Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
Prego ! Sono felice di leggere che ti senti a tuo agio con questo design e che lo proverai in laboratorio.
Si prega di inviare alcune notizie su come è andata e, in caso di problemi o domande, la community di JMP è qui! 
Buon fine settimana anche a te @ADouyon !Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Grazie mille, @Victor_G , per la tua preziosa assistenza nel perfezionare questo design! lo apprezzo sinceramente!!!
Ora mi sento più a mio agio e fiducioso nel testare questo progetto in laboratorio 
Grazie per tutti i tuoi chiarimenti super utili e per rispondere sempre così velocemente!
Buon fine settimana, @Victor_G !!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
Fantastico, penso che abbia più senso prima essere sicuri degli effetti e delle interazioni principali, quindi aumentare il progetto per ottimizzare la previsione della varianza.
1- Se puoi eseguire i tuoi esperimenti per batch di 12 esecuzioni, è più sicuro e consigliato utilizzare il blocco. Nel tuo caso, un blocco casuale come hai fatto tu sembra una buona scelta, poiché non sei particolarmente interessato a conoscere la differenza tra le due esecuzioni, ma più sulla variabilità delle due esecuzioni.
2- Il problema con la piattaforma "Augment Design" è che probabilmente perderai il tuo blocco casuale (perché anche se lo metti nei fattori prima di lanciare la piattaforma, non verrà preso in considerazione dopo, e lo farai solo avere accesso all'opzione "Aumenta", non a quella "Replica"). Due opzioni per poter aumentare il tuo design e replicarlo:
- Basta copiare le prime 24 righe, incollarle dopo e modificare i livelli di blocco casuali (1 diventa 3, 2 diventa 4).
- Si genera direttamente un progetto di 48 esecuzioni, specificando nella generazione del progetto che si desidera eseguire 24 esecuzioni replicate, per gruppo di 12 esperimenti. Finirai con il design tv8 (allegato) e da lì potrai eseguire direttamente i 48 esperimenti di questo design se disponi di un budget sperimentale sufficiente.
I due approcci sono simili, anche se il secondo (tv8 rispetto a tv7 aumentata tramite copia/incolla) è più efficiente (migliore ripartizione delle esecuzioni sperimentali nei diversi blocchi, vedi screenshot).
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Grazie @Mark_Bailey per il chiarimento!!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Ciao @Victor_G , grazie mille per il chiarimento e la rapida risposta, come sempre!!
Ho perfezionato il mio design ora per includere tutti e 4 i fattori ( non ignorando X4 poiché l'effetto di questo fattore è ancora completamente sconosciuto) e tutte le interazioni con la stimabilità impostate su "necessario", così come l'effetto quadratico della mia variabile temporale (X3) anch'esso impostato su "necessario". Ho mantenuto gli altri effetti quadratici delle altre 3 variabili (X1, X2, X3) con la stimabilità impostata su "se possibile" poiché presumo ci sarà la curvatura, quindi mi piacerebbe aumentare il design in futuro.
[Mi aspetto effetti significativi dai termini di interazione con la maggior parte dei fattori, ad eccezione delle interazioni con la variabile X4, fattore di cui non ho alcuna informazione in anticipo. Ecco perché, ho mantenuto tutte le interazioni sulla stimabilità impostata su "necessario" in questo design raffinato].
Nel mio design permeabile, "i_tv5_Iopt_changedEst_remov2_24runs" , avevo rimosso i termini 'X1*X1' e 'X2*X4', ma poiché non ho alcuna prova che questi non siano significativi , (e in base ai vari chiarimenti con cui mi hai aiutato) Ho deciso di mantenerli nel nuovo design lucido ('X1*X1' con stimabilità impostata su 'se possibile' e 'X2*X4' impostata su 'necessario').
Il design raffinato denominato "tv6_Dopt_24rns_QTermsIfPoss_ExceptX3X3_110322" è allegato.
La varianza sembra essere aumentata ora, ma da quello che mi hai spiegato, capisco che va bene dato che ho intenzione di aumentare questo progetto in futuro.
Ora, mi chiedevo, quanto è importante la variabile "blocco"?
I miei esperimenti possono essere eseguiti in un contenitore (di reazione) che può testare specificamente fino a 12 diverse condizioni (trattamenti) alla volta . Poiché questo disegno ha 24 diversi trattamenti (24 corse), dovrò prima eseguire 12 trattamenti e completare l'esperimento. Quindi, separatamente, una volta terminato questo primo lotto di 12 trattamenti, farò un altro esperimento con il resto dei 12 trattamenti. Devo aggiungere la variabile "blocco", quindi?
