DoE 비교 - D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕,
Custom DoE(JMP16) 작업을 하고 있습니다. 저는 4개의 요소(제약 조건이 있는 1개의 연속 및 3개의 불연속 숫자)가 있습니다. 1개의 응답이 있습니다. 이 4가지 요소가 중요하고 상호 작용이 있다는 것을 알고 있습니다. 나의 목표는 반응을 최적화하여 최적 요인 수준을 찾는 것입니다. 그 결과 가능한 최고의 효율성을 얻을 수 있습니다. 모든 2차 및 상호 작용 효과를 포함했습니다.
선별 설계가 아니기 때문에 I-최적성을 사용하고 있습니다.
- 첫 번째 디자인(v5)에는 복제가 없습니다. 총 18개의 실행이 있습니다.
- 두 번째 디자인(v6)이 중복되었습니다. 총 36개의 실행이 있습니다(증가했습니다).
- 세 번째 디자인(v7)은 3배입니다. 총 54개의 실행이 있습니다(증가했습니다).
내가 계획하고 있는 이 실험의 경우 실험실에서 한 번 중복 또는 (동일한 조건의) 3중을 추가하는 것이 더 쉽습니다. 그렇기 때문에 동일한 조건(중복 또는 삼중)에 있는 한 더 많은 실행이 있어도 상관 없습니다. 동일한 초기 18 실행의 복제인 한 모두 함께 실행할 수 있기 때문입니다.
[대신 단순히 "복제 실행 추가" 기능을 사용하는 경우 JMP는 내가 테스트할 수 있는 조건이 너무 많은 실행을 너무 많이 추가합니다(리소스 제한). 예를 들어, 4개의 반복 실행을 추가할 때 JMP는 기본 실행 총계가 27인 설계를 생성합니다. 이는 테스트하기에는 너무 다양한 조건입니다. 증강 기능을 사용하는 대신 전체 디자인을 복제하기로 결정했습니다. .]
- 디자인 v5, v6 및 v7(첨부)을 비교하고 있습니다. 그러나 내 "디자인 공간의 일부" 플롯은 비어 있습니다. 왜 비어 있습니까? 또는 데이터가 너무 작아서 볼 수 없습니까?
- "Power Analysis" 및 "Power Plot"은 v6 및 v7에서 꽤 좋아 보입니다. 그러나 어쨌든 반응을 최적화하는 데 관심이 있습니다(주효과가 아님).
- 그러나 D/G/A/I- 효율성은 매우 열악하고 모두 동일합니다. 디자인 v6은 디자인 v5의 중복이고 디자인 v7은 디자인 v5의 3개이기 때문에 모두 같은 것입니까? 이 값이 왜 그렇게 낮습니까(0.5 및 0.3)?내 디자인이 나쁜가요?
이것을 찾아보려고 했지만 DOE 가이드에서 찾은 것은 다음과 같습니다.
"1을 초과하는 상대 효율성 값은 기준 설계가 주어진 측정에 대해 선호됨을 나타냅니다. 1보다 작은 값은 참조 디자인과 비교할 디자인이 더 낫다는 것을 나타냅니다. 16회 실행 디자인은 모든 메트릭에서 다른 두 디자인보다 효율성이 낮아 더 큰 디자인이 선호됨을 나타냅니다."
하지만, 이것은 나에게 별로 도움이 되지 않았다.
미리 감사드립니다!!
암사슴맥 OSRe: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
천만에요 ! 이 디자인이 마음에 드셨다는 소식을 듣고 기쁩니다. 실험실에서 사용해 보시게 될 것입니다.
결과에 대한 몇 가지 소식을 보내주세요. 문제나 질문이 있는 경우 JMP 커뮤니티가 여기 있습니다! 
주말도 잘 보내세요 @ADouyon !Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?매우 감사합니다, @Victor_G , 이 디자인을 다듬는 데 귀중한 도움을 주셔서 감사합니다! 진심으로 감사합니다!!!
이제 실험실에서 이 디자인을 테스트하는 것이 더 편안하고 자신 있게 느껴집니다 
모든 유용한 설명과 항상 빠른 답변에 감사드립니다!
