 솔루션은 아닙니다.
나는 DSD의 열렬한 팬이지만 공동 발명가로서 책임감을 느낍니다. 의도된 용도와 오용 가능성에 대해 명확히 합니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용Varun_Bhatt에게 답장:
모델 항이 다른 모델 항(예: 2개의 2FI)과 +1 또는 -1 상관 관계가 있는 경우 이러한 항이 교락되었다고 말합니다. 이 경우 관심 반응에 미치는 영향을 분리하는 순수한 데이터 기반 방법은 없습니다.
그러나 상관 관계가 1보다 작으면 반응에 대한 모형 항의 개별 효과를 이제 추정할 수 있습니다. 그러나 이러한 효과에 대한 추정치의 분산은 두 항이 상관관계가 없는 경우보다 더 큽니다. 이러한 현상을 분산 인플레이션이라고 합니다. 크기의 상관관계가 클수록 분산 인플레이션이 커집니다.
효과의 크기에 비해 오차 분산이 작은 경우 분산 팽창은 주요 관심사가 아닙니다. 이것이 분산 인플레이션에 대해 언제 걱정해야 하는지에 대한 전통적인 경험 법칙이 잘못된 이유입니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용이 부분에 대해 자세히 설명해 주시겠습니까?" 2FI는 상관 관계가 있을 수 있지만 다른 2FI 또는 2차 효과와 혼동되지 않습니다."
교란되는 요인과 상관 관계가 있는 요인의 차이점을 알고 싶었습니다. 어떻게 다른가요? 그리고 모델에 얼마나 다른 영향을 미치나요?
감사
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용브래드,
DSD의 적절한 사용에 대한 추가 정보에 감사드립니다.
약 1년 전에 저는 모든 2차 효과가 필요한 약 100개의 연속 요인이 있는 컴퓨터 시뮬레이션에 DSD를 사용했으며 총 실행 횟수는 약 200회였습니다. 결과는 Custom Design의 결과만큼 만족스럽지 않았습니다. 그 이후로 많은 요인이 있는 모델링 및 시뮬레이션에 DSD를 사용하는 것을 피했습니다. DSD가 12개 미만과 같이 적은 수의 요인이 매우 유용하다는 것을 알긴 했지만요. M&S 실행에서 주효과만 사용한 다음 훨씬 더 적은 수의 요인으로 다른 DSD를 실행하여 2차 효과를 확인해야 합니까?
매니
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용존스 박사,
나는 꽤 오랜 시간 동안 DSD를 사용하고 있으며 상당한 성공을 거두고 있습니다. 그러나 이제 이진 응답(성장/성장 없음)에 DSD를 사용하는 방법을 찾고 있습니다. 이것은 DSD로 수행할 수 있으며 DSD 분석 알고리즘에 내장되어 있지 않기 때문에 어떻게 응답을 분석할 수 있습니까? 아니면 다른 유형의 디자인을 사용하시겠습니까?
최고,
에우드 슈링
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용존스 박사,
세심하고 사려 깊은 답변에 감사드립니다. 귀하의 시간과 배려에 감사드립니다. 나는 당신과 직접 토론을 계속할 것입니다.
건배,
계산서
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용Ross 박사 - 16,000번의 DOE 경험에 깊은 인상을 받았습니다. JMP를 오랫동안 이용해 주셔서 감사합니다. 당신은 나보다 더 오랜 시간 동안 JMPer였습니다!
아래에서 귀하의 5가지 질문과 우려 사항에 대해 설명합니다.
1) 초보 실험자들은 연속 요인의 수준을 서로 너무 가깝게 설정하는 경향이 있다고 지적합니다. 나도 이런 행동을 본 적이 있다. 나는 엔지니어들이 세상이 비선형적이라고 생각한다고 믿습니다. 그들은 또한 변화가 작으면 선형성 편차도 작다는 것을 미적분을 통해 알고 있습니다. 문제는 요인의 변화가 작을 때 응답의 잡음이 추정된 선의 기울기에서 큰 잡음으로 전파되어 활성 요인을 식별하기 어려울 수 있다는 것입니다. 따라서 DOE를 가르칠 때 우리는 학생들이 연속 요소를 변화시키는 데 과감하도록 권장합니다. DSD가 제공하는 것처럼 각 요인에 대해 낮은 값, 중간 값, 높은 값을 갖는 것은 엔지니어가 요인의 수준을 분산시키는 데 더 자신감을 갖도록 만들 수 있다고 믿습니다. DSD는 강한 곡률이 존재하는 경우 이를 감지할 수 있어 비선형성에 대한 우려가 없기 때문이다.