Ho provato ad aggiungere questa variabile di "blocco" inserendo il numero "12" dove dice "Il gruppo si imbatte in blocchi di dimensioni casuali" (= 12) (disegno allegato, denominato "tv7_liketv6_withBlocking"). Ho notato che questo ha leggermente aumentato la mia varianza (vedi screenshot, colore arancione per questo design tv7.
1- Ho fatto correttamente questa parte @Victor_G ?
2- E, dato che ho spazio nel contenitore per i duplicati, ora posso anche aumentare il design per duplicarlo, giusto? Cosa devo fare con la variabile "blocco casuale" durante la duplicazione del disegno? Vedi il primo screenshot allegato, devo aggiungerlo anche nella casella "X, factor"?
Molte grazie @Victor_G !!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?La varianza della previsione è un'informazione utile quando si confrontano due o più progetti quando la previsione è l'obiettivo principale di questo esperimento: minore è la varianza, migliore è il progetto.
Ricorda che non ci sono informazioni sulla varianza della risposta prima che i dati vengano raccolti. Questo grafico presuppone che questa varianza sia 1, il che è improbabile. Il grafico presuppone anche il modello lineare e le sue ipotesi, inclusa la varianza costante in tutto l'intervallo di risposta. Se disponi di una stima della risposta, moltiplica la scala in questo grafico per la stima per conoscere l'effettiva varianza della previsione. La radice quadrata di questa varianza è l'errore standard di previsione.
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
- Hai ragione, poiché aggiungi pochi fattori allo schermo, ti ho consigliato di aggiungere l'effetto quadratico per il tempo, poiché i processi chimici o biologici raramente dipendono linearmente nel tempo, quindi potrebbe essere meglio avere questo termine quadratico direttamente nel modello . E poiché avevi "vincoli" con questo fattore tempo (per i decimali), scegli un tipo numerico discreto con 3 livelli per questo fattore, che aggiunge automaticamente i termini quadratici nel modello con la stimabilità "se possibile", quindi dovresti essere ok con queste impostazioni
- Questi bucket non sono completamente separati l'uno dall'altro, è più un aiuto e una guida durante il processo di creazione del DoE, per autovalutare in quale fase ti trovi. A seconda del tuo budget sperimentale, può essere allettante fare solo un grande DoE, ma potrebbe essere una mancanza di risorse, poiché la maggior parte degli effetti probabilmente non sarà significativa o avrà una grande influenza sulla risposta. Questo è il motivo per cui tendo a descrivere l'uso del DoE durante uno studio con questi 3 passaggi: screening, ottimizzazione e previsione, in quanto aiuta a capire cosa già sai del sistema e cosa vorresti sapere per comprendere ulteriormente e prevedere il tuo sistema. Ho utilizzato nei precedenti corsi di formazione DoE la figura che ho inserito come screenshot qui. Ma come dici tu, a seconda della situazione può sembrare un po' troppo semplicistico e tutti gli studi che utilizzano DoE non passano attraverso queste 3 fasi, poiché la conoscenza precedente, l'esperienza del dominio o i dati storici possono aiutare ad avere una buona comprensione del sistema.
Nel tuo caso, il tuo numero di fattori è piuttosto basso, ma non sei sicuro del significato di alcuni effetti (X4 e interazioni/effetto quadratico che coinvolge X4). Quindi sceglierei un criterio di D-ottimalità per valutare le stime dei parametri nel modo più preciso possibile e avere la possibilità di ordinare gli effetti significativi da quelli non significativi.
Il tuo progetto ha senso e il DoE di 24 corse ("i_tv5_Iopt_changedEst_remov2_24runs") eseguito prima della replica sembra un buon compromesso tra dimensioni delle corse e screening degli effetti. E a causa della presenza di 5 esecuzioni replicate, dovresti essere in grado di stimare il rumore nella tua risposta e la mancanza di adattamento.
Potrebbe non essere già un modello predittivo (a seconda della precisione che si desidera avere), ma è un primo buon passo per valutare quali termini sono significativi e da lì è possibile aumentare il progetto per migliorare la precisione della previsione.
Spero che questa risposta ti possa aiutare,
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Grazie @Victor_G per la rapida risposta e per la risposta chiara!!