좋은 주말 보내세요, @Victor_G !!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
좋습니다. 먼저 주 효과와 상호 작용에 대해 확신한 다음 설계를 보강하여 분산 예측을 최적화하는 것이 더 합리적이라고 생각합니다.
1- 12번의 배치로 실험을 실행할 수 있다면 차단을 사용하는 것이 더 안전하고 권장됩니다. 귀하의 경우 두 실행의 차이를 아는 데 특별히 관심이 없지만 두 실행의 변동성에 더 관심이 있기 때문에 귀하와 같은 무작위 블록이 좋은 선택으로 보입니다.
2- "Augment Design" 플랫폼의 문제점은 임의 차단을 잃을 가능성이 있다는 것입니다. "복제" 옵션이 아닌 "증강" 옵션에 액세스할 수 있음). 디자인을 보강하고 복제할 수 있는 두 가지 옵션:
- 처음 24개 행을 복사하고 뒤에 붙여넣은 다음 임의의 블록 수준을 변경하기만 하면 됩니다(1이 3이 되고 2가 4가 됨).
- 12개의 실험 그룹별로 24개의 반복 실행을 원하는 설계 생성을 지정하여 48개의 런 설계를 직접 생성합니다. 결국 디자인 tv8(첨부)이 나오게 되며, 거기에서 실험 예산이 충분하다면 이 디자인의 48가지 실험을 직접 실행할 수 있습니다.
두 가지 접근 방식은 유사하지만 두 번째 방식(복사/붙여넣기로 TV7을 확장한 것과 비교하여 tv8)이 더 효율적입니다(다른 블록에서 실험 실행을 더 잘 재분할, 스크린샷 참조).
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?감사합니다 @Mark_Bailey 설명을 위해!!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕하세요 @Victor_G , 항상 그렇듯이 설명과 빠른 응답에 대단히 감사합니다!!
이제 4가지 요소( ~ 아니다 이 요인의 효과가 아직 완전히 알려지지 않았기 때문에 X4 무시) 및 추정 가능성과의 모든 상호 작용은 '필요'로 설정되고 내 시간 변수(X3)의 2차 효과도 '필요'로 설정됩니다. 다른 3개 변수(X1, X2, X3)의 다른 2차 효과는 곡률이 있을 것으로 예상하여 추정 가능성을 '가능한 경우'로 유지했기 때문에 향후 설계를 보강하고 싶습니다.
[미리 정보가 없는 변수 X4와의 상호 작용을 제외하고 대부분의 요인과의 상호 작용 항에서 상당한 효과를 기대합니다. 그렇기 때문에 이 세련된 디자인에서 추정 가능성에 대한 모든 상호 작용을 '필요'로 설정했습니다].
내 이전 디자인에서, "i_tv5_Iopt_changedEst_remov2_24runs" , 'X1*X1' 및 'X2*X4'라는 용어를 제거했습니다. 그러나 이것이 중요하지 않다는 증거가 없기 때문에 , (그리고 당신이 저를 도와준 다양한 설명을 바탕으로) 나는 그것들을 새로운 세련된 디자인으로 유지하기로 결정했습니다. ('X1*X1'은 추정 가능성이 '가능한 경우'로 설정되고 'X2*X4'는 '필요'로 설정됨).
"tv6_Dopt_24rns_QTermsIfPoss_ExceptX3X3_110322"라는 세련된 디자인이 첨부됩니다.
지금은 편차가 커진 것 같지만 설명해주신 내용으로 볼 때 앞으로 이 디자인을 보강할 계획이므로 이 정도면 괜찮은 것으로 알고 있습니다.
이제 "차단" 변수가 얼마나 중요한지 궁금합니다.
내 실험은 특별히 테스트할 수 있는 (반응) 컨테이너에서 실행할 수 있습니다. 한 번에 최대 12가지 조건(치료) . 이 디자인에는 24가지 처리(24 실행)가 있으므로 먼저 12가지 처리를 실행하고 해당 실험을 완료해야 합니다. 그런 다음 별도로 12가지 처리의 첫 번째 배치를 마치면 나머지 12가지 처리로 또 다른 실험을 할 것입니다. 그렇다면 "차단" 변수를 추가해야 합니까?
