최종 선별 설계(DSD)를 올바르게 해석하는 방법저는 JMP 14.3을 사용하여 6개의 입력 변수와 3개의 레벨이 있는 워크플로를 최적화하고 있습니다(첨부된 파일은 데이터 테이블이 있음). 제 생각은 JMP를 사용하여 최상의 출력 결과를 제공하지만 가장 적은 수의 실험을 수행하는 6개 변수의 최상의 조합을 얻는 것입니다.
가장 좋은 선택은 주요 효과를 보기 위해 최종 선별 설계를 하는 것 같습니다. 극단값(각 변수에 대한 최소값과 최대값)으로 요인 표를 정의하고 수행할 실험 표를 만들었습니다. 생성된 테이블은 17개의 실험을 제안합니다.
몇 주 동안 나는 17개의 실험을 수행했으며 첨부된 표에 결과(Y)를 추가했습니다. 이 데이터를 사용하여 선별을 조정했으며 4개의 변수가 통계적으로 유의하다는 것을 얻었습니다. 예측 프로파일러에서 Optimization and Desirability > Maximize Desirability를 선택하여 가장 최적의 요인 조합을 얻습니다.
이 시점에서 몇 가지 질문이 있습니다.
1. 중요하지 않은 값에 대해 어떤 값/수준을 선택해야 합니까? 나는 그들 중 하나를 선택할 수 있습니까?
2. 선택한 요인의 값을 기반으로 출력(Y)을 예측하거나 추정하는 모델을 만들고 싶습니다. 어떻게 할 수 있습니까? 더 많은 수의 값을 시뮬레이션할 수 있습니까?
3. 방정식(또는 모델에서 공식)을 얻을 수 있습니까?
매우 감사합니다.
친애하는,
워디암
암사슴Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법귀하의 의견을 주셔서 대단히 감사합니다 statman 
워디암
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법일부 의견:
1. 먼저 통계적 유의성(실험과 사용하는 모델을 실행하는 방법에 따라 제어)과 실제적 유의성 사이에 차이가 있다는 점을 지적하겠습니다. Y의 변화가 얼마나 실질적인 의미가 있는지 알지 못하면 분석은 차선책이 될 것입니다.
2. 통계적으로 유의하지 않은 것으로 판단되는 요인에 대해서는 다음과 같이 해석할 수 있습니다. 테스트 한 수준을 감안할 때 , 해당 요인은 모형의 다른 요인에 영향을 미치지 않습니다. 이러한 발견을 추론하거나 외삽할 수 있는지 여부는 통계적 질문보다 엔지니어링/과학적 질문에 더 가깝습니다.
3. 항상 Rsquare Adj를 기본값으로 사용하십시오. RSquare는 모델에 자유도를 추가하면 항상 증가하지만 요점은 중요한 것으로 간주되는 항으로 RSquare를 결정하는 것입니다. 그것이 RSquare Adj가 설명하는 것입니다. RSquare와 RSquare Adj 사이에 차이가 있으면 과도하게 지정된 모델을 나타냅니다. 아, 그런데 이것은 모델이 미래에 유용할지 아니면 다른 추론 공간에서 유용할지 여부와 아무 관련이 없습니다.
4. "최상의" 모델을 선택할 때는 여러 가지를 고려해야 합니다. 알에스스퀘어, RMSE, 잔차, 실기평가 등
5. 반복실험 실행은 모델 적합성을 테스트하는 훌륭한 기술입니다. 차단 방법을 사용하는 것은 "노이즈"의 효과를 탐색하고 어떤 경우에는 첫 번째 복제(차단 = -1)에서 추정된 효과가 다른 잡음 조건(차단 = 1)에서 반복되는지 확인하는 데 매우 유용할 수 있습니다. 이는 요인 효과가 노이즈에 대해 강력한지 확인하기 위한 의도된 목적 중 하나입니다. IMHO, 차단은 실험 전에 잘 생각해야 하지만 사후 시도로 유용한 정보를 구할 수 있습니다.
6. Res를 실행할 수 있었던 것 같습니다. III 부분 요인은 8개 처리(DSD 대)에서 2개 수준의 요인을 사용하여 동일한 결과를 얻었습니다. 실행을 저장하고 추가 복제에 사용할 수 있습니다. 사후 분석은 항상 20-20입니다.
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법마크와 스탯맨에게,
답변해 주셔서 대단히 감사합니다. 귀하의 DSD 링크에서 제공되는 모든 도움말을 주의 깊게 검토했으며 제가 가진 많은 질문을 이미 더 잘 이해했습니다.
아직 몇 가지 질문이 있습니다. 귀하와 논의하고 싶은 질문이 있습니다.
