확정심사설계(DSD)의 적절한 사용과 부적절한 사용2011년에 내 동료인 Chris Nachtsheim 교수와 나는 확정 선별 설계 (DSD)에 종이가 들어 있습니다. 품질기술저널 . 1년 뒤에 나는 글을 썼다. JMP 블로그 게시물 상관 셀 플롯을 사용하여 이러한 설계를 설명합니다. DSD는 도입된 이후 페인트 제조, 생명공학, 친환경 에너지, 레이저 에칭 등 다양한 분야에서 응용 분야를 찾아냈습니다.
새롭고 흥미로운 방법론이 등장하면, 최첨단 연구자들이 그것을 시도해 보고 싶은 자연스러운 경향이 있습니다. 연구자들이 긍정적인 결과를 보고하면 다른 사람들도 새로운 방법을 시도해 보도록 권장됩니다.
물론 나는 DSD의 열렬한 팬이지만 공동 발명자로서 DSD 실무자 커뮤니티에 대한 책임감을 느낍니다. 실험 계획(DOE) 의도된 사용과 오용 가능성을 명확히 해야 합니다.
그렇다면 언제 DSD를 사용해야 할까요?
이름에서 알 수 있듯이 DSD는 스크리닝 디자인입니다. 가장 적절한 사용은 관심 있는 반응에 영향을 미칠 수 있는 잠재적으로 중요한 요소가 많을 때와 일반적으로 훨씬 적은 수의 매우 영향력 있는 요소를 식별하는 것이 목표일 때 실험의 초기 단계에서 사용됩니다.
선별 실험이므로 요인이 4개 이상인 경우에만 DSD를 사용합니다. 또한, 요인이 4개만 있고 DSD를 사용하고 싶다면 6개 요인에 대한 DSD를 만들고 마지막 두 열을 삭제합니다. 결과 설계는 네 가지 요인 중 세 가지 모두에서 완전 2차 모형에 적합할 수 있습니다.
DSD는 대부분의 요인이 연속적일 때 가장 잘 작동합니다. 이는 각 연속 요인에 세 가지 수준이 있어 조사자가 각 연속 요인에 대해 직선이 아닌 곡선을 맞출 수 있기 때문입니다.
DSD 사용이 부적절한 경우는 언제입니까?
아래에서 최적의 분할구 설계는 변경하기 어려운 요인 wp를 정렬하여 생성된 확정 선별 설계보다 성능이 크게 뛰어납니다. 아래 4)항을 참고하세요.
1) 디자인 영역에 제약이 있는 경우
DSD 사용의 이면에 있는 암묵적인 가정은 다른 요인의 수준과 관계없이 모든 요인의 수준을 설정하는 것이 가능하다는 것입니다. 설계 영역의 제약으로 인해 특정 요인 조합이 실행 불가능하게 되면 이 가정이 위반됩니다. 예를 들어, 팝콘을 요리하는 경우 조리 시간이 길어지면서 화력을 가장 높은 설정으로 설정하고 싶지 않습니다. 그렇게 하면 결국 엉망진창이 될 거라는 걸 알아요.
그러한 문제를 피하기 위해 요인의 범위를 내부로 끌어들이는 것이 유혹적일 수 있지만, 이 관행은 활성 효과를 감지하는 DSD의 능력을 감소시킵니다. 해당 영역의 모양이 입방체나 구형이 아니더라도 가능한 영역 전체를 사용하는 것이 좋습니다.
2) 요소 중 일부가 혼합물의 성분인 경우
마찬가지로, 둘 이상의 요소가 혼합물의 성분인 경우 DSD를 사용하는 것은 부적절합니다. 한 성분의 비율을 높이면 다른 성분의 비율을 낮춰야 하므로 이러한 요소들은 그 특성상 독립적으로 달라질 수 없습니다.
3) 2개 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 3개 이상인 경우 일반적으로 DSD는 바람직하지 않은 선택입니다. DOE(Design of Experiment) LinkedIn 그룹의 최근 토론 3단계 범주형 요인을 수용하기 위해 DSD를 수정하려는 시도가 포함되었습니다. 이것이 가능하기는 하지만 다음에서 Custom Design 도구를 사용해야 했습니다. JMP DSD 요인을 공변량 요인으로 처리하고 3단계 범주형 요인을 맞춤 설계 알고리즘에 의해 선택된 수준을 갖는 유일한 요인으로 추가합니다.
4) DSD가 분할 플롯 설계로 실행되는 경우
결과 설계가 분할구 설계가 되도록 한 요인의 설정을 정렬하여 DSD를 변경하는 것도 부적절합니다. 6요인 DSD의 경우 정렬된 요인에는 세 가지 설정만 있습니다. 낮은 설정에서는 5번 실행하고, 중간 설정에서는 3번 실행하고, 높은 설정에서 실행합니다. 이러한 설계를 사용하면 정렬된 요인의 효과에 대한 추론이 통계적으로 유효하지 않음을 의미합니다.
