Per quanto riguarda la ripetizione degli esperimenti nel DoECiao a tutti,
Ho quello che spero sarà un semplice problema per il gruppo.
Di recente ho creato un DoE con tre fattori, ciascuno con valori numerici discreti a 3 livelli.Ho specificato le interazioni incrociate con effetti del 2° ordine con le 18 esecuzioni da eseguire in 3 blocchi.NON ho specificato alcuna ripetizione da progettare, tuttavia, noto nella matrice di progettazione che 4 delle sequenze sono duplicate.In altre parole: il design a 18 run comprende 14 combinazioni uniche e 4 che sono duplicati.
Primo: è atipico?Avevo pensato che le 18 corse dovessero essere tutte uniche.C'è qualche tipo di potere che JMP sta cercando di ottenere con questo?
-O-
Secondo: potrebbe esserci qualcosa che mi manca nella mia configurazione iniziale e in realtà NON stiamo davvero sondando correttamente lo spazio di progettazione?
Sfortunatamente i primi due blocchi sono stati avviati e includono UNA delle ripetizioni (ad esempio, finora ho 11 corse uniche con 1 ripetizione).
Se presumo che il progetto sia appropriato... ne consegue che possiamo continuare secondo il piano e la valutazione originali (corretti?).
Tuttavia, se il feedback è tale che questo NON È l'approccio migliore: 1) cosa ci mancherebbe se continuassimo con il progetto originale?2) È possibile riconfigurare l'ultimo blocco casuale per sostituire condizioni alternative per le ripetizioni?
Grazie in anticipo per il tuo contributo in merito!
Chris
Qualità e ingegneria di processoRi: Per quanto riguarda la ripetizione degli esperimenti nel DoECiao Marco e Vittorio,
Grazie a entrambi per il vostro contributo... decisamente utile e apprezzo entrambi.Potrei contattarti una volta terminato il blocco finale se ho domande riguardanti la valutazione.
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoENessun problema @Mark_Bailey , Mi sono confuso leggendo la tua risposta perché temo di essermi perso qualcosa.
Ho avuto lo stesso problema di sincronizzazione con la prima risposta su questo post, poiché pensavo di aver dato la prima risposta durante la scrittura, ma quando la mia risposta è stata pubblicata, avevi già proposto una risposta.Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoEMi scuso per la confusione. Lo sfondo non era del tutto trasparente inizialmente e le risposte non sono state sincronizzate man mano che sono emerse ulteriori informazioni. Non stavo suggerendo un cambiamento a metà flusso. Stavo cercando di spiegare come il Custom Design potesse arrivare a una soluzione inaspettata. Stavo cercando di presentare un approccio alternativo fin dall'inizio. Questo è tutto.
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoECIAO @Mark_Bailey ,
Poiché la domanda riguardava la stima dei termini quadratici e il passaggio da fattori numerici discreti a fattori numerici continui, non vedo quale sarebbe il vantaggio di modificare il progetto "al volo" poiché questi cambiamenti possono essere ottenuti senza modificare alcuna esecuzione (e senza il rischio di far cadere il blocco casuale nell'aumento) ? La stima dei termini quadratici era già possibile dal primo progetto, quindi non vedo il punto di cambiare le corse dall'ultimo blocco casuale?
So che JMP è in grado di rispettare i cambiamenti durante gli esperimenti con la piattaforma "Augment design", nessun dubbio "tecnico" su questo (e può essere davvero un buon esempio per "giocare" con la piattaforma "Augment design" e prendere confidenza con it), ma qui non vedo alcun vantaggio concreto e significativo di non eseguire l'ultimo blocco casuale di esperimenti già pianificato e di cambiare queste esecuzioni con quelle appena calcolate: il confronto dei due approcci mostra due progetti molto simili, così sembra meglio (o almeno più facile) attenersi all'opzione "semplice" e pragmatica per seguire il progetto originale? Potete per favore spiegare se mi manca il punto?
Grazie in anticipo,
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoEPrima di tutto, non puoi romperlo. Utilizzerai l'analisi di regressione, che funzionerà comunque. Il design è un tentativo di raccogliere i dati ottimali per il modello.
Cercherei di recuperare in questo modo. Elimina le esecuzioni che non sono ancora state eseguite. Quindi seleziona DOE > Augment Design. Questa piattaforma creerà il miglior set di corse da finire, date le corse che hai già. Provalo.