- Quindi, ma se uno dei miei fattori è il tempo, allora aggiungeresti direttamente gli effetti/i termini quadratici in questo primo progetto di "Proof of Concept" o aspetteresti ancora di aggiungerlo in seguito (nella prossima iterazione) durante l'aumento?
Ricordo che nel mio primissimo post mi hai avvertito che se ho un fattore che è il tempo ed è una variabile continua, dovrei avere effetti quadratici ( https://docs.google.com/presentation/d/1BOYJfa54Kt2MnH5TrSpSOOr6-GLIwlJKUhZPFK8gxXM/edit?usp=sharing ). Sebbene il mio fattore tempo sia un fattore numerico discreto (a causa del fatto che non posso accettare i decimali) con 3 livelli, questo fa la differenza?
- In JMP DOE, sembra che separiamo davvero le cose in secchi a seconda dello scopo; 1) screening, 2) ottimizzazione, 3) previsione.
Ma le persone hanno sempre una separazione così netta nel loro lavoro/progettazione?
Il mio design ha 4 fattori, di cui 3 so per certo hanno un effetto principale significativo. C'è solo 1 fattore (X4) che non sono sicuro se sarà molto significativo nel design (sospetto, non sarà così significativo come gli altri 3, ma non ho prove). Sospetto che gli effetti di interazione saranno significativi con la maggior parte dei termini di interazione (probabilmente tutti quelli tranne quelli che interagiscono con X4, che ancora una volta non credo saranno così significativi, ma non ho prove). [E, sospetto che avrò anche effetti quadratici...]
Quindi, sembra che il mio design sia come una miscela di screening (perché ho un fattore di cui non so nulla) + ottimizzazione (perché ho 3 fattori che sono sicuro al 99,999..% hanno un effetto davvero significativo). Avrebbe senso? Potresti chiarire questo @Victor_G poiché ciò influisce sul criterio di ottimalità scelto per cominciare (sono confuso se dovrei scegliere D- o I-ottimalità)?
Grazie mille @Victor_G !!!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Ciao @ADouyon ,
Sì, generalmente non fai un solo progetto, ma continui ad aumentarlo più volte man mano che aumenta la tua conoscenza del processo/sistema/formulazione.
Puoi iniziare esaminando solo gli effetti principali (a seconda del numero di fattori e del numero richiesto di esecuzioni, puoi aggiungere termini di interazione direttamente in questa fase), quindi le interazioni per ottimizzare la conoscenza del sistema e quindi gli effetti quadratici per costruire un solido sistema predittivo modello.
A seconda del numero e del tipo di fattori, potrebbero esserci alternative migliori: ad esempio, per un numero elevato di fattori (> 5 e solo fattori categoriali continui o a 2 livelli), i disegni di screening definitivi (DSD) potrebbero essere una buona scelta per lo screening degli effetti principali in modo imparziale e hanno la possibilità di rilevare alcune interazioni e termini quadratici.
Spero che questa risposta ti possa aiutare,
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?grazie mille @Victor_G !! Ciò ha senso!
Quindi, in generale, è buona pratica testare prima i termini di interazione con i fattori principali e aumentare successivamente aggiungendo termini quadratici? (sto solo confermando poiché il tuo suggerimento ha questo ordine).
Molte grazie @Victor_G !!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Ciao @ADouyon ,
Non esiste una "regola rigida" o un "valore limite" su quanto dovrebbe essere bassa la varianza (relativa?) della previsione, poiché questo requisito può variare a seconda dell'argomento, del dominio e del valore aziendale. In alcuni domini e applicazioni specifiche (come il farmaceutico), esistono norme sulla precisione richiesta dei modelli, in altri questo valore è lasciato alla discrezione degli scienziati/sperimentatori. Dovrebbe esserci un compromesso tra un'adeguata precisione in base al possibile budget sperimentale e ai vincoli dello spazio progettuale/sperimentale.
Non sono sorpreso dal confronto e dai risultati che hai tra i due progetti, poiché aumentando il numero di esecuzioni diminuirà la varianza della previsione (avrai più gradi di libertà, e di conseguenza una migliore stima degli errori/rumore e degli effetti ).
Se sei in una fase di "prova di concetto" e non sei del tutto sicuro di quali fattori inserire nel tuo modello e progetto, trovo piuttosto pericoloso rimuovere un fattore se non sei del tutto sicuro che questo fattore non abbia alcun effetto sulla risposta (S).
