625155_de-DE

liliconcom

Betreff: Fehlende Passform bei gesichtszentriertem Verbunddesign

Hallo @dNADA ,

 

Willkommen in der Community!

Haben Sie zuerst die Erklärungen in der JMP-Hilfe zum Mangel-an-Anpassungs-Test gelesen? : Mangelnde Passform (jmp.com)

Hier sind meine Antworten auf Ihre Fragen, basierend auf den begrenzt verfügbaren Informationen:

 

1. Ich bin mir nicht ganz sicher, ob ich den verschiedenen Entwurfsschritten folgen soll: Sie haben zuerst einen fraktionierten faktoriellen Entwurf erstellt und ihn von diesem Entwurf zu einem CCD für die drei erkannten signifikanten Faktoren erweitert, ist das korrekt (oder Sie haben einen neuen CCD ohne Erweiterung erstellt ) ?
   Ich verstehe nicht, wie Mittelpunkte bei der Modellierung "Bias verursachen" können? Da Ihre Mittelpunkte Wiederholungen sind, haben Sie die Variabilität der an diesen Punkten gemessenen Antwort überprüft? Ist die Variabilität im Vergleich zu Ihrer Fachkompetenz und jeder Wiederholbarkeits-/Reproduzierbarkeitsstudie gering genug?
   Wenn Sie eine Konstruktionserweiterung durchgeführt haben, haben Sie während der Erweiterung neue Läufe in separaten Blöcken gruppiert, um die Messänderungen zwischen den beiden Schritten zu berücksichtigen?
   Der Mangel an Anpassungstest ist ein Hinweis darauf, dass das von Ihnen angegebene Modell möglicherweise zu viele Terme oder nicht genug im Vergleich zu den Ihnen vorliegenden Daten enthält: Er vergleicht den reinen Fehler, der aus Ihren Wiederholungsläufen (Mittelpunkten) geschätzt wird, mit dem Rest der Fehler (Gesamtfehler - reiner Fehler).  
   
   
2. Nein, Sie sollten keine Punkte abziehen, wenn Sie nicht begründet haben, dass Sie dies tun können, basierend auf statistischen Eigenschaften (Ausreißer, ...) UND Domänenexpertise (fehlerhafte Werte, Tippfehler in der Messwerterfassung, Fehler/Problem im Messsystem, ...).
   In Ihrem Beispiel können Sie immer noch die Ergebnisse von zwei Modellen vergleichen, eines normal mit allen Punkten und das andere durch "Ausblenden und Ausschließen" der Mittelpunktläufe, und sehen, ob die Ergebnisse sehr unterschiedlich sind oder nicht. Aber Sie können vorher einige andere Optionen überprüfen, wie die Messvariabilität Ihrer Antworten im Vergleich zur Variabilität in Ihrem Modell (RMSE), die Signifikanz von Termen im Modell, ...
   
   
3. Es kann schwierig sein, Ihnen nur mit den beiden von Ihnen bereitgestellten Screenshots zu helfen, da ich nicht ganz sicher bin, wie Sie Ihr DoE erstellen und wie Sie die Modellierung durchgeführt haben. Sie können jedoch sehen, welche Terme in das Modell in den Panels „Effect summary“, „Parameter Estimates“ oder „Effect Tests“ (verfügbar im roten Dreieck neben jeder Antwort und dann in „Regression Reports“ oder direkt im rotes Dreiecksmenü für "Effect Summary"). Wenn Sie ein RSM-Design wie CCD erstellt haben, sollten Sie in der Lage sein, ein Modell mit allen Haupteffekten, 2-Faktor-Wechselwirkungen und quadratischen Effekten zu erstellen.
   Haben Sie diese Art von Termen bereits in Ihrem Modell? Welche sind bedeutsam? Es wäre hilfreich, die JMP-Tabelle zu haben, um zu sehen, ob das Modell verfeinert werden könnte, bevor man über Terme höherer Ordnung oder etwas anderes nachdenkt.
   Aus Ihren Residuendiagrammen (und tatsächlichen vs. vorhergesagten) scheint es eine gewisse Krümmung zu geben, die von Ihrem aktuellen Modell möglicherweise nicht richtig gehandhabt wird. Sie können also überprüfen, ob Sie Wechselwirkungen und quadratische Effekte im Modell haben. Wenn Sie sie bereits haben, sind möglicherweise höhere Bestellbedingungen erforderlich.
   Wenn Sie ein CCD-Design haben, können Sie höhere als quadratische Effekte in Ihrem Modell nicht richtig berücksichtigen, da Sie 3 Stufen pro Faktor haben (min., mittel und max.), sodass Sie nur quadratische Effekte max. anpassen können. Sie würden 4 Ebenen nach Faktoren benötigen, um Terme 3. Ordnung anzupassen, 5 Ebenen, um Terme 4. Ordnung anzupassen usw. Es wäre also eine Designerweiterung erforderlich, wenn Sie diese Terme in der Modellierung benötigen.
   