5) 관심 있는 사전 모델이 더 높은 차수 효과를 갖는 경우
DSD의 경우 삼차 항은 주효과와 혼동되므로 삼차 효과를 식별하는 것은 불가능합니다.
일반적인 2수준 부분 요인 설계와 Plackett-Burman 설계도 위의 대부분의 경우에 적합하지 않습니다. 따라서 그들은 실행 가능한 대안이 아닙니다.
위의 경우 DSD를 사용하는 것의 대안은 무엇입니까?
사용자의 경우 JMP , 답은 간단합니다. 맞춤 디자인 도구를 사용하세요.
JMP의 맞춤형 설계 도구는 위에 나열된 시나리오의 모든 조합을 수용할 수 있는 설계를 생성할 수 있습니다. 맞춤형 디자인 도구의 기본 원칙은 다음과 같습니다.
“디자인은 문제를 디자인에 맞게 바꾸는 것이 아니라 문제에 맞춰야 합니다.”
마지막 생각들
DSD는 제작된 시나리오에서 매우 유용한 디자인입니다. 스크리닝 설계로서 다음과 같은 많은 바람직한 특성을 가지고 있습니다.
1) 주효과는 직교합니다.
2) 주효과는 2요인 상호작용(2FI) 및 2차 효과와 직교합니다.
3) 연속 요인의 모든 2차 효과를 추정할 수 있습니다.
4) 2FI는 상관관계가 있을 수 있지만 다른 2FI 또는 2차 효과와 혼동되지 않습니다.
5) 런 수가 13개 이상인 DSD의 경우 모든 3요인 하위 집합에 전체 2차 모형을 적합시킬 수 있습니다.
6) DSD는 두 가지 수준의 몇 가지 범주형 요인을 수용할 수 있습니다.
7) DSD 차단은 매우 유연합니다. 만일 거기에 중 요인에 따라 2에서 2 사이의 블록을 얼마든지 가질 수 있습니다. 중 .
8) DSD는 최소 2개만 필요로 하는 현장에서는 저렴합니다. 중 +1 실행.
9) 필요한 것보다 더 많은 요인으로 DSD를 생성하고 추가 요인을 삭제하여 DSD에 실행을 추가할 수 있습니다. 결과 설계는 위의 처음 7개 속성을 모두 가지며 더 많은 2차 효과를 식별할 수 있는 능력과 더 많은 검정력을 갖습니다.
내 생각에는 위의 특성으로 인해 DSD가 대부분의 요인이 연속적인 모든 스크리닝 실험에 가장 적합한 선택이 됩니다.
그러나 나는 DSD는 만병통치약이 아니다 . 즉, DSD가 모든 실험 설계 문제에 대한 해결책은 아닙니다.
나는 DSD의 열렬한 팬이지만 공동 발명자로서 책임감을 느낍니다. 의도된 사용과 오용 가능성을 명확히 해야 합니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용감사합니다 @bradleyjones @pepees @seanschubert ,
예시에 대한 후속 질문이 있습니다. @pepees 제공됩니다. 제가 '레퍼런스'를 도입한다는 개념을 잘 이해하지 못한 것 같습니다.
나의 초기 질문은 비율이 다른 요인의 영향을 받지 않고 독립적으로 변경될 수 있으므로 혼합물의 '비율'에 대해 DSD를 실행할 수 있는지 묻는 것이었습니다. 이 비율은 나중에 백분율(혼합 문제)로 다시 계산될 수 있습니다. 예를 들어, 혼합물 A:B:C:D = 30:5:10:1의 비율은 A: 65%, B: 11%, C:22%,D: 2%로 다시 백분율로 계산될 수 있습니다.
고무의 경우 모든 단일 성분은 기준(베이스 수지 100phr)으로 정규화되며 그 합은 100이 되어야 합니다. 그러면 그것은 "성분의 혼합" 상황과 다르지 않습니다. 한 재료(또는 성분)의 양을 변경하면 도입할 수 있는 다른 재료의 양에 영향을 미치게 됩니다. 그러면 각 요소가 독립적으로 변경될 수 없으므로 DSD를 사용할 수 없습니까?
'레퍼런스' 도입의 개념과 레퍼런스가 어떻게 활용될 수 있는지 이해하지 못한 것 같습니다. 이에 대한 자세한 내용을 알려주실 수 있나요?
감사해요!
