Antwort für DOE-Lauf mit Wiederholung und nicht normal verteiltHallo zusammen,
Ich bin ein Neuling im DoE und versuche, ein vollfaktorielles 2^3-Design zu verwenden.
Einige Details meines Tests sind:
- Alle 3 Faktoren sind kategorisch. Ich habe 8 Läufe mit einer Kombination davon
- Meine Reaktion ist kontinuierlich, das Ziel ist die Minimierung. Ich messe das Ergebnis, wenn sich die Bedingungen der Faktoren ändern.
- Ich verwende Wiederholungen, für jeden Lauf habe ich 20 Stücke für die gleiche Faktoreinstellung erstellt.
Beim Einfügen von Daten in die Datentabelle habe ich einige große Fragen.
1) In der Datentabelle gibt es nur 1 Feld für das Antwortergebnis. Normalerweise würde ich den Mittelwert von 20 Wiederholungen eingeben. Aber die Verteilung dieser 20 Wiederholungen ist nicht normal. Sie ist lognormal und extrem rechtsschief. Welche Daten sollte ich also in die Ergebnisse des Laufs eingeben? (Mittelwert oder Standardabweichung oder was auch immer)
2) Ich habe versucht, den Mittelwert oder die Standardabweichung einzugeben und dann das Regressionsmodell an die Daten anzupassen. Die Anpassung war sehr schlecht.
Ist das normal, wenn Ihre Faktoren alle kategorisch sind?
Kann ich bei meinem Test immer noch den faktoriellen Profiler verwenden, um eine Einschätzung des Haupteffekts und des Interaktionseffekts zu erhalten?
Vielen Dank für Ihre Hilfe
Datenexploration und -visualisierungBetreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltDie beigefügte Tabelle kann Ihnen beim Einstieg helfen. Öffnen Sie es und klicken Sie auf das „+“-Zeichen der Y-Spalte, um die Formel anzuzeigen, die die Antwortwerte generiert. Führen Sie dann jedes der gespeicherten Skripts der Reihe nach aus. Beachten Sie, dass Sie (im ersten Skript) wenn Sie 20 Stück für jede Faktorkombination gemessen haben, die Anzahl der Wiederholungen als 19 definieren müssen.
Betreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltHallo @Justin_Bui ,
Willkommen in der Community!
Informationen zu vollfaktoriellen Versuchsplänen finden Sie in der JMP-Hilfe: Vollfaktorielle Designs (jmp.com)
Nur um einige Informationen und Erklärungen zu der großartigen Arbeit von hinzuzufügen @ian_jmp :
1) Es gibt mehrere Möglichkeiten, mit "Wiederholungen" umzugehen (je nachdem, ob es sich um Wiederholungsläufe oder Wiederholungen handelt):
- Wiederholung bedeutet, mehrere Antwort(en)-Messungen im selben Versuchslauf durchzuführen , während die Replikation mehrere experimentelle Läufe für jede Behandlungskombination durchführt.
In Ihrem Fall haben Sie jede Behandlung des Designs mehrmals (insgesamt 20 Mal) durchgeführt, sodass Sie sich in der Situation von Wiederholungen befinden. Sie geben 19 als Anzahl der Wiederholungen an: Sie haben die ursprüngliche Behandlungskombination aus dem Design durchgeführt und sie dann 19 Mal repliziert, sodass Sie am Ende 20 Teile/Experimente pro Behandlung haben.Hier fügen Sie also einfach eine Zeile für jeden experimentellen Lauf hinzu, den Sie mit seiner Antwort durchgeführt haben, da dies für jede Behandlung des Designs an einem anderen Stück durchgeführt wird. Hier müssen die Ergebnisse nicht mit einem Mittelwert oder einer Standardabweichung aggregiert werden.
2) Für den zweiten Teil muss Ihr Modell sicherlich etwas "verfeinert" / verbessert werden.
Beispielsweise scheint Ihre letzte Interaktion „Materials*Assy side“ nicht signifikant zu sein (p-Wert 0,659 > 0,05), sodass sie aus dem Modell entfernt werden kann. Ein Beispiel dafür, wie Sie nicht signifikante Begriffe aus Ihrem Modell entfernen können, finden Sie unter Reduzieren Sie das Modell (jmp.com)
Sobald Sie alle Ihre Versuchsläufe (20 Versuchsläufe pro Behandlung im DOE) als Zeilen in Ihre Datentabelle eingefügt und nicht signifikante Terme entfernt haben, wird es für Sie viel einfacher sein, das DoE-Modell zu bewerten/auszuwerten:
- Haben Sie ein aussagekräftiges Modell? Macht es mit Ihrer Fachkompetenz Sinn?
