下位/中央/上位レベル以外の奇妙な数値を選択して応答曲面モデルをカスタマイズします。こんにちは、みんな、
私は最初の DSD を実行し、現在は RSM を模倣した対話用語を使用してカスタム デザインをフォローアップしようとしています。
以下に示すように、「固定因子」を除く各因子の下限と上限の範囲を設定し、交互作用項を追加しました。
次に、I-optimality を使用して中心点/複製を持たずにデザインを作成しました。これにより、デフォルトで 15 個の処理が作成されました。
各因子レベルで生成される値のほとんどは予期されています。 しかし、第 3 因子 (F3) に上限/下限でも中心値でもない 2 つのレベルが表示されます。 以下に非整数値 (16.05 および 14.05) が表示されます。
なぜこのような数字が得られるのか知っている人はいますか? その背後にある理論的な理由は何ですか? また、上下端または中心点のいずれかに強制的に整数値を設定する方法はありますか?
実験計画法Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。ご説明いただきありがとうございます。
フィッティング プラットフォーム内で使用する場合には利用できない、堅牢なプロセス設計のために予測プロファイラーの機能を使用する場合があります。 モデルを列式として保存します。 選択するグラフ > プロファイラー。 制御が難しい要因をノイズ要因の役割に割り当てます。 プロファイラーは、応答の望ましさを最大化し、同時に応答の一次導関数を最小化します。
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。@Mark_Bailey
なぜこの二人をモデルに残したかったのかが明確になっていなかったと思います。
それらは、「応答が最適化されているように見える」領域の変化には鈍感です。 したがって、応答を最適化するためにそれらを削除できます。
ただし、「応答が最適化されていない場合」の応答には重大な影響を及ぼします。 したがって、モデル構築の目的 (別名拡張設計) の観点から、これらの要素を含めたいと考えています。
Augment Design を使用せずに応答が最適化される、最適で堅牢な条件を見つけることができると確信しています。 しかし、皆さんのような専門家と議論した結果、私は一歩下がって、Augment Design を使用してモデルをより深く理解しようと試みることにしました。 皆様のご支援とご支援に感謝いたします!
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。なぜこれら 2 つの要素をモデルと新しい設計に残すのでしょうか? また、スクリーニングで「重要な少数」ではなく「些細な多数」の中に要素が見つかった場合は、拡張時に要素を削除することもできます。
DOE の特徴としては、効率性、経済性、迅速な学習が挙げられます。 その結果、長く実りあるサービスを提供できるモデルが誕生しました。 投資する価値はあります。 @スタットマンは、学習プロセスにおける反復の必要性と利点を公言しています。 したがって、スクリーニング、強化、最適化、検証を行います。 ただし、この日常のワークフローには状況に応じて無数のバリエーションがあるというのは正しいことです。
質問を続けてください。
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。こんにちは@スタットマンそして@Mark_Bailey
RSM または DOE 一般に関する洞察力に富んだ哲学と実践的な支援を提供していただきありがとうございます。
Augment Design で全体的な改善が見られる可能性はあるものの、最初の DSD 実行ではかなり良好なモデルが得られたと言わなければなりません。 ただし、私はモデル予測を最適化することよりも、応答が最適であると予想される「スイート スポット」をスキャンすることに興味があります。 したがって、より良いモデルを作成することは二の次になると思います。
たとえば、5 つの連続因子があります。 最初の投稿のスクリーンショットからわかるように、2 つの要素を定数に修正したいと考えています。 これら 2 つの要因は応答に大きな影響を与えず、他の要因の変化による変化の影響を受けません。 そして私は DSD によって構築されたこのモデル予測を信頼しています。 だからこそ、ある程度限られた範囲でAugment Designをやりたかったんです。
「計画の拡張」タブを読みましたが、以前に構築されたモデルに基づいて計画を拡張する因子の「プロパティ」(連続、定数、カテゴリ) を変更する方法が見つかりませんでした。 Augment Design の [Define Factor Constraints] タブを使用すると、変化させたくないこれらの連続因子をある程度制限できます。 ただし、その係数を特定の値（別の言葉で「定数」）に「固定」することはできません。
この場合にも Augment Design は役に立ちますか? 要素を修正したり変更したりする際に、より自由度が高いカスタム デザインを使用する必要がありますか?
