Hauptkomponenten und Screening DoEHallo – ich verwende PCA derzeit für mehr als 60 Deskriptoren chemischer Elemente, um die Dimensionalität zu reduzieren und „Element“ von einer kategorialen Variablen in eine kontinuierliche Variable umzuwandeln. Ich finde jedoch keine einfache Möglichkeit, eine Reihe von Faktoren mit vielen erforderlichen Ebenenkombinationen zu verwenden. Meine beiden Gedanken sind das „Festlegen von Kovariatenfaktoren“ oder das Skript für unzulässige Kombinationen. Kovariatenläufe A) haben jedoch eine seltsame Vorstellung davon, dass die Anzahl der Läufe der Anzahl der Ebenen meines PCs entspricht, auch ohne dass ich die Option „Alle ausgewählten Kovariatenzeilen in den Entwurf einbeziehen“ aktiviert habe, und 
scheint im Widerspruch zum Konzept der PCA zu stehen, was erzeugt unkorrelierte Komponenten. Ich gehe davon aus, dass das Skript für unzulässige Kombinationen funktionieren würde (ich habe es noch nicht ausprobiert), aber ich habe noch nie mit JSL gespielt und wollte daher sehen, ob jemand irgendwelche Vorschläge hat, bevor ich diesen Weg einschlage.
Vielen Dank!
PS: Ich habe auch die (unvollendete) Tabelle und eine separate Tabelle für die PCs beigefügt, die ich zum Generieren des DoE verwende, falls das hilft.
Erweiterte statistische ModellierungAutomatisierung und SkripterstellungVersuchsplanungWindowsRe: Hauptkomponenten und Screening DoESie können einen Kovariatenfaktor hinzufügen. JMP geht davon aus, dass Sie jede Zeile in der Kovariaten-Datentabelle verwenden möchten. Reduzieren Sie jedoch die Anzahl der Durchläufe, und JMP findet die optimale Teilmenge von Zeilen. Es wird sie auch in der Quelldatentabelle hervorheben.
Re: Hauptkomponenten und Screening DoEAh das macht dann Sinn. Vielen Dank!
Re: Hauptkomponenten und Screening DoENoch eine Frage. Wenn ich dies mit zwei Sätzen von Kovariaten mache (ein PC-Satz für Elemente und ein anderer für Lösungsmittel), wie würde ich das machen? Ich habe versucht, einen anderen Satz in die Tabelle aufzunehmen, der Daten enthält, die andere Zeilen als die des ersten PCs belegen, nur als Versuch (wie unten zu sehen), und das Design ist fehlgeschlagen
Vielen Dank.
Re: Hauptkomponenten und Screening DoEHi,
Ich denke, dass Sie vielleicht ein bisschen mehr erklären müssen, was Sie erreichen wollen. Können Sie näher darauf eingehen " Verwenden Sie eine Reihe von Faktoren mit vielen erforderlichen Ebenenkombinationen. "
Die Verwendung von PCA zur Reduzierung der Dimensionalität eines Systems wie diesem ist ein ziemlich üblicher Ansatz. Der nächste Schritt besteht häufig darin, ein Experiment unter Verwendung der Hauptkomponenten als Kovariatenfaktoren zu erstellen und Kandidaten auszuwählen, um eine gute Abdeckung des Hauptkomponentenraums zu erreichen.
Im beigefügten Beispiel mit Lösungsmitteln reduziert PCA die Lösungsmitteleigenschaften auf 2 Komponenten (im Wesentlichen "Polarität" und "Volumen"). Diese Komponenten werden dann als Kovariatenfaktoren im Custom Design verwendet, um 9 Lösungsmittel auszuwählen, um das Response-Surface-Modell zu schätzen. Sie können sehen, dass die 9 ausgewählten Lösungsmittel den PC-Raum und damit den ursprünglichen Deskriptorraum sehr schön abdecken:
Ich hoffe das hilft,
Phil
Re: Hauptkomponenten und Screening DoEHi @Phil_Kay - Ja, genau das meinte ich. Ich habe es so formuliert, weil ich darüber sprach, was ich JMP auf mechanischer Ebene dazu bringen wollte, anstatt eine eher statistische Frage zu stellen. Das von Ihnen geteilte Lösungsmitteldiagramm ist genau das, was ich vorhabe, sowohl mit Lösungsmitteln als auch mit F-Block-Metallen, obwohl ich nicht herausfinden kann, wie ich beide Sätze von PCs gleichzeitig in ein DoE stecken kann, ohne dass JMP an die PCs denkt sind alle Kovariaten voneinander.
Re: Hauptkomponenten und Screening DoEEs ist eine gute Frage (bezüglich: Auswahl von 2 verschiedenen Arten von Materialien in einem DOE). Ich glaube nicht, dass es eine einfache Möglichkeit gibt, dies zu tun. Aber ich denke, dass ein Workaround möglich ist.
