Ciao team e community di JMP!
Ecco un desiderio per DoE basato su covariate di tabelle diverse.
- Cosa ha ispirato questa richiesta di lista dei desideri?
Progettazione di esperimenti basati su fattori di covariate da due tabelle - Comunità di utenti di JMP
Ho affrontato una situazione difficile per impostare un DoE con 5 covariate:
- 2 covariate, da una tabella A, sono le proprietà fisico-chimiche previste delle formulazioni (grazie al modello di un primo DoE),
- 3 covariate, indipendenti dalle prime, da una tabella B, sono caratteristiche di confezioni diverse.
Volevo creare un modello (screening dei principali effetti e interazioni, alcuni impostati come "se possibile" e altri "necessari" con 30 esecuzioni) con queste 5 covariate per valutare le relazioni e le interazioni tra le covariate di formulazione e le caratteristiche del pacchetto sulla risposta, ma quando Uso "Design personalizzato" e desidero aggiungere covariate, ho solo la possibilità di aggiungere covariate dalla tabella su cui creo un DoE personalizzato (tabella A o tabella 
.@SDF1 suggerito per selezionare la tabella dati di primo livello prima di aggiungere il termine covariata, che in effetti funziona, ma non è soddisfacente per me per quanto riguarda le mie impostazioni:
- Le covariate Ax e Bx dovrebbero essere indipendenti l'uno dall'altro , che non è più il caso di questa tecnica (poiché JMP sembra eseguire un outer join basato sulla tabella più grande (o inner join) con rowID come opzione di join),
- Quando si esegue il progetto, a causa dell'unione effettuata sui due tavoli, non vengono esplorate tutte le combinazioni (le covariate di A non soddisfano tutte le condizioni con le covariate di e ho un progetto poco efficiente:
Sceneggiatura del disegno:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Covariate, Covariate A1, 0 ),
Add Factor( Covariate, Covariate A2, 0 ),
Add Factor( Covariate, Covariate B1, 0 ),
Add Factor( Covariate, Covariate B2, 0 ),
Add Factor( Covariate, Covariate B3, 0 ), Set Random Seed( 695832949 ),
Number of Starts( 3479 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
Add Term( {1, 1}, {2, 1} ), Add Term( {1, 1}, {3, 1} ),
Add Term( {1, 1}, {4, 1} ), Add Term( {1, 1}, {5, 1} ),
Add Potential Term( {2, 1}, {3, 1} ), Add Potential Term( {2, 1}, {4, 1} ),
Add Potential Term( {2, 1}, {5, 1} ), Add Potential Term( {3, 1}, {4, 1} ),
Add Potential Term( {3, 1}, {5, 1} ), Add Potential Term( {4, 1}, {5, 1} ),
Set Sample Size( 30 ), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
);
Analisi di potenza:
Da allora ho trovato una soluzione "esterna" creando una nuova tabella con tutte le covariate delle due tabelle, e quindi creando tutte le possibili combinazioni A/B dei 2 fattori della tabella A con 3 fattori della tabella B grazie a un basso -code tool e alcuni loop. Quando creo il design personalizzato su questo tavolo, trovo un design più soddisfacente:
Mi sono unito alle diverse tabelle per i test (non è lo stesso del mio argomento per motivi di riservatezza, ma ho fatto del mio meglio per avere un modello per illustrare la situazione).
- Qual è il miglioramento che vorresti vedere?
Sarebbe fantastico se esistesse una soluzione in cui JMP:
- Chiedici di scegliere la tabella su cui si trovano le covariate (in caso di tabelle separate contenenti covariate),
- Essere in grado di archiviare i dati in memoria e darci la possibilità di eseguire tutte le combinazioni in background durante la creazione del progetto basato su due tabelle di covariate. Forse un'opzione per controllare "covariate indipendenti"?
- Perché questa idea è importante?
Il design personalizzato è uno strumento eccellente per gestire le covariate e creare progetti ottimali su misura per situazioni specifiche. Questo aggiornamento renderebbe lo strumento ancora più potente e adattivo, in quanto sarebbe in grado di creare progetti con covariate da tabelle diverse e suggerire progetti adeguati.
Spero che il mio desiderio sia chiaro, in caso contrario, non esitare a commentare o tornare da me,
Grazie mille in anticipo !