2. 위의 블로그에서 DSD는 대부분의 요인이 연속적일 때 적절한 선별 설계라고 언급했습니다. 2개 수준의 범주형 요소가 세 개 이상 있을 때 DSD를 사용하는 것을 꺼립니다. 대부분의 또는 모든 요인이 두 수준에서 범주형인 경우 효율적인 접기 설계를 권장합니다. 다음은 이러한 디자인에 대한 기사에 대한 참조입니다.Anna Errore, Bradley Jones, William Li 및 Christopher J. Nachtsheim(2017) 효율적인 2단계 접이식 설계의 이점 및 빠른 구성, 테크노메트릭스 , 59:1, 48-57, DOI: 10.1080/00401706.2015.1124052
나는 또한 조사자들이 범주형 요인의 두 수준 간의 차이를 설명하는 정량적 측정값을 찾기 위해 더 열심히 노력할 수 있다고 생각합니다. 따라서 범주형 요인을 더 의미 있는 연속 요인으로 성공적으로 전환할 수 있습니다.
3. 중심점이 곡률을 감지할 수 있다고 주장합니다. 이것은 사실이지만 곡률을 일으키는 요인을 식별할 수 없습니다. 이 모호성은 DSD가 사용되는 경우 불필요한 후속 실험을 강제합니다. 강한 2차 효과가 실험 영역 내에서 최소인 사례 연구를 본 적이 있습니다.최소 응답이 바람직했으며 여기의 스위트 스폿은 2단계 설계로 감지할 수 없습니다. 또 다른 사례 연구에서는 최대 응답이 실험 영역 내부에 있는 강력한 2차 효과를 발견했습니다.여기 , ㅏ 최대 응답이 바람직했으며 스위트 스폿은 다시 2단계 설계로 감지할 수 없었습니다. DSD에 모든 2차 효과를 추정하는 기능을 포함하는 비용은 주효과에 대한 신뢰 구간 길이의 10%(또는 그 미만) 증가입니다. 이것은 2차 효과에 대한 정보 획득에 대해 지불하기에는 작은 대가로 보입니다.
4. 때때로 소음의 원인을 식별하는 것이 고정된 효과를 추정하는 것보다 더 중요할 수 있다는 것을 정확히 지적하셨습니다. 이러한 경우, 반응의 분산에 영향을 미치는 요인을 식별하는 동시에 평균 반응에 대한 요인의 영향을 평가할 수 있도록 설계점을 복제하는 것이 유용합니다. 요인이 있는 것보다 대략 4배 많은 실행 비용으로 전체 DSD를 복제할 수 있습니다. 이 시점에서 차단을 언급합니다. 차단은 변동성의 한 원인을 식별 및 정량화하고 실행 간 변동에서 그 영향을 제거할 수 있습니다. 환경 조건을 변경하면 응답에 노이즈가 발생할 때 차단이 유용한 해결책입니다. DSD는 2-수준 부분 요인 설계 또는 전체 요인 설계보다 유연하게 차단할 수 있습니다. 아래는 DSD를 차단하는 방법을 설명하는 문서에 대한 참조입니다.
Bradley Jones & Christopher J. Nachtsheim(2015): 최종 선별 설계를 위한 차단 계획, 테크노메트릭스 , DOI: 10.1080/00401706.2015.1013777
5. 마지막 관심사는 DSD를 가르치는 것과 실험에 대한 반복적인 접근에 대한 우려입니다. 나는 DSD를 "일회성" 실험으로 광고하지 않습니다. 전통적인 부분 요인 설계의 앨리어싱 구조가 간단하고 설명하기가 상당히 쉬운 것은 사실입니다. 그러나 잠재적으로 중요한 효과에 대한 완전한 앨리어싱은 내가 보기에 바람직하지 않습니다. 보다
브래들리 존스(2016) 21세기 선별 실험: 무엇을, 왜, 어떻게, 품질 엔지니어링 , 28:1, 98-106, DOI: 10.1080/08982112.2015.1100462
위의 글은 3명의 토론자와 함께한 토론글이었습니다. 나의 재결합자는 초기 DSD 연구에 따른 순차 설계를 포함하여 많은 문제를 처리했습니다(아래 참조 참조).