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용활성 성분의 양인 요소(낮음, 중간, 높음)를 도입하면 비율 변경과 양 변경에 따른 효과를 확인할 수도 있습니다.
조사 초기에 이런 종류의 백도어 혼합 실험을 수행하는 것이 더 효율적이라고 주장할 수도 있습니다. 실제 혼합 실험에 프로세스나 기타 요소를 추가하면 실험 규모가 실제로 폭발적으로 커지기 때문입니다(낮은 해상도에서도).
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용고무 산업에서 제형은 일반적으로 아래와 같이 기본 수지 100phr(100분의 1)을 기준으로 표시됩니다. 존스 박사가 지적했듯이, 비율에 비해 "참조" 성분을 사용하는 것이 훨씬 더 편리합니다.고무 제조 작업을 할 때 나는 종종 DSD를 사용하여 큰 성공을 거두었습니다.
예시적인 고무 제제:
기본 수지 - 100phr
필러 1 - 예를 들어 50-70 phr
필러 2 - 예를 들어 10-40 phr
치료 - 예를 들어 1-5 phr
공동 에이전트 - 예를 들어 0~2phr
가속기 - 예를 들어 0.5-1 phr
가공유 - 예를 들어 0.5-2 phr
항산화제 - 예를 들어 1-5 phr
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용BJK - 좋은 말씀 감사드립니다.
귀하의 질문에 대답하자면 그렇습니다. 성분 비율의 비율을 요인으로 사용할 수 있습니다. k개의 혼합 요인이 있는 경우 k-1 비율을 정의하고 이 비율을 실험의 요인으로 처리할 수 있습니다. 당신은 이 일을 하면서 다소 강한 가정을 하고 있습니다. 비율 측면에서 반응의 기능적 관계가 중요하다고 가정합니다. 이는 반응 대 성분 비율과 반대입니다.
이렇게 하면 모든 비율의 분모에 넣을 "참조" 성분을 선택할 수 있습니다. 일반적으로 해당 성분은 필러라면 가장 좋습니다. 그렇지 않으면 모든 실행에서 일반적으로 큰 비율을 차지하는 성분이 될 수 있습니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용멋진 도구를 발명한 Bradley Jones 박사에게 감사드립니다.
저는 JMP와 DOE 공간을 사용하는 초보자입니다. 당신은 "두 가지 이상의 요소가 혼합물의 성분인 경우 DSD를 사용하는 것은 부적절하다"고 언급했습니다.
이 두 요소를 비율로 변환하여 하나로 바꾸면 어떻게 될까요?
예를 들어 요인 A와 B가 있고 그 합이 50이 되어야 한다고 가정해 보겠습니다. 이것을 A:B 비율로 바꾸면 적어도 DOE를 실행하는 데 더 이상 '혼합물 내 성분' 상황이 아닌 하나의 요소가 됩니다.
DSD 사용은 여전히 권장되지 않습니까? 그렇지 않은 경우 혼합물 형태의 재료에 대해 맞춤 디자인을 사용해야 합니까?
아시다시피, 많은 제약 제제 작업에는 제약 부형제의 총 질량이 주어지면 각 성분의 % 또는 비율이 달라지는 '혼합물 내 성분' 유형의 상황이 있습니다.
감사합니다!
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용Varun_Bhatt에게 답장하다:
모델 항이 다른 모델 항(예: 두 개의 2FI)과 +1 또는 -1 상관관계가 있는 경우 이러한 항이 혼동되었다고 말합니다. 이 경우 관심 있는 응답에 미치는 영향을 분리하는 순수한 데이터 기반 방법은 없습니다.
그러나 상관 관계의 크기가 1보다 작으면 이제 반응에 대한 모델 항의 개별 효과를 추정할 수 있습니다. 그러나 이러한 효과 추정치의 분산은 두 항이 상관되지 않은 경우보다 더 커집니다. 우리는 이러한 현상을 변동 인플레이션이라고 부릅니다. 크기 상관 관계가 클수록 분산 인플레이션이 커집니다.
효과의 크기에 비해 오류 분산이 작은 경우 분산 인플레이션은 큰 문제가 되지 않습니다. 그렇기 때문에 분산 인플레이션을 언제 걱정해야 하는지에 대한 전통적인 경험 법칙이 잘못된 것입니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용이 부분에 대해 좀 더 자세히 설명 부탁드립니다." 2FI는 상관관계가 있을 수 있지만 다른 2FI 또는 2차 효과와 혼동되지 않습니다."
혼란스러운 요인과 상관 관계가 있는 요인의 차이를 알고 싶었습니다. 그것들은 어떻게 다릅니까? 그리고 모델에 얼마나 다른 영향을 미치나요?
감사해요
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용브래드,
DSD의 올바른 사용에 대한 추가 의견을 보내주셔서 감사합니다.
