확정 선별 설계(DSD)를 올바르게 해석하는 방법저는 JMP 14.3을 사용하여 6개의 입력 변수와 3개의 수준으로 작업 흐름을 최적화하고 있습니다(데이터 테이블이 있는 파일이 첨부되어 있습니다). 내 생각은 JMP를 사용하여 최상의 출력 결과를 제공하면서도 최소한의 실험을 수행하는 6개 변수의 최상의 조합을 얻는 것입니다.
제가 보기에 가장 좋은 선택은 주효과를 확인하기 위한 확정 선별 설계를 만드는 것입니다. 나는 극단값(각 변수의 최소값과 최대값)을 사용하여 요인 테이블을 정의하고 수행할 실험 테이블을 만들었습니다. 생성된 테이블은 17개의 실험을 제안합니다.
몇 주 동안 17가지 실험을 수행했으며 그 결과(Y)를 첨부된 표에 추가했습니다. 이 데이터를 사용하여 선별을 조정했으며 변수 중 4개가 통계적으로 유의하다는 것을 얻었습니다. 가장 최적의 요인 조합을 얻기 위해 예측 프로파일러에서 최적화 및 바람직성 > 바람직성 최대화를 선택했습니다.
이 시점에서 몇 가지 질문이 있습니다.
1. 중요하지 않은 값에 대해 어떤 값/수준을 선택해야 합니까? 그 중 하나를 선택할 수 있나요?.
2. 선택한 요인 값을 기반으로 출력(Y)을 예측하거나 추정하는 모델을 만들고 싶습니다. 어떻게 해야 할까요?. 더 많은 수의 값을 시뮬레이션할 수 있습니까?.
3. 방정식(또는 모델의 공식)을 얻을 수 있습니까?.
매우 감사합니다.
친애하는,
워디엄
실험 설계결과 공유 및 전달Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법나는 이것이 내가 찾던 설명일지도 모른다고 생각한다. DSD는 스크리닝 설계이고 2차 효과에 대한 검정력이 낮다는 주장을 상기시킨다.내 DSD에 대한 전력 분석을 얻는 방법을 알아내면 됩니다. 제가 보는 것은 상호작용과 2차 방정식이 아니라 주효과에 대한 전력뿐이기 때문입니다.
https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법JMP 17.0을 사용하면 두 가지 유전 기본값이 꺼지는 것을 알 수 있습니다.수학이 모두 올바르게 수행되었다고 가정하면(버그나 코딩 오류 없음) 비 유전적 온도 * 온도는 통계적으로 유의하지 않다고 결론을 내립니다.조금 놀랐습니다.다른 곳에 게시할 DSD 특수 분석 방법에 대한 보다 일반적인 질문인 이 대화 상자를 나에게 표시할 방법이 없습니다."모델 만들기"를 통해 수동으로 추가하면 통계적으로 유의미해 보입니다.신비롭고 버그, 수학 또는 코딩 오류가 없다는 가정에 의문을 제기하게 됩니다(그러나 아직 모든 분산 분석과 그러한 수학을 직접 수행할 수는 없습니다).설명할 기회가 있나요?
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법귀하의 의견에 진심으로 감사드립니다 statman 
워디엄
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법일부 의견:
1. 먼저 통계적 유의성(실험 실행 방법과 사용하는 모델에 따라 제어)과 실제 유의성 사이에 차이가 있다는 점을 지적하겠습니다. Y의 변화가 실제로 얼마나 중요한지 알지 못하면 분석이 차선책이 됩니다.
2. 통계적으로 유의하지 않다고 판단되는 요인에 대해서는 다음과 같이 해석할 수 있습니다. 테스트한 수준을 고려하면 , 해당 요인은 모델의 다른 요인에 영향을 미치지 않습니다. 이러한 결과를 추론하거나 추정할 수 있는지 여부는 통계적 문제라기보다는 공학적/과학적 문제에 가깝습니다.
3. 항상 Rsquare Adj를 기본값으로 사용하십시오. RSquare는 모델에 자유도가 추가됨에 따라 항상 증가하지만 중요한 것은 중요하다고 간주되는 항으로 RSquare를 결정하는 것입니다. 이것이 바로 RSquare Adj가 설명하는 것입니다. RSquare와 RSquare Adj 사이에 차이가 있는 경우 이는 모델이 과도하게 지정되었음을 나타냅니다. 아, 그런데 이것은 모델이 미래에 유용할지 아니면 다른 추론 공간에서 유용할지 여부와는 아무런 관련이 없습니다.
4. "최고의" 모델을 선택할 때는 여러 가지 사항을 고려해야 합니다. RSquare, RMSE, Residuals, Practical Assessment 등
5. 반복실험을 실행하는 것은 모델 적합성을 테스트하는 훌륭한 기술입니다. 차단 방법을 사용하는 것은 "노이즈" 효과를 탐색하고 경우에 따라 첫 번째 반복(Block = -1)에서 추정된 효과가 다른 노이즈 조건(Block = 1)에서 반복되는지 확인하는 데 매우 유용할 수 있습니다. 이는 요인 효과가 잡음에 강한지 확인하기 위한 의도된 목적 중 하나입니다. IMHO, 차단은 실험하기 전에 잘 생각해야 하지만 사후 시도로 유용한 정보를 구할 수도 있습니다.