Per stare al sicuro, preferirei iniziare con un progetto che abbia una varianza di previsione più elevata (ma più fattori valutati), per essere sicuro di non perdere un effetto. Una volta eseguito questo screening (sugli effetti principali e sulle interazioni), è sempre possibile aumentare il progetto per ridurre la varianza della previsione (modello predittivo) e/o inserire nuovi termini nel modello (come gli effetti quadratici per l'ottimizzazione del modello).
La tua scelta dipenderà dalla fase in cui ti trovi per la progettazione (screening, ottimizzazione, previsione?) e dalla conoscenza che già possiedi del tuo processo/prodotto/formulazione/...
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Ciao @Victor_G !
Grazie mille per la risposta, super utile!!
Per dare seguito a ciò, quanto deve essere bassa la varianza della previsione? quale sarebbe il valore di taglio?
Nella pagina della guida di JMP, si dice " Si desidera una bassa varianza di previsione."
Sono tra due progetti DOE, 'tv5' (24 trattamenti, 48 corse perché duplicato) E 'tv7' (12 trattamenti, 24 corse perché duplicato) , entrambi allegati. In termini di varianza prevista, il progetto "tv5" ha una varianza prevista migliore (inferiore).
Ma "tv5" ha il doppio del numero di trattamenti di "tv7" (24 vs 12), il che significa che posso fare gli esperimenti molto più velocemente con "design tv7". Design 'tv7' ha solo 3 fattori; Ho eliminato "X4" per cercare di ridurre il numero di esperimenti necessari. Vorrei che questo primo esperimento fosse solo una prova del concetto, per mostrare cosa possiamo ottenere con JMP, quindi preferisco non avere troppi trattamenti/esecuzioni nel mio primo progetto, ma sono preoccupato che la varianza prevista sia troppo alto per tv7, vero?
Molte grazie, @Victor_G !!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
Per quanto riguarda la tua prima domanda sulla tua efficienza G inferiore alla tua efficienza D, è piuttosto difficile confrontare diverse metriche di efficienza solo su un progetto. Ricorda che le metriche di efficienza sono misure/statistiche aggregate dei criteri di ottimalità, quindi possono fornire una buona panoramica quando si confrontano i progetti, ma non sono sufficienti per prendere una decisione.
- Se sei preoccupato per la precisione delle tue risposte previste, penso che il "Profilo di varianza di previsione" sia molto più informativo, poiché puoi esplorare e determinare in quale area del tuo spazio sperimentale la tua previsione di varianza relativa è la più alta. Nel tuo ultimo progetto, avrai una previsione della varianza relativa piuttosto alta quando X2 è al livello più basso (1) e X4 al più alto (10), il che è normale perché a causa delle combinazioni non consentite, non ci saranno punti in quest'area (vedi screenshot "Experimental-space-X4-X2"). Ciò può anche spiegare perché la misura aggregata per l'ottimalità G, l'efficienza G, è bassa (a causa dell'area sperimentale ristretta, che aumenta la varianza relativa della previsione).
Quindi puoi ottenere una buona comprensione visualizzando i tuoi punti/spazio sperimentali e guardando il "profilo di variazione della previsione". Vedere Profilo di varianza della previsione (jmp.com) per maggiori dettagli e per calcolare la varianza effettiva della previsione.
Per quanto riguarda la tua seconda domanda, questi valori di risposta anticipati non sono una previsione della risposta, perché se lo fossero, supponiamo che tu sappia già qual è il valore esatto dei coefficienti nel tuo modello di regressione, quindi probabilmente non farai un progetto sperimentale se lo sapevi già.
È più una guida/aiuto che puoi usare in due modi diversi:
- Per sapere, in base al modello che crei e ai coefficienti del modello che puoi liberamente scegliere/modificare, quali valori puoi aspettarti dalle risposte sperimentali (non dimenticare di cambiare il coefficiente della tua intercettazione per avere valori di risposta nell'intervallo di quello che ti aspetteresti, e non centrato intorno a 0/1, a seconda degli altri coefficienti).
- Per valutare, con l'aiuto della colonna Power, quale sarebbe la differenza più bassa rilevabile (o la probabilità di rilevare ed effettuare) con il tuo progetto, per un livello di significatività specifico e RMSE.
Spero che questa risposta possa essere utile,
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Pertanto, i valori predefiniti di 1 per RMSE e tutti i coefficienti sono utili. Questa configurazione riflette il caso in cui ci si aspetta che il valore assoluto di tutti gli effetti sia almeno il doppio dell'RMSE. Si tratta di un confronto relativo.
