Welches Design ist am besten geeignet?Verehrte Gäste,
Ich möchte ein DoE durchführen, um den Ertrag meiner Extraktion zu optimieren. Ich habe 7 kontinuierliche Faktoren und 1 diskreten Faktor. Meine Idee ist, mit einem Screening-Design zu beginnen, die wichtigsten Faktoren auszuwählen und dann mit der Antwortoberfläche fortzufahren.
Ich weiß nicht, wie man das Experiment am besten durchführt? Welche Art der Abschirmung und welche Art von Ansprechfläche sind geeignet?
Ich freue mich über alle Ideen und Vorschläge
Vielen Dank
welches Design am besten geeignet ist
VersuchsplanungBetreff: Welches Design ist am besten geeignet?Ein guter Ausgangspunkt für die Suche ist die JMP-Onlinebibliothek mit On-Demand-Webinaren. In zahlreichen Webinaren werden DOE und optimale Designstrategien diskutiert.
Betreff: Welches Design ist am besten geeignet?Einige meiner Gedanken haben Pete und Mark jedoch gute Vorschläge geliefert.
Keine Nuancenfaktoren , Aber LÄRM Faktoren (Variablen, die Sie aus irgendeinem Grund (Kosten/Annehmlichkeit/technologische Unfähigkeit) nicht in der Zukunft kontrollieren möchten). Es ist unmöglich, keinen Lärm zu haben! Zum Beispiel: Schwankungen der Chemikalien von Charge zu Charge, Umgebungsbedingungen, Messfehler, Bedienertechnik usw. Es wird (von mir) nicht empfohlen, Optimierungsentwürfe auszuführen, wenn Sie das Rauschen nicht verstehen. Es handelt sich um ein Problem des Inferenzraums. Wenn Sie unter bestimmten Bedingungen (z. B. Materialcharge) optimieren und sich diese Bedingungen in Zukunft ändern, ist Ihr Modell nicht mehr nützlich. Haben Sie sich jemals gefragt, warum wir ständig optimieren und nie dorthin gelangen?
„Nur durch Kenntnis des Themas, möglicherweise unterstützt durch weitere Experimente, um ein breiteres Spektrum von Bedingungen abzudecken, kann man – mit der Gefahr, falsch zu liegen – entscheiden, ob die Umweltbedingungen der Zukunft annähernd gleich sein werden.“ wie die heutigen, um die Nutzung der vorliegenden Ergebnisse zu ermöglichen.“ – W. Edwards Deming
„Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können“ GEP Kasten
Ich werde hier nicht die Angemessenheit der Verwendung von DSD oder eines anderen Optimalitätsdesigns diskutieren, aber ich möchte Ihnen raten, sich darüber im Klaren zu sein, dass Sie iterieren werden. Halten Sie es einfach und sequenziell (KISS). Mein Rat ist, zu entwerfen mehrere Experimente, berücksichtigen Sie: was wird getrennt, was wird verwirrt und was wird eingeschränkt. Vergleichen Sie dies mit dem, was Sie zu wissen glauben und welches Wissen Sie sich aneignen müssen, um effizient voranzukommen (Potenzial für gewonnenes Wissen vs. aufgewendete Ressourcen). Sagen Sie alle möglichen Ergebnisse voraus und wählen Sie dann das Ergebnis aus, das Ihrem Wissens-/Ressourcenvergleich entspricht.
Ich bevorzuge das RSM von Box, bei dem es nicht um ein zentrales zusammengesetztes Design geht, sondern um aufeinanderfolgende Experimente, die zur Kartierung der Oberfläche addiert werden.
Wenn Sie Beschränkungen auferlegen, befinden Sie sich in der Welt der Split-Plots.
Niemand kennt das richtige Experiment („Das beste Design, das Sie entwerfen, ist das Design, das Sie entwerfen, nachdem Sie es ausgeführt haben“, Ross). Die Auswahl des Designs ist situationsabhängig und ganz ehrlich, Sie haben nicht genügend Informationen bereitgestellt, um diesen Rat zu geben. Seien Sie sich auch darüber im Klaren, dass Sie etwas lernen werden, unabhängig davon, ob das Experiment, das Sie auswählen, Ihnen das bringt, was Sie wollen oder nicht (Vielleicht können wir Ihnen postmortal sagen, woran es gestorben ist).
Betreff: Welches Design ist am besten geeignet?Ich sollte etwas über D-optimales Design lesen. Haben Sie einige nützliche Links, die ich mir ansehen kann?
Betreff: Welches Design ist am besten geeignet?Ohne vorherige Kenntnis der Systemeffekte ist es unmöglich, sicher zu sein, dass die Sparsity-Wirkung anhält. Der einzige Weg, wie ich mit einiger Sicherheit „wissen“ kann, ist das Experimentieren selbst. Möglicherweise sind Sie mit einem DSD und einem System ohne die meisten Zwei-Faktor- und höheren Effekte „in Ordnung“. Sie haben meine Frage zur Betrachtung eines D-optimalen Designs, das sich auf die Haupteffekte konzentriert, immer noch nicht beantwortet. Sie können mit einem viel kleineren Design als einem DSD auskommen, wenn Ihr Fokus wirklich auf der Suche nach Haupteffekten liegt. Geben Sie dann bei späteren Experimenten einen größeren Teil Ihres Budgets für RSM-Methoden aus. Das letzte Problem sind unzulässige Kombinationen. Das DSD zwingt Sie tatsächlich dazu, alle vorgeschriebenen Behandlungskombinationen durchzuführen. Wenn es Kombinationen gibt, die gefährlich sein könnten, von denen Sie wissen, dass sie grundsätzlich nicht funktionieren, dann kann ein D-optimales Design unzulässige Kombinationen berücksichtigen. Nur Dinge, die man bedenken sollte.
