Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger Blöcke(Zurückgezogen)
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeIch verstehe Ihre Situation nicht ganz, da Sie nur einen Faktor besprochen und keinen weiteren Kontext angegeben haben (z. B. Was ist Ihr Ziel? Screenen Sie? Was ist ein Versuchsgerät (Charge oder Teil oder Muster?) Was sind Ihre Hypothesen bezüglich des Standorts des Ofens? usw.), also hier sind meine Gedanken:
1. Warum nicht eine systematische Probenahme der aktuellen Produktion nutzen, um sich ein Bild über den Standort innerhalb des Ofeneffekts zu machen?
2. Ich verstehe das nicht als Designfaktor. Nehmen wir an, es ist signifikant und die Mitte liefert das beste Ergebnis. Werden Sie Ihre Ofenläufe wirklich nur auf die Mitte beschränken, was sich negativ auf die Produktion auswirkt?
3. Wenn es sich bei der Versuchseinheit um eine Charge oder Teile handelt, verwenden Sie Split-Plots. Das Experiment mit den 4 Faktoren erstellt das gesamte Diagramm und Sie nehmen Proben der Charge und legen jede Probe in jeden der 3 Ofenstandorte. Wenn es sich um Teile handelt, stellen Sie mehrere Teile für jede Behandlungskombination der 4 Faktoren her und legen Sie einen Teil an jede Stelle.
4. Warum müssen Sie alle 3 Standorte testen? Können Sie Symmetrie annehmen und einfach 1 Ebene außen (links oder rechts) und die andere in der Mitte testen?
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeHallo @statmann ,
Ich schätze Ihren Beitrag. Ich werde mein Bestes tun, um Ihre Fragen zu beantworten und etwas Kontext zu liefern. Aus proprietären Gründen kann ich darauf nicht näher eingehen.
Ziel des Experiments ist es zu testen, wie die fünf Faktoren miteinander interagieren und das Ergebnis beeinflussen. In dieser Hinsicht käme es einem Screening-Typ von DOE näher, da die Forscher (zu diesem Zeitpunkt) nicht so sehr daran interessiert sind, die genauen Einstellungen zum Erreichen eines Ziels zu finden, sondern mehr darüber zu erfahren, wie diese Faktoren interagieren und das Ergebnis beeinflussen .
Wie bereits erwähnt, ist eine Versuchseinheit ein Batch. Die Forscher können gleichzeitig drei verschiedene Chargen herstellen, wobei jede Charge aufgrund der Einstellungen für X1, X2, X3 und X4 unterschiedlich ist. Jede dieser drei Chargen wird physisch zum Trocknen in einen Ofen gestellt. Die Platzierung der Chargen im Ofen kann sich auf das Ergebnis auswirken und mit einigen der anderen X1- bis X4-Faktoren im DOE interagieren. Während des Trocknens müssen alle Positionen im Ofen verwendet werden. Es gibt Hinweise darauf, dass der Standort im Ofen das Ergebnis beeinflussen kann, aber es wurde nicht untersucht, daher dieses DOE. Jede Versuchseinheit (Charge) wird nur in EINE der drei Positionen im Ofen gestellt. Und natürlich werden alle drei Chargen bei derselben Ofentemperatur getrocknet, da es physikalisch nicht möglich ist, jede Charge in jeder Position bei einer anderen Temperatur zu trocknen.
Der Schauplatz ist nicht die Produktion, sondern ein Forschungslabor, also gibt es in dieser Hinsicht etwas mehr Flexibilität, da wir keine Produktionsausrüstung binden.
Unabhängig davon, ob sich herausstellt, dass eine bestimmte Position "am besten" ist, werden wir unsere Ofenläufe nicht einschränken. Wir maximieren immer noch die Menge der Chargen, die in jedem Ofendurchlauf getrocknet werden. Zu wissen, dass ein Standort das Ergebnis auf die eine oder andere Weise beeinflussen könnte, ist jedoch ein nützliches Wissen. Das zu verstehen wird den Forschern helfen, diesen Effekt zu kompensieren.
Aufgrund der physikalischen Anordnung des Ofens kann in unserer speziellen Situation keine Symmetrie angenommen werden.