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Grazie @Mark_Bailey per chiarire!
Ciò ha senso!
Quindi, in questo momento i coefficienti previsti per impostazione predefinita sono tutti 1. Poiché tutti i coefficienti hanno lo stesso valore (=1), le risposte previste sono molto simili tra i vari trattamenti/sequenze (comprese tra -0,9 e 9). Giusto? Tuttavia, nella vita reale questi valori probabilmente non saranno tutti uguali e probabilmente anche questi valori non saranno uguali a 1 . Ho capito bene?
Grazie mille!!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?Sì, è proprio questo che significa. Queste informazioni sono un controllo di coerenza se si utilizza l'analisi della potenza in questo modo. È possibile inserire i coefficienti previsti e rivedere la risposta prevista per ogni esecuzione, oppure è possibile inserire la risposta prevista e rivedere i coefficienti corrispondenti ottenuti dall'analisi di regressione. Sono solo due modi diversi per indicare a JMP l'entità degli effetti previsti per eseguire l'analisi della potenza. Sono diversi, ma devono essere coerenti.
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @Victor_G , grazie mille per aver dedicato del tempo a spiegare tutto e per avermi indicato risorse aggiuntive! È molto utile!
Mi chiedevo, è il fatto che l'efficienza G (32) è inferiore all'efficienza D (41) una preoccupazione se il mio obiettivo è ottimizzare e prevedere con precisione la risposta ottimale (non vagliare i fattori)?
Inoltre, ho letto il Pagina della guida di JMP su "Struttura di progettazione e risposte anticipate" . Dice espressamente " Lo schema Progettazione e risposte anticipate mostra la progettazione preceduta da una colonna Risposta anticipata. Ogni voce nella prima colonna è la risposta anticipata corrispondente alle impostazioni di progettazione. La risposta anticipata viene calcolata utilizzando i coefficienti previsti... La risposta anticipata è IL valore di risposta ottenuto utilizzando i valori del coefficiente previsto come coefficienti nel modello. Quando viene visualizzato per la prima volta il contorno, il calcolo dei valori di risposta anticipata si basa sui valori predefiniti nella colonna Coefficiente previsto. Quando si impostano nuovi valori nella colonna Risposta prevista, fare clic su Applicare le modifiche alle risposte previste per aggiornare le colonne Coefficiente previsto e Potenza" .
Tuttavia, sono ancora un po' confuso poiché la spiegazione è piuttosto breve. Questi valori di risposta previsti non sono una previsione della risposta, giusto? Questi valori non significano che questi valori di risposta sono ciò che dovrei aspettarmi dopo aver fatto gli esperimenti in laboratorio, vero?
Questi valori attualmente vanno da -0,9 a 9 nel mio progetto duplicato i_tv5 (allegato), ma questo non significa che dovrei aspettarmi di ottenere una risposta all'interno di questo intervallo -0,9-9 dopo aver fatto l'esperimento in laboratorio, vero? ?
Grazie @Victor_G !!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
Innanzitutto, ho appena controllato la sezione della guida di JMP e, utilizzando la piattaforma "Confronta progetti", la spiegazione che ho fornito sul rapporto di efficienza è corretta. Vedere Disegni di tirature diverse (jmp.com)
Per quanto riguarda le tue nuove domande:
- Poiché i vincoli fanno parte della creazione del progetto (vengono presi in considerazione per sapere quale parte dello spazio sperimentale è ristretto/proibito e l'algoritmo di scambio delle coordinate tenta di inserire i punti in questo nuovo spazio nel modo più ottimale), è possibile Non modificare i vincoli dopo aver generato il tuo progetto. Altrimenti, potresti trovare punti che si trovano nella parte appena proibita/limitata del tuo spazio sperimentale, quindi queste corse non saranno fattibili. Temo che dovrai ricominciare da capo. Se stai parlando dei vincoli e del problema che ho identificato con i nomi delle variabili, puoi modificare lo script, ma controlla che i nomi delle variabili siano corretti nella mia modifica per essere sicuro che la tabella dati che hai già rispettare i vincoli.
Se clicchi sullo script "DoE Dialog", vedrai aprirsi una nuova finestra, con tutte le informazioni che avevi poco prima di cliccare su "Make Design", così potrai verificare quale fosse la stimabilità dei termini nel tuo design (vedi screenshot).
