4 つの要素を使用したカスタム設計への複雑な制約の追加こんにちは、
4 つの因子 (因子 A、B、C、D) を使用してカスタム計画を作成しています。
要因 B と D に関係する制約について質問があります。
- 係数 B は、実際には、同じ実験で連続して行われた反応の数です。 これは、1 つの反応でも、2 つ、3 つ以上の連続した反応でも可能です。 範囲を 1 ～ 3 に設定します (現時点では 3 つを超える連続反応に興味がないため、それ以上には設定しません)。
- 係数 D は、一連の反応の間で待機する時間です。 したがって、因子 B が 1 より大きい場合にのみ因子 D を定義します。 範囲は 0.1 ～ 10 秒です。因子 B が 1 の場合、因子 D は 0 になります。 言い換えれば、連続して行われた反応（因子 B）の数が 1 つだけの場合、それは 1 つの反応だけなので因子 D は存在せず、他の反応がないため何秒も待つ必要はありません。順番に実行されます。
カスタム設計モデルでこの制約を定義するにはどうすればよいですか?
ありがとううううう！！
PS: 私は Mac を使っています。
実験計画法マックOSRe: 4 つの要素を含むカスタム設計に複雑な制約を追加する洞察力をありがとう、 @Mark_Baileyそして@Victor_G !!
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するありがとう、 @Victor_G 、迅速かつ明確な回答と、提供されたすべての資料に感謝します。 本当に便利ですよ！！！
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するまた会ったね@ADouyon 、
最初の概要として、はい、その通りです。検出力 (= 効果が実際にアクティブである場合にその効果を検出する確率) はできるだけ高く、予測分散と設計空間プロットの割合はできるだけ低くする必要があります。 しかし、次の回答のように、 @Mark_Bailey 、実験計画に必要なものを他の設計と優先的に比較します (すべてを高い/完璧なものにすることは多くの場合不可能であり、非常に多くの実験が必要となるため)。
- DoE を使用して主効果 (および場合によっては交互作用) をスクリーニングする場合、主に関心があるのは予測の分散や計画空間の割合ではなく、むしろ因子 (および場合によっては交互作用) 間の重要な効果の検出です。 したがって、電力分析に重点を置くことになります。
- DoE を使用してプロセス/式を最適化している場合は、予測応答をできるだけ正確に取得したいため、予測分散を最小限に抑えたいと考えます。 したがって、実験空間全体の予測分散と設計空間プロットの割合を他の計画と比較します。
設計評価に関する情報はここ (および次のページ) にあります。デザイン (jmp.com)
はい、比較対象の主なデザインは Custom-Design_0-replicates (実験数が最も少なく、反復はなし) であったため、他のデザインのほとんどはより良好なパフォーマンスを示しました (反復実行があり、ノイズの推定が同等またはより優れていたため)同じ実験数の分散、またはより多くの実験 (最後の 2 つの計画) があったため、すべての効率が向上したため)、この単純な計画の効率は他の計画と比較して悪かった (したがって、赤色の値)。
比較の主要な設計を変更すると、表示される相対効率が変化します (したがって、他の設計と比較した設計の利点 (緑) または欠点 (赤) に応じて色が変わります)。
いいえ、制約は計画に保存されるため、(対応するメニューで適切な因子と応答を選択して「OK」をクリックすることによって)計画を拡張して複製すると、制約が記憶されて表示されます。新しいウィンドウに JMP が表示され、デザインを強化するためのさまざまなオプション (特に今回の場合は「複製」) が表示されます。 各実行の実行回数に応じて (「複製」をクリックした後に JMP によって要求されます)、JMP は最初のデザイン実行の「コピー」を作成します。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
JMP 17 のこの新機能については、JMP の Web サイトによると、間もなく (10 月下旬から 11 月上旬) に利用可能になる予定です。 JMP 17 の新機能 | SAS の統計検出ソフトウェア
この新機能に関する魅力的で素晴らしいホワイト ペーパー (デザイン エクスプローラー) がすでにここから入手できます。これは、最適なデザインを選択する際の非常に興味深い使用例を約束します。適切なデザインの選択 - JMP のデザイン エクスプローラーによる支援 | JMP
