決定的スクリーニング計画 (DSD) を正しく解釈する方法JMP 14.3 を使用して、6 つの入力変数と 3 つのレベルを持つワークフローを最適化しています (データ テーブルを含むファイルが添付されています)。 私のアイデアは、JMP を使用して 6 つの変数の最適な組み合わせを取得し、最良の出力結果を得ると同時に、実行する実験の数を最小限に抑えることです。
最良の選択肢は、決定的なスクリーニング計画を作成して主効果を確認することだと私には思えます。 因子表を極値 (各変数の最小値と最大値) で定義し、実行する実験の表を作成しました。 生成されたテーブルは、17 の実験を提案します。
数週間の間、私は 17 の実験を行い、その結果 (Y) を添付の表に追加しました。 これらのデータを使用してスクリーニングを調整したところ、4 つの変数が統計的に有意であることがわかりました。 予測プロファイラーで、最適化と満足度 > 満足度の最大化を選択して、要因の最適な組み合わせを取得しました。
この時点で、いくつか質問があります。
1. 有意でない値には、どの値/レベルを選択する必要がありますか?. それらのどれかを選ぶことができますか？
2. 選択した因子の値に基づいて出力 (Y) を予測または推定するモデルを作成したいと考えています。 どうすればこれを行うことができますか?. より多くの値をシミュレートできますか?
3. 方程式 (またはモデルから式) を取得できますか?
どうもありがとうございました。
よろしくお願いします、
ワーディアム
DOERe: 決定的スクリーニング計画 (DSD) を正しく解釈する方法コメントありがとうございます statman 
ワーディアム
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法いくつかのコメント:
1. 最初に、統計的有意性 (実験の実行方法と使用するモデルによって制御されます) と実際の有意性には違いがあることを指摘させてください。 Y の変化が実際にどの程度重要であるかを知らなければ、分析は最適ではありません。
2. 統計的に有意でないと判断された要因については、次のように解釈することができます。あなたがテストしたレベルを考えると、これらの要因はモデル内の他の要因の影響を受けません。 これらの調査結果を推測または外挿できるかどうかは、統計的な問題というよりも、工学的/科学的な問題です。
3. 常に Rsquare Adj をデフォルトとして使用します。 モデルに自由度が追加されると R2 乗は常に増加しますが、ポイントは重要と見なされる項で R2 乗を決定することです。 それが RSquare Adj の説明です。 RSquare と RSquare Adj に差がある場合は、モデルが過剰に指定されていることを示しています。 ああ、ちなみに、これはモデルが将来役立つかどうか、または別の推論空間の下で役立つかどうかとは関係ありません。
4. 「最適な」モデルを選択する際には、多くの考慮事項を考慮する必要があります。 RSquare、RMSE、Residuals、実地評価など
5. 複製の実行は、モデルの妥当性をテストするための優れた手法です。 ブロッキング法を使用すると、「ノイズ」の影響を調査したり、場合によっては、最初の反復 (ブロック = -1) で推定された効果が異なるノイズ条件 (ブロック = 1) で繰り返されるかどうかを判断したりするのに非常に役立ちます。 これは、因子効果がノイズに対してロバストかどうかを確認するという意図された目的の 1 つです。 IMHO、ブロッキングは実験の前に十分に検討する必要がありますが、事後試行としていくつかの有用な情報を回収できる場合があります。
6. Res を実行できたようです。 8 つの処理 (対 DSD) で 2 レベルの因子を使用した III 一部実施要因計画で、同じ結果が得られました。 実行を保存して、追加の複製に使用することもできました...後知恵は常に20〜20です
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法親愛なるマークとスタットマンへ
回答ありがとうございます。 DSD リンクで利用可能なすべてのヘルプを注意深く確認し、私が持っていた多くの質問をよりよく理解しました。
あなたと話したい質問がまだいくつかあります。
DSD を実行してモデルを実行した後、6 つの要因のうち 4 つだけを有意 (「アクティブ」) と見なします。 他の 2 つの要因 (電圧と温度) の影響が関連していないことはわかっていますが、私の実験プロトコルでは、これらの 2 つの要因は必要な要素であるため、関連する必要があります (私が知らなかったのはそれらの最適レベルでした)。 主効果の要約に続いて、出力に影響を与えないため、これらの要因に導入されたレベルのいずれかを検討できますが、これは正しいですか?.
適合プラットフォームに基づいて、RSq = 0.94 を取得しましたが、予測値を新しい列に保存すると、一部が観測値からかけ離れていることがわかります。 どうすればモデルをより適切に適合させることができますか?. もっとランを使うべきですか？
生成されたテーブルで提案された実行のレプリカを作成することを考えていましたが、この場合、デザインでブロッキング オプションを有効にする必要がありますか? その場合、各レプリカを参照するカテゴリ因子を追加する必要がありますか?
最後に、適合決定的スクリーニング プラットフォームを使用することで、必要なモデルの数式を取得し、予測値を含む列をテーブルに追加できることを既に確認しました。 それは素晴らしいです。
このような初歩的な質問をすることをお許しください。
ワーディアム
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法マークはすでに適切な指示を与えています。 あなたの目的についてコメントしたいだけです："テストする変数が複数あり、それらすべての変数の最適な組み合わせを探してテストするため、私の研究はスクリーニング状況だと思います。最高のアウトプットを得る. これが主な目的です."
これは、スクリーニング計画の意図ではありません。 Mark のコメントを繰り返しますが、スクリーニング計画の目的は次のことを決定することです。セット全体のどのサブセットがさらに調査する価値があるか. これは、「勝者を選ぶ」ことを試みるテストではなく、予測変数と応答変数の間の因果関係に関する洞察を提供するための実験です。 ほとんどの場合、反復が必要です。 続ける。
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法最も重要なスクリーニングの原則の 1 つは、効果の希薄性です。 これは、スクリーニングによって因子の少なくとも半分を排除できると期待していることを意味します。 スクリーニング計画は、この原則により経済的です。 モデルをすべての項に適合させるために必要なデータを提供するわけではありません。
モデルの選択と活用のプロセスについてはすでに説明しました。 どのステップが不明かを指定してください。
DSD のドキュメントを見たことがありますか? 始まるよここ.
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法親愛なるマーク、
答えてくれてありがとう。 実際、テストする変数が複数あり、それらすべての変数の最適な組み合わせを探しているため、私の研究はスクリーニング状況だと思います。最高のアウトプットを得る. これが主な目的です.
しかし同時に、フォーラムでの質問を利用して、同じデータをさらに分析することで、変数の値を変更した場合に将来予測できるパターンまたは式を取得できるかどうかを知りました。実験を実行せずに期待される出力になります。 この 2 番目の質問は、より興味深いものであり、二次的なものです。
私を手伝ってくれますか？。
ご協力ありがとうございました。
ワーディアム
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法また、あなたの状況がスクリーニング研究であるかどうかを特定しませんでした。 DSD は、他のスクリーニング計画と同様に、重要なスクリーニングの原則を前提としています。
Re: 決定的スクリーニング計画 (DSD) を正しく解釈する方法DOE メニューに [Fit Definitive Screening] コマンドが表示されましたか? このプラットフォームは、完全に自動化された分析を実行し、最適なモデルを選択します。 次に、[モデルの作成] または [モデルの実行] ボタンをクリックして、最小二乗法プラットフォームにジャンプできます。 予測プロファイラーを使用して、応答を調べたり、応答を最適化したりできます。 当てはめたモデルを新しい列式として保存できます。
JMP > Help > Documentation > Fitting Linear Models ガイドを読みましたか?