- Poiché questo X4*X4 non è un termine stimabile "necessario", non lo vedrai nella piattaforma "Evaluate Design", perché il numero di esecuzioni è inferiore al numero totale di parametri che si desidera stimare (necessario + se possibile). Nella guida di JMP sulla diagnostica del progetto: " Queste diagnostiche non vengono mostrate per i progetti che includono fattori con modifiche impostate su Difficile o Molto Difficile o effetti con Stimabilità designata come Se possibile." (fonte: Diagnostica del progetto (jmp.com) ). Ecco perché si ha una diagnostica del progetto "peggiore" quando si confronta questo progetto con un progetto che ha questo termine stimabilità impostato su "Necessario" (poiché questa volta viene preso in considerazione nella valutazione del progetto).
Ma nell'analisi si mantiene ancora questo termine, perché se un effetto principale è per esempio non significativo, questo lascia liberi alcuni gradi di libertà per stimare un altro effetto/termine. Puoi leggere maggiori dettagli su questo design specifico (con termini stimabili "Se possibile") qui: Criteri di ottimalità (jmp.com) Esistono diversi modi per analizzare questo tipo di design, ne ho citati alcuni in un altro tuo post: Risolto: Re: Errore durante il confronto di più progetti DOE - Comunità utenti JMP
Suggerirei di mantenere il tuo progetto con la stimabilità del termine X4*X4 impostato su "Se possibile" e di provare ad aumentare il tuo progetto se le risposte che hai misurato mostrano una forte indicazione che questo termine potrebbe essere significativo e/o se manchi di precisione per le risposte previste. DoE non è necessariamente un approccio "fai tutto in una volta", spesso è meglio iniziare con progetti più piccoli e aumentarli nel modo più efficiente e ottimale (approccio sequenziale/iterativo).
3. Troverai le tue risposte qui: Analisi della potenza (jmp.com) È possibile modificare liberamente i valori di risposta anticipata (o coefficiente anticipato) per vedere come si comportano i coefficienti anticipati (o inversamente come cambiano i valori di risposta anticipata). Non dimenticare di modificare il coefficiente di intercettazione per avere risposte superiori a 10 nel tuo caso concreto se vuoi essere più vicino alle risposte previste per il tuo caso d'uso.
4. Il criterio di ottimalità può cambiare a seconda del modo in cui si aumenta il progetto. Ad esempio, se si passa da un progetto di screening a un progetto RSM (aggiungendo interazioni e termini quadratici nel modello), il criterio di ottimalità può cambiare da D a I ottimale. L'opzione migliore è controllare quale è impostato da JMP (puoi guardare nella tabella, appena sotto il nome della tabella e sopra gli script, quale criterio è stato scelto e come è stato generato il progetto), o impostarlo se sai in anticipo (triangolo rosso nella piattaforma Custom Design, criterio di ottimalità, quindi scegli quello più rilevante).
Spero che questa risposta ti possa aiutare,
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @Victor_G E @Mark_Bailey ! Grazie per l'aiuto! Molto apprezzato!
@Mark_Bailey , grazie per l'intuizione! Simile a @Victor_G , mi chiedo anche se questo rapporto 0,5 e ~ 0,333 (efficienza) che vediamo confrontando rispettivamente con un design duplicato o triplicato, abbia qualche significato allora?
1- Grazie @Victor_G per aver colto quell'errore nei vincoli! Mi chiedo, posso effettivamente modificare i vincoli dopo aver già generato la tabella DOE o devo ricominciare da capo?
Sulla stessa nota, dopo aver già generato una tabella DOE, come posso verificare/vedere la "stima" dei vari termini (effetti principali, termini quadratici, ecc.)?
2- Ho anche notato un'altra cosa strana che accade con il mio design (ora aggiornato) (i_tv5 allegato). Ho specificato il X4*X4 termine come “se possibile” nella selezione 'stimabilità'.
Dopo aver generato la tabella DOE, quando vado a controllare il "> Modello" (sul pannello di sinistra), vedo tutti i termini che ho incluso prima di generare il progetto. Tuttavia, se vado su '> Evaluate Design' (sempre nel pannello di sinistra), noto che il termine X4*X4 è scomparso. Non si vede lì.JMP ha rimosso quel termine dal progetto perché non ci sono abbastanza esecuzioni per analizzare quel termine x4*x4 (il numero totale di #esecuzioni è 24)?