약 1년 전, 저는 약 100개의 연속 요인이 있는 컴퓨터 시뮬레이션에 DSD를 사용했습니다. 이 요소에는 모든 2차 효과도 필요했으며 총 실행 횟수는 약 200회였습니다. 결과는 맞춤형 디자인만큼 만족스럽지 않았습니다. 그 이후로 저는 요소가 많은 모델링과 시뮬레이션에 DSD를 사용하는 것을 꺼렸습니다. 하지만 DSD는 12개 미만의 요소 수보다 적은 수로 매우 유용하다고 생각합니다. M&S 실행에서 주효과만 사용한 다음 훨씬 적은 수의 요인을 사용하여 다른 DSD를 실행하여 2차 효과를 확인해야 합니까?
매니
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용존스 박사,
나는 꽤 오랫동안 DSD를 사용하고 있으며 꽤 성공적으로 사용하고 있습니다. 그러나 지금은 이진 반응(성장/성장 없음)에 DSD를 사용하는 방법을 알아보고 있습니다. DSD를 사용하여 이 작업을 수행할 수 있으며 응답은 DSD 분석 알고리즘에 내장되어 있지 않기 때문에 어떻게 응답을 분석하시겠습니까? 아니면 다른 유형의 디자인을 사용하시겠습니까?
최상의,
에우드 슈링
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용존스 박사,
귀하의 철저하고 사려 깊은 답변에 감사드립니다. 귀하의 시간과 배려에 감사드립니다. 나는 당신과 직접 논의를 계속할 것입니다.
건배,
청구서
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용Ross 박사 - 귀하의 16,000 DOE 경험에 깊은 인상을 받았습니다. 오랫동안 JMP를 이용해 주셔서 감사합니다. 당신은 나보다 오랫동안 JMPer로 활동해 오셨습니다!
아래에서는 다섯 가지 질문과 우려 사항에 대해 답변해 드리겠습니다.
1) 초보 실험자들은 연속 요인의 수준을 서로 너무 가깝게 설정하는 경향이 있다는 점을 지적하셨습니다. 나도 이런 행동을 본 적이 있다. 나는 엔지니어들이 세상이 비선형이라고 생각한다고 믿습니다. 그들은 또한 변화가 작으면 선형성으로부터의 편차도 작다는 것을 미적분을 통해 알고 있습니다. 문제는 요인의 변화가 작을 때 반응의 잡음이 추정된 선의 기울기에서 큰 잡음으로 전파되어 활성 요인을 식별하기 어렵게 만들 수 있다는 것입니다. 따라서 DOE를 가르칠 때 우리는 학생들이 연속 요인을 과감하게 변화시키도록 권장합니다. 나는 DSD가 제공하는 것처럼 각 요인에 대해 낮은, 중간, 높은 값을 갖는 것이 엔지니어가 요인의 수준을 더 확신 있게 분산시킬 수 있다고 믿습니다. 이는 DSD가 강한 곡률이 존재하는 경우 이를 감지할 수 있어 비선형성에 대한 걱정을 없애기 때문입니다.
2. 위의 블로그에서 대부분의 요인이 연속적일 때 DSD가 적절한 선별 설계라고 언급했습니다. 2단계 범주형 요인이 3개 이상인 경우에는 DSD를 사용하기가 꺼려집니다. 대부분 또는 모든 요소가 2단계 범주형인 경우 효율적인 접이식 디자인을 권장합니다. 다음은 이러한 디자인에 대한 기사를 참조한 것입니다.Anna Errore, Bradley Jones, William Li 및 Christopher J. Nachtsheim(2017) 효율적인 2단계 접이식 디자인의 이점 및 빠른 구성, 기술 측정 , 59:1, 48-57, DOI: 10.1080/00401706.2015.1124052
또한 연구자들은 범주형 요인의 두 가지 수준 간의 차이를 설명하는 정량적 측정값을 찾기 위해 더 열심히 노력하여 범주형 요인을 보다 의미 있는 연속형 요인으로 성공적으로 전환할 수 있다고 생각합니다.
3. 중앙점이 곡률을 감지할 수 있다고 주장하셨습니다. 이는 사실이지만 곡률을 유발하는 요인을 식별할 수는 없습니다. 이러한 모호함은 DSD를 사용하는 경우 불필요한 후속 실험을 강요합니다. 나는 실험 영역 내에서 강한 2차 효과가 최소가 되는 사례 연구를 본 적이 있습니다.최소한의 응답이 바람직했으며 여기서 최적의 지점은 2레벨 설계에서는 감지할 수 없습니다. 또 다른 사례 연구에서는 최대 반응이 실험 영역 내부에 있는 강력한 2차 효과를 발견했습니다.여기 , ㅏ 최대 응답이 바람직했으며 2레벨 설계에서는 최적 지점을 감지할 수 없었습니다. DSD에 모든 2차 효과를 추정하는 기능을 포함하는 데 드는 비용은 주 효과에 대한 신뢰 구간 길이가 10%(또는 그 이하) 증가하는 것입니다. 이는 2차 효과에 대한 정보 획득에 대해 지불하는 작은 대가인 것 같습니다.