- Inwieweit erklären die Faktoren und das Modell die Variabilität in Ihren Antwortmessungen?
- Gibt es Wechselwirkungen?
- Welche Effektstärken haben die Faktoren?
- ...
...und damit wir Ihnen bei Bedarf bei der Interpretation weiterhelfen können.
Hoffe diese Antwort hilft dir,
Betreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltIch bin mir nicht sicher, ob ich genau verstehe, wie die 20 Stück zustande kommen. Es scheint, dass Ian und Victor denken, dass die 20 Stück unabhängige Versuchseinheiten sind. Die Unabhängigkeit ergibt sich aus der Änderung der Behandlungskombinationen zwischen jedem PC, der für jede Behandlungskombination erhalten wird. Dies wird als Replikation betrachtet. Wenn Sie jedoch eine Behandlung einrichten und 20 Stk. erhalten, ohne Änderungen an den Behandlungskombinationen vorzunehmen, dann haben Sie wirklich nur eine Versuchseinheit, die aus 20 Stk. besteht. Dies gilt als Wiederholung. Im zweiten Fall werden die PCs nicht als unabhängige Einheiten betrachtet und erhöhen daher nicht den DF des Experiments. Um beraten zu können, muss dies geklärt werden. Basierend auf Ihrer Erklärung sieht es so aus, als hätten Sie Wiederholungen?
Eine weitere Beobachtung aus Ihrem angehängten Bild: Ihnen fehlt ein Effekt (Wechselwirkung dritter Ordnung) in Ihrer Effektzusammenfassung.
Betreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltJa. Ich ändere die Faktoreneinstellung nicht und nehme 20 Stück für jeden Lauf. Fahren Sie dann mit dem nächsten Lauf fort, damit es sich meiner Meinung nach wiederholtBetreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltDanke für deine Antwort!
Zuerst denke ich, was ich tue, ist zu wiederholen, anstatt zu replizieren. Die 20 Stück wurden ohne Änderungen der Faktoren hergestellt (gleicher Lauf - kein Zurücksetzen).
Sehen Sie es einfach so, dass ich für jeden Lauf eine Charge von 20 Stück baue. Und diese 20 Stück haben eine rechtsschiefe Verteilung. Wie kann ich das Ergebnis in meine Datentabelle einfügen?
Bei der zweiten Antwort verstehe ich, dass wir nicht signifikante Faktoren oder Wechselwirkungen aus dem Modell entfernen sollten. Aber für alle Faktoren, die ich habe. Nichts ist signifikant.
Aber mit deskriptivem Ansatz sehe ich deutlich einige Änderungen im Test.
Betreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltDanke für deine Antwort
Aber ist das wirklich replizierbar?
Was ich mache, ist für jeden Lauf, ich habe eine Charge mit 20 Stück gebaut. Keine Änderung oder Rückstellung von Faktoren.
Nach Abschluss dieser Charge gehe ich mit einer neuen 20-teiligen Charge zum nächsten Lauf über.
Bei jedem Durchlauf beobachtete ich, dass die Stichprobenverteilungen rechtsschief waren. Aber der Mittelwert und die Standardabweichung ändern sich. Ich schätze, dass es bedeutende Faktoren gibt, die diese Beobachtung verursacht haben. Aber das Modell zeigt, dass kein Faktor signifikant ist (p-Wert).
Im Gegenteil. Beim Betrachten von Factor Profiler. Ich sehe die Pisten und es stimmt mit meiner Vermutung überein, welche Faktoren wichtig sind.
Dann weiß ich nicht, wie ich eine Schlussfolgerung ziehen sollBetreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltOk, dann haben Sie Recht, es handelt sich um Wiederholungen, nicht um Wiederholungen, da es keine Randomisierung gibt.