Se cambio la stimabilità di questo termine in "necessario", il progetto diventa peggiore (allegato): a) la varianza della previsione è più alta, b) l'analisi della potenza è tutta 0 ec) le efficienze del progetto sono 10 volte inferiori.
Questo problema con il termine x4*x4 mi crea difficoltà quando si confrontano i progetti. Stavo cercando di confrontare questo disegno con un disegno duplicato (allegato). Il messaggio di errore si presenta di nuovo ☹ “Il modello per il progetto primario non può adattarsi a tutti i progetti. Rimozione di termini modello inestimabili.
Come posso risolvere questo? Ignoro semplicemente questo messaggio di errore se JMP lo ignorerà comunque? Credo che questo termine X4*X4 potrebbe non essere significativo (ma non sicuro al 100%).A causa della limitazione delle risorse, non posso eseguire più di 24 esecuzioni.
Cosa consiglieresti se posso fare solo 24 corse e allo stesso tempo penso che questo termine potrebbe non essere molto significativo (ma non l'ho mai provato prima)?
3- D'altra parte; cosa significano i valori sotto "Progettazione e risposte anticipate" (vedi schermata) Significare? Questi valori non hanno alcun senso per me. L'obiettivo di questo progetto è massimizzare la risposta. Ho impostato il limite inferiore a 10. I valori che vedo in questa sezione "Progettazione e risposte anticipate" sono <10, o 0 o alcuni sono valori negativi. È una preoccupazione?
4- Un'ultima domanda veloce: Quando aumento un progetto, il criterio di ottimalità rimane nel progetto aumentato? Ho notato che quando duplico un progetto aumentandolo, il progetto duplicato sembra tornare al criterio di ottimalità 'consigliato'…. Ma qual è il raccomandato da JMP, è l'ottimalità D o I, che cos'è?
Grazie a tutti per il vostro aiuto!!
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @Mark_Bailey ,
Gli screenshot forniti sono presi dalla piattaforma "Confronta i progetti", quindi le efficienze sono "già" relative, poiché vengono calcolate rispetto al "peggiore" progetto qui (v5 con 18 esecuzioni).
Quindi le efficienze di v5 rispetto a v6 (36 esecuzioni) sono 0,5 (efficienze v5/v6 = 0,5), il che dovrebbe significare che le efficienze di v6 sono 2 volte superiori a quelle di v5?
E se la logica è corretta, allora le efficienze di v5 rispetto a v7 (54 corse) sono 0,333, il che significa che le efficienze di v7 sono 3 volte superiori a quelle di v5, quindi v7 è il miglior design (rispetto ad altri), non v6 che ha efficienze progettuali relative pari a 0,5 rispetto a v5.
O ho capito male qualcosa?
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?La scala per la varianza della previsione utilizzata dal grafico FDS sembra errata. Sospetto che tutti i valori siano superiori al massimo sulla scala. Hai provato a cambiare la scala?
La potenza è sempre inferiore per termini di ordine superiore. Inoltre, la potenza non è così importante quando non si utilizza l'analisi per determinare quali effetti sono importanti. La varianza della previsione è più importante quando si utilizza il modello per ottimizzare le impostazioni dei fattori.
Le efficienze sono normalizzate per il numero di esecuzioni, quindi la replica di un progetto non cambierà l'efficienza. L'efficienza non è utile come metrica assoluta. Ti informa sul progetto corrente rispetto a un progetto teorico, cosa spesso impossibile. Usalo come misura comparativa per confrontare due o più disegni. Quindi il progetto con efficienza = 1/2 è migliore del progetto con efficienza = 1/3.
Ri: Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO @ADouyon ,
Per la tua prima domanda, la frazione della trama dello spazio di progettazione è vuota per ogni singolo progetto, il che è strano. Guardando il tuo script delle combinazioni non consentite, potrebbe esserci un problema, poiché il nome dei tuoi fattori nel datatable non è lo stesso nello script "Combinazioni non consentite" (quindi JMP potrebbe perdersi nell'interpretare cosa sia "Impulsi" e quale colonna è è per esempio).