6. Res를 실행할 수도 있었던 것 같습니다. 8개 처리(DSD 대비)에서 2개 수준의 요인을 사용하는 III 부분 요인은 동일한 결과를 얻었습니다. 실행을 저장하고 이를 추가 반복에 사용할 수도 있습니다. 돌이켜보면 항상 20-20입니다.
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법Mark와 statman님께,
귀하의 답변에 진심으로 감사드립니다. 귀하의 DSD 링크에서 제공되는 모든 도움말을 주의 깊게 검토했으며 이미 제가 가진 많은 질문을 더 잘 이해했습니다.
아직 당신과 논의하고 싶은 몇 가지 질문이 있는데, 당신이 저를 위해 그 문제를 명확하게 설명해 주실 수 있는지 알아보겠습니다.
DSD를 수행하고 모델을 실행한 후에는 6개 요인 중 4개만 유의미한("활성") 요인으로 간주됩니다. 나는 다른 두 요소(전압 및 온도)의 효과가 관련이 없다는 것을 알고 있지만 내 실험 프로토콜에서는 이 두 요소가 필수 요소이기 때문에 이러한 두 요소가 있어야 합니다(내가 몰랐던 것은 최적 수준이었습니다). 주효과 요약에 따라 출력에 영향을 주지 않기 때문에 해당 요인에 대해 도입된 수준을 고려할 수 있습니다. 이것이 맞습니까?
적합 플랫폼을 기반으로 RSq = 0.94를 얻었지만 새 열에 예측 값을 저장하면 일부가 관찰 값과 멀리 떨어져 있음을 알 수 있습니다. 어떻게 하면 모델에 더 잘 맞을 수 있을까요?. 더 많은 실행을 사용해야 합니까?.
생성된 테이블에서 제안된 실행의 복제본을 만들려고 생각했는데, 이 경우 디자인에서 차단 옵션을 활성화해야 합니까?. 그렇다면 각 복제본을 참조하는 범주형 요소를 추가해야 합니까?.
마지막으로, 최종 적합 선별 플랫폼을 사용하여 내가 원하는 모델의 공식을 얻고 예측 값이 포함된 열을 테이블에 추가할 수 있다는 것을 이미 확인했습니다. 훌륭합니다.
도움을 주셔서 정말 감사드리며 초보에게 이런 질문을 드려 죄송합니다.
워디엄
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법마크는 이미 당신에게 적절한 지시를 내렸습니다. 나는 단지 당신의 목표에 대해 논평하고 싶습니다: " 나는 테스트할 변수가 여러 개 있고 테스트할 모든 변수의 최적 조합을 찾기 때문에 내 연구가 선별 상황이라고 생각합니다. 최고의 출력을 얻으십시오 . 이것이 주요 목표입니다. ."
이는 스크리닝 설계의 의도가 아닙니다. Mark의 의견을 반복하자면 선별 설계의 목적은 다음을 결정하는 것입니다. 전체 집합 중 어떤 부분 집합이 추가 조사에 가치가 있는지 . 이는 "승자를 선택"하려는 테스트가 아니라 예측 변수와 응답 변수 간의 인과 관계에 대한 통찰력을 제공하기 위한 실험입니다. 거의 항상 반복이 필요합니다. 계속하세요.
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법가장 중요한 선별 원칙 중 하나는 효과의 희소성입니다. 이는 선별을 통해 요인의 절반 이상을 제거할 것으로 기대한다는 의미입니다. 스크리닝 디자인은 이러한 원리를 통해 경제적입니다. 모든 항을 사용하여 모형을 적합시키는 데 필요한 데이터를 제공하지 않습니다.
모델 선정 및 활용 과정에 대해서는 이미 설명했습니다. 어떤 단계가 불분명한지 명시해 주세요.
DSD에 대한 설명서를 보셨나요? 시작하다 여기 .
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법친애하는 마크에게,
답변해주셔서 감사합니다. 실제로 저는 테스트할 변수가 여러 개 있고 테스트할 모든 변수의 최적 조합을 찾기 때문에 제 연구가 선별 상황이라고 생각합니다. 최고의 출력을 얻으십시오 . 이것이 주요 목표입니다. .
그러나 동시에 나는 동일한 데이터에 대한 추가 분석을 통해 변수 값을 변경하면 미래를 예측할 수 있는 패턴이나 공식을 얻을 수 있는지 알아보기 위해 포럼에서 내 질문을 활용하고 있었습니다. 실험을 수행하지 않고도 예상되는 출력이 됩니다. 이 두 번째 질문은 더 흥미롭고 부차적인 질문입니다.
저를 도와주시겠어요?
도움을 주셔서 감사합니다.
워디엄
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법또한 귀하의 상황이 선별 연구인지 명시하지 않았습니다. 다른 선별 설계와 마찬가지로 DSD는 주요 선별 원칙을 가정합니다.
Re: 확정 선별 설계(DSD)를 올바르게 해석하는 방법DOE 메뉴에서 확정 선별 적합 명령을 보셨나요? 이 플랫폼은 완전히 자동화된 분석을 수행하고 귀하에게 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. 적합한 모델을 새 열 공식으로 저장할 수 있습니다.
JMP > 도움말 > 문서 > 선형 모형 피팅 가이드를 읽어 보셨나요?
