Re: カスタム DOE - カテゴリ因子と混合因子の最適なアプローチサラ、コミュニティへようこそ。 残念ながら、具体的なアドバイスを提供するのに十分なコンテキストがありません。 回答よりもはるかに多くの質問と一般的なアドバイスがあります...実行するのに最適な実験はありません。 「これまでに設計した中で最高の設計は、実行後に設計した設計です」. 複数の実験を展開し、それぞれから何を学べるかを予測し、これをそれぞれに必要なリソースと対比することをお勧めします。 また、実験への反復的なアプローチもお勧めします。 KISS (Keep It Simple and Sequential)。 1 回の実験ですべてを学習して最適化しようとしないでください。 代わりに、まず何が重要で何が重要でないかを特定して知識を増やし、測定システムが適切であることを確認してください。 効果の階層を考えてみましょう。 次に、重要な要素をどこに設定するかを考え始めることができます。
あなたへのいくつかの質問/コメント:
1. 測定システムに質問します。 栄養価や塩分はどのくらい正確に測れるの？ 味覚と嗅覚の感覚的尺度 (ヘドニック スケールのような順序データ セット) が得られます。 評価者内および評価者間の変動をどのように説明しますか? 評価者のバイアスをどのように説明しますか?
2. 2 つのカテゴリ要因がわかりません。 要因「質感」とは？ バッチに何かを追加していますか? 何？ 「アロマ」とは？ Texture と Aroma は、X 変数ではなく、応答変数のように聞こえます。 最初の実験で 3 レベルを使用する理由は何ですか?
3. 混合計画は、私が最適化実験であると考えているものです。 これを行う準備はできていますか？ 現在のプロセスがバッチで実行されているとしましょう。 バッチ、バッチ間、または測定変動内で、どの変動成分が最も重要か? バッチ間の変動が大きい場合は、1 つのバッチの成分を最適化する前に、その理由を把握する必要があります。
4.混合物の下の2番目の箇条書きがわかりませんか? 値が 2 つある場合、定数にはなりません。
5. プロセスのノイズを理解していますか? 例: 水質、バッチの均質性、周囲条件、成分のロット間の変動、日々の変動など。
6. 反復と反復の違いを理解していますか?
Re: カスタム DOE - カテゴリ因子と混合因子の最適なアプローチ以下に回答した回答と関連する質問に感謝します（斜体）。 情報が十分に正確でなかったことをお詫びします。
より多くのコンテキストについては、スープ内のさまざまなチャンクのさまざまな量を調査したいと考えています。 すべて同じチャンク (チキン、豆など) を持つ 3 つの異なる風味のスープがあります。 特定のレシピでシェフが作成したバージョンがすでにいくつかありますが、許容できる感覚特性を損なうことなく、栄養面をどこまで押し上げることができるかを調査したいと考えています.
1. 測定システムに質問します。 栄養価や塩分はどのくらい正確に測れるのでしょうか？ 味覚と嗅覚の感覚的尺度 (ヘドニック スケールのような順序データ セット) が得られます。 評価者内および評価者間の変動をどのように説明しますか? 評価者のバイアスをどのように説明しますか?
評価者は、このバイアスを減らすためのトレーニングを受けます。 感覚セッション (日) の違いに対するブロッキング ファクターを含めます。 正確な栄養計算を行います（外部検査機関を使用）。
2. 2 つのカテゴリ要因がわかりません。 要因「質感」とは？ バッチに何かを追加していますか? 何？ 「アロマ」とは？ Texture と Aroma は、X 変数ではなく、応答変数のように聞こえます。 最初の実験で 3 レベルを使用する理由は何ですか?
テクスチャ カテゴリとは、1 つのバージョンをチャンク内の成分とともに残し、もう 1 つのバージョンを混合するという事実を指します。 内容は同一となります。
アロマカテゴリー - リキッドベースの3つの異なるフレーバー（同量） - チキン/ベジタブル/ココナッツ
3. 混合計画は、私が最適化実験であると考えているものです。 これを行う準備はできていますか？ 現在のプロセスがバッチで実行されているとしましょう。 バッチ、バッチ間、または測定変動内で、どの変動成分が最も重要か? バッチ間の変動が大きい場合は、1 つのバッチの成分を最適化する前に、その理由を把握する必要があります。
フォーカスグループ、テスト、シェフの作成を通じて、レシピをある程度「最適化」しています。 官能特性に影響を与えることなく、特定の成分をどれだけ増やしたり（タンパク質）、減らしたり（塩分）できるかを調べて、栄養成分を最適化したい.