Quando cambio lo script "Combinazioni non consentite" con nomi anonimi per le colonne (X1, X2, X3, X4), sono in grado di vedere la frazione della trama dello spazio di progettazione per ogni singolo progetto e appare nel confronto dei disegni (vedi screenshot ). Lo script corretto delle combinazioni non consentite è qui (assicurati di non aver commesso errori nell'invertire X1/X2/X4 nello script):
X2 == 1 & (X4 >= 0.0595238095238095 & X4 <= 10) | (
X2 == 2 | X2 == 3) & X4 == 0
Per la tua seconda domanda con il confronto dell'efficienza dei progetti, tieni presente che il tuo riferimento in questa piattaforma basato sui tuoi screenshot è il v5 (quindi il progetto più piccolo con 18 esecuzioni). Quindi JMP calcolerà il parente efficienze di v5 rispetto a v6 e v7 (come frazioni: efficienza v5 divisa per efficienza V6 o v7 per tutti i criteri di efficienza). Sulla base del tuo screenshot, puoi vedere che v6 sarà 2 volte più efficiente di v5 per i criteri di efficienza D/G/A/I quando aggiungi 18 esecuzioni e v7 sarà 3 volte più efficiente di v5 per D/G/A /I criteri di efficienza quando si aggiungono 36 esecuzioni (poiché le efficienze relative di v5 sono 0,333 rispetto a v7).
Se vuoi vedere il confronto basato sul tuo progetto "medio" con 36 tirature, avvia la piattaforma di confronto del design dal datatable del tuo progetto a 36 tirature. Dovresti avere il confronto relativo come mostrato nel mio screenshot allegato (e vedrai infatti che v6 ha valori di efficienza relativa 2 volte superiori rispetto a v5).
Confronto DoEs- Perché le efficienze D/G/A/I- sono tutte uguali e terribilmente BASSE?CIAO,
Sto lavorando su Custom DoE (JMP16). Ho 4 fattori (1 continuo e 3 numeri discreti, con vincoli). Ho 1 risposta. So che questi 4 fattori sono importanti e hanno interazioni. Mio L'obiettivo è quello di ottimizzare la risposta per trovare i livelli di fattori ottimali che si traducono nella massima efficienza possibile. Ho incluso tutti gli effetti quadratici e di interazione.
Sto usando l'ottimalità I poiché questo non è un progetto di screening.
- Il primo progetto (v5) non ha repliche. Ha 18 piste in totale.
- Il secondo design (v6) ha duplicati. Ha un totale di 36 corse (l'ho aumentato).
- Il terzo design (v7) ha tre copie. Ha un totale di 54 run (l'ho aumentato).
Per questo esperimento che ho intenzione di fare, è più facile per me aggiungere duplicati o triplicati (delle stesse condizioni) una volta in laboratorio. Ecco perché non mi importa se ho più esecuzioni, purché queste siano delle stesse condizioni (duplicati o triplicati), perché sono in grado di eseguirle tutte insieme purché siano repliche delle stesse 18 esecuzioni iniziali.
[Se invece dovessi utilizzare semplicemente la funzione "aggiungi esecuzioni replicate", JMP aggiunge troppe altre esecuzioni con troppe condizioni diverse da testare (limitazione delle risorse). Ad esempio, quando si aggiungono solo 4 esecuzioni replicate, JMP genera un progetto con un totale predefinito di esecuzioni =27, ovvero troppe condizioni diverse da testare...Ecco perché Ho deciso di replicare il mio intero progetto utilizzando invece la funzione di aumento .]
- Sto confrontando i design v5, v6 e v7 (in allegato). Tuttavia, la mia trama "Fraction of Design Space" è vuota. Perché è vuoto? o i dati sono molto piccoli e non riesco a vederli?
- "Power Analysis" e "Power Plot" sembrano abbastanza buoni per v6 e v7. Ma sono comunque interessato a ottimizzare la risposta (non negli effetti principali).
- Tuttavia, le efficienze D/G/A/I- sono terribilmente SCARSE e sono tutte UGUALI. Sono tutti uguali perché il design v6 è un duplicato del design v5 e il design v7 è un triplo del design v5? e perché questi valori sono così BASSI (0,5 e 0,3)?I miei progetti sono cattivi?
Ho provato a cercare questo, ma tutto quello che ho trovato sulla guida DOE è:
"I valori di efficienza relativa che superano 1 indicano che il progetto di riferimento è preferibile per la misura data. Valori inferiori a 1 indicano che il progetto confrontato con il progetto di riferimento è preferibile. Il design a 16 cicli ha un'efficienza inferiore rispetto agli altri due design in tutte le metriche, il che indica che i design più grandi sono preferibili".
Ma questo non mi ha aiutato molto.
Grazie in anticipo!!
Progettazione di esperimentiMac OS