Leider gibt es immer noch keine zufriedenstellende Antwort darauf, wie man die DOE-Plattform von JMP verwenden kann, um ein geeignetes DOE für die vorliegende spezifische Situation zu generieren. Gegenwärtig scheint die einzige Möglichkeit, dies zu tun, darin zu bestehen, zwei getrennte DOEs durchzuführen, die einige dieser 5 Faktoren aufteilen – zB ein DOE mit X1 bis X3 und ein anderes DOE mit X4 und X5. Dies ist bedauerlich, da es Hinweise darauf gibt, dass einige der ersten Faktoren X1, X2 und X3 mit den Faktoren X4 und X5 des zweiten DOE interagieren könnten. Im Idealfall würde es ein DOE geben, das all dies zusammen testet, jedoch mit den im ursprünglichen Beitrag erwähnten Bedingungen.
Hoffentlich hilft dies, Kontext und Informationen hinzuzufügen. Vielen Dank für Ihr Interesse und ich hoffe auf eine Antwort auf dieses Problem.
DS
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeIch vermute, dass Sie die Wechselwirkungen mit X5 und die kontinuierlichen Faktoren in das Modell einbeziehen? Das zwingt den Algorithmus, sich mehr Gedanken über die Schätzung dieser Effekte im Vergleich zur Orthogonalität zu den zufälligen Blöcken zu machen. Es ist hier aufgrund der zufälligen Blöcke einer ungeraden Größe auffälliger. Wenn ich in meinen Schnelltests Interaktionen entferne, die den kategorialen Faktor betreffen, sehe ich die ausgewogene Struktur. Sie müssten diese Interaktionen anschließend überprüfen, aber im Allgemeinen sollte es nicht schlimm sein (und möglicherweise nur einige zusätzliche Läufe erfordern).
Sie könnten auch einen Kovariaten-Ansatz versuchen, um die Struktur nur mit den angegebenen Blöcken zu erzwingen (und an diesem Punkt als fest behandelt werden), aber dies erfordert eine nachträgliche Änderung der Faktorrollen.
Wir wissen es zu schätzen, dass Sie dies der Community zur Verfügung stellen, dies hängt mit einer allgemeinen Struktur zusammen, über die wir sicherlich in der Entwicklung für eine zukünftige Version nachdenken.
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeIch schlage vor, Sie lesen:
Box, GEP, Stephen Jones (1992), „ Split-Plot-Designs für robuste Produktexperimente “, Zeitschrift für Angewandte Statistik , Bd. 19, Nr. 1
Ihre Situation verlangt nach Split-Plots und/oder Strip-Block-Designs.
Möglicherweise müssen Sie Ihre eigene Tabelle erstellen, um diese Designs aufzunehmen (ich mache das ständig).
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeHallo @Ryan_Lekivetz ,
Ja, ich beziehe die Wechselwirkungen mit X5 und den anderen kontinuierlichen Faktoren in das Modell ein.
Wenn ich das Modell mit allen Wechselwirkungen zweiter Ordnung ausführe UND alle Wechselwirkungen mit X5 entferne, erhalte ich leider nicht die ausgewogene Struktur. Es ist fast da, aber es gibt ein paar zufällige Blöcke, die doppelte Ebenen des kategorialen Faktors haben. Ich habe die Tabelle mit 30 Läufen erstellt, da dies die vorgeschlagene Anzahl ist, wenn alle X5-Interaktionen einbezogen werden.
DS
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeHallo @statmann ,
Danke für die Eingabe. Ich glaube, ich muss am Ende meine eigene Tabelle erstellen, wie Sie darauf hinweisen.Und ich stimme zu, ich denke, ein Split- und / oder Strip-Block-Design wäre hier angemessen.Es ist nur schade, dass JMP dies mit den Einschränkungen, die ich brauche, nicht für mich erledigen kann.
Danke!,
DS
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeEin paar zusätzliche Gedanken.
1) Sie können den "Boss"-Ansatz wählen, bei dem Sie die defekten zufälligen Blöcke manuell reparieren, um Ihnen die gewünschte Struktur zu geben, und die Designbewertung überprüfen, ob sie vernünftig aussieht.
2) Der folgende Code verwendet Ihren Zufallsblock als sehr schwer zu ändern, Ofen als schwer zu ändern und die kontinuierlichen Effekte. Beachten Sie, dass Sie die Effekte für die ersten beiden Faktoren aus dem Modell entfernen müssen, wir verwenden sie nur, um zur zufälligen Blockstruktur zu gelangen. Sie verwerfen effektiv die zufälligen Werte, die in diesen Spalten erscheinen.