Die Problemumgehung wäre, eine Tabelle mit 1 Zeile für jede mögliche Kombination von Lösungsmitteln und f-Block-Metallen zu erstellen. Die Anzahl der Reihen wäre also = Anzahl der Lösungsmittel * Anzahl der Metalle. Ich müsste über den einfachsten Weg nachdenken, dies zu erstellen.
Sie würden PC-Säulen für Lösungsmittel und PC-Säulen für Metalle benötigen (ich denke, Sie könnten diese vor oder nach der großen Tabelle aller Kombinationen erstellen). Verwenden Sie dann alle PC-Spalten als Kovariatenfaktoren.
Re: Hauptkomponenten und Screening DoESie können nicht zwei Sätze von PCAs als Kovariaten kombinieren. Benutzerdefiniertes Design betrachtet die Tabelle der Kovariatenwerte als die Läufe in Ihrem Design, die mit den Ebenen der anderen Faktoren vervollständigt werden müssen. JMP findet die optimalen Faktorniveaus in Kombination mit den Kovariatenkombinationen. Aus operativer und philosophischer Sicht benötigen Sie eine Kovariaten-Datentabelle mit den Metallen und den Lösungsmitteln. Dennoch gibt es keine sinnvolle Möglichkeit, die Metalle und die Lösungsmittel Reihe für Reihe abzugleichen. Sie sind wirklich unabhängig.
Re: Hauptkomponenten und Screening DoEAlso habe ich die Power-Query-Funktion von Microsoft in Excel verwendet, um die gepaarte Tabelle der Kovariaten wie zu erstellen @Phil_Kay vorgeschlagen, und ich habe es beigefügt, aber @Mark_Bailey du sagtest " Dennoch gibt es keine sinnvolle Möglichkeit, die Metalle und die Lösungsmittel Reihe für Reihe abzugleichen.“ Bedeutet das, dass Sie nicht glauben, dass dies funktionieren würde, oder ist es eher die Brute-Force-Methode als eine sinnvolle?
Re: Hauptkomponenten und Screening DoEWenn Sie die Metalltabelle und die Lösungsmitteltabelle mit einer kartesischen Verbindung kombinieren, erhalten Sie alle möglichen Paarungen von Metallen und Lösungsmitteln. Dann können Sie diesen Tisch mit Custom Design optimal unterteilen. Ich dachte an die „Custom Design“-Box, nicht an die „Do-it-yourself-Box“, wie Phil es war.
Re: Hauptkomponenten und Screening DoEOh, ich verstehe. Ich glaube, ich habe angenommen, Phil würde sagen: „… und dann ins individuelle Design werfen.“ Das macht Sinn. Vielen Dank!
Ich bin mir nicht sicher, ob ich dies in eine neue Frage stellen sollte, aber ich verwende auch zwei verschiedene Wärmebehandlungen (Mikrowelle und thermisch), die normalerweise als kategoriale Variable in Ordnung wären, aber es gibt auch einen damit verbundenen Wechsel eines zweiten Faktors unterschiedliche Stufen des Faktors „Wärmebehandlungsart“: Mikrowelle ist sinnvoller, um die „Leistungsaufnahme“ als zusätzlichen Faktor zu steuern, während thermisch sinnvoller ist, den Sollwert „Temperatur“ als Faktor zu verwenden. Ich vermute, dass das einzige, was zu tun wäre, zwei DoE's für die verschiedenen Wärmebehandlungsmethoden wären, aber ich dachte nur, ich würde fragen, ob Sie irgendwelche Gedanken haben.
Sollte dies eine zweite Frage sein, stelle ich gerne eine neue.
Re: Hauptkomponenten und Screening DoEJa, ich denke, das wäre gut, um eine separate Frage zu stellen. Aber kurz gesagt, ich denke, Sie haben die Möglichkeit, entweder separate Experimente für Muwave und Thermal durchzuführen. Oder Sie könnten einen kategorialen Faktor für die Wärmebehandlung mit Kombinationen aus Typ und Stufe haben, z. B. thermal_100C, thermal_120C, muwave_200W, muwave_300W. Ich denke, dass man die Daten sogar auf diese Weise analysieren könnte, wenn man die Experimente separat durchgeführt hätte.
Re: Hauptkomponenten und Screening DoE@Phil_Kay Genial. Ich habe die Frage als eigene gestellt, wie Sie vorgeschlagen haben, also können wir dort wohl weitermachen, da ich ein oder zwei Fragen habe. Vielen Dank! https://community.jmp.com/t5/Discussions/DoE-where-choice-of-factor-changes-with-the-levels-of-another/mp/577901#M78544