"그룹이 크기의 임의 블록으로 실행"(= 12)(첨부된 디자인, "tv7_liketv6_withBlocking")이라는 숫자 '12'를 입력하여 이 "차단" 변수를 추가해 보았습니다. 이로 인해 분산이 약간 증가했음을 알았습니다(스크린샷 참조, 이 tv7 디자인의 경우 주황색.
1- 내가 이 부분을 제대로 했는가 @Victor_G ?
2- 그리고 컨테이너에 복제를 위한 공간이 있으므로 이제 디자인을 보강하여 복제할 수도 있습니다. 맞습니까? 디자인을 복제할 때 "랜덤 블록" 변수는 어떻게 합니까? 첨부된 첫 번째 스크린샷을 참조하십시오. 'X, factor' 상자에도 추가해야 합니까?
정말 감사합니다 @Victor_G !!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?예측 분산은 예측이 이 실험의 주요 목표인 경우 둘 이상의 설계를 비교할 때 유용한 정보입니다. 분산이 낮을수록 설계가 더 좋습니다.
데이터가 수집되기 전에는 반응의 분산에 대한 정보가 없다는 점을 기억하십시오. 이 플롯은 이 분산이 1이라고 가정하며 이는 가능성이 낮습니다. 플롯은 또한 응답 범위 전체에서 일정한 분산을 포함하여 선형 모델과 해당 가정을 가정합니다. 응답에 대한 추정치가 있는 경우 이 도표의 척도에 추정치를 곱하여 실제 예측 분산을 알아내십시오. 이 분산의 제곱근은 예측의 표준 오차입니다.
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
- 맞습니다. 화면에 몇 가지 요소를 추가하기 때문에 시간에 대한 2차 효과를 추가할 것을 권장했습니다. 화학적 또는 생물학적 프로세스는 시간이 지남에 따라 거의 선형으로 종속되지 않기 때문에 이 2차 항을 모델에 직접 포함하는 것이 가장 좋을 수 있습니다. . 그리고 이 시간 요소(소수점의 경우)에 "제약"이 있었기 때문에 이 요소에 대해 3개 수준의 불연속 숫자 유형을 선택합니다. 그러면 "가능한 경우" 추정 가능성이 있는 모델에 2차 항이 자동으로 추가되므로 다음과 같아야 합니다. 이 설정으로 확인하십시오.
- 이러한 버킷은 서로 완전히 분리되어 있지 않으며, DoE 생성 프로세스 중에 자신이 어느 단계에 있는지 자체 평가하는 데 도움이 되고 안내하는 역할을 합니다. 실험 예산에 따라 하나의 큰 DoE만 수행하고 싶을 수 있지만 대부분의 효과가 중요하지 않거나 응답에 큰 영향을 미치지 않기 때문에 리소스가 부족할 수 있습니다. 이것이 내가 시스템에 대해 이미 알고 있는 것과 추가로 이해하고 이해하기 위해 알고 싶은 것을 파악하는 데 도움이 되는 스크리닝, 최적화 및 예측의 3단계로 연구 중에 DoE의 사용을 설명하는 경향이 있는 이유입니다. 시스템을 예측하십시오. 이전 DoE 교육에서 여기에 스크린샷으로 삽입한 그림을 사용했습니다. 그러나 당신이 말했듯이 상황에 따라 약간 지나치게 단순해 보일 수 있으며 DoE를 사용하는 모든 연구는 이전 지식, 도메인 경험 또는 과거 데이터가 시스템을 공정하게 이해하는 데 도움이 될 수 있으므로 이 3단계를 거치지 않습니다.
귀하의 경우 요인의 수는 매우 적지만 일부 효과(X4 및 X4와 관련된 상호 작용/2차 효과)의 중요성에 대해 확신이 없습니다. 따라서 매개변수 추정치를 가능한 한 정확하게 평가하기 위해 D-최적성 기준을 선택하고 중요하지 않은 효과에서 중요한 효과를 분류할 수 있습니다.
귀하의 디자인은 의미가 있으며 복제 전에 수행된 24회 실행 DoE("i_tv5_Iopt_changedEst_remov2_24runs")는 실행 크기와 효과 스크리닝 간에 좋은 절충안처럼 보입니다. 그리고 5번의 반복 실행이 있기 때문에 반응의 잡음과 적합성 결여를 추정할 수 있어야 합니다.
