Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Ciao a tutti,
Ho eseguito un DSD iniziale e ora sto cercando di proseguire con Custom Design con alcuni termini di interazione che imitano RSM.
Ho impostato l'intervallo del limite inferiore e superiore di ciascun fattore a meno che non siano "fattori fissi" come puoi vedere di seguito e ho aggiunto alcuni termini di interazione.
Quindi ho realizzato il progetto senza avere punti centrali/repliche con I-optimality, che ha creato 15 trattamenti per impostazione predefinita.
La maggior parte dei valori generati su ciascun livello di fattore sono attesi. Tuttavia, vedo due livelli che non rappresentano né il limite superiore/inferiore né il valore centrale sul terzo fattore (F3). Di seguito è possibile visualizzare un valore non intero (16.05 e 14.05).
Qualcuno sa perché ottengo questi numeri? Qual è la ragione teorica alla base di ciò ed è possibile forzarlo a diventare un valore intero che si trovi sull'estremità superiore/inferiore o sul punto centrale?
Progettazione di esperimentiRi: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Grazie per il chiarimento.
È possibile utilizzare una funzionalità di Prediction Profiler per una progettazione solida del processo che non è disponibile se utilizzata all'interno di una piattaforma di adattamento. Salvare il modello come formula di colonna. Selezionare Grafico > Profiler . Assegnare fattori difficili da controllare al ruolo Fattore di rumore. Il profiler massimizzerà contemporaneamente la desiderabilità delle risposte e minimizzerà la derivata prima delle risposte.
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.@Mark_Bailey
Penso di non aver chiarito perché volevo mantenere quei due nei modelli.
Sono insensibili ai cambiamenti nella regione “dove le risposte sembrano essere ottimizzate”. Quindi possono essere eliminati per ottimizzare le risposte.
Tuttavia, hanno effetti significativi sulle risposte "laddove le risposte non sono ottimizzate". Quindi, in termini di scopo della costruzione del modello (noto anche come Augment Design), voglio includere questi fattori.
Sono abbastanza sicuro di poter trovare condizioni ottimali e robuste in cui le risposte sono ottimizzate senza Augment Design. Tuttavia, dopo aver discusso con esperti come voi, ho deciso di fare un passo indietro e provare a comprendere meglio il modello utilizzando Augment Design. Grazie per tutto il vostro aiuto e supporto!
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Perché mantenere questi due fattori nel modello e nel nuovo design? È inoltre possibile eliminare i fattori quando si aumenta se lo screening li trova tra i "molti banali" e non tra i "pochi vitali".
Alcuni tratti distintivi del DOE sono l’efficienza, l’economia e il rapido apprendimento. Il risultato è un modello che si spera possa godere di una vita lunga e produttiva al vostro servizio. Vale la pena investire. @statman ha professato la necessità e il beneficio dell'iterazione nel processo di apprendimento. Quindi seleziona, aumenta, ottimizza e verifica. Hai ragione, però, quando dici che questo flusso di lavoro quotidiano presenta una miriade di variazioni che dipendono dalla situazione.
Continua a fare domande.
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.CIAO @statman E @Mark_Bailey
Grazie per aver offerto la filosofia approfondita e l'aiuto pratico riguardo a RSM o DOE in generale.
Dovrei dire che la mia esecuzione iniziale con DSD ha prodotto un modello abbastanza buono anche se potrebbero esserci miglioramenti generali con Augment Design. Tuttavia, sono più interessato a esaminare il "punto debole" in cui ci si aspetta che la risposta sia ottimale piuttosto che ottimizzare la previsione del modello. Quindi direi che realizzare un modello migliore sarebbe secondario.
Ad esempio, ho 5 fattori continui. Vorrei correggere due fattori costanti, come puoi vedere dallo screenshot nel mio post iniziale. Questi due fattori non hanno un grande impatto sulle risposte e sono insensibili ai cambiamenti dovuti al cambiamento di altri fattori. E confido in questo modello di previsione costruito da DSD. Ecco perché volevo realizzare l'Augment Design in un ambito piuttosto limitato.
