最終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、最小限の実験で最良の出力結果が得られるようにすることです。
最良の選択肢は、主効果を確認するための最終的なスクリーニング計画を作成することだと私には思われます。 極値 (各変数の最小値と最大値) を使用して因子テーブルを定義し、実行する実験のテーブルを作成しました。 生成されたテーブルには 17 の実験が提案されています。
数週間の間に 17 件の実験を実行し、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、変数のうち 4 つ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、要素の最適な組み合わせを取得しました。
この時点で、いくつかの質問があります。
1. 有意でない値にはどのような値/レベルを選択すればよいですか? どれか選んでいいでしょうか？
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。 どうすればこんなことができるでしょうか？ より多くの値をシミュレートできますか?
3. 方程式 (またはモデルからの式) を取得できますか?
どうもありがとうございます。
よろしくお願いします、
ワルディアム
実験計画法結果の共有と伝達Re: 最終的なスクリーニング計画 (DSD) を正しく解釈する方法おそらくこれが私が探していた説明であり、DSD はスクリーニング設計であり、二次効果に対する出力が低いという主張を思い出させるものだと思います。DSD のこの検出力分析を取得する方法を理解する必要があるのは、交互作用や 2 次関数ではなく、主効果の検出力だけが表示されるためです。
https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
Re: 最終的なスクリーニング計画 (DSD) を正しく解釈する方法JMP 17.0 を使用すると、2 つの継承のデフォルトをオフにすると、次のことがわかります。計算がすべて適切に行われたと仮定すると (バグやコーディング エラーがなかった)、非遺伝的温度 * 温度は統計的に有意ではなかったと結論付ける必要があります。ちょっとびっくり。このダイアログで、DSD の特別な分析方法に関するより一般的な質問を表示させる方法がわかりません。これは別の場所に投稿します。「モデルの作成」を介して手動で追加すると、確かに統計的に有意であるように見えます。不思議で、バグ、数学、またはコーディングのエラーは存在しないという私の仮定に疑問が生じます (しかし、まあ、私はまだ ANOVA などの数学をすべて自分で行うことはできません)。説明のチャンス？
Re: 最終的なスクリーニング計画 (DSD) を正しく解釈する方法スタットマンさん、コメントありがとうございます;）
ワルディアム
Re: 最終的な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. まず最初に、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します) と実際的な有意性の間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が分からないと、分析は最適とは言えません。
2. 統計的に有意でないと判断される要素については、次のように解釈できます。テストしたレベルを考慮すると、 、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。 これらの結果を推測または推定できるかどうかは、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。 RS2 乗は、モデルに自由度が追加されると常に増加しますが、重要なのは、重要と考えられる項を使用して RS2 乗を決定することです。 それが RSquare Adj の説明です。 RSquare と RSquare Adj の間に違いがある場合、それはモデルが過剰に指定されていることを示します。 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で役立つかどうかとは何の関係もありません。
4. 「最適な」モデルを選択するときは、いくつかの考慮事項を考慮する必要があります。 RSquare、RMSE、残差、実用評価など
5. レプリケートの実行は、モデルの適切性をテストするための優れた手法です。 ブロッキング手法の使用は、「ノイズ」の影響を調査する場合や、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する場合に非常に役立ちます。 これは、因子効果がノイズに対して堅牢であるかどうかを確認することが意図された目的の 1 つです。 私見ですが、ブロッキングは実験前によく考えておく必要がありますが、事後的な試みとしていくつかの有用な情報を回収できるかもしれません。
6. Res を実行できたようです。 8 回の処理で 2 レベルの因子を使用した III 部分階乗 (対 DSD) で、同じ結果が得られました。 実行を保存して追加の反復に使用することもできました...結果論は常に 20-20 です
Re: 最終的な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国家公務員へ
ご回答いただき誠にありがとうございました。 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、疑問の多くをすでによく理解しました。
まだいくつか質問があるので、あなたと話し合って、それを明確にしていただけるかどうかを確認してください。
DSD を実行してモデルを実行した後は、6 つの因子のうち 4 つだけが重要 (「アクティブ」) であるとみなされます。 他の 2 つの要素 (電圧と温度) の影響が無関係である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 2 つの要素は必要な要素である必要があります (最適なレベルはわかりませんでした)。 主効果の概要に続いて、出力には影響しないため、これらの要因に対して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?
近似プラットフォームに基づいて、RSq = 0.94 が得られましたが、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。 モデルをよりよく適合させるにはどうすればよいでしょうか? もっと走らせるべきでしょうか？
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しようと考えましたが、この場合、デザインでブロック オプションをアクティブ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要素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と、必要なモデルの式が得られ、予測値を含む列をテーブルに追加できることがすでにわかりました。 それは素晴らしいです。
ご協力に心より感謝申し上げます。また、初歩的な質問をお許しください。
ワルディアム
Re: 最終的な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あなた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いるので、私の研究はスクリーニング状況だと思います。最高の出力を得る。 これが主な目的です。」
これはスクリーニング設計の意図ではありません。 マークのコメントを繰り返しますと、スクリーニング設計の目的は次のことを決定することです。セット全体のうち、さらに調査する価値のあるサブセットはどれですか。 これは「勝者を選ぶ」ためのテストではなく、予測変数と応答変数の間の因果関係についての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: 最終的な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原則の 1 つは、効果の分散性です。 スクリーニングによって少なくとも半分の要因が除去されることが期待されることを意味します。 この原理により、スクリーニング設計は経済的になります。 モデルをすべての項に適合させるために必要なデータは提供されません。
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瞭であるかを明記してください。
DSD のドキュメントを見たことがありますか? 始まるここ。
Re: 最終的な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様
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ので、私の研究はスクリーニング状況だと思います。最高の出力を得る。 これが主な目的です。
しかし同時に、私は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を予測できるパターンや式を取得できるかどうかを知りました。実験を実行しなくても予想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、二次的なものになります。
私を手伝ってくれますか？。
助けてくれてありがとう。
ワルディアム
Re: 最終的な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も明記されていません。 DSD は、他のスクリーニング設計と同様に、主要なスクリーニング原則を前提としています。
Re: 最終的な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。 [モデルの作成] または [モデルの実行] ボタンをクリックすると、最小二乗法フィット 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、応答を調査したり、応答を最適化したりできます。 近似されたモデルを新しい列式として保存できます。
「JMP > ヘルプ > ドキュメント > 線形モデルのフィッティング」ガイドを読みましたか?