원하는 정밀도에 따라 이미 예측 모델이 아닐 수도 있지만 어떤 항이 중요한지 평가하는 첫 번째 좋은 단계이며 거기에서 설계를 보강하여 예측 정밀도를 개선할 수 있습니다.
이 답변이 도움이 되길 바라며,
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?감사해요 @Victor_G 빠른 답변과 명확한 답변을 위해!!
- 그렇다면 내 요인 중 하나가 시간이라면 이 첫 번째 '개념 증명' 디자인에 2차 효과/항을 직접 추가하시겠습니까, 아니면 증강할 때 나중에(다음 반복에서) 추가하기를 여전히 기다리시겠습니까?
내 첫 번째 게시물에서 당신이 나에게 시간과 연속 변수인 요소가 있으면 2차 효과가 있어야 한다고 경고했던 것을 기억합니다( https://docs.google.com/presentation/d/1BOYJfa54Kt2MnH5TrSpSOOr6-GLIwlJKUhZPFK8gxXM/edit?usp=sharing ). 내 시간 요소는 3단계의 이산 숫자(소수점을 받아들일 수 없기 때문에) 요소이지만 이것이 차이를 만들까요?
- JMP DOE에서는 실제로 목적에 따라 항목을 버킷으로 구분하는 것 같습니다. 1) 스크리닝, 2) 최적화, 3) 예측.
그러나 사람들은 작업/디자인에서 항상 그렇게 명확한 구분을 가지고 있습니까?
내 설계에는 4가지 요인이 있으며 그 중 3가지가 중요한 주효과를 갖는다는 것을 확실히 알고 있습니다. 설계에서 매우 중요한지 확신할 수 없는 요소(X4)는 1개뿐입니다(다른 3개만큼 중요하지는 않을 것 같지만 증거가 없습니다). 나는 상호 작용 효과가 대부분의 상호 작용 용어에서 중요할 것이라고 생각합니다(아마도 X4와 상호 작용하는 항목을 제외한 모든 용어는 중요하지 않을 것이라고 생각하지만 증거는 없습니다). [그리고 2차 효과도 있을 것 같은데...]
따라서 내 디자인은 스크리닝(내가 아무것도 모르는 한 가지 요소가 있기 때문에) + 최적화(내가 99.999..% 확실히 중요한 효과가 있다고 확신하는 세 가지 요소가 있기 때문에)의 혼합과 같은 것 같습니다. 그게 말이 되겠습니까? 이것을 명확히 할 수 있습니까? @Victor_G 이것은 시작하기 위해 선택한 최적성 기준에 영향을 미치기 때문에(D-최적성을 선택해야 하는지 I-최적성을 선택해야 하는지 혼란스럽습니다)?
대단히 감사합니다 @Victor_G !!!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕하세요 @ADouyon ,
예, 일반적으로 하나의 디자인만 수행하는 것이 아니라 프로세스/시스템/공식에 대한 지식이 증가함에 따라 계속해서 여러 번 확장합니다.
주효과만 선별하여 시작할 수 있습니다(요인 수와 필요한 실행 수에 따라 이 단계에서 상호작용 항을 직접 추가할 수 있음). 그런 다음 상호작용을 통해 시스템에 대한 지식을 최적화한 다음 2차 효과를 통해 강력한 예측을 구축할 수 있습니다. 모델.
요인의 수와 유형에 따라 더 나은 대안이 있을 수 있습니다. 예를 들어 요인 수가 많은 경우(>5, 연속 또는 2수준 범주 요인만) DSD(확정적 선별 설계)가 좋은 선택일 수 있습니다. 편향되지 않은 방식으로 주요 효과를 스크리닝하고 일부 상호 작용 및 2차 항을 감지할 수 있습니다.
이 답변이 도움이 되길 바라며,
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?정말 고마워 @Victor_G !! 말이 되네요!
따라서 일반적으로 상호 작용 항을 먼저 주요 요인으로 테스트하고 나중에 2차 항을 추가하여 보강하는 것이 좋은 방법입니까? (귀하의 제안에 이 순서가 있으므로 확인하는 것입니다).