Betreff: Welches Design ist am besten geeignet?@P_Bartell Das Prinzip der Effektsparsität besagt, dass der größte Teil der Variation in der Reaktion durch eine relativ kleine Anzahl von Effekten erklärt wird. Wie kann man sicher sein, dass das hält?Ich bin mir nur sicher, dass Interaktionen dritter Ordnung und einige bidirektionale Interaktionen in meinem System inaktiv sind.
Es gibt keine Nuancenfaktoren
Ich stimme mit dem überein, was Sie gesagt haben: „ Tatsächlich denke ich, dass eine alternative Möglichkeit, dieses Problem anzugehen, darin besteht, Ihr erstes Design auszuführen ... was auch immer das ist ... "Deshalb wollte ich Ihre Meinung zum Start mit einem DSD hören. Jedoch, Ich habe eine Einschränkung bei der Randomisierung, da die Änderung der Temperatur (einer meiner Faktoren) von Max- auf Min-Werte Zeit braucht. Wie gehe ich damit in DSD um?
Dank im Voraus
Betreff: Welches Design ist am besten geeignet?Ein definitives Screening-Design ist eine sehr gute Möglichkeit als bestes Erstexperiment ... aber nicht so schnell. Ich bin ein wenig besorgt über Ihr mangelndes Vertrauen in die Wirksamkeit der Sparsity im System. Der DSD ist darauf angewiesen, dass diese Eigenschaft vorhanden ist. Es gibt weitere Fragen, die Sie noch nicht beantwortet haben. Gibt es irgendwelche Einschränkungen bei der Randomisierung, die eine Blockierung oder ein Split-Plot-Design angemessen machen könnten? Gibt es Störfaktoren, die gute Kandidaten für Kovariaten oder Blockierungen sein könnten? Meine letzte Frage lautet: Haben Sie ein D-optimales Design untersucht, das im Vergleich zu einem DSD stärker modellorientiert ist? D – optimale Designs können auch für Screeningzwecke verwendet werden. Vielleicht wäre ein modellgesteuertes D – Optimales Design zur Identifizierung der aktiven Haupteffekte auch ein Weg? Zu viele unbeantwortete Fragen ... und niemand kann die Frage „Oder DSD reicht für Screening und Optimierung?“ beantworten. Frage. Tatsächlich denke ich, dass ein alternativer Weg, dieses Problem anzugehen, darin besteht, Ihren ersten Entwurf auszuführen ... was auch immer das ist ... und wenn die Ergebnisse ausreichen, um Ihr praktisches Problem zu lösen ... warum dann mit weiteren Experimenten fortfahren? Ich vermute, dass es noch andere dringendere Probleme gibt, die gelöst werden könnten?
Betreff: Welches Design ist am besten geeignet?Vielen Dank, @P_Bartell Und @Mark_Bailey für Ihr Feedback
Es ist wahr, dass dies meine erste Erfahrung mit DoE ist, aber ich habe viel gelesen, einschließlich des empfohlenen Kurses auf der JMP-Plattform. Wie gesagt, mein Ziel ist es, die Ausbeute meiner Extraktion zu optimieren, und das habe ich auch 7 kontinuierliche Faktoren und 1 diskreter Faktor. Die Machbarkeit der Erfahrungen mit dem Instrument wurde auf verschiedenen Ebenen getestet und dann der Studienbereich bestimmt.
Der Abschluss meiner kurzen Reise ist, wie Sie sagten @Mark_Bailey ein DSD verwenden. DSD kann auch den quadratischen Effekt bestimmen und ich kann ein Antwortflächendiagramm erstellen, und es sind nur 21 Erfahrungen erforderlich (einschließlich der 4 von JMP vorgeschlagenen Durchläufe).
Aber ich bin mit dem DSD etwas verwirrt. Ist es nur ein Screening-Design und ich muss später ein Antwortoberflächen-Design vorlegen? Oder reicht DSD für Screening und Optimierung aus?
In der Tat Ich habe keine Ahnung, ob mehr als die Hälfte meiner Faktoren inaktiv sind oder nicht (was auch eine Bedingung für DSD ist).
Betreff: Welches Design ist am besten geeignet?Wenn Sie bereit sind (d. h. wenn Sie das Gefühl haben, dass Ihr Hintergrund angenehm ist), empfehle ich die Verwendung von a Definitives Screening-Design für Ihr erstes Experiment zur Ertragssteigerung.
Betreff: Welches Design ist am besten geeignet?Ich gehe davon aus, dass Sie sehr wenig wissen und keine bis wenig Erfahrung mit DOE haben. Wenn meine Vermutung richtig ist, würde ich innehalten und direkt zum SAS „Statistics for Industrial Problem Solving“ gehen und alle Module im Zusammenhang mit der Analyse von Daten und DOE absolvieren (und auch den gesamten Kurs, wenn Sie neu bei JMP sind). Es gibt viele, viele Fragen, die geklärt werden müssen, bevor ein geeigneter Entwurfs- und Analysepfad ausgewählt wird ... meiner Meinung nach zu viele, um sie in einem Forum wie diesem zu beantworten.
Hier ist ein Link zum Kurs: Statistiken zur industriellen Problemlösung
