こんにちは、みんな、
上記のトピックに関して、専門家や集団からのフィードバックを期待しています。 最初にシナリオを説明し、次に目前の問題に進みます。
シナリオ：私たちのビジネスは、R&D の担当者が運営する DOE が外部の厄介な要因に悩まされる状況にあることが多く、DOE を「救う」ためにこれを管理することは困難な場合があります。 研究開発担当者は通常、一度に複数の要因をテストするために DOE を生成します。 このプロセスでは、通常、3 の倍数のバッチが作成されます。結果に影響を与える要因をテストするために、各バッチには異なるレシピがあります。 レシピに入る因子はすべて連続因子であり、計画に応じて通常 2 レベル (低/高) です。 分散の推定に役立つように、中心点が含まれることがよくあります。 研究開発担当者は通常、3、6、9 などのバッチを作成します。 その理由は、プロセスの最初のステップの後、バッチをオーブンで乾燥させる必要があり、一度に 3 つのバッチしか乾燥できないため、バッチの量は 3 の倍数になります。 最初のステップの後、すぐにバッチを取り出して乾燥させます。材料は乾燥後すぐに粉砕されます。1 日の時間が限られているため、1 日に実行できる実行回数は決まっています。これも 3 の倍数で、1 日に 9 回以上実行することはできません。
問題：オーブンの設置場所には物理的な制限があるため、外部の周囲温度と湿度 (多くの場合、湿度) は厄介な要素です。 私は、それらが知られているが制御できないという意味で迷惑と呼んでいます。 周囲の温度と湿度は、3 つのバッチのセットを乾燥のためにオーブンに入れるときに測定できますが、これらの要因を制御したり、事前にそれらがどうなるかを知る方法はありません。 湿度は、乾燥工程中 (および/または直後) に材料に影響を与える可能性があることが知られており、周囲温度も影響を与える可能性があると考えられています.
討論：私が理解したいのは、DOE でこれらの厄介な要因を管理する方法です。 確かに、日ごとにブロックし、各ブロック内に適切に分散されたランダムな一連の実行を行うことができます。これにより、バッチが作成され乾燥された日までに導入されたノイズの推定値を取得できます。 また、固定効果として導入することもできます (実際には固定されていませんが)。これは、各ブロックの平均的な日々の差を推定するのに役立ちます。 「日」を変更するのが「非常に難しい」効果として扱うこともできます。分割プロットの設計を取得すると、その要因が他の要因とどのように相互作用するかを確認するのに役立ちますが、湿度を制御することはできず、実験の実行が開始される前に、それがどうなるかわかりません。 これを共変量として扱うことができますが、これには ANCOVA 分析を実行して応答から迷惑因子の影響を取り除く必要があります。 または、迷惑要因を制御されていない要因として単純に導入することもできます。
議論のポイント:
- 無作為化されたブロッキングを示唆する迷惑要因のために導入されるノイズを推定する必要はありませんが、それは素晴らしいことです。
- また、妨害要因によって引き起こされる日々の変動を推定することも良いでしょう。これは固定ブロッキングを示唆します。
- これらの厄介な要因が他の既知の主要な要因と相互作用しているかどうか、またはどのように相互作用しているかを確認し、それらを要因を変更するのが「非常に難しい」ものとして含めることを示唆しているのも良いでしょうが、実際にはそれらを制御できないため、要因を変更することは不可能です.
- ANCOVA を実行すると、異なる日に作成されたバッチを比較するために、厄介な要因を取り除くのに役立つ場合があります。 ただし、JMPでこれを行うには、正しい種類の分析を得るために、単一のカテゴリ因子と連続共変量因子を組み合わせることしかできないと私は理解しています。 私たちは確かにできる主因子のいくつかをカテゴリ データ型に変更しますが、問題は、モデルに含める必要があるいくつかの主因子があることです。 その場合、JMP は、ANCOVA で期待されるように、データを異なる適合線に分割しなくなります。 モデルに複数の因子がある状況で JMP が ANCOVA を実行する方法を完全には理解していないかもしれませんが。 このトピックに関するサンプル データとオンライン ヘルプは非常に限られています。
- 最後に、それを非制御変数としてモデルに追加し、レベルを空白のままにして、実行時にデータを入力することができます。 後でモデルを分析すると、制御されていない変数が応答に影響を与えるかどうかが示されます。
いくつかの質問：
- 通常、一度に一定数のバッチを乾燥させ、それらすべてが迷惑要因の影響を受ける可能性があるこの種のシナリオでは、迷惑要因をモデルに組み込んでどのような影響があるかを理解するための最良のアプローチはありますか? 、もしあれば、それは応答にありますか？
- 単一のアプローチを使用するか、混合アプローチを使用するか。 たとえば、ランダム化された (または固定された) ブロッキングのみを使用するのが最善か、それともランダム化されたブロッキングを使用するが、制御されていない変数として迷惑要因も含めるのが最善か? 同様に、制御されていない要因として湿度と気温を含めながら、日を変更するのが非常に難しい要因として使用するのが最善ですか?
- ANCOVA は本当に正しい種類のアプローチですか? それとも間違った結論につながる可能性がありますか?
- 職場で同様の状況に対処しなければならなかったことがありますか? もしそうなら、迷惑要因を管理するためにどのような方法論を使用しましたか?
ご協力いただきありがとうございます。返信をお待ちしております。
ありがとう！、
DS