정말 감사합니다 @Victor_G !!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕하세요 @ADouyon ,
이 요구 사항은 주제, 도메인 및 비즈니스 가치에 따라 다를 수 있으므로 (상대적?) 예측 분산이 얼마나 낮아야 하는지에 대한 "엄격한 규칙" 또는 "절단 값"은 없습니다. 일부 도메인 및 특정 응용 프로그램(예: 제약)에는 모델의 필수 정밀도에 대한 표준이 있으며, 다른 일부에서는 이 값이 과학자/실험자의 재량에 따라 결정됩니다. 가능한 실험 예산에 따른 적절한 정밀도와 설계/실험 공간의 제약 사이에 절충안이 있어야 합니다.
실행 횟수를 늘리면 예측 분산이 줄어들기 때문에 두 디자인 간의 비교 및 결과에 놀라지 않습니다(자유도가 더 높아져 결과적으로 오류/노이즈 및 효과를 더 잘 추정할 수 있습니다). ).
"개념 증명" 단계에 있고 모델과 디자인에 어떤 요소를 입력해야 할지 확실하지 않은 경우 이 요소가 반응에 영향을 미치지 않는다는 확신이 없다면 요소를 제거하는 것은 매우 위험합니다. (에스).
안전을 유지하려면 효과를 놓치지 않도록 예측 분산이 더 높은 설계(그러나 더 많은 요소가 평가됨)로 시작하는 것이 좋습니다. 이 스크리닝이 완료되면(주요 효과 및 상호 작용에 대해) 항상 설계를 보강하여 예측 분산(예측 모델)을 줄이거나 모델에 새 용어를 입력할 수 있습니다(예: 모델 최적화를 위한 2차 효과).
귀하의 선택은 귀하가 현재 설계 단계(스크리닝, 최적화, 예측?) 및 프로세스/제품/제형/...에 대해 이미 가지고 있는 지식에 따라 달라집니다.
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕하세요 @Victor_G !
답변 정말 감사합니다, 큰 도움이 됩니다!!
후속 조치를 취하려면 예측 분산이 얼마나 낮아야 합니까? 컷오프 값은 어떻게 될까요?
JMP 도움말 페이지에 " 낮은 예측 분산이 바람직합니다."
저는 두 개의 DOE 디자인 사이에 있습니다. 'tv5' (24회 처리, 중복이므로 48회 실행) 그리고 'tv7' (12회 처리, 중복이므로 24회 실행) , 둘 다 첨부됩니다. 예측 분산의 관점에서 설계 'tv5'는 더 나은(더 낮은) 예측 분산을 가집니다.
하지만 'tv5'는 'tv7'의 처리 횟수가 두 배(24 vs 12)이므로 '디자인 tv7'이 훨씬 빠르게 실험을 할 수 있습니다. 디자인 'tv7'에는 3가지 요소만 있습니다. 필요한 실험 수를 줄이기 위해 'X4'를 떨어뜨렸습니다. 저는 이 첫 번째 실험이 JMP로 달성할 수 있는 것을 보여주기 위한 개념 증명일 뿐이므로 첫 번째 설계에서 너무 많은 처리/실행을 사용하지 않는 것을 선호하지만 예측 분산이 너무 클까 걱정됩니다. tv7용으로 높죠?
정말 감사합니다, @Victor_G !!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
D 효율성보다 낮은 G 효율성에 대한 첫 번째 질문과 관련하여 하나의 설계에서만 다른 효율성 메트릭을 비교하는 것은 매우 어렵습니다. 효율성 메트릭은 최적성 기준의 집계된 측정/통계이므로 설계를 비교할 때 좋은 개요를 제공할 수 있지만 결정을 내리기에는 충분하지 않습니다.
