Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制する（引きこもった）
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するあなたは 1 つの要素についてしか議論しておらず、その他の背景情報を提供していないため、私はあなたの状況を完全には理解していません (例: あなたの目的は何ですか? スクリーニングですか？ 実験単位とは何ですか (それはバッチですか、パーツですか、それともサンプルですか? オーブンの場所に関するあなたの仮説は何ですか? など)、私の考えは次のとおりです。
1. オーブン効果内の位置についてのアイデアを得るために、現在の生産の体系的なサンプリングを使用しないのはなぜですか?
2. これは設計要因として理解できません。 それが重要であり、中心が最良の結果をもたらすとしましょう。 オーブンの稼働を生産に悪影響を与える中央だけに制限するつもりですか?
3. 実験単位がバッチまたはパーツの場合は、分割プロットを使用します。 4 つの因子に関する実験により、プロット全体が作成されます。バッチのサンプルを取得し、各サンプルを 3 つのオーブンの位置のそれぞれに配置します。 パーツの場合は、4因子の処理の組み合わせごとに複数のパーツを作り、それぞれの場所にパーツを入れます。
4. 3 つの場所すべてをテストする必要があるのはなぜですか? 対称性を仮定して、1 つのレベルを外側 (左または右) でテストし、もう 1 つのレベルを中央でテストできますか?
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するやあ@スタットマン、
ご意見をお待ちしております。 ご質問にお答えし、状況を説明できるよう最善を尽くします。 独自の理由により、これについて詳しく説明することはできません。
この実験の目的は、5 つの要因がどのように相互作用し、結果に影響を与えるかをテストすることです。 この点で、研究者は（現時点では）目標に到達するための正確な設定を見つけることにあまり関心がなく、むしろこれらの要因がどのように相互作用して結果に影響を与えるかについてもっと学ぶため、スクリーニング タイプの DOE に近いでしょう。 .
前述のように、実験単位はバッチです。 研究者は、X1、X2、X3、および X4 の設定により、3 つの異なるバッチを同時に作成できます。各バッチは異なります。 これら 3 つのバッチはそれぞれオーブン内に物理的に配置されて乾燥されます。 オーブン内のバッチの配置は、結果に影響を与える可能性があり、DOE の他の X1 から X4 ファクターの一部と相互作用する可能性があります。 乾燥中は、オーブン内のすべての位置を使用する必要があります。 オーブン内の場所が結果に影響を与える可能性があるという証拠がいくつかありますが、研究されていないため、この DOE です。 各実験単位 (バッチ) は、オーブン内の 3 つの位置の 1 つのみに配置されます。 そしてもちろん、各バッチをそれぞれの位置で異なる温度で乾燥させることは物理的に不可能であるため、3 つのバッチはすべて同じオーブン温度で乾燥されます。
設定は生産ではなく研究所なので、生産設備を縛っていないので、この点に関してはもう少し柔軟性があります。
特定の位置が「最適」であることが判明した場合でも、オーブンの実行を制限することはありません。 各オーブンで乾燥するバッチの量を最大化しています。 ただし、ある場所が何らかの方法で結果を後押しする可能性があることを知っておくことは、有用な知識になります。 これを理解することは、研究者がこの影響を補うのに役立ちます。
オーブンの物理的なレイアウトのため、特定の状況では対称性を仮定することはできません。
残念ながら、JMP の DOE プラットフォームを使用して特定の状況に適した DOE を生成する方法については、まだ満足のいく答えがありません。 現時点では、これを行う唯一の方法は、これら 5 つの要因の一部を分割する 2 つの個別の DOE を実行することです。たとえば、X1 から X3 の DOE と、X4 と X5 の DOE です。 最初の要因 X1、X2、および X3 のいくつかが、2 番目の DOE の X4 および X5 要因と相互作用する可能性があることを示唆する証拠があるため、これは残念です。 理想的には、これらすべてをまとめてテストするための 1 つの DOE が存在することになりますが、元の投稿で述べた規定が適用されます。
これがコンテキストと情報を追加するのに役立つことを願っています。 ご関心をお寄せいただきありがとうございます。この問題に対する回答を得られることを願っています。
DS
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制する私の推測では、モデルに X5 との相互作用と連続因子を含めているのでしょうか? これにより、アルゴリズムは、これらの効果の推定とランダム ブロックへの直交性について、より心配する必要があります。 ここでは、奇数サイズのランダム ブロックのため、より顕著です。 私の簡単なテストでは、カテゴリ因子を含む相互作用を削除すると、バランスの取れた構造が見られます。 後でこれらの相互作用を確認する必要がありますが、一般的にはひどいものではありません (追加の実行が必要になる場合もあります)。
指定されたブロックで構造を強制するためだけに共変量アプローチを試すこともできます (そして、その時点で固定として扱われます) が、これには事後に因子の役割を変更する必要があります。
これをコミュニティに持ち込んでくれたことに感謝します。これは、将来のリリースの開発で確かに考えている一般的な構造に関連しています。
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制する読むことをお勧めします：
ボックス、GEP、 スティーブン・ジョーンズ (1992)、「堅牢な製品実験のための分割プロット計画」、応用統計ジャーナル、Ｖｏｌ． 19、1号
あなたの状況は、分割区画および/またはストリップブロックの設計を求めています.
