Valutare DoE con (essenzialmente) Run Order come fattoreCIAO,
Ho un design relativamente semplice che non sono sicuro di come valutare in JMP.
Stiamo cercando di trovare un design I-ottimale per due fattori.Uno (X1), è un fattore continuo con 2 livelli e punti centrali. Il secondo (X2) è essenzialmente solo l'ordine di esecuzione moltiplicato per 4. L'ordine di questa variabile non può cambiare.Sappiamo che X2 porta a cambiamenti nella nostra risposta e vogliamo modellare correttamente il suo impatto e l'interazione con X1, oltre a valutare gli effetti quadratici. Ho allegato un set di dati di esempio come esempio.
Il problema che stiamo riscontrando è l'impostazione e la valutazione appropriate del progetto in JMP.
Qualsiasi aiuto sarebbe molto apprezzato!
Grazie.
Progettazione di esperimentiRi: valutare il DoE con (essenzialmente) l'ordine di esecuzione come fattoreCIAO @ian-weykamp ,
Se posso saltare nella discussione, ecco i miei pensieri riguardo alla tua domanda iniziale e ai tuoi commenti.
Potrebbero esserci diverse opzioni per affrontare la tua situazione, se ho capito bene la tua situazione, e eccone alcune:
- Poiché ti aspetti un certo "degrado" della tua risposta in base al numero di utilizzi del tuo strumento, potrebbe essere interessante considerare un'analisi del degrado, per avere un modello che colleghi il numero di volte in cui lo strumento viene utilizzato e il suo impatto sulla risposta? Non sono del tutto sicuro che tu possa eseguire un'analisi del degrado con un altro fattore, ma altri membri della community che hanno più familiarità con questo tipo di analisi potrebbero avere risposte su come affrontare questo problema.
- Se prevedi di utilizzare diversi "strumenti" nei tuoi esperimenti a causa di questo limite di utilizzi per "strumento", perché non eseguire anche un'analisi del sistema di misurazione (complementare al tuo argomento iniziale)? Ciò può aiutarti a definire la parte della varianza totale nei tuoi esperimenti che puoi attribuire a (la differenza tra) i tuoi strumenti. E se sai con uno studio sul degrado quante corse puoi avere "in sicurezza" con uno strumento, conoscere la varianza dovuta al cambio di strumenti può aiutarti a confrontare i risultati provenienti da due strumenti in un progetto sperimentale.
- Conoscendo il numero di esecuzioni possibili con uno strumento, potresti essere in grado di vagliare più fattori di interesse utilizzando "strumento" come fattore di blocco: ad esempio, 4/8/16 esecuzioni possibili per utensile.
- Poiché il numero di esecuzioni (la tua colonna X2) non sembra essere casuale né bloccato, potresti forse cambiare il ruolo di progettazione in "Incontrollato" invece di "Continuo". Vedere Fattori (jmp.com) . Creare il progetto con il ruolo corretto consente di avere un modello più affidabile, invece di provare a modificare il progetto successivamente per adattarlo meglio alle esigenze.
Spero che queste poche opzioni possano aiutarti nella tua riflessione e configurazione sperimentale.
Ri: valutare il DoE con (essenzialmente) l'ordine di esecuzione come fattoreForse un po' di chiarezza in più:
Possiamo pensare a X2 qui come a molto strumento costoso che viene utilizzato 4 volte per misurazione e viene utilizzato solo una volta per processo.Le letture per X2 saranno 4, 8, 12, ...Sappiamo che con l'aumentare del numero di utilizzi di questo strumento, c'è un impatto sulla nostra risposta. Pertanto, non possiamo riordinare X2 e può essere considerato essenzialmente come l'ordine di esecuzione dell'esperimento poiché aumenta con l'ordine di esecuzione.
Il nostro obiettivo con questo progetto è modellare un intervallo di valori accettabili della nostra risposta su un limite precedentemente stabilito di valori X2. Essenzialmente i processi vengono eseguiti fino a un certo numero di esecuzioni, quindi interrotti.
Ri: valutare il DoE con (essenzialmente) l'ordine di esecuzione come fattoreInteressante, ma sono confuso .
I miei pensieri: in che modo l'ordine di esecuzione può essere un fattore? Diciamo che è significativo, e il 3° livello dà i migliori risultati. Come puoi operare con questa conoscenza? Come eseguiresti questo processo? Di conseguenza, potresti anche ottimizzare l'interazione di X1 e X2 dal punto di vista pratico. Ora, se dici che il fattore X2 lo è tempo , hai un fattore continuo con più livelli. Comprensibilmente, avresti una restrizione sulla randomizzazione in quanto X2 non può essere randomizzato. Cosa sta cambiando nel tempo?
Un altro pensiero è quello di eseguire ogni livello del fattore X1 4 volte (in ordine) per un totale di 12 corse. Essenzialmente un OFAT nel tempo.
Un altro pensiero è quello di eseguire il campionamento (rispetto al DOE) di ogni livello nel tempo... non limitato a 4 orari specifici.
Sono sicuro che altri interverranno.