브래들리 존스(2016) 재결합, 품질 엔지니어링 , 28:1, 122-126, DOI: 10.1080/08982112.2015.1100468
아래 참조는 예측된 최적 응답이 실험 영역 밖에 있는 경우에도 초기 DSD를 사용하는 상대적 이점을 다룹니다. 또한 가장 가파른 상승을 수행하는 강력한 후속 설계 접근 방식을 제공합니다.
Christopher J. Nachtsheim & Bradley Jones(2018) 응답 최적화 및 모델 추정을 위한 설계 증대, 품질 엔지니어링 , 30:1, 38-51, DOI: 10.1080/08982112.2017.1382298
나는 의사에게 DSD를 만드는 방법을 가르칠 필요가 없다고 생각합니다. 많은 소프트웨어 패키지가 이 작업을 수행할 수 있습니다. 조사자들에게 상관 셀 플롯을 익히는 것이 유용하다고 생각합니다. JMP는 설계를 평가하고 비교하기 위한 다양한 진단 도구를 제공합니다. 이는 매우 유용하며 단기 과정 및 대학 과정에서 사용을 가르치는 것은 DOE 실무자 커뮤니티에 도움이 될 것입니다. 실무자가 적절한 모델에 맞게 DSD의 특수 형상을 활용하는 방법을 아는 것이 유용합니다. 이것은 아래 참조에서 다룹니다.
Bradley Jones & Christopher J. Nachtsheim(2016): 최종 선별 설계를 위한 효과적인 설계 기반 모델 선택, 테크노메트릭스 , DOI: 10.1080/00401706.2016.1234979
이 대화를 계속하고 참조 자료의 pdf를 보내 드리겠습니다. bradley.jones@jmp.com으로 저에게 연락할 수 있습니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용Jones 박사님, 저는 JMP의 첫 번째 버전부터 오랜 기간 사용자이며 업계에 대한 귀하의 공헌에 감사드립니다. 저는 여러 산업 분야에서 16,000건 이상의 실험을 설계하고 분석하는 일에 참여했습니다. 아마도 이것은 잘못된 포럼이지만 몇 가지 질문/의견이 있으며(나의 기분을 상하게 하지 않기를 바랍니다) 귀하의 의견을 소중하게 생각합니다.
1. 스크리닝 설계와 관련하여 가장 일반적인 실패 모드(특히 초보 실험자) 중 하나는 수준이 충분히 떨어져 있지 않은(굵게 표시됨) 수준입니다. 따라서 그 효과는 실현되지 않으며 이러한 요인은 추가 연구에서 제외될 수도 있습니다(내 가설은 엔지니어가 너무 많은 변동을 만드는 것을 꺼리고 여전히 인과 관계를 이해하기보다는 솔루션을 찾고 있다는 것입니다). 레벨 수를 3으로 늘리면 이 실패 모드가 더 복잡해지는 것 같습니까?
2. 설계 초기에는 많은 요소가 정성적입니다. 디자인에 질적 요소를 너무 많이 추가한다는 제약이 부담인 것 같다. 아마도 이 전략은 순차 연구에서 후자의 반복으로 더 적합할까요?
3. 종종 스크리닝 디자인은 방향을 파악하고 중요하지 않은 것을 걸러내거나 추가 연구를 위해 중요한 요소를 식별하기 위한 것입니다. 이것을 달성하기 위해 이차 방정식이 정말로 필요합니까? 좋습니다. 레벨이 너무 굵게 설정되어 중요한 효과를 놓친 경우가 있을 수 있지만 중심점을 사용하면 상당히 쉽게 해결할 수 있습니다. 2차선이 본질적으로 선형에서 출발하는 경우, 최적에서 상당히 멀리 떨어진 설계 공간에 있다면 선형 효과에 먼저 관심을 기울이지 않을까요? 산기슭의 2차 방정식으로는 산꼭대기에 도달하지 못할 수도 있습니다.