これらのデザインに対応するには、独自のテーブルを作成する必要がある場合があります (私は常にそうしています)。
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するやあ@Ryan_Lekivetz 、
はい、X5 との交互作用とその他の連続因子をモデルに含めています。
残念ながら、すべての 2 次相互作用でモデルを実行し、X5 とのすべての相互作用を削除すると、バランスの取れた構造が得られません。 ほとんどありますが、カテゴリ因子のレベルが重複しているランダム ブロックがいくつかあります。 これは、すべての X5 インタラクションを含める場合に推奨される数であるため、30 回の実行でテーブルを生成しました。
DS
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するやあ@スタットマン、
入力していただきありがとうございます。 ご指摘のとおり、最終的には独自のテーブルを作成する必要があると思います。ここでは、分割および/またはストリップブロックの設計が適切だと思います。JMP が必要な制約でこれを行うことができないのは残念です。
ありがとう！、
DS
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するいくつかの追加の考え。
1）壊れたランダムブロックを手動で修正して希望する構造にする「ボス」アプローチを採用し、それが妥当に見えるかどうかの設計評価を確認することができます。
2) 以下のコードは、ランダム ブロックを非常に変更しにくく、オーブンを変更しにくく、継続的な効果として使用します。 最初の 2 つの要因については、モデルから影響を取り除く必要があることに注意してください。ランダム ブロック構造を取得するためにそれらを使用しているだけです。 これらの列に表示されるランダムな値を効果的に破棄します。
どちらの場合でも、治療構造に基づいてこれらの効果をモデル化する方法を決定する必要があります (Box & Jones の論文に加えて、別の良い読み物: https://www.jmp.com/en_us/whitepapers/jmp/split-plot-designs.html )
DOE(
カスタムデザイン、
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( 連続, -1, 1, "偽の VHTC", 2 ),
Add Factor( Continuous, -1, 1, "X5 as random block", 1 ),
Add Factor( 連続, -1, 1, "X1", 0 ),
Add Factor( 連続, -1, 1, "X2", 0 ),
Add Factor( 連続, -1, 1, "X3", 0 ),
係数を追加(連続、-1、1、「X4」、0)、ランダムシードを設定(1471138809)、
開始数( 940 )、期間の追加( {1, 0} )、期間の追加( {3, 1} )、
項を追加( {4, 1} )、項を追加( {5, 1} )、項を追加( {6, 1} )、
Add Term( {3, 1}, {4, 1} ), Add Term( {3, 1}, {5, 1} ),
項を追加( {3, 1}, {6, 1} ), 項を追加( {4, 1}, {5, 1} ),
Add Term( {4, 1}, {6, 1} ), Add Term( {5, 1}, {6, 1} ),
エイリアス用語を追加( {1, 1}, {2, 1} ), エイリアス用語を追加( {1, 1}, {3, 1} ),
エイリアス用語を追加( {1, 1}, {4, 1} ), エイリアス用語を追加( {1, 1}, {5, 1} ),
エイリアス用語を追加( {1, 1}, {6, 1} ), エイリアス用語を追加( {2, 1}, {3, 1} ),
エイリアス用語を追加( {2, 1}, {4, 1} ), エイリアス用語を追加( {2, 1}, {5, 1} ),
エイリアス項の追加( {2, 1}, {6, 1} ), ストリップ プロット デザインの作成, N 個の全プロットの設定( 8 ),
N サブプロットを設定 ( 3 )、サンプル サイズを設定 ( 30 )、応答をシミュレート ( 0 )、
X行列を保存( 0 )}
);
Re: DOE ヘルプ: ランダム ブロック内の因子のすべてのレベルを強制するやあ@Ryan_Lekivetz 、
