多数の因子に対する最終的なスクリーニング計画 DOEJMP専門家の皆様
私は、ライトをファイバーアレイに結合するデュアルレンズ設計 DOE を行っています。 私の目標は、製造公差と両方のレンズの偏心と傾きの両方を考慮したときのシステムの歩留まりを調べることです。 DOE には 15 の因子と 4 つの応答があります。 4 つの応答 CE1、CE2、CE3、および CE4 は、ファイバ アレイ内の各ファイバの結合効率に対応します。
従来の一部実施要因計画と比較して、その独特の利点があるため、初期スクリーニングを行うために最終的スクリーニング計画を使用しようとしました。シミュレーション データからわかるように、CE1 と CE4 の間の差は無視できるほど小さく、CE2 と CE3 の間の差も無視できる程度であるはずです。 ただし、DSD スクリーニングでは、4 つの応答すべてについて、統計的に有意な因子の異なるコレクションが得られます。
特に l1_tilt_y の因子については、これが CE1 と CE4 の応答の支配的な因子であり、両方の応答に対して非線形の関係があることは事実としてわかっていましたが、DSD スクリーニングでは CE4 についてはそれさえ検出できませんでした。
データテーブルが埋め込まれたJMPレポートファイルが添付されています。
あなたの考えを教えていただけますか？
ありがとう。
よろしくお願いします、
エリック
実験計画法Re: 多数の因子に対する最終的スクリーニング計画 DOE他の人も同じことを言っているのを見たので、シミュレーション データの非 DSD 戦略に関するコメントを削除しました...私は実際に実験を行う前にシミュレーターに対して実験を実行することがよくありますが、おそらくそれがあなたがやっていたことでしょうか?
Re: 多数の因子に対する最終的スクリーニング計画 DOE「空間充填設計」を使用して、コンピューター シミュレーションからの応答を収集することを検討することもできます。 また、必要なのは素早い予測のための補間器であり、因子の重要性を評価するためのものではありません。 (重要性と関係を確認するには、シミュレーション コードを見るだけで済みます。) JMP は、コンピューター シミュレーション データをモデリングするためのガウスプロセス プラットフォームを提供します。
Re: 多数の因子に対する最終的スクリーニング計画 DOEこんにちは@hanyu119 、
コミュニティの他のメンバーは、DoE でのノイズの処理方法など、非常に重要な概念を多くもたらしてくれました。
非線形効果を伴うシミュレーション実験を実行している場合は、空間充填設計がニーズに適している可能性があります。構築点を通じて多くの異なるモデルを適合させ、さまざまな解析手法を通じて非線形効果を処理できるようになります。 (応答タイプに基づくツリーベースのメソッド、ニューラル ネットワーク、SVM など)。 ただし、私は、因子の数 (15) と、このタイプの計画が非常に多くの因子で生成される実験の数については少し懐疑的です (因子 15 の場合、JMP はデフォルトでさまざまな空間充填計画で 150 回の実行を推奨しています)。 。 もしかしたら、マテリアルやリソースを使用しない (単なる計算やシミュレーション実験である) ため、実行回数はそれほど重要ではないのではないでしょうか?
この JMP クイズは、どのタイプの設計を最初に試すべきかについての最初の推奨事項を得る良い出発点となります。 DOE クイズ (jmp.com)
これがあなたの反省とシミュレーション実験に役立つことを願っています。
Re: 多数の因子に対する最終的スクリーニング計画 DOEシミュレーションの実行にかなりの時間がかからない限り、必要なレベルの完全な階乗を実行することもできます。 もちろん、問題はノイズです...これをどのようにシミュレートするかわかりませんか? 実際、なぜシミュレーション実験を行うのか理解できません。 アルゴリズムはソフトウェアですでに知られています。 モデルの順序はすでにわかっています。変数 (またはその非線形成分) がアルゴリズムに含まれていない場合、アルゴリズムの応答に影響を与える可能性はありません。
現実世界の実験では、基本原則またはスパース性、階層性、遺伝性を使用して、階層的な順序でモデルを構築します。 通常、線形主効果を決定することから始め、実験空間が最適と思われる空間に近づくにつれて階層を追加します。 この作業は常に逐次的かつ反復的に行われます。 最適レベル以下の重要でない要素について学ぶために多くの時間とお金を費やさないでください。 中心点設計は、実験空間内の曲率をテストする際に効率的です。
Re: 多数の因子に対する最終的スクリーニング計画 DOEこの実験は完全にシミュレーションによって実行されます。 コンセプチュアルなデザインです。 シミュレーションを検証するための実際の製品がありません。 そうは言っても、シミュレーションは非常に単純な設計なので、かなり正確になるはずです。
明らかに、DSD モデルは適切ではありません。 次は何？
スクリーニング DOE のために開始する 15 の因子があるとします。一部の因子では応答が非線形であることがわかっています。 この問題にどのように取り組みますか?