4. 추가적으로 그리고 아마도 가장 중요한 것은 노이즈를 처리하는 전략이 디자인 요소의 해상도보다 더 중요할 수 있다는 것입니다(디자인 요소 해상도와 노이즈 효과의 결과 사이에서 자원의 효율적인 사용을 위한 끊임없는 투쟁을 알고 있기 때문입니다) . RCBD(Randomized Complete Block Design)를 사용하는 경우 더 높은 차수의 블록별 상호 작용이 실제로 필요합니까? Balanced Incomplete Block 디자인을 사용하면 앨리어싱을 이해하는 것이 얼마나 쉬운가요?
5. 마지막으로, 그리고 아마도 개업의에게 가장 중요하지 않은 DSD는 어떻게 가르쳐지는가? 식별 가능한 앨리어싱과 앨리어싱 제거로의 폴드오버와 같은 아이디어가 있는 전통적인 부분 요인 설계를 사용하는 것은 간단합니다. 마음가짐과 반복의 실천이 가장 중요합니다. DSD는 실험에 대한 반복적이고 과학적인 접근 방식에 어떻게 적합합니까?
귀하의 생각에 미리 감사드립니다.
이 논의를 오프라인으로 진행하는 것을 선호한다면 저와 함께 하는 것이 좋을 것입니다. comcast dot net의 statman에게 직접 이메일을 보낼 수 있습니다.
건배,
빌 로스
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용Brad, 유익한 게시물, 좋은 답변 감사합니다. DSD에 대해 더 많이 배울 수 있었습니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용감사합니다. Jones 박사 - 이 문제는 아직 ASQ Technometrics 사이트에서 사용할 수 없습니다.곧 공개될 예정이니 찾아봐야겠습니다.
리차드
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용http://dx.doi.org/10.1080/00401706.2016.1234979
위는 Chris Nachtsheim과 저와 함께 Technometrics 저널에 실린 논문에 대한 URL입니다.
이 문서는 우리가 "가짜 요인"(즉, 디자인을 만드는 데 사용되지만 실험을 실행할 때 사용되지 않는 요인)이라고 부르는 것을 추가하려는 강력한 동기를 제공합니다. JMP 13에서 DSD 디자인 도구는 이것을 기본값 4로 "추가 실행"이라고 부릅니다. 그러나 이 필드를 다시 0으로 변경하여 최소 실행 DSD를 얻을 수 있습니다. 이러한 추가 실행을 추가하면 강력한 대체 분석 접근 방식이 가능합니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용아래에 설명된 대로 열이 삭제된 예가 게시되어 있습니까?
대신 8 요인 DSD를 사용하고 마지막 3개 열을 무시했다면 17개 런 설계를 갖게 되며 4개 또는 5개의 2차 효과를 식별할 수 있어야 합니다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용DSD는 요인과 상호 작용이 너무 많으면 확실히 문제가 발생할 수 있습니다! 나는 여러 세대에 걸친 최적화를 거쳤고 많은 촉매 성분과 상호 작용이 작동하는 촉매 시스템에서 하나를 시도했습니다. 나는 꽤 많은 실행을 추가해야 하는 결론을 내렸다.
Re: 최종 선별 설계(DSD)의 적절하고 부적절한 사용훌륭한 게시물입니다. 그런데 저를 당황하게 하는 질문이 하나 있습니다. 당신은 더 높은 m 디자인을 취하고 추가 열을 삭제하여 추가 실행을 쉽게 추가할 수 있다고 언급했습니다. 디자인에 실행을 "추가"하는 쉬운 방법이 있는지 궁금합니다. 예를 들어 am=5 DSD 실행을 수행한 다음 더 많은 전력이 필요하다고 결정하고 나중에 추가 실행을 추가하고 싶습니다. 어떻게 해야 하나요? (예를 들어 m=7을 취하고 마지막 두 열을 삭제하고 m=5와 비교하면 더 이상 동일한 행을 얻지 못합니다.) 감사!
