이산형 수치 요인은 두 수준만 사용하므로 연속형 또는 범주형 요인으로 정의될 수 있습니다. 이러한 변경을 통해 최종 선별 설계가 후보가 될 수 있습니다.
DOE(
Definitive Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Blocking, 0, "Block" ),
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Categorical, {"0", "2"}, "Concentration cycles", 0 ),
Show Blocking Options( 1, 4 ), Number of Extra Runs( 4 ),
Set Random Seed( 2118942861 ), Make Design, Simulate Responses( 0 ),
Save X Matrix( 0 )}
);안녕 @BenGengenbach ,
귀하가 지정한 별칭을 가지려면 "규칙 생성" 탭을 수정해야 했습니다. 뒤에 숨어 있는 논리를 시각화하는 데 시간이 좀 걸리고 (여전히) 이 논리를 100% 설명할 수는 없지만 일반적으로 앨리어싱하려는 조합을 함께 확인하고 동일한 결과가 발생하지 않도록 해야 합니다. 다른 열에 패턴을 지정합니다(블록의 주효과 또는 상호작용의 주효과 앨리어싱을 방지하기 위해). 검사를 변경할 때마다 필요한지 여부에 따라 앨리어스가 올바른지 "효과 앨리어싱" 패널에서 "적용"하고 시각화할 수 있습니다.
맞습니다. 최적의 설계는 별칭이 단순히 존재하거나 존재하지 않는("이진 별칭") 전통적인 부분 요인 설계보다 더 균일한 방식으로 별칭을 "희석"하려고 시도합니다.
전통적으로 설계 선별의 최적성 기준은 D-최적성입니다. 이를 통해 계수 추정에 대한 정확도가 높아집니다. 최적성 기준(jmp.com)
- 디- 최적성 효과의 정확한 추정에 중점을 둡니다.
- A-최적성 결과적으로 모델의 모수 추정치의 평균 분산이 최소화됩니다.
- I-최적성 설계 영역에 대한 평균 예측 분산을 최소화하므로 반응 표면 모델/예측 설계에 더 적합합니다.
나는 A-최적 스크리닝 설계와 D-최적 스크리닝 설계의 장점을 강조하는 최신 스크리닝 설계에 대한 Bradley Jones의 프레젠테이션을 시청할 것을 적극 권장합니다. 21세기 스크리닝 디자인(2020-US-45MP-538) - JMP 사용자 커뮤니티
예를 들어, 서로 다른 가중치를 지정하여 선별하려는 주효과를 다르게 강조할 수 있으므로 A-최적 선별 설계가 매우 유연해집니다. A-최적 설계의 가중치를 변경하지 않았으므로 설계에서 생성된 상관/별칭을 제외하면 설계는 실제로 D-최적 설계와 매우 유사합니다.
그리고 디자인 간의 평균 상관관계는 다음과 같습니다.
"규칙 생성"을 명확하게 설명하지 못해 죄송합니다. 이 답변이 조금 더 도움이 되기를 바랍니다.
안녕 @BenGengenbach ,
귀하가 지정한 별칭을 사용하여 선별 디자인을 생성하려고 했습니다.
X1, X2, ...를 사용하여 요인(블록 제외)을 "코딩"하면 부분 요인 설계에 대한 생성기가 I = 1245라는 의미입니다.
그러나 블록의 존재는 주 효과나 다른 효과와 혼동되지 않도록 주의해야 하기 때문에 고려하기가 매우 어렵습니다. 이는 별칭이 여기에서 고정되어 있기 때문에 매우 까다로운 작업입니다.
생성 규칙에서 이 생성기를 설정하려고 할 때 내가 가지고 있는 구성은 다음과 같습니다.
다음은 귀하가 정의한 별칭을 사용한 디자인의 예입니다(표 첨부).
DOE(
Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor,
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
Set Random Seed( 1921021643 ), Make Design( 6 ),
Set Generators( [1 1 0 1, 1 1 0 1, 0 1 1 0, 1 0 1 0, 1 1 2 2, 0 0 0 0] ),
Simulate Responses( 0 ), Save X Matrix( 0 )}
)
그러나 제안한대로 @마크_베일리 , 다양한 유형의 요인(DSD에는 2단계 범주형 및 연속형 요인이 허용되지만 이산형 수치 요인은 허용되지 않음)이 있기 때문에 맞춤형 설계를 권장합니다. 다음과 같은 경우 차단 요인을 도입하는 것이 매우 쉽습니다. 일일 실행 횟수 또는 기타 차단 변수에 대한 제약이 있으며 설계에서 완전히 앨리어싱된 효과가 발생하는 것을 방지할 수 있습니다.
요인을 사용하여 가능한 맞춤형 선별 설계의 예는 다음과 같습니다.
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
Add Factor( Blocking, 4, "Block" ), Set Random Seed( 2118942861 ),
Number of Starts( 1 ), 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( {6, 1} ), Add Term( {7, 1} ), Add Alias Term( {1, 1}, {2, 1} ),
Add Alias Term( {1, 1}, {3, 1} ), Add Alias Term( {1, 1}, {4, 1} ),
Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
Add Alias Term( {2, 1}, {3, 1} ), Add Alias Term( {2, 1}, {4, 1} ),
Add Alias Term( {2, 1}, {5, 1} ), Add Alias Term( {2, 1}, {6, 1} ),
Add Alias Term( {3, 1}, {4, 1} ), Add Alias Term( {3, 1}, {5, 1} ),
Add Alias Term( {3, 1}, {6, 1} ), Add Alias Term( {4, 1}, {5, 1} ),
Add Alias Term( {4, 1}, {6, 1} ), Add Alias Term( {5, 1}, {6, 1} ),
Set Sample Size( 16 ), Optimality Criterion( "Make A-Optimal Design" ),
"A-Optimality Parameter Weights"n( [1 1 1 1 1 1 1 1 1 1] ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)
이 답변이 도움이 되길 바라며,