ご意見、ご感想をお寄せいただきありがとうございます。 X5 を 3 レベルのカテゴリ因子として残し、他の X の 1 つを VHTC 因子 (オーブンの温度であるため) に変更することができました。 X5が必要な構造を持つようにします。
ホワイトペーパーへのリンクをありがとう、私はこれを読みます。
DS
DOE ヘルプ: ランダム ブロック内の因子のすべての水準を強制するJMP およびコミュニティの皆様
因子の 1 つに 3 つのレベルがあり、この因子の各レベルが各ランダム ブロックに 1 回だけ存在する必要があるカスタム DOE を設定しようとしています。
シチュエーション：
DOE があり、低値から高値までの範囲にある 4 つの連続変数が存在することがわかっています。 3 レベルのカテゴリ因子である追加因子があります。 DOE はサイズ 3 のランダム ブロックにグループ化する必要があります (これは、1 日に実行できる実行数の制限 (午前 3 回と午後 3 回) によるものです) -- もちろん、実行の合計数も次の倍数になります。 3. 最後の要素 X5 には、乾燥オーブン内のサンプルの 3 つの位置を物理的に表す 3 つのレベル L1、L2、L3 があります。 これらの場所は、左、中央、右です。
研究者は 3 つのグループに分けてバッチを実行し、各バッチは乾燥オーブン内の左、右、または中央の位置を取得します。 研究者は 1 日に最大 6 つのバッチを実行できるため、ランダム ブロックのサイズは 3 (午前 3 つ、午後 3 つ) になります。 3 つのバッチが作成されるたびに、3 つの位置がすべて使用されます。 たとえば、ラン 1 は位置 L2 に、ラン 2 は位置 L3 に、ラン 3 は位置 L1 に配置されます。 (他の要素と組み合わせて) テストされることの 1 つは、乾燥オーブン内の場所が結果に影響を与えるかどうかです。
問題：
私が直面している問題は、JMP が DOE を生成するときに、3 つのレベルのそれぞれが各ランダム ブロックで 1 回ずつ発生するようにしながら、実行にランダムに割り当てられるようにする方法です。 以下のスクリーンショットは、問題を示すのに役立つと思います。 ランダム ブロック 1 および 2 の最初の 6 回の実行では、X5 の順序は L2、L2、L3、および L1、L1、L3 です。 L1、L2、L3 はオーブン内の左、中央、右の位置を指し、ランダム ブロック内で 1 回しか使用できないため、設計ではこれが発生するはずがないことは明らかです。したがって、X5 の順序は、ランダム ブロック 1 と 2 では L1、L3、L2 および L3、L2、L1 のようになります。 各レベルをランにランダムに割り当てる必要がありますが、各レベルは各ランダム ブロック内で 1 回だけ表示されます。 ブロック要素を追加することが正しい方法だとは思いませんが、おそらく私は間違っています。
DOE モデルでは、X1 ～ X5 のすべての主効果と、すべての因子間のすべての 2 次交互作用をテストすることにも興味があります。
考えられる解決策:
現時点で私が思いつく唯一の方法は、4 つの連続因子を含む DOE と 1 つの 3 水準カテゴリ因子を含む DOE を生成することです。 それぞれに同じ実行数があり、列「ランダム ブロック」を一致させることでテーブルを結合します。 ただし、これを行うと、他の DOE とはカテゴリ因子のレベルが異なるため、4 因子 DOE からの各実行が 3 回繰り返されます。 これも私が望んでいることではありません。 メイン テーブルから [複数をドロップ] をクリックすると、元の実行数に戻りますが、X5 の順序はほとんど常に同じ (L2、L3、L1) になります。 また、X5 と他の 4 つの因子の 2 次相互作用も捕捉するには、18 回の実行では十分ではないと思います。 すべての 2 次相互作用をキャプチャできるようになるには、合計 30 回ほどの実行が必要になると思います。 これは、ランダム ブロック内の 3 つのレベルすべてに対して同じ実行を繰り返しているため、私が望んでいることを完全には捉えていません。
誰かが同様の問題を抱えていて、これを克服する方法を見つけた場合、私はあなたがどのようにこれを行ったかを知りたいと思っています。 あるいは、これを達成するための適切な方法論が JMP 内にあるのであれば、それも私が学びたいと思っていることです。
ご関心とご意見をいただきありがとうございます。
DS
データのブレンディングとクリーンアップ