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoECIAO @CBroomell1 ,
Se non hai modificato la stimabilità degli effetti quadratici nel tuo progetto originale (impostata per impostazione predefinita su "Se possibile" da JMP), cambiando il tipo di fattore da numerico discreto a numerico continuo, otterrai il secondo approccio che ho descritto: se tu hai un grado di libertà sufficiente, poiché hai avuto un livello medio in ciascuno dei tuoi fattori numerici (il livello medio è stato "forzato" nella progettazione a causa del tipo di fattore iniziale numerico discreto), JMP potrebbe essere in grado di stimare i termini quadratici nel modello.
Poiché hai 14 esecuzioni uniche (e 4 esecuzioni replicate), dovresti essere in grado di stimare 14 termini (intercetta + 13 termini), quindi i termini quadratici potrebbero essere stimati nel tuo progetto.
In caso di problemi con la parte di analisi/modellazione, non esitare a chiedere nuovamente alla community di JMP.
Spero che questo risponda alla tua domanda,
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoEGrazie Vittorio!
Non cambierò il DoE al volo.
Per quanto riguarda i parametri: in realtà sono continui ma con un punto centrale.Non ero chiaro su come impostare la matrice iniziale e impostare tre valori discreti per ogni livello.in realtà, però, abbiamo la flessibilità di vagare tra certi limiti (i fattori sono legati alla concentrazione dei reagenti e al tempo).
Quindi, una volta completato il nostro blocco finale (utilizzando la matrice impostata con valori discreti), saremo in grado di ottenere qualsiasi curvatura nel modello o rimarremo sostanzialmente bloccati con i valori originali fino a quando non esploreremo ulteriormente?
Migliore,
Chris
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoECIAO @CBroomell1 ,
Se puoi fornire un contesto sui fattori, ciò ti aiuterebbe a darti un consiglio su quale tipo si adatterebbe meglio ai fattori nel tuo progetto. Se si dispone di fattori numerici ma non è possibile fissare alcun valore tra alcuni intervalli (ad esempio, la temperatura del forno industriale può essere considerata come un fattore numerico discreto, in cui è possibile commutare il livello tra 180, 200 e 220°C ma non tra questi valori come "step size" è 20 per esempio). Se non hai vincoli e puoi scegliere qualsiasi valore numerico tra i tuoi livelli, allora potresti avere un fattore numerico continuo.
Esistono diversi modi, dal test di curvatura alla stima completa dei termini quadratici, per tenere conto della ricerca e della stima dei termini quadratici.
- L'opzione di base è aggiungere punti centrali per valutare se c'è qualche curvatura nelle risposte. Questo approccio economico consente di eseguire un test di mancanza di adattamento per la curvatura e, se viene rilevata una mancanza di adattamento significativa, è possibile adattare un effetto quadratico (e uno solo) nel modello grazie ai punti centrali. Puoi valutare quale termine quadratico potrebbe essere il più importante da aggiungere nel modello con analisi come Stepwise Regression.
- Nel caso di un fattore numerico discreto, per impostazione predefinita JMP immette i termini quadratici nel modello e ne imposta la stimabilità su "Se possibile", il che significa che se si dispone di un grado di libertà sufficiente nel modello, verranno stimati i termini quadratici. Puoi farlo anche con fattori numerici continui, inserendoli nel modello e cambiando la loro stimabilità da "Necessario" a "Se possibile" cliccando sul testo. Questo metodo fornisce un modo flessibile per stimare i termini quadratici per progetti non saturi (con un numero di esecuzioni maggiore del minimo richiesto).
- Puoi anche aggiungere direttamente i termini quadratici del modello e impostare la loro stimabilità su "Necessario". In questo modo, JMP imposterà esperimenti nel progetto per poter stimare questi effetti. Se non sono significativi, puoi rilasciarli nella tua modellazione (e se non hanno senso dal punto di vista dell'esperienza del dominio).
Per quanto riguarda la tua domanda, non modificherei "in fuga" il DoE, ma esaminerei possibili miglioramenti basati sui risultati di questo primo DoE.
Spero che questa risposta ti possa aiutare,
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoECIAO @CBroomell1 ,
E benvenuto nella community!