4. 때로는 고정 효과를 추정하는 것보다 소음의 원인을 식별하는 것이 더 중요할 수 있다는 점을 정확하게 지적하셨습니다. 이러한 경우에는 요인이 평균 반응에 미치는 영향을 평가하는 동시에 반응의 분산에 영향을 미치는 요인을 식별할 수 있도록 설계점을 복제하는 것이 유용합니다. 요인 수의 약 4배에 달하는 실행 비용으로 전체 DSD를 복제할 수 있습니다. 이 시점에서 차단을 언급했습니다. 차단은 변동성의 한 가지 원인을 식별 및 정량화하고 실행 간 변동에서 해당 효과를 제거할 수 있습니다. 환경 조건이 바뀌면 응답에 소음이 발생하는 경우 차단이 유용한 해결 방법입니다. DSD는 2수준 부분 요인 설계 또는 완전 요인 설계보다 더 유연하게 차단할 수 있습니다. 다음은 DSD를 차단하는 방법을 설명하는 문서에 대한 참조입니다.
Bradley Jones 및 Christopher J. Nachtsheim(2015): 확정 선별 설계를 위한 차단 방식, 기술 측정 , DOI: 10.1080/00401706.2015.1013777
5. 마지막 관심사는 DSD 교육과 실험에 대한 반복적 접근 방식에 대한 우려입니다. 나는 DSD를 "일회성" 실험으로 광고하지 않습니다. 전통적인 부분 요인 설계의 앨리어싱 구조가 간단하고 설명하기 쉬운 것은 사실입니다. 그러나 잠재적으로 중요한 효과를 완전히 앨리어싱하는 것은 내 생각에는 바람직하지 않습니다. 보다
브래들리 존스(2016) 21세기 선별 실험: 무엇을, 왜, 어떻게, 품질공학 , 28:1, 98-106, DOI: 10.1080/08982112.2015.1100462
위 글은 세 명의 토론자가 참여한 토론문이었습니다. 나의 답변에서는 초기 DSD 연구에 따른 순차 설계를 포함한 많은 문제를 다루었습니다. 아래 참조를 참조하세요.
브래들리 존스(2016) 재결합, 품질공학 , 28:1, 122-126, DOI: 10.1080/08982112.2015.1100468
아래 참조 자료에서는 예측된 최적 반응이 실험 영역을 벗어나는 경우에도 초기 DSD를 사용하는 경우의 상대적 이점을 다루고 있습니다. 또한 가장 가파른 상승을 수행하는 강력한 후속 설계 접근 방식을 제공합니다.
Christopher J. Nachtsheim & Bradley Jones(2018) 응답 최적화 및 모델 추정을 위한 설계 보강, 품질공학 , 30:1, 38-51, DOI: 10.1080/08982112.2017.1382298
DSD를 만드는 방법을 실무자에게 가르칠 필요는 없다고 생각합니다. 많은 소프트웨어 패키지가 이를 수행할 수 있습니다. 조사자들이 상관 관계 셀 플롯에 익숙해지는 것이 유용하다고 생각합니다. JMP는 설계를 평가하고 비교할 수 있는 다양한 진단 도구를 제공합니다. 이는 매우 유용하며 단기 과정 및 대학 과정에서 이를 사용하도록 가르치는 것은 DOE 실무자 커뮤니티에 도움이 될 것입니다. 실무자가 DSD의 특별한 기하학적 구조를 활용하여 적절한 모델을 맞추는 방법을 아는 것이 유용합니다. 이에 대해서는 아래 참고자료에서 다루고 있습니다.
Bradley Jones 및 Christopher J. Nachtsheim(2016): 확정 선별 설계를 위한 효과적인 설계 기반 모델 선택, 기술 측정 , DOI: 10.1080/00401706.2016.1234979
저는 이 대화를 계속해서 기꺼이 참고자료 PDF를 보내드리겠습니다. bradley.jones@jmp.com으로 저에게 연락하실 수 있습니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용Jones 박사님, 저는 (첫 번째 버전부터) 오랫동안 JMP를 사용해 왔으며 업계에 기여해 주셔서 감사드립니다. 저는 여러 산업 분야에 걸쳐 16,000개 이상의 실험을 설계하고 분석하는 데 참여해 왔습니다. 아마도 이것은 잘못된 포럼일 수 있지만 몇 가지 질문/의견이 있습니다(불쾌감을 주지 않기를 바랍니다). 귀하의 의견을 소중히 여길 것입니다.