1-その通りです！ 明確ではなくて申し訳ありませんが、これはまさに私が言いたかったことです。私は、最初のデザインを研究室に持ち込むのではなく、JMP を使用してコンピューター上でいくつかのデザインを作成し、実験の予算、目標、制約に従って最も適切なものを選択することを好みます。設計を作成した後、いくつかの制約を忘れていた可能性があるか、実験がすべて実行可能/可能ではないことがわかりました。
2- もちろんです！ 複数のデザインと各デザインに対応するデータテーブルを作成したら、[DoE] -> [デザイン診断] -> [デザインの比較] に移動できます。 そこでは、すべての計画テーブル (合計で最大 5 つの計画、つまり選択した 4 つと [計画の比較] をクリックした計画) を選択し、テーブル内で名前が異なる場合 (テーブル内の名前が異なる場合) 因子を照合することができます。スクリーンショットのような同じ名前 (x1 と x1、...) がある場合、JMP はそれらが同じであると判断するため、各要素を個別に照合する必要はありません)。 そうすれば、あなたも私と同じ見方をするはずです。 詳細はこちら: 「設計の評価」ウィンドウ (jmp.com)
3- 「設計診断」情報は、各設計の長所と短所を確認するために他の設計と比較する必要がある値です。 各効率は 0 から 100 までの範囲で指定できます。 さまざまな効率について言及します。
- D 効率はパラメーター推定の精度に関連しており、モデル内の効果の重要性と効果サイズを正確に推定するために、スクリーニング/要因計画において非常に重要です。
- G 効率は、実験空間全体にわたる予測の分散の最小化に関連しており、最適化設計において非常に重要です (因果関係の説明や統計的有意性よりも予測パフォーマンスに重点が置かれます)。
- A 効率は、効果間のエイリアシングの最小化と最適化に関連しています。 A 効率が最も高いほど、回帰係数の推定値は低くなり、より正確 (かつ不偏) になります。
詳細はこちら:設計診断 (jmp.com)
4- とても良い質問ですが、明確な答えはありません。 これはおそらく、座標交換アルゴリズム (カスタム設計に使用) と設計のランダムな開始点/生成点が原因と考えられます。 設計は設計空間内のランダムな点から生成されるため、実験空間内の点の最適な再分割は設計世代ごとに変わる可能性があります。 したがって、デザインを再生成すると、値に若干の変化が見られることがあります。 設計の最適性をあまり変更せずに、これらの値を最も近い値 (ここでは 2) に手動で変更することも、最終的にはランダム開始の数や設計検索時間 (赤字) を増やすことで設計を再生成してみることもできます。 「カスタムデザイン」の近くにある三角形を選択すると、「開始数」と「デザイン検索時間」が表示されます。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加する診断概要には多くの情報が含まれています。 時には、より関連性の高いものもあります。 すべてを見る必要がないと言っているわけではありませんが、デザインを比較するために使用する情報は通常、ある程度厳選されています。 因子または因子の効果をスクリーニングする場合、検出力、推定効率、推定値の相関関係がより重要になります。 一方、モデル予測に基づいて因子設定を最適化する準備ができている場合、予測の差異 (プロファイリングまたは統合) はより深刻になります。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するありがとう@Victor_Gすべてをこれほど深く解明していただきました！ 非常に高く評価！！
したがって、設計を比較する場合、理想的には「設計空間プロットの割合」の「予測分散」を低くする必要がある一方で、「電力解析プラント」の「電力」を高く(ほぼ)したいことを理解しています。 ~1)。 これは正しいです？
デザイン診断の効率値 (「color-map+efficiency_comparison」のスクリーンショットに示されている) の解釈を拡張していただけないでしょうか。赤が悪いことが示されていますが、最後の比較では赤の値がさらに多くなっています (0複製と拡張デザイン)。
また、あなたが提案したようにレプリケートを使用してデザインを拡張する場合、制約を再度定義する必要がありますか?
ありがとう@Victor_Gあらかじめ！！
最高、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@Victor_G 、
複数の設計の比較に関する 9 月 27 日の回答のフォローアップですが、JMP17 では比較が容易になるとのことでした。 疑問に思ったのですが、この新しいバージョンの JMP17 はいつ使用できるようになるかご存知ですか? 素晴らしい機能のようです！
1- また、これを理解していることを確認するためです。 まずはデザインを比較するのが好きという場合。 研究室ではなく、JMP 上でということですね。 つまり、設計を物理的にテストする前に、常に異なる設計を JMP DOE と比較したいということですね?