Ho letto la scheda Augment Design ma non ho trovato un modo per modificare la "proprietà" dei fattori (continui, costanti, categoriali) poiché aumentano la progettazione in base al modello precedentemente creato. Posso limitare in qualche modo questi fattori continui che non desidero variare utilizzando la scheda Definisci vincoli fattore in Augment Design. Tuttavia, non posso "fissare" quel fattore a un valore specifico (un'altra parola "costante").
Augment Design sarebbe ancora utile in questo caso? Dovrei utilizzare il Design personalizzato che mi dà molto più grado di libertà nel fissare e modificare i fattori?
Il mio scopo iniziale di fare DOE è trovare le condizioni ottimali (condizioni che posso massimizzare la resa) più velocemente con meno esecuzioni sperimentali. Poiché il tempo è importante e anche il costo dei materiali con cui ho a che fare non è economico. Credo che DSD abbia fatto un buon lavoro costruendo un modello in qualche modo predittivo che mi permetta di guardare alla regione locale in cui le risposte sarebbero ottimali. Tuttavia, dopo aver letto @Mark_Bailey E @statman commenti, potrebbe valere la pena migliorare prima il modello utilizzando Augment Design (con un intervallo più ampio rispetto a quello ottimale), quindi eseguire un'ulteriore esecuzione di convalida utilizzando Custom Design.
Immagino che tutto dipenda dalla situazione e non ci sarebbe una risposta a questo. Tuttavia, mi piacerebbe sentire più commenti da voi ragazzi, sia pratici che filosofici. Sono passati solo circa 10 giorni da quando ho iniziato a leggere DOE e a utilizzare JMP, quindi qualsiasi commento a questo principiante sarebbe apprezzato.
Grazie!
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Farò solo alcuni commenti filosofici da aggiungere alla discussione altrimenti potrai ignorarmi completamente.
L'idea alla base della progettazione della superficie di risposta è quella di mappare la risposta in funzione di fattori importanti (termini del modello). Tre cose che lo sperimentatore deve tenere a mente:
1. La "vera" superficie esiste già e non possiamo cambiarla.
2. Le superfici sono "n" dimensionali, sebbene vi siano forti prove empiriche che suggeriscono che solo un sottoinsieme della superficie deve essere utile (principio di scarsità di effetti).
3. Potrebbe non essere utile o pratico mappare una superficie utilizzando fattori di progettazione quando le condizioni in cui è stato eseguito l'esperimento (ad esempio, lo spazio di inferenza in funzione del rumore) non possono essere ripetute.
Esistono molti approcci diversi per mappare la superficie, ma in tutti i casi l'iterazione è fondamentale per essere efficienti ed efficaci nella tua indagine. Sono un sostenitore della sperimentazione sequenziale. Ad esempio (eccessivamente semplificato): si può iniziare con un campionamento diretto per determinare le componenti dominanti o le fonti di variazione e valutare gli errori di misurazione. Esperimento sulle componenti dominanti per identificare i fattori significativi e gli effetti del rumore. Sposta e/o aumenta lo spazio definito dai fattori significativi e scopri dove tali fattori sono resistenti al rumore.
Dal punto di vista dell'analisi geometrica e statistica, più equilibrato è il disegno, più facile è l'analisi e, si spera, meno probabile che sia distorta (l'impostazione del livello può influenzare lo studio). Naturalmente, con l’aumento della potenza di calcolo, il bisogno di equilibrio è diventato meno necessario. Tuttavia, quando si mappa la superficie, si cerca di campionarla in modo da mitigare i propri pregiudizi su dove concentrarsi. Ironicamente, quando si è sul punto di essere vicini all’ottimale e si stanno mettendo a punto i livelli dei fattori in questo spazio, la significatività statistica non è più così importante (è già stata stabilita). Stai semplicemente provando a testare diverse posizioni sulla superficie per trovare i migliori valori di risposta.
Un buon modello è un'approssimazione, preferibilmente facile da usare, che cattura il caratteristiche essenziali del fenomeno studiato e produce procedure che sono robusto a probabili deviazioni dalle ipotesi. GEP Scatola
“Lo sperimentatore è come la persona che tenta di mappare la profondità del mare effettuando scandagli in un numero limitato di luoghi” Box, Hunter & Hunter (p. 299)
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.1. Non è possibile modificare le impostazioni dei fattori in Design personalizzato. Solo JMP può farlo. È possibile fare clic sul pulsante Crea tabella e modificare il valore nella tabella dati risultante. Puoi visualizzare le informazioni prima e dopo aver modificato i valori non interi. È quindi possibile utilizzare DOE > Diagnostica progettazione > Valuta progettazione per ottenere informazioni sul progetto.