1. 선별 설계와 관련하여 가장 일반적인 실패 모드 중 하나(특히 초보 실험자의 경우)는 충분히 떨어져 있지 않은(충분히 굵게) 수준입니다. 따라서 그 효과는 실현되지 않으며 해당 요인은 추가 연구에서 제외될 수도 있습니다(내 가설은 엔지니어가 너무 많은 변형을 생성하는 것을 꺼려하며 여전히 인과 관계를 이해하기보다는 해결책을 찾고 있다는 것입니다). 레벨 수를 3으로 늘리면 이 실패 모드가 더욱 복잡해지는 것 같습니다.
2. 설계 초기에는 질적인 요소가 많습니다. 디자인에 질적인 요소를 너무 많이 추가하는 것에 대한 제약이 부담스러울 것 같습니다. 아마도 이 전략은 순차 연구에서 후자의 반복으로 더 적용 가능할까요?
3. 종종 선별 설계는 방향을 제시하고 중요하지 않은 요소를 필터링하거나 추가 연구를 위해 중요한 요소를 식별하기 위한 것입니다. 이를 달성하기 위해 이차 방정식이 정말로 필요한가요? 좋아요, 레벨을 너무 굵게 설정하여 중요한 효과가 누락되는 경우가 있을 수 있지만 중앙점을 사용하면 상당히 쉽게 해결할 수 있습니다. 2차 방정식이 본질적으로 선형에서 벗어난 것이라면, 최적에서 상당히 멀리 떨어진 설계 공간에 있다면 먼저 선형 효과에 더 관심이 있지 않을까요? 산기슭의 이차방정식으로는 산꼭대기에 도달하지 못할 수도 있습니다.
4. 또한 아마도 가장 중요한 것은 소음을 처리하는 전략이 설계 요소의 해결보다 더 중요할 수 있다는 것입니다(알고 있듯이 설계 요소 해결과 소음 효과의 해결 사이에서 리소스를 효율적으로 사용하기 위한 끊임없는 노력이 있습니다). . RCBD(Randomized Complete Block Design)를 사용하는 경우 실제로 더 높은 수준의 블록별 효과 상호 작용이 필요합니까? 균형 잡힌 불완전 블록 설계를 사용하는 경우 앨리어싱을 이해하는 것이 얼마나 쉬운가요?
5. 마지막으로, 실무자에게는 가장 중요하지 않을 수도 있는 DSD를 어떻게 가르칩니까? 식별 가능한 앨리어싱 및 앨리어싱 제거로의 폴드오버와 같은 아이디어가 포함된 전통적인 부분 요인 설계를 사용하는 것은 간단합니다. 반복에 대한 사고방식과 실천을 주입하는 것이 가장 중요합니다. DSD는 실험에 대한 반복적이고 과학적인 접근 방식에 어떻게 적합합니까?
귀하의 생각에 미리 감사드립니다.
이 토론을 오프라인으로 진행하고 싶다면 나에게 좋을 것입니다. comcast dot net의 statman에게 직접 이메일을 보내실 수 있습니다.
건배,
빌 로스
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용유익한 게시물과 좋은 답변을 제공한 Brad에게 감사드립니다. 덕분에 DSD에 대해 더 많이 배울 수 있었습니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용Jones 박사에게 감사드립니다. 이 호는 아직 ASQ Technometrics 사이트에서 볼 수 없습니다.곧 출판되길 기대하겠습니다.
리차드
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용http://dx.doi.org/10.1080/00401706.2016.1234979
위의 내용은 Chris Nachtsheim과 제가 Technometrics 저널에 게재한 Definitive Screening Designs를 위한 Effective Design-Based Model Selection이라는 제목의 논문에 대한 URL입니다.
이 문서는 "가짜 요인"(즉, 설계를 만드는 데 사용되지만 실험을 실행할 때는 사용되지 않는 요인)을 추가하려는 강력한 동기를 제공합니다. JMP 13에서 DSD 설계 도구는 기본값 4를 사용하여 이를 "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 가능해집니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용아래에 설명된 대로 열이 삭제된 사례가 게시되어 있습니까?
대신 8요인 DSD를 사용하고 마지막 3개 열을 무시한 경우 17개의 런 설계가 되며 4~5개의 2차 효과를 식별할 수 있어야 합니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용DSD는 요소와 상호 작용이 너무 많으면 확실히 문제가 발생할 수 있습니다! 나는 여러 세대에 걸쳐 최적화를 거쳤으며 많은 기능을 하는 촉매 구성 요소와 상호 작용이 있는 촉매 시스템에서 하나를 사용해 보았습니다. 나는 꽤 많은 실행을 추가해야 했습니다.