DOE を行う最初の目的は、より少ない実験実行で最適な条件 (収率を最大化できる条件) をより迅速に見つけることです。 時間は重要ですし、私が扱っている材料費も安くはありません。 DSD は、応答が最適になる局所領域を確認できるある程度の予測モデルを構築するという点で、適切な仕事をしたと信じています。 しかし、読み終わった後、 @Mark_Baileyそして@スタットマンコメントがある場合は、最初に拡張設計 (最適な範囲より広い範囲) を使用してモデルを改善し、その後、カスタム設計を使用して追加の検証を実行する価値があるかもしれません。
すべては状況によると思いますが、これに対する答えはありません。 しかし、私は皆さんの実践的または哲学的なコメントをもっと聞きたいと思っています。 DOE を読み、JMP を使い始めてからまだ 10 日ほどしか経っていないので、この初心者へのコメントをいただければ幸いです。
ありがとう！
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。私は議論に追加するためにいくつかの哲学的なコメントをするつもりです。そうでない場合は完全に無視していただいても構いません。
応答曲面設計の背後にある考え方は、応答を重要な要素 (モデル項) の関数としてマッピングすることです。 実験者は次の 3 つのことに留意する必要があります。
1. 「真の」表面はすでに存在しており、それを変更することはできません。
2. 表面は「n」次元ですが、表面のサブセットのみを使用する必要があることを示唆する強力な経験的証拠があります (効果の希少性原理)。
3. 実験が実行された条件 (つまり、ノイズの関数としての推論空間) を繰り返すことができない場合、設計要素を使用して表面をマッピングすることは有用または現実的ではない可能性があります。
サーフェスのマッピングにはさまざまなアプローチがありますが、いずれの場合も、調査を効率的かつ効果的に行うには反復が重要です。 私は逐次実験の支持者です。 例えば（過度に単純化されていますが）：支配的な成分または変動源を決定し、測定誤差を評価するために、直接サンプリングから始めることができます。 主要なコンポーネントを実験して、ノイズの重要な要因と影響を特定します。 重要な要素によって定義される空間を移動および/または拡張し、それらの要素がノイズに対して堅牢な場所を見つけます。
幾何学的および統計的分析の観点から見ると、設計のバランスが取れていればいるほど、分析が容易になり、できれば偏りの可能性が低くなります（レベル設定が研究に偏りをもたらす可能性があります）。 もちろん、コンピューティング能力が向上するにつれて、バランスの必要性は低くなりました。 ただし、サーフェスをマッピングするときは、どこに焦点を当てるかについての自分自身の偏見を軽減するために、サーフェスをサンプリングしようとします。 皮肉なことに、最適値に近づきつつあり、この空間の因子水準を微調整しているとき、統計的有意性はもはやそれほど重要ではありません (統計的有意性はすでに確立されています)。 単に表面上のさまざまな場所をテストして、最適な応答値を見つけようとしているだけです。
良いモデルとは、近似値であり、できれば使いやすいものであり、本質的な特徴研究された現象を分析し、次のような手順を生成します。屈強想定からの逸脱の可能性が考えられます。 GEP 箱
「実験者は、限られた数の場所で測深を行って海の深さを地図にしようとする人のようなものです」ボックス、ハンター＆ハンター（p. 299）
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。1. カスタム計画では因子設定を変更できません。 それができるのはJMPだけです。 [テーブルの作成] ボタンをクリックして、結果として得られるデータ テーブルの値を編集できます。 非整数値を編集する前後の情報を確認できます。 その後、使用できますDOE > 設計診断 > 設計の評価デザインに関する情報を取得します。
2. に関するドキュメントを読む必要があります。オーグメントデザイン。 新しい実行を生成する前に、拡張中に係数範囲を変更できます。 気をつけて！ 局所領域で望ましい応答が期待されるため、因子の範囲を狭めないでください。 この変更は、実験の要点であるモデル パラメーターの推定に役立つ情報が少なくなります。 モデル予測後に後で別のテストを行うために確認を保存します。
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。ありがとう@レッセルそして@Mark_Bailey
私のラップトップでは元のアカウントに再度ログインできないため、このアカウントを使用しています。
として@Mark_Baileyつまり、これらの非整数値は連続因子 (F2 または F3) のどこにでも現れます。
追加の質問があります。
1. これらの非整数を整数に戻しても設計が崩れることはないので安心しました。 では、これらのポイントをどのように「移動」するのでしょうか? デザインを壊すことはないので、その値を編集して、生成されたテーブルの「元の(整数)」値に戻すだけです。 ただし、この点の変更が要因間の相関関係 (たとえば、相関関係のカラー マップ) にどのような影響を与えるかは表示されません。 これらの値を変更すると、エイリアスがどのように変化するかに興味があるだけです。 「カスタムデザイン」タブでこの値を編集する方法はありますか?
2. 私は当初、Augment Design を使用して DSD をフォローアップしたいと考えていました。 Augment Design は、DSD で構築されたモデル予測をより良くするために、私が検討していない処理 (または「ローカル」設計空間) を吐き出すようです。 しかし、それは必ずしも私がフォローアップしたい最適な設計空間を吐き出すわけではありません。 私は DOE タブで通常の Augment Design を使用しました。これにより、自由度が低くなりません (係数を定数に固定するなど)。 「私はよく知りません」あなたが話した「最適な拡張」について調べてみたいと思います。 調べられる適切なリソース (ウェビナーまたは投稿) を教えていただけますか?
ご協力いただきありがとうございます！
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。座標交換法は、因子の定義、モデル内の項、実行数などを考慮して最適性を向上させるために、設計点を予想される座標 (F3 = 15 など) から遠ざけることが多いことがわかります。 この結果は正常であり、珍しいことではありません。 要因計画や DSD などの組み合わせ手法によりバランスが得られます。 それはカスタム デザインの目標ではありません。
このデザインは完全に受け入れられます。 ただし、実用的ではないかもしれません。 必要に応じて、これらのポイントを F3 = 15 に戻しても構いません。 何も壊すことはありません。 カスタム設計のコピーを保存し、それを開いて 2 つのコピーを作成し、F3 レベルを 15 に変更して、DOE > 設計診断 > 設計の比較を選択してください。 最適性はわずかに低下します。
新しいカスタム設計の代わりに、オリジナルの DSD を最適に拡張することを検討しましたか?
Re: 応答曲面モデルをカスタマイズすると、下位/中央/上位レベル以外の奇妙な番号が選択されます。私の推測では、あなたが見ているものは、中央の複合デザインの星の点の距離に関連していると思われます ( https://www.itl.nist.gov/div898/handbook/pri/section3/pri3361.htm ）。 F2 と F3 は唯一の連続因子であり、それらについてのみ「奇妙な」値が表示されます。 あなたのデザインを再現しようとしましたが、同様の出力が得られました。 DoE テーブルを作成して応答を入力したら、これらの値を変更することができますが、要因の影響については詳しくないので、それが設計を「破壊」するかどうかは不明です。 この時点で私が強くお勧めするのは、 SAS の STIPS DoE モジュール。 また、R3とR4は完全に冗長ではありませんか?
編集：OK、スクリーンショットではF2ではなく、F3の「奇妙な」値のみです。