ありがとう。
Re: 多数の因子に対する最終的スクリーニング計画 DOE私はあなたの発言に当惑しています：」シミュレーションでデータを検証しましたが、すべてのデータは本物です。」 実際のデータをシミュレーションで検証するにはどうすればよいでしょうか? この実験は完全にシミュレーションによって実行されますか?
あなたの状況には、明らかに異なる 2 つの異常な要素があります。
1. 多変量解析によって特定されるように、各治療に異常なデータ ポイントが存在する可能性があります (これらはノイズの影響を受ける可能性があります)。 DSD にはノイズ (ブロッキング、リピート、分割プロットなど) を処理する戦略がありません。 時間をかけてノイズを理解することをお勧めします。
2. モデルが適切ではありません (これは、マークが指摘しているように、結果として生じる残差の問題によって識別されます)。 モデルが結果をうまく予測できない場合があります。 なぜ？ ここが調査の目的地です。
Re: 多数の因子に対する最終的スクリーニング計画 DOEマークさん、素晴らしい発見ですね！ 私は主効果の残差プロットにあまり注意を払うことはありませんでしたが、今ではその使い方がわかりました。
シミュレーション データを検証しましたが、これらの異常値はすべて本物のようです。そのため、DOE からそれらを実際に削除することはできません。
あなたが推奨する賢明な次のステップは何ですか?
より信頼性の高いスクリーニング手法はありますか?
ありがとう。
Re: 多数の因子に対する最終的スクリーニング計画 DOE多変量解析は、外れ値を検出する優れた方法です。 共有してくれてありがとう！
シミュレーションでデータを検証しましたが、すべてのデータは本物です。
15列目と16列目: l1_tilt_y がシステム内で最も支配的な要素であるため、l1_tilt_y が 0 の場合 (行 15 と行 16 の場合)、CE1 と CE4 の結合効率は他の実行と比較して非常に高くなります。 それが、JMPが彼らが異常値であると考える理由です。
37行目が中心点です。 再度、l1_tilt_y が 0 であるため、CE1 と CE4 は High になります。
14行目は特殊な場合です。 私は自分のことを三重にチェックしましたシミュレーションしてみると、それはある意味理にかなっているので、この点も外すことはできません。
これに基づくと、この特定のケースに DSD を使用するのは適切なアプローチではないということでしょうか?
あなたが推奨する賢明な次のステップは何ですか?
ありがとう。
Re: 多数の因子に対する最終的スクリーニング計画 DOEMark が発見したように、いくつかの異常なデータ ポイントがあります。 これらは治療効果ではなく騒音によるものである可能性があります。
Re: 多数の因子に対する最終的スクリーニング計画 DOECE1 と CE4 に関して、いくつかの異常な観察結果があります。 残留物は異常です。 たとえば、CE1 のプロットの開始点は次のとおりです。
これらの観測値はモデル パラメーターの推定値に異常に大きな影響を与える可能性があるため、仮説は推定値がゼロではないことをテストします。
Re: 多数の因子に対する最終的スクリーニング計画 DOE親愛なるスタットマン様
あなたの考えを共有してくれてありがとう。
データテーブルが埋め込まれた正しい JMP レポート ファイルを再添付しました。 よろしければご覧いただけますか？
ご覧のとおり、CE1 と CE4 の応答には大きな違いはありませんが、JMP ではどういうわけか異なるスクリーニング結果が得られます。 これは私には意味がわかりません。
これについてどう思いますか？
ありがとう。
Re: 多数の因子に対する最終的スクリーニング計画 DOE親愛なるマーク様
早速のご返信ありがとうございます。
間違った JMP ファイルを添付してしまい申し訳ありません。
データテーブルが埋め込まれたJMPレポートファイルを再添付しました。
もう大丈夫だといいのですが。
あなたの考えをお待ちしております。
乾杯。
Re: 多数の因子に対する最終的スクリーニング計画 DOEマークのポイントは有効です。 追加の考え: 因子と応答の間の関係を分析する前に、応答変数に注目してください。 値は妥当ですか? 意味はあるのでしょうか？ 応答変数の変動は実質的に有意でしたか? 多変量関係を確認します ([分析] > [多変量メソッド] > [多変量])。 関係/相関関係には意味がありますか? 私は常に、実験者が結果のコンテキストを確立するために、実験を実行する前にデータを予測することをお勧めします。 関係を判断する能力は、研究で捕捉された変動の量によって影響を受ける可能性があります。
Re: 多数の因子に対する最終的スクリーニング計画 DOE指定したデータ テーブルには設計列が含まれていますが、応答データは含まれていません。 デザインの評価は予想通り。 ただし、モデルの評価はできません。
私はこのレンズ設計には詳しくありませんが、これまでの経験から何が分かっていて何が分かっていないかについて、先入観に遭遇することがよくありました。 このような状況の多くは、実際には検証できず、統計的アプローチで精査することもできない逸話に基づいていました。 したがって、その結果があなたを驚かせたことについては、まだ心配していません。 それでも、それを解決するために何ができるかを見てみましょう。