- 예측된 응답의 정확성이 우려되는 경우 상대 분산 예측이 가장 높은 실험 공간 영역을 탐색하고 결정할 수 있으므로 "예측 분산 프로필"이 훨씬 더 유익하다고 생각합니다. 최신 설계에서는 X2가 가장 낮은 수준(1)이고 X4가 가장 높은 수준(10)일 때 상대 분산 예측이 상당히 높을 것입니다. 이는 허용되지 않는 조합으로 인해 이 영역에 포인트가 없기 때문에 정상입니다. (스크린샷 "실험 공간-X4-X2" 참조). 이는 또한 G-최적성, G-효율성에 대한 집계 측정값이 낮은 이유를 설명할 수 있습니다(제한된 실험 영역으로 인해 상대 예측 분산이 증가함).
따라서 실험 포인트/공간을 시각화하고 "예측 분산 프로필"을 보면 잘 이해할 수 있습니다. 보다 예측 분산 프로필(jmp.com) 자세한 내용 및 예측의 실제 분산 계산을 위해.
두 번째 질문과 관련하여 이러한 예상 응답 값은 응답의 예측이 아닙니다. 만약 그렇다면 회귀 모델에서 계수의 정확한 값이 무엇인지 이미 알고 있다고 가정하므로 실험 설계를 수행하지 않을 것입니다. 이미 알고 있다면.
두 가지 다른 방법으로 사용할 수 있는 가이드/도움말입니다.
- 생성한 모델과 자유롭게 선택/변경할 수 있는 모델 계수를 기반으로 실험 응답에서 기대할 수 있는 값을 알기 위해 (절편의 계수를 변경하여 응답 값이 다른 계수에 따라 0/1을 중심으로 하지 않음).
- 검정력 열을 사용하여 특정 유의 수준 및 RMSE에 대해 설계에서 감지할 수 있는 가장 낮은 차이(또는 감지 및 영향을 미칠 확률)가 무엇인지 평가합니다.
이 답변이 도움이 되길 바라며,
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?따라서 RMSE 및 모든 계수에 대한 기본값 1이 유용합니다. 이 설정은 모든 효과의 절대값이 RMSE의 2배 이상일 것으로 예상하는 경우를 반영한 상대적 비교입니다.
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?감사합니다 @Mark_Bailey 명확히하기 위해!
말이 되네요!
따라서 현재 기본적으로 예상되는 계수는 모두 1입니다. 모든 계수가 같은 값(=1)이기 때문에 예상되는 응답은 다양한 처리/실행 간에 매우 유사합니다(범위는 -0.9에서 9까지). 오른쪽? 그러나 실생활에서 이러한 가치는 아마도 모두 동일하지 않을 것이며 아마도 이러한 값이 1과 같지 않을 것입니다. . 내가 이것을 올바르게 이해 했습니까?
매우 감사합니다!!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?예, 그것이 바로 그 의미입니다. 이 정보는 전력 분석을 이런 식으로 사용하는 경우 일관성 검사입니다. 예상 계수를 입력하고 각 실행에 대한 예상 응답을 검토하거나 예상 응답을 입력하고 회귀 분석에서 얻을 해당 계수를 검토할 수 있습니다. 파워 분석을 수행할 것으로 예상되는 효과의 크기에 대해 JMP에 알리는 두 가지 다른 방법일 뿐입니다. 서로 다르지만 일관성이 있어야 합니다.
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @Victor_G , 시간을 내어 모든 것을 설명하고 추가 리소스를 알려주셔서 대단히 감사합니다! 매우 도움이 됩니다!
궁금했는데 사실이 G-효율성(32)이 D-효율성(41)보다 낮습니다. 내 목표가 최적화인 경우 문제가 됩니다. 최적의 응답을 정확하게 예측합니까(인자를 선별하지 않음)?
또한, 나는 "설계 및 예상 응답 개요"에 대한 JMP 도움말 페이지 . 구체적으로 " 설계 및 예상 응답 개요는 예상 응답 열이 선행하는 설계를 보여줍니다. 첫 번째 열의 각 항목은 설계 설정에 해당하는 예상 응답입니다. 예상 응답은 예상 계수를 사용하여 계산됩니다... 예상 응답은 그만큼 예상 계수 값을 모델의 계수로 사용하여 얻은 응답 값. 개요가 처음 표시되면 예상 반응 값의 계산은 예상 계수 열의 기본값을 기반으로 합니다. 예상 응답 열에 새 값을 설정할 때 예상 응답에 변경 사항 적용 예상 계수 및 전력 열을 업데이트하려면" .