Bradley Jones는 다음과 같이 썼습니다. 유효성 검사를 계획하는 것은 항상 좋은 일입니다...브래들리 존스 썼다:
유효성 검사 실행을 계획하는 것은 항상 좋습니다. 실험을 실행하고 데이터를 분석한 후 수행하는 실행입니다. 분석 결과는 실험에서 실행되지 않은 요인 설정에서 반응 예측을 수행하는 데 사용할 수 있는 모델입니다. 응답 목표를 고려하여 모델이 가장 많이 개선될 것으로 예측하는 요인 설정(또는 설정)에서 검증 실행을 실행하도록 선택할 수 있습니다.
이는 요인의 범위를 확장하거나, 모형에 항을 추가하거나, 현재 모형의 추정치에 대한 불확실성을 줄이기 위해 더 많은 런을 추가하는 설계 증대와 다릅니다.
Bradley Jones는 다음과 같이 썼습니다. 나는 일상적인 사용을 믿습니다...브래들리 존스 썼다:
나는 실험 산업 디자인의 대부분의 문제에 대해 Custom Designer를 일상적으로 사용한다고 믿습니다. 거의 모든 요인이 연속적이고 전체 범위에서 독립적으로 변할 수 있는 경우 최종 선별 설계가 좋은 선택입니다.
컴퓨터 시간만 드는 Monte Carlo 컴퓨터 시뮬레이션 연구를 수행할 때 때때로 Full Factorial Designs를 사용합니다. 나는 이제 일반 2-수준 부분 요인 설계보다 더 나은 선택이 있다는 데 동의합니다.
Steven Moore는 다음과 같이 썼습니다. 그래서....저는 Definitive Sc를 사용하고 있습니다...스티븐 무어 썼다:
그래서....확실한 스크리닝 디자인과 커스텀 디자인을 꽤 오랫동안 사용해 왔습니다. 제 생각에는 더 이상 전통적인 팩토리얼 디자인을 사용할 이유가 없습니다. 내가 맞습니까, 아니면 뭔가를 놓치고 있습니까?
Jo Chotix는 다음과 같이 썼습니다. 우리는 각각을 변경할 수 있을 것 같습니다...조 초틱스 썼다:
각 구성 요소를 독립적으로 변경할 수 있을 것 같습니다. 일부 검증 실행을 계획해야 합니까? 설계에 대한 요소/요인을 어떻게 계획합니까(실행 횟수, 검증을 위한 설계 포인트 등)? 이것은 디자인을 보강하는 것과 어떻게 다릅니까? 감사!
Bradley Jones는 다음과 같이 썼습니다. DSD를 사용하는 것이 적절할 수 있습니다.브래들리 존스 썼다:
DSD를 사용하는 것이 적절할 수 있지만 치료의 농도를 변경하는 4가지 요소가 혼합물의 성분으로 간주될 수 있다는 점이 우려됩니다. 그렇다면 한 가지 예외를 제외하고는 DSD를 사용하는 것이 부적절합니다. 혼합물의 주요 성분이 비활성 충전제인 경우 다른 성분은 독립적으로 다양할 수 있습니다. 이 경우 DSD를 사용하는 것이 좋습니다.
Jo chotix는 다음과 같이 썼습니다. 나는 DSD를 사용하여 디자인을 할 생각을 하고 있었습니다.조 초틱스 썼다:
생체 내 마우스 연구를 위한 치료 계획을 설계하기 위해 DSD를 사용할 생각이었습니다. 나는 치료의 농도를 변경하는 4가지 요인(예: 농축 약물, 부형제 혼합 등)과 생쥐의 나이에 초점을 맞춘 1가지 요인을 가지고 있습니다. 이것이 DSD를 추천할 만한 것인지 궁금합니다.
Bradley Jones는 다음과 같이 썼습니다. 3가지 범주 요인을 추가할 수 있습니다.브래들리 존스 썼다:
설계를 비효율적으로 만들지 않고 3개의 범주형 요인을 DSD에 추가할 수 있습니다. 아래는 Chris Nachtsheim과 제가 이 주제에 관해 발표한 논문에 대한 참조입니다.
Jones, Bradley 및 Nachtsheim, CJ (2013) - 2단계 범주적 요인이 추가된 최종 선별 설계', Journal of Quality Technology, 45:2, 120-129.
