こんにちは、
次の要素を使用して DOE を設計しようとしています。
X1 -1 +1
X2 -1 +1
X3 -1 +1
X4 L1 L2 L3
実験的なロジスティクスのため、X4 は簡単に変更できません。変更するには丸一日かかります。 他の要因は、各実験中に簡単に変更できます。 X1、X2、および X3 を使用して完全実施要因計画法を行うことだけを考えていました。 X4 の各レベルで同じ設計を繰り返します。 しかし、これは単純化しすぎているようで、正しい方法ではないと思います。 私は途方に暮れています。
DOE 設計を進めて、これをより洗練された方法で取得するにはどうすればよいですか? X4 の各レベル内に、X1、X2、X3 のすべての組み合わせが含まれていることを好みます。これらの変数は簡単に変更でき、時間やリソースを消費しないからです。 ありがとう。
この実験は、JMP を使用して簡単に設計できます。 DOE > カスタム設計を選択します。 因子をそのまま定義します。 X4 の [Changes] 列で [Easy] をクリックし、[Hard] を選択します。 すべての組み合わせを追求することは歓迎されますが、この目標は多くの場合不要です。 JMP は、与えられた予算 (実行回数) と、推定する必要があるモデル内の項などのその他の側面に最適な組み合わせを決定します。 組み合わせ (「勝者を選ぶ」) の観点からではなく、モデル (「推定可能性」) の観点から考えます。
DOE のバックグラウンドは何ですか? DOE の JMP ドキュメントを読みましたか? 他の本や記事を読んだことがありますか。 回答のレベルをあなたの経験のレベルと一致させたいと考えています。
ご回答ありがとうございます。 私は JMP からいくつかのコースを受講しましたが、それから数年が経ちました。 すべての組み合わせが必要ではないことを理解しています。しかし、この特定の実験では。ボタンを押すだけで機器の設定を変更できます。
このスクリプトを実行して、中断したところから始めてください。 4 つの因子すべてによって定義される実験領域全体で応答を適切に予測したいと考えています。
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, -1, 1, "X1", 0 ),
Add Factor( Continuous, -1, 1, "X2", 0 ),
Add Factor( Continuous, -1, 1, "X3", 0 ),
Add Factor( Categorical, {"L1", "L2", "L3"}, "X4", 1 ),
Set Random Seed( 43146839 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {1, 1}, {4, 1} ), Add Term( {2, 1}, {3, 1} ),
Add Term( {2, 1}, {4, 1} ), Add Term( {3, 1}, {4, 1} ), Add Term( {1, 2} ),
Add Term( {2, 2} ), Add Term( {3, 2} ), Set N Whole Plots( 5 ),
Set Sample Size( 25 ), Simulate Responses( 0 ), Save X Matrix( 0 )}
);