2- 「カスタム実験計画法」コースで DOE 設計の比較について何も見た覚えがありません。 それは可能でしょうか@Victor_G進行状況に関する詳細情報を提供するため「DOE > 設計診断 > 設計の比較」からに1)検出力、2) 分散予測プロファイル、および 3) 相関行列/カラーマップ? （試してみたけど何を選べばいいのか迷ってしまいます…）
3- 同様に、表を作成する直前に表示されるこの「設計診断」情報 (スクリーンショットを参照) は何を意味しますか?
4- 最後の質問:)デザインを再度作成しているときに、JMP がまったく中央に配置されていない 'X1' データ ポイントが 1.93 と 1.89 である 2 つの実行 (2 つの別個の実行) を選択したのはなぜでしょうか。 X1 は 1 ～ 3 の範囲の連続因子として設定されます。 この係数の小数点は問題ありませんが、なぜ JMP が実験空間でより分散した値ではなく、互いに非常に近い 2 つの値を選択したのか疑問に思います。
どうもありがとうございます。 @Victor_G迅速かつ丁寧な対応をしていただきました！！ とても助かりました、ありがとう!!! たくさん勉強しています！
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
正しい設計とモデルを使用すると、比較は少し異なります。
- 消費電力については、反復実行を行わなかった設計と、2 回または 4 回の反復実行を行った設計との間で大きな改善はないようです。 8 回の反復実行 (合計 27 回の実験実行) または元の設計を完全に複製する (合計 36 回の実験) と、検出力が向上します。
- 分散予測の場合、2 回の反復実行 (同じ合計実行数: 18) の方が、4 回の反復実行 (またはまったく実行しない) よりも空間全体の分散を効率的に下げるようです。 8 回の反復実行 (27 回の実験に対して!) を行うと、実験空間全体の予測分散が少し低下しますが、2 回の反復実行で得られるものと非常に似ています。 そして確かに、元の計画を再現すると (実験数が 18 から 36 に 2 倍になり...)、予測分散は 2 で割られます。
- 効率とエイリアシングの点では、計画全体を複製すると項間に同じエイリアシング/相関関係が得られますが、複製実行を追加するとエイリアシングが変更され、一部のエイリアシングが低下する可能性があります。 効率は、同じ実行回数の設計ではほぼ同様であり、実験の数を増やすと確実に向上します。
この部分があなたのお役に立ち、さらなる混乱を招かないことを願っています。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するまた会ったね@ADouyon 、
- 「下限値」は、状況に応じて許容できる最小の解決策であり (下限値から上限値までの可能な許容可能な値の範囲を定義します)、複数の回答がある場合に影響を与える可能性があります。 固有の応答の場合、JMP はいずれにしても応答の最適化 (最大化/最小化、または値の一致) を試みるため、下限値は適切な値を見つけることで、いかなる場合でも回避されるため、あまり重要ではありません。係数の設定（「最大化」の場合） 変更は満足度関数の傾きにあります (JMP のユースケース「データのバウンス」で、下限 350 で実行されたプロファイラー 1 と下限 450 で実行されたプロファイラー 2 のスクリーンショットを参照)。
複数の応答がある場合、応答の望ましさプロファイルの 1 つの傾きを変更すると、見つかった最適値が変わる可能性があります。これは、JMP が全体の望ましさの値を最大化しようとするため (すべての応答の望ましさ関数を考慮して)、応答の傾きが急になるためです。これは、この応答が望ましさの最適化ソリューションにより大きな影響を与える可能性があることを意味します (許容値の範囲が狭まるため、データセット Tiretread.jmp のプロファイラー最適化とスクリーンショット Profiler-desirability-1 および Profiler-desirability-2 の比較を参照してください) JMP データの使用例より)。 また、各応答に固定された重要度は、見つかった最適な状況にも大きく影響することを考慮してください。応答の重要性が大きいほど、見つかった最適な状況に対するこの応答の影響も大きくなります。
望ましさプロファイルの詳細については、こちらをご覧ください。望ましさのプロファイル (jmp.com)