Ihre Idee, die Ergebnisse durch Mittelwert und Standardentwicklung zu haben, scheint eine gute Idee zu sein. Abhängig von Ihrer Antwortverteilung (und je nachdem, was für Sie auf praktischer Ebene sinnvoll ist) können Sie den Mittelwert durch Median (oder Modus) und std dev durch Varianz oder Bereich (Max - Min) ersetzen. Ab dann hätten Sie zwei Antworten zu optimieren:
Mit dem Mittelwert/Median/Modus können Sie Ihr Ziel erreichen/minimieren/maximieren (je nach Ziel).
Für die Streuung der Ergebnisse (Std Dev, Variance oder Range) besteht Ihr Ziel darin, sie zu minimieren (aber vielleicht mit geringerer Bedeutung), um eine optimierte Antwort mit der größten Gewissheit über ihre Wiederholbarkeit zu finden.
Andere Optionen könnten sein, Ihre Reaktion umzuwandeln (von lognormal zu normal) oder die generalisierte lineare Regression mit dem richtigen Verteilungstyp zu verwenden oder zu versuchen, den Mittelwert und die Standardabweichung jeder Behandlung dank Ihrer 20 Experimente pro Behandlungskombination zu booten.
Wenn Sie keine statistische Signifikanz haben, Ihr Modell aber noch praktische Relevanz hat, ist das schon interessant und ein gutes Zeichen. Auch wenn das Modell hier nicht signifikant ist, erklären Sie 88 % der Variabilität in Ihrem System durch das verwendete Modell und die verwendeten Faktoren.
Hoffe es hilft dir,
Betreff: Antwort für DOE-Lauf mit Wiederholung & nicht normalverteiltWie ich dachte, Sie haben Wiederholungen. Ich würde folgendes tun:
1. Richten Sie zuerst Ihre Datentabelle so ein, dass Sie die Behandlungskombinationen gruppiert haben (es sollten 20 Zeilen jeder Behandlungskombination vorhanden sein, insgesamt 160 Zeilen) und 1 Spalte für die Antwortvariable (die 20 Wiederholungen sollten den 20 Zeilen für entsprechen). jede Behandlungskombination). Wenn Sie die 20 Datenpunkte für jede Behandlung als separate Spalten in Ihrer Datentabelle hatten, dann stapeln Sie diese Spalten einfach.
2. Stellen Sie die Behandlungsdaten grafisch dar. Sie können das Variabilitäts- (Analysieren>Qualität und Prozess>Variabilitäts-/Attribute-Gauge-Diagramm) oder Graph Builder verwenden. Wenn Variabilitätsdiagramm, verwenden Sie die Laufreihenfolge oder Behandlungskombination in der X-Gruppierung. Sie können auch die Verteilungen innerhalb der Behandlung darstellen (Analysieren>Verteilung (nach Behandlung). Sehen Sie sich die Daten an. Gibt es ungewöhnliche Datenpunkte? Wenn nicht, müssen Sie bestimmen, welche Aufzählungsstatistiken die zentrale Tendenz und Variation dieser Verteilungen am besten beschreiben.
3. Fassen Sie die Schwankungen innerhalb der Behandlung zusammen (aufgrund von Wiederholungen: PC-zu-PC, innerhalb von PC und Messfehlerkomponenten). Tabelle>Zusammenfassung> Markieren Sie das Y und wählen Sie die entsprechende Statistik aus dem Dropdown-Menü Statistik aus (Sie werden wahrscheinlich mehrere Statistiken auswählen)>Fügen Sie die Faktorspalten in das Gruppenfenster ein. Dadurch gelangen Sie zurück zu den 8 Behandlungen mit zusammenfassenden Statistiken für jede Behandlung.
4. Führen Sie Ihre Analyse des Experiments immer durch: Praktisch > Grafisch > Quantitativ. Sind die Daten sinnvoll? Wie verhält es sich mit Ihren Vorhersagen, Ihren Hypothesen? Hat sich die Y-Änderung von praktischer Bedeutung ergeben? Wie Sie die Daten analysieren, ist eine persönliche Entscheidung. Ich schlage vor, das Modell zu sättigen und Normal-, Pareto- und Bayes-Diagramme zu erhalten, um nicht replizierte Designs zu analysieren (z. B. Analysieren>Modell anpassen). Identifizieren Sie die unbedeutenden Effekte und entfernen Sie sie aus dem Modell. Führen Sie dann die Analyse erneut aus, um Residuendiagramme zu erhalten.
