DoEにおける繰り返し実験についてこんにちは皆さん、
グループにとって単純な問題になることを期待しています。
最近、3 つの因子を使用して DoE を設定しました。それぞれの因子には 3 レベルの離散的な数値があります。3 ブロックで実行される 18 回の実行による 2 次効果との相互作用を指定しました。計画する繰り返しを指定しませんでしたが、計画マトリックスで 4 つの実行が重複していることに気付きました。言い換えれば、18 ランのデザインは 14 個の固有の組み合わせと 4 個の重複で構成されます。
まず、これは異常ですか?18 回の実行はすべてユニークであるべきだと考えていました。JMP がこれによって達成しようとしている何らかの強化はありますか?
-また-
2 番目: 初期設定で何かが欠けていて、実際に設計空間を正しく調べていない可能性がありますか?
残念ながら、最初の 2 つのブロックが開始されており、リピートの 1 つが含まれています (つまり、これまでのところ、1 つのリピートを含む 11 のユニークな実行があります)。
設計が適切であると仮定すると…当初の計画と評価に従って続行できることになります（正しいですか？）。
ただし、これが最善のアプローチではないというフィードバックがあった場合は、次のようになります。 1) 元の設計を続けた場合、何が失われるでしょうか?2) 最後のランダムブロックを再構成して、繰り返しの代替条件を置き換えることは可能ですか?
この件に関してご意見をいただきありがとうございます。
クリス
品質およびプロセスエンジニアリングRe: DoE における繰り返し実験についてこんにちは、マークとビクター、
お二人のご意見に感謝します...間違いなく役に立ち、両方に感謝します。評価に関して質問がある場合は、最終ブロックが完了したらご連絡させていただくことがあります。
Re: DoE における繰り返し実験について問題ない@Mark_Bailey , 何かを見逃しているのではないかと心配し、あなたの回答を読んで混乱しました。
この投稿の最初の返信と同期するという同じ問題が発生しました。書いているときに最初の回答をしようと思ったのですが、私の返信が投稿されたとき、あなたはすでに回答を提案していました。Re: DoE における繰り返し実験について混乱を招いてしまい申し訳ございません。 最初は背景が完全に透明ではなく、情報が増えるにつれて返信が同期しなくなっていきました。 私は途中で変更を提案したわけではありません。 私はカスタム デザインがどのようにして予期せぬ解決策に到達することができるかを説明しようとしていました。 私は最初から別のアプローチを提示しようとしていました。 以上です。
Re: DoE における繰り返し実験についてやあ@Mark_Bailey 、
質問は二次項の推定と離散数値因子から連続数値因子への切り替えに関するものでしたので、これらの変更は実行を変更せずに達成できるため、「オンザフライ」で設計を変更する利点が分かりません。オーグメンテーションでランダムブロックをドロップするリスク)? 二次項の推定は最初の設計からすでに可能であったため、最後のランダム ブロックから実行を変更する意味が分かりません。
JMP が「Augment design」プラットフォームでの実験中の変更に対応できることは知っていますが、これについては「技術的」な疑いはありません (そして、これは実際に「Augment design」プラットフォームを「試し」、慣れるための良い例になる可能性があります)それ)、しかし、ここでは、すでに計画されている実験の最後のランダムブロックを実行せず、これらの実行を新しく計算されたものに変更することの具体的で重要な利点がわかりません。2 つのアプローチを比較すると、2 つの非常に類似した設計が示されているため、次のように思われます。元の設計に従う「シンプル」で実用的なオプションに固執する方が良い (または少なくとも簡単) でしょうか? 要点が足りていない場合は説明してもらえますか？
前もって感謝します、
Re: DoE における繰り返し実験についてまず、壊すことはできません。 回帰分析を使用しますが、これは引き続き機能します。 設計はモデルに最適なデータを収集する試みです。
この方法で回復しようと思います。 まだ実行されていない実行を削除します。 次に、[実験計画] > [計画の拡張] を選択します。 このプラットフォームは、すでに持っているランを考慮して、完了するための最適なランのセットを作成します。 それを試してみてください。