- 反復の使用と数は、目的、効果の威力、実験/予測に期待される精度などによって決まります。 JMP には 2 つのオプションがあることに注意してください。「レプリケート実行の数」(カスタム デザイン)。ここで繰り返す実行の数、および「複製数」(クラシックデザイン)、つまり(元の実行に加えて) 各実行を実行する回数: Re: カスタム設計の複製数 - JMP ユーザーコミュニティ。
これらすべてを知らないと（そしてドメインの専門知識がなければ）、自分のケースにとってより適切な選択肢を知ることは困難ですが、さまざまなオプション（レプリケート実行なし、2 つのレプリケート実行、4 つのレプリケート実行、8 つのレプリケート実行）を試してみることをお勧めします。 ...) そして、「デザインの比較」プラットフォーム (DoE -> デザイン診断にあります) を使用して、ケースに最適な実行数 (最小の反復回数で最大の影響) を評価します。 添付ファイルには、DoE ごとに作成された個別のデータテーブルを使用して、検出力、分散、相関関係の 0、2、4、および 8 回の反復実行で DoE 設定を使用して行われたさまざまな比較が示されています。 ここで、2 回および 4 回の反復実行では、JMP はこれらの設計に対して同様の特性を持つ同じデフォルトの実験数 (18) で終了します。 ただし、検出力、分散予測プロファイル (0 回の反復実行と比較して 2 または 4 回の反復実行の場合はほぼ 2 で割られます) の点で、0 回と 2/4 回の反復実行の間にはギャップがあることが明確にわかります。カラーマップ（モデル内の項間のエイリアス）のため、実験コストをあまり増大させずに信頼性の高い結果と精度を得るには、18 回の実行デザイン（2 回または 4 回の反復実行）が良い妥協点となる可能性があります（8 回の反復で 27 回の実験）。デザインを実行します!)。
本当に複製/三重... 計画 (実行を複製するだけでなく複製を行う) と比較したい場合は、JMP によって提案された元の計画 (複製実行なしで 9 回の実験) を作成し、それを拡張できます。 (DoE -> Augment Design) オプション「Replicate」を選択します。 次に、JMP は各実行の実行回数を尋ねるので、「2」を入力すると、18 回の実行で複製デザインが作成されます。 この場合、2 つのオプション (複製と複製実行) は、同じ実行数 (ここでは合計 18 回の実行でテスト) に対して非常に似た設計パフォーマンスをもたらすことに注意してください。
- これをどのように処理すればよいのか正確にはわかりません。 実験空間で実験が成功または失敗する条件がわからない場合は、最初に「スコープ設計」(スコーピングデザイン |プリズム (prismtc.co.uk) ) 因子の条件が実験室で可能かどうかを確認します (その後、この計画をスクリーニング計画に拡張し、おそらく応答曲面モデルを使用して最適化計画に拡張した後)。
実験が失敗または成功する原因となる要因条件がすでにわかっている場合は、設定を含めて DoE に適切な実行を作成し、これらの実行も設計の一部として、または分析に含めるか追加することができます。検証ポイント (設計の分析には除外されますが、設計の予測が知識と一致することを確認するために最後に追加されます)。
これらの回答がお役に立てば幸いです（長文ですみません）。
PS: 元の計画には反復実行なしで 9 回の実行があります。これは、モデルに項 X1*X1 および X1*X2 を追加しなかったためですが、計画の一般的なプレゼンテーションと比較はまだ有効である可能性があります (あなたは必要に応じて、デザインを変更して、有効な比較とスクリーンショットを今日提供することができます)。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するまた会ったね@Victor_G 、
追加の質問がいくつかあります。
1- 応答を可能な限り高い値に最大化したい場合でも、応答の「下限」を定義する必要があります。 しかし、この「下限」はそれほど重要なのでしょうか? これを 10 に設定するか、50 に設定するか、100 に設定するかは重要ですか? (この「下限」値をどのように設定すればよいのかわかりません...私は可能な限り最大の応答を得ることが本当に重要なので)。
2- 私が取り組んでいるこの DOE は生物学的反応用です。 通常、科学/生物学では、条件ごとに反復実験を実行します (実行)。つまり、各実験の実行を 2 回 (または 3 回) 実行します。 これは現実的ではないことを理解しています。DOE が合計 18 の実行で構成されている場合、18 の実行すべてを複製するのは意味がありません。合計で 36 の実行になるため、DOE を使用する目的が無効になります。 ...