답: DSD(확정심사설계)의 적절한 사용과 부적절한 사용훌륭한 게시물입니다. 그런데 저를 당황하게 만드는 질문이 하나 있습니다. 더 높은 설계를 선택하고 추가 열을 삭제하면 추가 실행을 쉽게 추가할 수 있다고 언급하셨습니다. 디자인에 실행을 "추가"하는 쉬운 방법이 있는지 궁금합니다. 예를 들어, am=5 DSD 실행을 수행한 후 더 많은 전력이 필요하다고 결정하고 나중에 추가 실행을 추가하고 싶습니다. 어떻게 해야 하나요? (예를 들어 m=7을 선택하고 마지막 두 열을 삭제하고 m=5와 비교하면 더 이상 동일한 행을 얻을 수 없습니다.) 감사해요!
Bradley Jones는 다음과 같이 썼습니다. 유효성 검사를 계획하는 것은 항상 좋습니다...브래들리 존스 썼다:
검증 실행을 계획하는 것은 항상 좋습니다. 이는 실험을 실행하고 데이터를 분석한 후 수행하는 실행입니다. 분석 결과는 실험에서 실행되지 않은 요인 설정에서 반응 예측을 만드는 데 사용할 수 있는 모델입니다. 반응에 대한 목표를 고려하여 모델이 가장 큰 개선을 예측하는 요인 설정(또는 설정)에서 검증 실행을 실행하도록 선택할 수 있습니다.
이는 요인의 범위를 확장하고, 모델에 항을 추가하거나, 현재 모델의 추정치에 대한 불확실성을 줄이기 위해 더 많은 런을 추가하는 설계 확대와는 다릅니다.
브래들리 존스(Bradley Jones)는 다음과 같이 썼습니다: 나는 ...의 일상적인 사용을 믿습니다.브래들리 존스 썼다:
저는 산업 실험 설계의 대부분의 문제에 대해 Custom Designer를 일상적으로 사용한다고 믿습니다. 거의 모든 요인이 연속적이고 전체 범위에 걸쳐 독립적으로 변할 수 있는 경우 확정 선별 설계가 좋은 선택입니다.
나는 유일한 비용이 컴퓨터 시간뿐인 Monte Carlo 컴퓨터 시뮬레이션 연구를 할 때 가끔 완전 요인 설계를 사용합니다. 나는 이제 일반적인 2단계 부분 요인 설계보다 더 나은 선택이 있다는 데 동의합니다.
Steven Moore는 다음과 같이 썼습니다. 그래서...나는 Definitive Sc를 사용해 왔습니다...스티븐 무어 썼다:
그래서....저는 꽤 오랫동안 확정심사설계와 맞춤설계를 사용해왔습니다. 제 생각에는 더 이상 전통적인 요인 설계를 사용할 이유가 없습니다. 내 말이 맞나요, 아니면 뭔가 빠졌나요?
Jo Chotix 님의 글: 각각 다를 수 있을 것 같습니다...조 초틱스 썼다:
각 구성 요소를 독립적으로 변경할 수 있을 것 같습니다. 일부 검증 실행을 계획해야 합니까? 디자인에 대한 요소/요소를 어떻게 계획합니까(실행 횟수, 검증을 위한 디자인 포인트 등)? 이것이 디자인을 강화하는 것과 어떻게 다릅니까? 감사해요!
Bradley Jones는 다음과 같이 썼습니다. DSD를 사용하는 것이 적절할 수도 있습니다...브래들리 존스 썼다:
DSD를 사용하는 것이 적절할 수도 있지만 트리트먼트의 농도를 변화시키는 4가지 요소가 혼합물의 성분으로 간주될 수 있다는 점이 우려됩니다. 그렇다면 한 가지 예외를 제외하고는 DSD 사용이 부적절해집니다. 혼합물의 주요 성분이 비활성 충전제인 경우, 다른 성분은 독립적으로 달라질 수 있습니다. 그런 경우에는 DSD를 사용해도 괜찮습니다.
Jo chotix는 다음과 같이 썼습니다. 나는 DSD를 사용하여 디자인할 생각을 하고 있었습니다...조 초틱스 썼다:
나는 생체 내 마우스 연구를 위한 치료 계획을 설계하기 위해 DSD를 사용할 생각이었습니다. 나는 치료 농도를 변경하는 4가지 요인(예: 농축 약물, 부형제 혼합물 등)과 생쥐의 나이에 초점을 맞춘 한 가지 요인을 가지고 있습니다. 이것이 DSD를 추천할 만한 것인지 궁금합니다.