Ewoud Schuring은 다음과 같이 썼습니다. Hello Bradley, Interesting blog,...에우드 슈링 썼다:
안녕하세요 브래들리입니다.
흥미로운 블로그, 사실 전체 DSD는 나에게 매우 흥미롭습니다. 그러나 질문이 있습니다.
DSD의 범주형 요인 수의 한계는 무엇입니까? 현재 3개의 연속 요소와 3개의 범주형 요소가 있는 DSD를 만들려고 합니다. 좋은 생각인가요? 위험 요소는 무엇입니까? 아니면 연속형 대 범주형의 1/1 비율이 비효율적인 설계를 초래합니까?
브래들리 존스(Bradley Jones)는 다음과 같이 썼습니다. Paul, 몇 가지 R이 포함된 맞춤형 디자인...브래들리 존스 썼다:
폴,
몇 번의 반복실험이 있는 사용자 지정 설계는 매우 안전한 반응 표면 설계입니다. 내 경험에 따르면 일반적으로 큰 2차 효과는 거의 없습니다. 따라서 모든 2차 효과를 추정할 수 있는 설계를 구축하는 것은 과도하게 끝날 수 있습니다. 6요인 DSD는 13번의 실행만 필요하며 2~3개의 2차 효과를 안정적으로 식별할 수 있습니다. 그러면 비용의 거의 50%를 절약할 수 있습니다.
대신 8 요인 DSD를 사용하고 마지막 3개 열을 무시했다면 17개 런 설계를 갖게 되며 4개 또는 5개의 2차 효과를 식별할 수 있어야 합니다.
Paul Prew는 다음과 같이 썼습니다. 안녕하세요 Bradley, 이 게시물은 저를 ...폴 프류 썼다:
브래들리 안녕하세요, 이 포스트는 4~6가지 요소에 대한 적절한 디자인에 대해 생각하게 합니다. 특히, 지난 주에는 5개의 연속 요인을 조사하려는 화학자가 있었습니다. 한 번에 한 가지 요소를 미리 테스트한 결과 이것이 중요하다고 그녀에게 말했습니다. 그녀는 DOE에 대해 아무것도 몰랐지만 그녀의 상사는 그녀에게 그것이 더 효율적인 방법이라고 말했습니다.
우리는 순수한 스크리닝 디자인이 한 단계 후퇴하고 비효율적으로 보일 수 있는 회색 영역에 있었습니다. 그래서 우리는 2차 모델에 대한 설계를 선택하여 몇 번의 반복실험으로 25회 런의 맞춤형 설계로 이어졌습니다.
고마워, 폴
5-요인 DSD는 6 또는 7-요인에 대해 설계하고 추가 열을 삭제하는 경우에도 훨씬 적은 수의 실행이 되었을 것입니다. JMP를 사용하여 DSD를 2차 모델에 맞추기 위한 좋은 설계로 평가하려면 어떻게 해야 합니까? DSD와 맞춤형 설계를 비교하기 위해 어떤 특정 설계 평가 도구를 추천하시겠습니까?
Ron Andrews는 다음과 같이 썼습니다. 다음과 같은 DSD 신청서를 찾았습니다.론 앤드류스 썼다:
나는 효과가 있는 혼합물로 DSD에 대한 응용 프로그램을 찾았습니다. 콘택트 렌즈를 만드는 데 사용되는 단량체 혼합물의 중량 측정 사양을 확인해야 했습니다. 이것은 솔루션이 아닌 진정한 혼합이므로 DSD는 대부분의 경우 좋은 선택이 아닙니다. 작동하게 만든 것은 명목상의 작은 변형이었습니다. 공칭 공식을 중심점으로 사용했습니다. 각 구성 요소는 공칭 값의 +/- 1%로 다양했습니다. 실험을 분석하기 위해 각 혼합물의 실제 농도를 계산했습니다. 혼합물에서 가장 큰 두 성분 사이에는 상당한 상관관계가 있었지만 설계에서는 두 요인에 대한 별도의 추정을 허용했습니다.
혼합물 설계 대안의 예 중 하나로 이것을 포함하는 발견 정상 회담 프레젠테이션을 위해 초록을 제출했습니다. 승인 여부에 관계없이 더 자세한 내용을 제공할 수 있습니다.