では、レプリケートの実行数を決定するにはどうすればよいでしょうか? 複製が 2 つだけ必要なのか、4 つだけなのか、それとも 10 つだけ必要なのかを判断するにはどうすればよいですか?
3- 同じように、科学/生物学では、研究者は通常、実験にいくつかのネガティブおよびポジティブコントロール反応も追加します。 それは、失敗することが事前にわかっているため失敗を期待する反応であり、うまくいくという事前知識があるため成功を期待する反応です。 DOE ユーザーは一般的にこれにどのように対処しますか?
どうもありがとうございます。 @Victor_Gあなたの助けに！！！
最高、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するありがとうございました@Victor_Gいつもとても早くて明確な答えをくれてありがとう!! とても有難い！
(単に好奇心から、これについて追加の投稿を作成しようとするかもしれません:))
Re: 4 つの因子を使用したカスタム設計への複雑な制約の追加どうもありがとうございます。 @Victor_G ！ 試してみたら、できました:)
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
10 進数値を取ることができない因数については、2 つのオプションがあります。
- 最初の簡単な方法は、形式を「Fixed Dec」および Dec = 0 に変更することで、データテーブル内の小数値を含まない数値を変更することです (スクリーンショットを参照)。 ただし、設計の最適性が少し失われる可能性があり、予測プロファイラーのモデルからのこれらの要素の最適値には小数が含まれる場合があります。
- もう 1 つの方法は、これらの因子を指定されたレベルを持つ「離散数値」として扱うことです (離散数値因子タイプの詳細については、以前のコメントを参照してください)。 この「制約」がモデルで直接考慮されるため、この方法の方が良いように思えます。 あなたの場合、離散数値因子のレベルで機器の可能なすべてのレベル (1 ずつ増分) を使用するのは面白くないかもしれませんが、少なくとも 3 つのレベル (最小、中、最大) を選択すると興味深いかもしれません。考えられる二次効果を調べるためです。 予測プロファイラーでは、これはカテゴリ因子として扱われますが、レベルの順序性 (2 < 5 < 7 など...因子 4 のスクリーンショットを参照) を念頭に置いているため、各レベル間の傾向を確認できます。レベル。
他にも方法があるかもしれないので、ためらわずに新しい投稿を作成し、他のユーザーの入力や応答を確認してください。
最後に、最も快適なオプションを選択してください。
お役に立てば幸いです。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
制約の保存と読み込みは、「線形制約の指定」オプションを使用して行われた場合にのみ可能のようです。
あなたの場合にできることは、
- 追加した制約を完全に使用して DoE を生成すると、データテーブルに「Disallowed Combinations」と呼ばれる新しいスクリプトが表示されます (スクリーンショット Disallowed_Combinations-datatable-script.jpg を参照)。
- それを右クリックして「編集」をクリックすると、許可されていない組み合わせの JSL コードをコピーできます (Disallowed_Combinations-datatable-script-Edit.jpg を参照)。
- カスタム デザイン作成の [許可されていない組み合わせスクリプトを使用する] オプションでこれを使用 (貼り付け) します (スクリーンショット「Use-disallowed-combinations-script.jpg」を参照)。
これを行うための、よりスマートで自動的な方法があるかもしれません (JSL スクリプト経由でしょうか?) が、このアプローチは機能します (許可されていない組み合わせを手動で再作成する必要はありません)。
お役に立てば幸いです! 
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するまた、 @Victor_G因子値に 10 進数 (つまり 0.5) を使用できないことをモデルで指定する方法をご存知ですか? 私の要因のうち 2 つは、機器に設定した変数です。 ただし、整数でなければならないため、この機器では小数単位を使用できません。 この機器を使用すると、ユーザーはこれらの係数の値を 1 単位の増分で変更できます (つまり、21、22、23...)。
これを何らかの方法で制約に追加することはできますか?
よろしくお願いします@Victor_G ！
最高、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@Victor_Gまた！ ちょっと質問があります。因子や応答のようにモデルの制約を保存できない理由をご存知ですか?