Re: DoE における繰り返し実験についてやあ@CBroomell1 、
元の計画で 2 次効果の推定可能性を変更しなかった場合 (JMP によってデフォルトで「可能な場合」に設定されている)、因子タイプを離散数値から連続数値に変更すると、説明した 2 番目のアプローチが得られます。それぞれの数値因子に中間レベルがあるため (初期因子タイプが離散数値であるため、設計では中間レベルが「強制」されています)、十分な自由度があるため、JMP はモデル内の二次項を推定できる可能性があります。
14 個の一意の実行 (および 4 つの反復実行) があるため、14 項 (切片 + 13 項) を推定できるはずです。つまり、設計で二次項を推定できます。
分析/モデリング部分で問題が発生した場合は、遠慮なく JMP コミュニティに再度質問してください。
これがあなたの質問の答えになることを願っています。
Re: DoE における繰り返し実験についてありがとうビクター！
DoE をその場で変更することはありません。
パラメータに関しては、実際には連続的ですが、中心点があります。初期マトリックスを設定し、各レベルに 3 つの個別の値を設定する方法がわかりませんでした。しかし、実際には、特定の制限の間をさまよえる柔軟性があります (要因は試薬の濃度と時間に関係します)。
それでは、(離散値で設定された行列を使用して) 最終ブロックが完了したら、モデルに曲率を取得できるのでしょうか、それとも、さらに探索するまでは基本的に元の値に固執するのでしょうか?
一番、
クリス
Re: DoE における繰り返し実験についてやあ@CBroomell1 、
因子に関するコンテキストを提供できれば、設計においてどのタイプが因子により適しているかについてアドバイスを得るのに役立ちます。 数値因子はあるが、いくつかの間隔の間の値を固定できない場合 (たとえば、工業炉の温度は離散的な数値因子と見なされ、180、200、220°C の間でレベルを切り替えることはできますが、これらの間で切り替えることはできません)たとえば、「ステップ サイズ」としての値は 20 です)。 制約がなく、レベル間で任意の数値を選択できる場合は、連続的な数値因子を持つことができます。
二次項の検索と推定を考慮するには、曲率テストから二次項の完全な推定まで、さまざまな方法があります。
- 基本的なオプションは、応答に曲率があるかどうかを評価するために中心点を追加することです。 この経済的なアプローチにより、曲率の不適合テストを行うことができ、重大な不適合が検出された場合は、中心点のおかげでモデルに 1 つの二次効果 (および 1 つだけ) を適合させることができます。 段階回帰などの分析を使用して、どの二次項をモデルに追加するのが最も重要であるかを評価できます。
- 離散数値因子の場合、JMP はデフォルトでモデルに二次項を入力し、その推定可能性を「可能な場合」に設定します。これは、モデルに十分な自由度がある場合、二次項が推定されることを意味します。 また、数値連続因子を使用してこれを行うこともでき、それらをモデルに入力し、テキストをクリックしてその推定値を「必要」から「可能であれば」に切り替えます。 この方法は、非飽和設計 (必要な最小実行数より大きい) の二次項を推定する柔軟な方法を提供します。
- モデルの二次項に直接追加し、その推定可能性を「必要」に設定することもできます。 このようにして、JMP はこれらの効果を推定できるように設計内で実験を設定します。 それらが重要でない場合は、モデリングでそれらを削除できます (また、ドメインの専門知識の観点からも意味をなさない場合)。
あなたの質問に関しては、私は DoE を「実行中」に変更するつもりはありませんが、この最初の DoE からの発見に基づいて可能な拡張を検討します。
この回答がお役に立てば幸いです。
Re: DoE における繰り返し実験についてやあ@CBroomell1 、
そしてコミュニティへようこそ！
DoE アプローチをより正確にガイドするための情報が不足している可能性がありますが、反復実行に関する質問には答えることができます。あなたのデザインに関しては、あなたが説明している内容から心配する必要はありません、これは一般的です:
- 3 レベルの 3 つの離散数値因子を使用すると、想定したモデルに応じて、推定できる項の最大数は次のとおりです: 1 つの切片、3 つの主効果 (X1、X2、X3)、3 つの 2 因子交互作用 (X1X2)これらの因子の曲率を推定する場合は、3 つの二次効果 (X1*X1、X2*X2、X3*X3) を使用します (固定ブロック係数を指定する場合は + 1 主効果、固定ブロック係数を指定する場合は +0)。ランダムブロックを指定します)。 つまり、これらの効果を推定するには、少なくとも 10 回 (ブロック因子の場合は 11 回) の実行が必要ということになります。 最小限の実行数を使用する場合の問題は、純粋な誤差を推定して計算を実行するための自由度が残されていないことです。運動不足テストして、モデルがデータによく適合するかどうかを評価します。 したがって、デフォルトでは、JMP はそのような状況でより多くの実行を推奨し、モデルをテストして推定の信頼性を高めることができ (ブロック間で実行のバランスをとることができ)、複製実行を作成します。 追加複製する走る一部の推定値の精度が向上し、不適合テストの検出力が向上します。
- これらの反復実行は、JMP によって行われるランダム化に従い、独立して実行および測定する必要があります (つまり、同じ条件で他の実験と同様に実験を行う必要があります)。反復の応答を満たすために 1 つの実験だけを複数回測定するのではありません。走る。 繰り返し（測定値のみの繰り返しを意味します）は測定値の分散を減らすのに役立ちますが、パラメータの推定や不適合テストに関しては役に立たない可能性があります。
DoE についてさらに自信と知識を得るには、次のことを強くお勧めします。実験計画法イントロキット、から DoE に関するモジュールを試してください。スティックコース。
(機密データを共有せずに) 自分の状況を説明し、DoE に関するフィードバックをさらに詳しく知りたい場合は、自分のケースを示すために匿名化されたデータテーブルまたはダミー データを遠慮なく共有してください。
これがお役に立てば幸いです。
Re: DoE における繰り返し実験についてマークさん、ご意見ありがとうございます。
おそらくデザインを間違って設定したのでしょう。私は因子の離散レベルと結婚していません...私たちは最適な条件を見つけようとしており、連続因子に対応できます。したがって、はい、曲率を推定し、必要に応じて追加の実行で結果を確認したいと思います。
それを念頭に置いて、6 つの実行の最後のブロックを変更して、レプリケートの実行を他のブロックに置き換えることをお勧めしますか (最初の 2 つのブロックは変更できず、それらには 1 つのレプリケートしか含まれていません)。現時点で、上記のいずれかに対応するように JMP の設計を変更できますか?
2 つのデザインをありがとうございます。検討してみます。
よろしく。
クリス
Re: DoE における繰り返し実験についてカスタム デザインは、状況に合わせて結果を調整するための多くの機能を提供します。 これらは、結果として得られるデザインに重大な影響を与える可能性があります。 あなたは組み合わせ (3x3x3x2) を考えていますが、JMP はそれを行いません。 なぜだめですか？ それは、その組み合わせ結果 (「完全要因計画」) が最適ではない可能性があるためです。 サイズ 6 のブロックをランダムに追加したため、デザインのバランスが取れません。 離散数値因子を使用して、各因子の計画に 3 つのレベルを強制しました。 その選択によって設計が制約されます。 設計内で 3 つのレベルを維持するには、モデルに二次項を追加する必要がありますが、その推定可能性は「可能な場合」に変更されます。 これにより、ベイジアン D 最適化手法の使用が強制されます。 つまり、一連のモデルを推定するために設計を最適化するように JMP に依頼していることになります。 これらすべての仕様の結果、レプリケーションのない設計よりも最適化されるため、ある程度のレプリケーションが得られます。
曲率の項を推定するつもりですか? 代わりに、曲率をテストし、それが重要な場合はデザインを強化しますか?
私が理解している限り、あなたの説明に基づいて 2 つのデザインを作成しました。 2 番目は連続因子を使用しますが、それ以外は同じです。 探索のために両方のデータ テーブルを添付しました。