これらのレシピの「参考」バージョンがあり、さまざまな感覚特性の望ましいレベルのガイドラインとして役立ちます (そのため、許容できる味と食感を損なうことなく、どれだけのタンパク質を追加し、どれだけ塩分を減らすことができるかを調査することを目指しています)。
異なる液体ベースのスープの 3 つのカテゴリがあり、材料の塊が異なる液体とどのように相互作用するかをテストしたいため、3 つのアロマ カテゴリがあります。
4.混合物の下の2番目の箇条書きがわかりませんか? 値が 2 つある場合、定数にはなりません。
この要素を削除しました。 すべての混合係数が可変になりました (その後、線形制約も削除しました)。
5. プロセスのノイズを理解していますか? 例: 水質、バッチの均一性、周囲条件、成分のロット間の変動、日々の変動など。
私たちはノイズを最小限に抑えようとしています - 官能評価者のトレーニング、日々の変動のブロック、テストされるすべてのレシピの 1 つの生産など。
6. 反復と反復の違いを理解していますか?
私はしませんでしたが、今はします!!
あなたのコメントに従って、カスタム DoE を調整しました (添付の pdf 内)。 モデル評価の部分では、アロマ 1 とアロマ 2 を示しています。これは、3 つのカテゴリ レベルがあるためですか?
Re: カスタム DOE - カテゴリ因子と混合因子の最適なアプローチ青字でさらにいくつかの考えを示しますが、無視してもかまいません。
より多くのコンテキストについては、スープ内のさまざまなチャンクのさまざまな量を調査したいと考えています。 すべて同じチャンク (チキン、豆など) を持つ 3 つの異なる風味のスープがあります。 特定のレシピでシェフが作成したバージョンがすでにいくつかありますが、許容できる感覚特性を損なうことなく、栄養面をどこまで押し上げることができるかを調査したいと考えています.
私は混乱しています。一方で、あなたはすでに最適化されていることを示しています ("フォーカスグループ、テスト、シェフの作成を通じて、レシピをある程度「最適化」しています....私見、これが、反復するときに複数のYを評価する理由です（多変量）。 異なる Y を順番に追跡することは、効果がなく、非効率的です。
1. 測定システムに質問します。 栄養価や塩分はどのくらい正確に測れるのでしょうか？ 味覚と嗅覚の感覚的尺度 (ヘドニック スケールのような順序データ セット) が得られます。 評価者内および評価者間の変動をどのように説明しますか? 評価者のバイアスをどのように説明しますか?
評価者は、このバイアスを減らすためのトレーニングを受けます。 感覚セッション (日) の違いに対するブロッキング ファクターを含めます。 正確な栄養計算を行います（外部検査機関を使用）。
私見ですが、トレーニングは一貫性に役立つ可能性がありますが、感覚バイアスには影響しない可能性があります. 感覚バイアスを軽減する鍵は、評価から感情を取り除くことです。 たとえば、どれが好きですか? と尋ねるのではなく、専門のシェフを使用して、序数スケール (少なくとも 5 つのカテゴリ) を表すサンプルを作成し、どれが一致するかを尋ねます。 サンプルを外部ラボに送信しても、測定値が有用であるとは限りません。 また、実験計画の目的では、精度よりも精度を重視します (測定システムの変動を少なくする必要があります)。 ラボで同じサンプルを複数回テストする必要があります。
2. 2 つのカテゴリ要因がわかりません。 要因「質感」とは？ バッチに何かを追加していますか? 何？ 「アロマ」とは？ Texture と Aroma は、X 変数ではなく、応答変数のように聞こえます。 最初の実験で 3 レベルを使用する理由は何ですか?
テクスチャ カテゴリとは、1 つのバージョンをチャンク内の成分とともに残し、もう 1 つのバージョンを混合するという事実を指します。 内容は同一となります。
アロマカテゴリー - リキッドベースの3つの異なるフレーバー（同量） - チキン/ベジタブル/ココナッツ
わかりましたので、要因の名前は、実際に変更しているもの (チャンク サイズとフレーバー) を参照しています。 これらはかなり異なる感覚反応を生み出す可能性があるため、ベース（フレーバー）でブロックすることを検討するかもしれません.
3. 混合計画は、私が最適化実験であると考えているものです。 これを行う準備はできていますか？ 現在のプロセスがバッチで実行されているとしましょう。 バッチ、バッチ間、または測定変動内で、どの変動成分が最も重要か? バッチ間の変動が大きい場合は、1 つのバッチの成分を最適化する前に、その理由を把握する必要があります。
フォーカスグループ、テスト、シェフの作成を通じて、レシピをある程度「最適化」しています。 官能特性に影響を与えることなく、特定の成分をどれだけ増やしたり（タンパク質）、減らしたり（塩分）できるかを調べて、栄養成分を最適化したい.
後視は20/20です。 これらを最初のレシピ実験に含めることをお勧めします.