2. Dovresti leggere la documentazione su Progettazione aumentata . È possibile modificare gli intervalli di fattori durante l'aumento prima di generare nuove esecuzioni. Stai attento! Non restringere gli intervalli dei fattori perché ci si aspetta la risposta desiderata in una regione locale. Tale cambiamento sarà meno informativo nella stima dei parametri del modello, che è il punto centrale di un esperimento. Salva la conferma per test separati successivamente dopo la previsione del modello.
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Grazie @Ressel E @Mark_Bailey
Il mio laptop non mi consente di accedere nuovamente al mio account originale, quindi sto utilizzando questo account.
COME @Mark_Bailey detto, questi valori non interi compaiono ovunque nei fattori continui (F2 o F3).
Ho delle domande di follow-up.
1. È un sollievo sapere che riportare i numeri non interi a numeri interi non interromperebbe il progetto. Ma come "sposteresti" quei punti? Poiché non interromperà il progetto, posso semplicemente modificare il valore riportandolo al valore "originale (intero)" nella tabella generata. Tuttavia, questo non mi mostrerà come il cambiamento di questo punto influisca sulle correlazioni tra fattori (es. Mappa dei colori sulle correlazioni). Sono solo interessato a vedere come cambia l'aliasing quando cambio questi valori. C'è modo di modificare questo valore nella scheda "Design personalizzato"?
2. Inizialmente volevo seguire il mio DSD con Augment Design. Augment Design sembra sputare i trattamenti (o lo spazio di progettazione "locale") che non ho esplorato per migliorare la previsione del modello costruito con DSD. Ma non necessariamente indica lo spazio di progettazione ottimale che vorrei approfondire. Ho usato solo il normale Augment Design nella scheda DOE che mi dà non meno grado di libertà di giocare (ad esempio, fattore di fissaggio costante). Non ho familiarità con ' aumento ottimale' di cui hai parlato e che vorrei esplorare. Potresti indirizzarmi alle risorse giuste (webinar o post) che posso esaminare, per favore?
Grazie per l'aiuto!
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.Si scopre che il metodo di scambio delle coordinate spesso sposta un punto di progetto lontano dalle coordinate previste (ad esempio, F3 = 15) per migliorare l'ottimalità date le definizioni dei fattori, i termini del modello, il numero di esecuzioni e così via. Questo risultato è normale e non raro. I metodi combinatori come il disegno fattoriale e il DSD danno come risultato un equilibrio. Questo non è un obiettivo per Custom Design.
Questo design è perfettamente accettabile. Tuttavia, potrebbe non essere pratico. Sentiti libero di spostare nuovamente questi punti su F3 = 15, se lo desideri. Non romperai nulla. Salva una copia del progetto personalizzato, aprila in modo da avere due copie, modifica i livelli F3 su 15, quindi seleziona DOE > Diagnostica progetto > Confronta progetti. L'ottimalità sarà leggermente ridotta.
Hai preso in considerazione l'utilizzo di un potenziamento ottimale del DSD originale invece di un nuovo design personalizzato?
Ri: Personalizza il modello della superficie di risposta selezionando numeri strani diversi dal livello inferiore/centrale/superiore.La mia ipotesi è che ciò che vedi sia correlato alle distanze dei punti stellari in un disegno composito centrale ( https://www.itl.nist.gov/div898/handbook/pri/section3/pri3361.htm ). F2 e F3 sono gli unici fattori continui e solo per loro si vedono valori "strani". Ho provato a riprodurre il tuo progetto e ho ricevuto un risultato simile. Una volta creata la tabella DoE da riempire con le risposte, è possibile modificare questi valori, ma poiché non ho familiarità con gli effetti dei tuoi fattori non è chiaro se ciò "distruggerebbe" il progetto. A questo punto consiglio vivamente il Modulo DoE STIPS di SAS . Inoltre, R3 e R4 non sono completamente ridondanti?
Modifica: OK, solo valori "strani" per F3, non F2 nel tuo screenshot.