그런데 설명이 너무 짧아서 헷갈립니다. 이러한 예상 응답 값은 응답에 대한 예측이 아닙니다. 이 값은 이러한 반응 값이 실험실에서 실험을 수행한 후 기대해야 하는 값이라는 의미가 아닙니다. 그렇죠?
이 값은 현재 내 i_tv5 복제 설계(첨부)에서 -0.9에서 9까지 범위이지만, 실험실에서 실험을 수행한 후 이 -0.9-9 범위 내에서 응답을 얻을 것으로 예상해야 한다는 의미는 아닙니다. ?
감사합니다 @Victor_G !!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
먼저 JMP 도움말 섹션을 확인했는데 플랫폼 "설계 비교"를 사용할 때 효율성 비율에 대해 설명했던 내용이 정확합니다. 보다 다양한 실행 크기의 디자인(jmp.com)
새로운 질문에 대해:
- 제약 조건은 디자인 생성의 일부이기 때문에(실험 공간의 어느 부분이 제한/금지되었는지 파악하고 좌표 교환 알고리즘이 이 새로운 공간에 포인트를 가장 최적의 방식으로 배치하려고 시도함) 디자인을 생성한 후에 제약 조건을 변경하지 마십시오. 그렇지 않으면 실험 공간의 새로 금지/제한된 부분에 있는 지점을 찾을 수 있으므로 이러한 실행이 불가능합니다. 다시 시작해야 할 것 같습니다. 내가 변수 이름으로 식별한 제약 조건과 문제에 대해 이야기하는 경우 스크립트를 편집할 수 있지만 내 편집에서 변수 이름이 올바른지 확인하여 이미 가지고 있는 디자인 테이블이 제약을 존중하십시오.
"DoE Dialog" 스크립트를 클릭하면 "Make Design"을 클릭하기 직전에 가지고 있던 모든 정보가 포함된 새 창이 열리는 것을 볼 수 있으므로 용어의 추정 가능성이 무엇인지 확인할 수 있습니다. 당신의 디자인에서 (스크린샷 참조).
- 이 X4*X4는 "필요한" 추정 가능한 용어가 아니므로 "Evaluate Design" 플랫폼에서 볼 수 없습니다. 실행 수가 추정하려는 총 매개변수 수보다 작습니다(필요 + 가능한 경우). 설계 진단에 대한 JMP 도움말에서: " 변경이 어려움 또는 매우 어려움으로 설정된 요인 또는 가능한 경우로 지정된 추정 가능성이 있는 효과를 포함하는 설계에 대해서는 이러한 진단이 표시되지 않습니다." (원천: 설계 진단(jmp.com) ). 그렇기 때문에 이 설계를 이 항 추정 가능성이 "필요"로 설정된 설계와 비교할 때 "더 나쁜" 설계 진단이 있는 것입니다(이번 설계 평가에서 고려됨).
그러나 분석에서 이 항은 여전히 유지됩니다. 예를 들어 주효과가 중요하지 않은 경우 다른 효과/항을 추정하기 위해 자유도를 어느 정도 확보할 수 있기 때문입니다. 여기에서 이 특정 디자인에 대한 자세한 내용을 읽을 수 있습니다("가능한 경우" 추정 가능한 용어 포함). 최적 기준(jmp.com) 이러한 유형의 디자인을 분석하는 방법에는 여러 가지가 있습니다. 귀하의 다른 게시물에서 몇 가지를 언급했습니다. 해결됨: Re: 여러 DOE 설계를 비교할 때 오류가 발생합니다. - JMP User Community
"가능한 경우"로 설정된 항 X4*X4의 추정 가능성을 사용하여 설계를 유지하고 측정한 응답이 이 항이 중요할 수 있다는 강력한 표시를 나타내는 경우 및/또는 정밀도가 부족한 경우 설계를 보강해 보십시오. 예상 응답에 대해. DoE는 반드시 "한 번에 모든 것을 수행"하는 접근 방식이 아니며, 작은 설계로 시작하여 가장 효율적이고 최적의 방식(순차적/반복적 접근 방식)으로 확장하는 것이 가장 좋은 경우가 많습니다.