ありがとう！
最高、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加する親切なコメントやフィードバックをありがとうございました@ADouyon ！
私の回答が役に立ち、十分に明確であれば幸いです。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するもう一度ありがとう、ビクター！
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加する信じられないほどありがとう、 @Victor_G ！ 非常に高く評価！ あなたのコメントは非常に有益で明確です、ありがとう！
Re: 4 つの因子を使用したカスタム設計への複雑な制約の追加Prism Training & Consultancy による、実験の逐次的性質に関する優れたリソースについて言及する追加コメントが 1 つあります。記事: 古典的な実験計画法の逐次的性質 |プリズム (prismtc.co.uk)
この記事では、因子の実験範囲の作成と評価から、スクリーニング、そして最適化まで、DoE の背後にあるプロセスについて非常に詳しく説明しています。 これは、興味があるかもしれない一連の記事の一部です。
幸せな読書 ！
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon ！
回答がお役に立ててうれしいです。 この手法がどの程度一般的であるかはわかりませんが、個人的には、研究室に行ってすぐに実験を行って、制約を忘れているかどうかを最終的に確認するよりも、さまざまな設計とサンプルサイズを比較することに多くの時間を費やすことを好みます。私のデザインは私のニーズに十分に適合していません。
--> これを説明するために、私はロナルド フィッシャーの次の言葉がとても好きです。実験終了後に統計学者に相談することは、多くの場合、単に死後検査を行うよう依頼するだけです。 彼はおそらく実験が何で終わったかを言えるだろう。」
異なるモデルに含まれる項に応じて、設計が異なると結果の解釈が異なる場合があります。 たとえば、主効果のみを使用したスクリーニング計画は、研究のフォローアップに関連する因子をフィルタリングするのに役立ちますが、2 因子の相互作用や二次効果が存在する場合には精度と応答の予測性に明らかに欠ける可能性があります (適合性が欠如している可能性があります)。 ）。
さまざまなデザインを生成して比較するには、いくつかのオプションがあります。
- モデル内の項 (2 因子交互作用、二次効果など) またはその推定可能性を変更 (追加/削除) します (2FI および二次効果については、推定可能性を「必要」から「可能な場合」に切り替えることができます)。
- 反復実行を追加して計画内のサンプル サイズ (実験の数) を変更します。追加の実行は関連性があり、実験空間全体での推定精度や相対分散予測を向上させるのに十分な有用性がありますか?
- 最適性基準を変更します (ターゲットに応じて、スクリーニングのための D 最適性、良好な応答予測精度のための I 最適性、モデル内の項間のエイリアシングを改善するための Alias 最適性...)
- デザインの種類を変更します (可能であれば!)...
現時点では、異なる DoE を比較するには、JMP で DoE を作成し、[DoE]、[設計診断]、[設計の比較] の順に進む必要があります。 しかし ... スポイラー警告 ！ : JMP 17 では、DoE の作成に「デザイン エクスプローラー」プラットフォームが含まれるため、複数のデザインを比較するのがはるかに簡単になります (スクリーンショットを参照)。そのため、手動で 1 つずつ作成する必要はありません。複数のデザインを作成できます。デザインを数秒で作成し、目的と決定基準に基づいてフィルタリングします。
そして最後に、「反復設計」を活用し、1 つの (大きな) 設計ですべての疑問を解決することを期待したり、試みたりしないでください。 たとえば、スクリーニング計画で小規模に開始し、その後、拡張を使用して相互作用や考えられる非線形効果などの詳細を検索する方が、より強力で効率的である可能性があります。 最後に、目標が何かを最適化することである場合は、完全な応答曲面モデルに適合するように設計を再度拡張できます。 各ステップで、システムに関するより多くの知識を収集し、実験/実行、時間、リソースを無駄にすることなく、次の拡張設計でさらに多くの知識を確実にもたらすことができます。
「拡張設計」プラットフォームは、以前の情報を失うことなく、より多くのデータを収集して理解を深め、より正確なモデルを構築できる強力な (そして過小評価されがちな) ツールです。
この回答があなたのお役に立てれば幸いです、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するどうもありがとう、 @Victor_G !! 大変感謝しております。 あなたの回答はとても役に立ちます!!