   
4. Weitere Informationen zu verschiedenen Schätzmethoden von GenReg finden Sie hier: Optionen für Schätzmethoden (jmp.com)
   
   
5. Wenn Sie basierend auf Ihrem Design und Ihren Daten kein "gutes" Modell erstellen können (und vielleicht benötigen Sie tatsächlich einige Terme höherer Ordnung), können Sie in Ihrer DoE-Tabelle auf "DoE", "Augment Design" klicken und Ihre Faktoren und angeben Antworten: Augment-Designs (jmp.com)
   Von dort aus können Sie Ihr Design „erweitern“ (und neue Läufe in einem neuen Block gruppieren) und im Bereich „Modell“ angeben, welche anderen Begriffe Sie in Ihrem Modell haben möchten.

Ich hoffe, diese erste Antwort ist informativ für Sie,

Betreff: Mangelnde Passform bei gesichtszentriertem Verbunddesign

Hallo,

Alle Ratschläge von @Victor_G ist Ton. Ich denke auch, dass es schwierig ist, eine vollständige Antwort zu geben, ohne mehr darüber zu verstehen, was Sie getan haben. Screenshots sind gut, aber das Anhängen einiger illustrativer Daten als .jmp-Tabelle ist viel hilfreicher.

Ich glaube, ich weiß, was Sie meinen, wenn Sie fragen, ob die Mittelpunkte die Statistik der mangelnden Anpassung verzerren. Die 18 CPs haben einen starken Einfluss auf die Berechnung des reinen Fehlers, der im Test auf mangelnde Eignung verwendet wird. Wenn die Fehlervarianz in der Mitte des Designs nicht repräsentativ für die Fehlervarianz im gesamten Design ist (Sie können sich vielleicht Gründe vorstellen, warum dies der Fall wäre), dann werden die Mittelpunkte die mangelnde Anpassung beeinflussen testen, zumindest bis zu einem gewissen Grad. Dies ist einer der Gründe, warum manche Menschen es vorziehen, keine Mittelpunkte zu verwenden. Es ist jedoch auch durchaus möglich, dass die Mittelpunktwiederholungen repräsentativ für den Fehler über den gesamten Faktorraum sind.

Sind die Triplikate wirklich unabhängige Läufe? Das heißt, haben Sie die Faktoren zwischen dem ersten und zweiten jeder Dreifachbestimmung und zwischen dem zweiten und dritten jeder Dreifachbestimmung vollständig zurückgesetzt? Oder ist jede dreifache Wiederholung nur 3 wiederholte Messungen aus derselben Präparationsprobe? Wenn es sich nicht wirklich um unabhängige Läufe handelt, würde sich dies auch auf die Gültigkeit des Modells und den Test auf mangelnde Anpassung auswirken, es sei denn, Sie fügen einen Term für zufällige Effekte für "Vorbereitung" hinzu.

Sie sollten auch bedenken, dass Ihr Mangel-Fit-Test vollständig gültig sein könnte und was das bedeutet. Die mangelnde Anpassung sagt Ihnen nicht, ob Ihr Modell falsch oder richtig ist ("alle Modelle sind falsch"). Bitte verwenden Sie die Bedeutung von fehlender Passform nicht nur als Übung zum Ankreuzen. Überlegen Sie, was es wirklich bedeutet. Berücksichtigen Sie die Größe der Fehlerausdrücke und fragen Sie, ob dies zu Ihrer Erfahrung mit dem System passt. Wenn der Mangel an Passform "erheblich" ist, ist er tatsächlich wichtig - er ist es möglicherweise nicht.

Wenn Sie der Meinung sind, dass der Mangel an Anpassung gültig und wichtig ist, sollten Sie versuchen, Ihrem Modell Terme höherer Ordnung hinzuzufügen. Ich kann Ihr Design nicht sehen, daher weiß ich nicht, welche Modelle geschätzt werden können. Aber vielleicht möchten Sie kubische (X1*X1*X1) und/oder teilweise kubische (X1*X1*X2) Terme in Ihrem Modell testen.

Ich hoffe das hilft.