Potremmo non avere informazioni per guidarti in modo più preciso con il tuo approccio DoE, ma è possibile rispondere alla domanda relativa alle esecuzioni replicate.Per quanto riguarda il tuo design, niente di cui preoccuparsi da quello che stai descrivendo, questo è comune:
- Con 3 fattori numerici discreti con 3 livelli, a seconda del modello supposto, ecco il numero massimo di termini che potresti voler stimare: 1 intercetta, 3 effetti principali (X1, X2, X3), 3 interazioni a due fattori (X1X2 , X1X3, X2X3) e 3 effetti quadratici (X1*X1, X2*X2, X3*X3) se si desidera stimare la curvatura per questi fattori (+ 1 effetto principale se si specifica un fattore di blocco fisso, +0 se si desidera specificando un blocco casuale). Ciò significa che sono necessarie almeno 10 corse (o 11 in caso di fattore di blocco) per stimare questi effetti. Il problema utilizzando il numero minimo di esecuzioni è che non hai più alcun grado di libertà per stimare l'errore puro ed eseguire a mancanza di adattamento test, per valutare se il modello si adatta bene ai dati. Quindi, per impostazione predefinita, JMP consiglierà in tale situazione più esecuzioni, per poter testare il modello e avere maggiore fiducia nelle stime (ed essere in grado di bilanciare le esecuzioni tra i blocchi), e creerà esecuzioni replicate. Aggiunta replicare corre aggiunge precisione per alcune stime e migliora la potenza del test di mancanza di adattamento.
- Queste esecuzioni replicate devono essere eseguite e misurate in modo indipendente (il che significa che devi eseguire gli esperimenti come gli altri, nelle stesse condizioni) seguendo la randomizzazione eseguita da JMP e non misurando più volte un solo esperimento per riempire la risposta per la replica corre. Le ripetizioni (ovvero le ripetizioni delle sole misurazioni) aiutano a ridurre la varianza delle misurazioni, ma potrebbero non aiutare per quanto riguarda la stima dei parametri e il test di mancanza di adattamento.
Per acquisire maggiore sicurezza e conoscenza del DoE, consiglio vivamente il Progettazione del kit introduttivo all'esperimento e per provare il modulo su DoE dal STIPI corsi.
Se desideri descrivere la tua situazione (senza condividere dati riservati) e avere un feedback in merito al tuo DoE in modo più dettagliato, non esitare a condividere un datatable anonimo o dati fittizi per mostrare il tuo caso.
Spero che questo ti aiuti,
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoEGrazie, Marco, per il tuo contributo.
Forse ho impostato il design in modo errato.Non sono sposato con i livelli discreti per i miei fattori... stiamo cercando di trovare condizioni ottimali e possiamo accogliere fattori continui.Quindi, sì, vorremmo stimare la curvatura e quindi confermare i risultati con corse aggiuntive, se necessario.
Con questo in mente: consiglieresti di modificare l'ultimo blocco di 6 esecuzioni per sostituire le esecuzioni replicate con altre (non posso modificare i primi 2 blocchi e includono solo 1 replica)?Sono in grado di modificare il design in JMP a questo punto per adattarsi a uno dei precedenti?
Grazie per i due progetti, li darò un'occhiata.
Saluti.
Chris
Ri: Per quanto riguarda la ripetizione degli esperimenti nel DoECustom Design offre molte funzionalità per adattare il risultato alla tua situazione. Possono avere effetti profondi sul design risultante. Stai pensando alle combinazioni (3x3x3x2), ma JMP non lo fa. Perché no? Perché quel risultato combinatorio ("disegno fattoriale completo") potrebbe non essere ottimale. Hai aggiunto blocchi casuali di dimensione 6, quindi non puoi avere equilibrio nel design. Hai utilizzato fattori numerici discreti per forzare tre livelli nel piano per ciascun fattore. Questa scelta vincola il design. Deve aggiungere termini quadratici al modello per mantenere tre livelli nel progetto, ma cambia la loro stimabilità in "se possibile". Ciò impone l'uso di un metodo bayesiano D-ottimale. Quindi stai chiedendo a JMP di ottimizzare un progetto per stimare un insieme di modelli. Come risultato di tutte queste specifiche, si ottiene una replica perché è più ottimale del progetto senza replica.
Si intende stimare i termini per la curvatura? Vuoi invece testare la curvatura e quindi aumentare il design se è significativo?
Ho creato due disegni basati sulla tua descrizione, a quanto ho capito. Il secondo utilizza fattori continui, ma per il resto è lo stesso. Ho allegato entrambe le tabelle di dati per la tua esplorazione.