これらのレシピの「参考」バージョンがあり、さまざまな感覚特性の望ましいレベルのガイドラインとして役立ちます (そのため、許容できる味と食感を損なうことなく、どれだけのタンパク質を追加し、どれだけ塩分を減らすことができるかを調査することを目指しています)。
これらの「参照バージョン」を使用して序数スケールを作成します。
異なる液体ベースのスープの 3 つのカテゴリがあり、材料の塊が異なる液体とどのように相互作用するかをテストしたいため、3 つのアロマ カテゴリがあります。
スープの一貫性 (塊) がフレーバーと相互作用する理由 (または気にする理由) を理解しているかどうかはわかりませんが、フレーバーをブロックする場合は、ブロックごとの相互作用を推定できます。 チャンクの相互作用によるフレーバーの知識で何をするかについてもっと考えていると思います...私には、フレーバーごとに異なるモデルが必要になるでしょう...それはフレーバーをブロックする利点です.. .それは、比較できる同じ要因に対する 3 つの別々の実験のようなものです。
4.混合物の下の2番目の箇条書きがわかりませんか? 値が 2 つある場合、定数にはなりません。
この要素を削除しました。 すべての混合係数が可変になりました (その後、線形制約も削除しました)。
5. プロセスのノイズを理解していますか? 例: 水質、バッチの均一性、周囲条件、成分のロット間の変動、日々の変動など。
私たちはノイズを最小限に抑えようとしています - 官能評価者のトレーニング、日々の変動のブロック、テストされるすべてのレシピの 1 つの生産など。
これはあなたがすべきことではありません。 将来の状況を代表するデザインスペースを作成したいと考えています。 消費者の感覚はさまざまであり、製造プロセスも異なり、原材料もさまざまです。
実験条件の正確な標準化は万能薬として思慮なく主張されることが多いが、高度に標準化された実験は、標準化によって達成された狭い範囲の条件に関してのみ直接的な情報を提供するという本当の欠点を常に伴う.したがって、標準化は、実際には常にそうであるように、これらの条件が多少異なる場合、同様の結果を推測するための根拠を強化するのではなく、弱めます。
RA フィッシャー (1935)、実験計画法 (p.99-100)
6. 反復と反復の違いを理解していますか?
私はしませんでしたが、今はします!!
あなたのコメントに従って、カスタム DoE を調整しました (添付の pdf 内)。 モデル評価の部分では、アロマ 1 とアロマ 2 を示しています。これは、3 つのカテゴリ レベルがあるためですか?
私はここであなたの論理に従わないのですか？ 私はあなたがフランス語を使っていることに気づきましたが、私は使いません。
カスタム DOE - カテゴリ因子および混合因子に対する最適なアプローチカスタム DOE を作成しているのですが、最適なレシピを作成するためのヒントやアドバイスをいただければ幸いです。
構築されたものよりも優れた DOE アプローチはありますか、または心に留めておくべきその他の要素はありますか?
反応:
- さまざまな栄養価を最大限に活用
- 塩分の量を最小限に抑える
- 味と匂いのスコアの目標を達成
要因:
- カテゴリカル –> テクスチャ 2 レベル: T1 / T2
- カテゴリ別 --> 香り 3 レベル: A1/A3/A3
- 混合
- 変動する成分: C1 / C2 / C3 / C34
- 一定の成分（フレーバー液体）。 JMP は 2 つの異なる値のみを受け入れるため、モデル内では定数になりますが、2 つの異なる値に注目しました。
- 水 - この要素は、一定の成分と変化する成分の合計が 100 gr 未満に等しい場合に含まれます。
- ブロッキング：パネルテスト日の差（1日あたり6レシピをテスト）
線形制約の定義:
- 一定の成分 (液体) 間の比率を維持する 2 つの線が追加されます。 = 69.6% ) および可変成分 (C1 /C2 /C3 / C4) =30.4% )
モデル:
- 第 2 レベルの相互作用も選択されました。 モデルの特異性を回避するには、「モデル」パラメーターの要素の 1 つを任意に削除する必要があります。
- 水とフレーバー液体を除去した。 水または塩基のいずれかが関与する第 2 レベルの相互作用も削除されました (実行回数を減らすため、また主成分の影響により関心があるため)。
- エイリアス – すべての第 2 レベルのインタラクション
- 実行可能な最大数 = 50、上記のモデルの推奨数 = 48 (つまり、すべて問題ありません)。
実行例:
質問:
- 中央実行と反復実行の数を決定するにはどうすればよいでしょうか?
- エイリアシングと診断をどのように解釈すればよいですか?
構築されたものよりも優れた DOE アプローチはありますか、または心に留めておくべきその他の要素はありますか?
私の最初の DOE に対する助けや洞察に感謝します。
実験計画法