Phil

Betreff: Mangelnde Passform bei gesichtszentriertem Verbunddesign

Sowohl Victor als auch Phil haben ausgezeichnete Ratschläge gegeben und einige großartige Fragen gestellt. Versuchen Sie dies, erstellen Sie eine Teilmenge der Datentabelle nur für die Mittelpunkte. Sortieren Sie sie in Laufreihenfolge. Zeichnen Sie sie, Sie können ein X-, MR-Diagramm oder einen Graph Builder verwenden. Gibt es Muster oder ungewöhnliche Datenpunkte? Ist die Variation, die in den Mittelpunkten zu sehen ist, repräsentativ für eine „typische“ Variation im Prozess? Wahrscheinlich benötigen Sie KMU-Hilfe, um die Daten zu analysieren.

Betreff: Mangelnde Passform bei gesichtszentriertem Verbunddesign

Neben dem anderen tollen Kommentarformular @Victor_G , @Statman , Und @Phil_Kay , sieht die Stud-Residual-Darstellung vielleicht so aus, als ob eine Schwärzung vor sich geht, die nicht erklärt wird; für die ersten 30 oder so Läufe sind die Residuen niedrig verzerrt, die nächsten 20 oder so sind hoch verzerrt. Wurden alle Läufe an einem Tag durchgeführt? Über mehrere Tage? Verschiedene Analysten usw.?

Betreff: Mangelnde Passform bei gesichtszentriertem Verbunddesign

Beide Bilder zeigen Plots, die Muster aufgrund mangelnder Anpassung aufweisen. Beachten Sie, wie genau die Replikationen mit den Abweichungen von der Identitätslinie im Diagramm „Ist nach Vorhergesagt“ oder den Abweichungen von Y = 0 im Residuendiagramm verglichen werden? Wie wurde die Replikation durchgeführt? Waren die Läufe vollständig randomisiert? (Jeder Lauf wurde in zufälliger Reihenfolge ausgewählt und alle Faktoren wurden vor dem nächsten Lauf zurückgesetzt?)

Mangelnde Passform bei flächenzentriertem Verbundwerkstoffdesign

Grüße.

 

Ich bin ein Doktorand mit nicht-ingenieurwissenschaftlichem Hintergrund und verwende JMP 17 Pro seit einem Monat. Dies ist das erste Mal, dass ich JMP-Software verwende, und ich habe über die JMP-Website, YouTube und Chemistry World Selbststudien durchgeführt, um zu RSM zu gelangen, aber es fällt mir schwer, das Problem der fehlenden Anpassung zu beheben. Ich habe meinen Optimierungsprozess mit einem fraktionierten faktoriellen Design (2^6-2) begonnen, um die wichtigen Faktoren mithilfe eines 2-Ebenen-Screenings zu überprüfen. Von dort aus erstellte ich ein flächenzentriertes zusammengesetztes Design für drei signifikante Faktoren unter Verwendung einer etwas breiteren Flugbahn mit sechs zusätzlichen Mittelpunkten, in dreifacher Ausfertigung mit zufälliger Laufreihenfolge unter Verwendung von RSM im klassischen Design. Das Ergebnis waren 60 Experimente, darunter 18 Mittelpunkte für mehrere Verbindungen, die Signale messen. Ich hatte nur zwei Verbindungen mit unbedeutendem Mangel an Anpassung, der Rest war p < 0,001. Meine Frage ist:

1. Wie kann ich überprüfen, ob die hohe Anzahl an Mittelpunkten die Verzerrung in der Modellierung für andere Verbindungen verursacht?

2. Ist es in Ordnung, die Mittelpunkte zu entfernen und alle anderen Reaktionen für die Modellierung beizubehalten?

3. So überprüfen Sie, ob das Modell im JMP zum quadratischen oder einem Polynom höherer Ordnung passt, um es anzupassen, bevor Sie das Instrument optimieren.

4. Ich lese @Phil_Kay schlug die Verwendung von vor Beste Teilmenge und SVEM-Lasso in Gen Reg für ein ähnliches Problem in einem anderen Beitrag. Wo finde ich weitere Details zur Datenanalyse mit diesen beiden Ansätzen zur Anpassung des RSM, um den gewünschten Mangel an Anpassung im DOE zu erhalten?

5. Wenn dies nicht der Fall ist, wie kann das Experiment erweitert werden, um die gewünschte fehlende Anpassung zu erreichen?

 

Bitte helfen Sie mir.

Danke

 

 

Residuals PlotResiduals PlotResiduendiagrammActual versus Predicted PlotActual versus Predicted Plot Tatsächliche versus vorhergesagte Darstellung

Versuchsplanung