Bradley Jones는 다음과 같이 썼습니다. 3개의 범주형 요인을 추가할 수 있습니다...브래들리 존스 썼다:
설계를 비효율적으로 만들지 않고도 DSD에 3가지 범주형 요인을 추가할 수 있습니다. 다음은 Chris Nachtsheim과 제가 이 주제에 관해 출판한 논문에 대한 참고 자료입니다.
존스, 브래들리, Nachtsheim, CJ (2013) â 2단계 범주형 요인이 추가된 확정 선별 설계â , Journal of Quality Technology, 45:2, 120-129.
Ewoud Schuring 님이 작성했습니다: 안녕하세요 Bradley, 흥미로운 블로그입니다.에우드 슈링 썼다:
브래들리 님, 안녕하세요.
흥미로운 블로그입니다. 실제로 전체 DSD는 나에게 매우 흥미로웠습니다. 그러나 질문이 있습니다.
DSD의 범주형 요인 수에는 한계가 있나요? 현재 저는 3개의 연속형 요인과 3개의 범주형 요인으로 구성된 DSD를 만들려고 합니다. 이것이 좋은 생각입니까? 위험은 무엇입니까? 아니면 연속형과 범주형의 1/1 비율로 인해 비효율적인 설계가 발생합니까?
Bradley Jones가 쓴 글: Paul, 몇 가지 r을 사용한 맞춤형 디자인...브래들리 존스 썼다:
폴,
몇 번의 반복실험을 통한 맞춤형 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 결국 과도한 작업이 될 수 있습니다. 6요인 DSD에는 13번의 실행만 필요하며 2~3개의 2차 효과를 안정적으로 식별할 수 있습니다. 그러면 비용의 거의 50%를 절약할 수 있습니다.
대신 8요인 DSD를 사용하고 마지막 3개 열을 무시한 경우 17개의 런 설계가 되며 4~5개의 2차 효과를 식별할 수 있어야 합니다.
Paul Prew 님의 글: 안녕하세요 Bradley. 이 게시물로 인해...폴 프루 썼다:
안녕하세요 Bradley, 이 게시물을 통해 4~6가지 요소에 대한 적절한 설계에 대해 생각하게 되었습니다. 구체적으로 지난 주에는 5가지 연속 요인을 조사하고 싶은 화학자가 있었습니다. 한 번에 한 가지 요소에 대한 예비 테스트를 통해 그녀는 그것이 중요하다고 말했습니다. 그녀는 DOE에 대해 아무것도 몰랐지만 그녀의 상사는 그것이 더 효율적인 방법이라고 말했습니다. 가서 통계학자와 상담해 보세요.
우리는 순수한 스크리닝 디자인이 한 단계 뒤로 물러나고 비효율적으로 보일 수 있는 회색 영역에 있었습니다. 그래서 우리는 2차 모델에 대한 설계를 선택하여 몇 번의 반복실험을 통해 25회 실행의 맞춤형 설계를 수행했습니다.
고마워요, 폴
5요인 DSD는 6개 또는 7개 요인에 대해 설계하고 추가 열을 삭제하더라도 실행 횟수가 훨씬 적습니다. JMP를 사용하여 DSD를 2차 모형에 적합한 설계로 평가하려면 어떻게 해야 합니까? DSD와 맞춤형 디자인을 비교하기 위해 어떤 구체적인 디자인 평가 도구를 추천하시겠습니까?
Ron Andrews는 다음과 같이 썼습니다. DSD 신청서를 찾았습니다...론 앤드류스 썼다:
효과가 있는 혼합물이 포함된 DSD 응용 프로그램을 찾았습니다. 콘택트렌즈를 만드는 데 사용되는 단량체 혼합물의 중량 측정 사양을 확인해야 했습니다. 이는 솔루션이 아닌 진정한 혼합이므로 대부분의 경우 DSD는 좋은 선택이 아닙니다. 이를 작동하게 만든 것은 명목상의 작은 변형이었습니다. 공칭 공식이 중심점으로 사용되었습니다. 각 구성요소는 공칭값의 +/- 1%로 다양했습니다. 실험을 분석하기 위해 각 혼합물의 실제 농도를 계산했습니다. 혼합물에서 가장 큰 두 성분 사이에는 유의미한 상관 관계가 있었지만 설계에서는 두 요인에 대한 별도의 추정이 허용되었습니다.
저는 이것을 혼합 설계 대안의 예 중 하나로 포함하는 발견 서밋 프리젠테이션을 위한 초록을 제출했습니다. 승인 여부에 관계없이 더 자세한 내용을 알려드릴 수 있습니다.