In jedem Fall müssen Sie anhand Ihrer Behandlungsstruktur bestimmen, wie Sie diese Effekte modellieren möchten (zusätzlich zum Artikel von Box & Jones, eine weitere gute Lektüre hier: https://www.jmp.com/en_us/whitepapers/jmp/split-plot-designs.html )
DAMHIRSCHKUH(
Maßgefertigtes Design,
{Antwort hinzufügen (Maximieren, "Y", ., ., . ),
Faktor hinzufügen ( Kontinuierlich, -1, 1, "Fake VHTC", 2 ),
Add Factor( Continuous, -1, 1, "X5 as random block", 1 ),
Faktor hinzufügen ( Kontinuierlich, -1, 1, "X1", 0 ),
Faktor hinzufügen ( Kontinuierlich, -1, 1, "X2", 0 ),
Faktor hinzufügen ( Kontinuierlich, -1, 1, "X3", 0 ),
Add Factor( Continuous, -1, 1, "X4", 0 ), Set Random Seed ( 1471138809 ),
Anzahl der Starts ( 940 ), Term hinzufügen ( {1, 0} ), Term hinzufügen ( {3, 1} ),
Begriff hinzufügen( {4, 1} ), Begriff hinzufügen( {5, 1} ), Begriff hinzufügen( {6, 1} ),
Begriff hinzufügen( {3, 1}, {4, 1} ), Begriff hinzufügen( {3, 1}, {5, 1} ),
Begriff hinzufügen( {3, 1}, {6, 1} ), Begriff hinzufügen( {4, 1}, {5, 1} ),
Begriff hinzufügen( {4, 1}, {6, 1} ), Begriff hinzufügen ( {5, 1}, {6, 1} ),
Alias-Begriff hinzufügen( {1, 1}, {2, 1} ), Alias-Begriff hinzufügen ( {1, 1}, {3, 1} ),
Alias-Begriff hinzufügen( {1, 1}, {4, 1} ), Alias-Begriff hinzufügen ( {1, 1}, {5, 1} ),
Alias-Begriff hinzufügen( {1, 1}, {6, 1} ), Alias-Begriff hinzufügen ( {2, 1}, {3, 1} ),
Alias-Begriff hinzufügen( {2, 1}, {4, 1} ), Alias-Begriff hinzufügen ( {2, 1}, {5, 1} ),
Alias-Begriff hinzufügen ( {2, 1}, {6, 1} ), Strip-Plot-Design erstellen, N ganze Plots festlegen ( 8 ),
Set N Subplots( 3 ), Set Sample Size( 30 ), Simulate Responses( 0 ),
X-Matrix speichern( 0 )}
);
Betreff: DOE-Hilfe: Erzwingen aller Ebenen eines Faktors innerhalb zufälliger BlöckeHallo @Ryan_Lekivetz ,
Danke für deine Gedanken und Beiträge. Ich konnte X5 als 3-stufigen kategorialen Faktor belassen und einen der anderen Xs in einen VHTC-Faktor ändern (da es die Ofentemperatur ist) und die Dinge haben ziemlich gut geklappt, aber ich musste hineingehen und ein paar Dinge ändern damit X5 die Struktur hat, die ich brauche.
Danke für den Link zum Whitepaper, das werde ich mir durchlesen.
DS
DOE-Hilfe: Durchsetzung aller Stufen eines Faktors innerhalb von ZufallsblöckenLiebe JMP & Community,
Ich versuche, ein benutzerdefiniertes DOE einzurichten, bei dem einer der Faktoren drei Ebenen hat und jede Ebene dieses Faktors in jedem Zufallsblock nur einmal vorhanden sein DARF.
Situation:
Wir haben ein DOE, bei dem wir wissen, dass es vier kontinuierliche Variablen gibt, die zwischen niedrigen und hohen Werten liegen können. Wir haben einen zusätzlichen Faktor, der ein dreistufiger kategorialer Faktor ist. Das DOE muss in zufällige Blöcke der Größe 3 gruppiert werden (dies liegt an der Begrenzung der Anzahl der Läufe, die an einem Tag durchgeführt werden können, 3 Vormittage und 3 Nachmittage) – natürlich ist die Gesamtzahl der Läufe auch ein Vielfaches von 3. Der letzte Faktor, X5, hat 3 Ebenen, L1, L2, L3, die physisch 3 Stellen einer Probe in einem Trockenofen darstellen. Diese Positionen sind links, in der Mitte und rechts.