DSD를 수행하고 모델을 실행한 후 6개 요소 중 4개만 중요("활성")으로 간주합니다. 다른 두 요소의 효과(전압 및 온도)는 관련이 없지만 내 실험 프로토콜에서는 이 두 요소가 필요한 요소이기 때문에 이 두 요소가 있어야 한다는 것을 알고 있습니다(내가 몰랐던 것은 최적 수준이었습니다). 주효과 요약에 따라 출력에 영향을 미치지 않기 때문에 해당 요인에 대해 도입된 수준을 고려할 수 있습니다. 이것이 맞습니까?
적합 플랫폼을 기반으로 RSq = 0.94를 얻었지만 예측된 값을 새 열에 저장할 때 일부는 관찰된 값에서 멀리 떨어져 있음을 알 수 있습니다. 어떻게 하면 모델에 더 잘 맞을 수 있을까요? 더 많은 런을 사용해야 합니까?
생성된 테이블에 제안된 실행의 복제본을 만들려고 생각했는데 이 경우 디자인에서 차단 옵션을 활성화해야 합니까? 그렇다면 각 복제본을 참조하는 범주형 요소를 추가해야 합니까?
마지막으로 적합 최종 선별 플랫폼을 사용하여 내가 원하는 모델의 공식을 얻고 예측 값이 있는 열을 테이블에 추가할 수 있다는 것을 이미 보았습니다. 훌륭합니다.
도움을 주셔서 대단히 감사하고 이러한 초보적인 질문을 하는 저를 용서하십시오.
워디암
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법Mark는 이미 적절한 방향을 제시했습니다. 나는 단지 당신의 목표에 대해 언급하고 싶습니다: " 내 연구는 테스트할 여러 변수가 있고 이러한 모든 변수의 최적 조합을 찾기 때문에 선별 상황이라고 생각합니다. 최고의 출력을 얻으십시오 . 이것이 주요 목적이다. ."
이것은 스크리닝 디자인의 의도가 아닙니다. Mark의 의견을 반복하기 위해 선별 설계의 목적은 다음을 결정하는 것입니다. 전체 집합의 어떤 부분 집합이 더 조사할 가치가 있는지 . 이것은 "승자를 선택"하려는 테스트가 아니라 예측 변수와 응답 변수 간의 인과 관계에 대한 통찰력을 제공하기 위한 실험입니다. 거의 항상 반복이 필요합니다. 계속하십시오.
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법가장 중요한 선별 원칙 중 하나는 효과의 희소성입니다. 선별을 통해 요인의 절반 이상을 제거할 것으로 기대한다는 의미입니다. 스크리닝 디자인은 이 원리를 통해 경제적입니다. 모든 항으로 모형을 맞추는 데 필요한 데이터를 제공하지 않습니다.
이미 모델 선택 및 활용 과정에 대해 설명했습니다. 명확하지 않은 단계를 지정하십시오.
DSD에 대한 설명서를 보셨습니까? 시작하다 여기 .
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법친애하는 마크,
답변해 주셔서 감사합니다. 실제로 테스트할 변수가 여러 개 있고 이러한 모든 변수의 최적 조합을 찾기 때문에 제 연구는 선별 상황이라고 생각합니다. 최고의 출력을 얻으십시오 . 이것이 주요 목적이다. .
그러나 동시에 동일한 데이터에 대한 추가 분석을 통해 내가 변수의 값을 변경할 경우 미래에 예측할 수 있는 패턴이나 공식을 얻을 수 있는지 알기 위해 포럼에서 내 질문을 활용하고 있었습니다. 실험을 수행하지 않고 예상되는 출력일 것입니다. 이 두 번째 질문은 더 흥미롭고 부차적입니다.
도와주시겠어요?
도와주셔서 감사합니다.
워디암
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법또한 귀하의 상황이 선별 연구인지 여부를 지정하지 않았습니다. 모든 선별 설계와 마찬가지로 DSD는 주요 선별 원칙을 가정합니다.
Re: 최종 선별 설계(DSD)를 올바르게 해석하는 방법DOE 메뉴에서 Fit Definitive Screening 명령을 보셨습니까? 이 플랫폼은 완전히 자동화된 분석을 수행하고 가장 적합한 모델을 선택합니다. 그런 다음 Make Model 또는 Run Model 버튼을 클릭하여 Fit Least Squares 플랫폼으로 이동할 수 있습니다. 예측 프로파일러를 사용하여 응답을 탐색하거나 응답을 최적화할 수 있습니다. 피팅된 모델을 새 열 공식으로 저장할 수 있습니다.
JMP > 도움말 > 문서 > 선형 모델 피팅 가이드를 읽었습니까?