JMP DOE のコースをいくつか受講したところ、最初の実験に労力の 25% 以上を投資すべきではないと読みました。 私たちにとって、時間は最も限られたリソースです。 疑問に思ったのですが、先ほど述べたように、比較のために異なるサンプル サイズで複数の計画を生成するのが一般的ですか? デザインは最終的に同じ結果をもたらすべきではないでしょうか?それについてもう少し詳しく説明してもらえますか？
ありがとう！！！
最高、
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
この最初の回答がお役に立ててうれしいです。
その他の質問について:
- 2 番目のスクリーンショットでは、2 つの制約が適切に指定されているように見えます。 また、最初の回答で自分で行うのを忘れましたが、赤い三角形をクリックしてフィルター制約の B 因子の形式を変更し、「モデリング タイプ」 = カテゴリ/順序 : これにより制約を作成しやすくなり、単純に B を 1 に固定したい場合は、0<= B < 1,99 などの使用を避けてください (スクリーンショットの制約 2 を参照)。 あなたの設計マトリックスと私の設計マトリックスを見ると、制約が尊重されているようですので、問題なく動作するはずです。
- はい、JMP がそれを追加し、その推定値をデフォルトで「可能な場合」として指定するため、それを保持する必要があります。そのため、追加の実行は必要ありませんが、実行は実験スペースでより適切に整理されるため、十分なデータがある場合に備えてモデルの自由度に応じて、JMP は離散数値因子の 2 次項を推定しようとします。 また、カテゴリカル因子と比較すると、離散数値因子があるということは、純粋なカテゴリカル因子 (レベル間に関係がなく、レベルは名目上のもの) と比較して、レベル間に関係がある (順序付けされている) ことを JMP が認識していることを意味します。 Discrete Numeric と Categorical の違いを説明するビデオがありました。 DOE 博士、Discrete Numeric は単なる Categorical ではありませんか? - JMPユーザーコミュニティ。
より多くの実行を行う余裕がある場合は、いくつかの反復実行を追加して、主効果の検出力を高めることをお勧めします (重要な主効果が実際に存在する場合にそれを検出する能力を高めます)。 実験の予算には厳しい制約があるかもしれませんが、複数のサンプル サイズで複数の計画を比較すると、ニーズに最適な状況を選択するのに役立ちます。
このフォローアップもお役に立てば幸いです。
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@Victor_G 、
素早いご対応ありがとうございました！ これはとても役に立ちました！
フォローアップの質問がいくつかあります。
1- 因子 B (生物学的反応の数である離散的な数値因子) が 2 以上の場合 (3)、因子 D をゼロにすることはできません。この 2 番目の制約をモデルに追加するにはどうすればよいですか?
試してみましたが、正しくできたかわかりません (スクリーンショットが添付されています)。
2- モデルは、可能であれば推定可能性 = を使用して二次項 B*B を自動的に追加しました。 この任期を維持すべきだと思いますか? (この最初のデザインは大きすぎないようにしようとしています)
ありがとう！！
Re: 4 つの要素を含むカスタム設計に複雑な制約を追加するこんにちは@ADouyon 、
コミュニティへようこそ！
問題とオプションを検討すると、次のことが推奨されます。
- まず、因子 B を離散数値として定義します。これは、反応の数が整数であるためです (たとえば、1、7 の反応を含めることはできません。ケーススタディでは 1、2、または 3 のみです)。
- 反応が 1 つしかないときに待ち時間を 0 にしたい場合は、因子 D の下位レベルを 0 に固定する必要があります。
- 設計では因子 D (時間) が連続因子であるため (指定された範囲内で任意の反応時間を設定できます)、(化学) 反応の場合、二次項 D*D をモデルに追加することをお勧めします。多くの場合、時間は収量/生産高と線形関係を持ちません。
- 応答を劣化させることなく「オンライン」で測定できるかどうかに応じて、(入力因子を使用した) 応答対時間のモデル化を行うために、いくつかの時間間隔で応答を記録することが理にかなっているのではないでしょうか?
- 最後になりましたが、私はあなたの話題には詳しくありませんが、要因に別の設定を選択することによって問題が解決される可能性もあります (たとえば、反応時間の待機時間を変更するなど)。
入力に基づいて、「許可されていない組み合わせフィルターを使用する」に進み、デザインから除外する範囲を選択できます (ここでは、1 =< B < 2 AND D > 0、たとえばスクリーンショットの制約を参照してください)。 JMP は、この特定の制約に対処する設計を提供します (スクリーンショットの「マトリックスと実験空間」を参照)。
これを行うためのより良い (そしてより賢い) 方法、またはこのトピックについて考えるためのより適切な設計/要素構成があるかもしれませんが、これはあなたのニーズと質問に答えるはずです。
お役に立てれば幸いです、