Der Forscher führt Chargen in Dreiergruppen durch und jede Charge erhält eine Position im Trockenofen, links, rechts oder in der Mitte. Forscher können bis zu sechs Chargen pro Tag ausführen, daher haben die Zufallsblöcke die Größe 3 (drei vormittags und drei nachmittags). Immer wenn drei Chargen hergestellt werden, werden alle drei Positionen verwendet. Beispiel: Lauf 1 könnte an Position L2, Lauf 2 an Position L3 und Lauf 3 an Position L1 erfolgen. Geprüft wird unter anderem (in Kombination mit den anderen Faktoren), ob der Standort im Trockenofen einen Einfluss auf das Ergebnis hat.
Problem:
Das Problem, mit dem ich konfrontiert bin, besteht darin, wie man erzwingen kann, dass bei der Generierung eines DOE durch JMP sichergestellt wird, dass jede der drei Ebenen einmal in jedem Zufallsblock vorkommt, den Läufen jedoch zufällig zugewiesen wird. Der folgende Screenshot hilft meiner Meinung nach, das Problem zu veranschaulichen. Für die ersten sechs Durchläufe für die Zufallsblöcke 1 und 2 ist die Reihenfolge von X5 L2, L2, L3 und L1, L1, L3. Offensichtlich kann dies im Design nicht vorkommen, da sich L1, L2 und L3 auf die linke, mittlere und rechte Position im Ofen beziehen und innerhalb eines zufälligen Blocks nur einmal verwendet werden können. Daher sollte die Reihenfolge von X5 etwa L1, L3, L2 und L3, L2, L1 für die Zufallsblöcke 1 und 2 sein. Ich brauche immer noch, dass jedes Level den Läufen zufällig zugewiesen wird, aber dass jedes Level in jedem Zufallsblock nur einmal vorkommt. Ich glaube nicht, dass das Hinzufügen eines Blockierungsfaktors der richtige Weg ist, aber vielleicht irre ich mich.
Im DOE-Modell bin ich auch daran interessiert, alle Haupteffekte von X1-X5 und alle Wechselwirkungen 2. Ordnung zwischen allen Faktoren zu testen.
Mögliche Lösung:
Die einzige Möglichkeit, die mir im Moment einfällt, besteht darin, ein DOE mit den vier kontinuierlichen Faktoren und ein DOE mit dem einen 3-stufigen kategorialen Faktor zu erstellen. Jeder hat die gleiche Anzahl an Läufen und dann werden die Tabellen durch Anpassen der Spalte „Zufälliger Block“ zusammengefügt. Aber wenn ich das mache, wird jeder Lauf des Vier-Faktoren-DOE aufgrund der unterschiedlichen Ebenen des kategorialen Faktors vom anderen DOE dreimal wiederholt. Das ist auch nicht das, was ich will. Wenn ich in der Haupttabelle auf „Multiples löschen“ klicke, kehre ich zur ursprünglichen Anzahl der Läufe zurück, aber die Reihenfolge von X5 ist fast immer dieselbe: L2, L3, L1. Außerdem glaube ich nicht, dass die 18 Durchläufe ausreichen werden, um auch die Interaktion 2. Ordnung von X5 mit den anderen vier Faktoren zu erfassen. Ich glaube, dass ich insgesamt mehr als 30 Durchläufe benötige, um alle Interaktionen 2. Ordnung erfassen zu können. Dies trifft immer noch nicht ganz das, was ich will, da derselbe Lauf für alle drei Ebenen innerhalb eines zufälligen Blocks wiederholt wird.
Wenn jemand ein ähnliches Problem hatte und herausgefunden hat, wie man es löst, bin ich sehr daran interessiert zu erfahren, wie Sie das gemacht haben. Oder ob es innerhalb von JMP eine geeignete Methodik gibt, um dies zu erreichen, das ist auch etwas, das ich lernen möchte.
Vielen Dank für Ihr Interesse und Ihren Beitrag!,
DS
Datenmischung und -bereinigung