3. 여기에서 답변을 찾을 수 있습니다. 전력 분석(jmp.com) 응답 예상(또는 계수 예상) 값을 자유롭게 변경하여 예상 계수가 어떻게 작동하는지(또는 반대로 응답 예상 값이 어떻게 변경되는지) 확인할 수 있습니다. 사용 사례에 대해 예상되는 응답에 더 가까워지려면 구체적인 사례에서 응답이 10을 초과하도록 절편 계수를 변경하는 것을 잊지 마십시오.
4. 설계를 보강하는 방식에 따라 최적성 기준이 변경될 수 있습니다. 예를 들어 선별 설계에서 RSM 설계로 이동하는 경우(모델에 교호작용 및 2차 항을 추가하여) 최적성 기준이 D에서 I 최적으로 변경될 수 있습니다. 가장 좋은 옵션은 JMP에서 설정한 것이 무엇인지 확인하는 것입니다(테이블 이름 바로 아래에 있는 테이블과 위의 스크립트에서 어떤 기준이 선택되었고 어떻게 디자인이 생성되었는지 확인할 수 있음). 전진(Custom Design 플랫폼의 빨간색 삼각형, 최적 기준을 선택한 다음 가장 관련성이 높은 것을 선택).
이 답변이 도움이 되길 바라며,
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @Victor_G 그리고 @Mark_Bailey ! 도와주셔서 감사합니다! 매우 감사!
@Mark_Bailey , 통찰력에 감사드립니다! 비슷하다 @Victor_G , 중복 또는 삼중 디자인과 비교할 때 각각 표시되는 이 0.5 및 ~0.333(효율성) 비율이 의미가 있는지 궁금합니다.
1- 감사합니다 @Victor_G 제약 조건에서 해당 오류를 잡기 위해! DOE 테이블을 이미 생성한 후에 제약 조건을 실제로 편집할 수 있습니까? 아니면 처음부터 다시 시작해야 합니까?
같은 맥락에서 이미 DOE 테이블을 생성한 후 다양한 항(주효과, 2차 항 등)의 '추정 가능성'을 어떻게 확인/확인할 수 있습니까?
2- 나는 또한 내 (현재 업데이트된) 디자인(i_tv5 첨부)에서 또 다른 이상한 일이 일어나는 것을 발견했습니다. 내가 지정 X4*X4 용어 "가능한 경우" '추정 가능성' 선택에서.
DOE 테이블을 생성한 후 '>모델'(왼쪽 패널)을 확인하면 디자인을 생성하기 전에 포함했던 모든 용어가 표시됩니다. 그러나 '> 디자인 평가'(왼쪽 패널에도 있음)로 이동하면 X4*X4라는 용어가 사라진 것을 알 수 있습니다. 거기에는 표시되지 않습니다.x4*x4 항(총 #run은 24회)을 분석하기에 충분한 런이 없기 때문에 JMP가 설계에서 해당 항을 제거했습니까?
이 용어의 추정 가능성을 '필수'로 변경하면 설계가 최악(첨부됨)이 됩니다.
x4*x4 용어와 관련된 이 문제는 디자인을 비교할 때 어려움을 줍니다. 이 디자인을 복제 디자인(첨부)과 비교하려고 했습니다. 오류 메시지가 다시 나타납니다 ☹ “일차 디자인에 대한 모델은 모든 디자인에 적합할 수 없습니다. 헤아릴 수 없는 모델 항을 제거합니다.”
이 문제를 어떻게 해결할 수 있습니까? 이 오류 메시지를 그냥 무시해도 됩니까? JMP에서 무시해도 됩니까? 나는 이 X4*X4 용어가 중요하지 않을 수 있다고 생각합니다(그러나 100% 확실하지는 않습니다).리소스 제한으로 인해 24회 이상 실행할 수 없습니다.
내가 24회만 실행할 수 있고 동시에 이 용어가 그다지 중요하지 않을 수 있다고 생각한다면(그러나 전에는 테스트한 적이 없음) 무엇을 추천하시겠습니까?
3- 반면에; "설계 및 예상 응답" 아래의 값은 무엇을 합니까? (스크린샷 참조) 평균? 그 가치는 나에게 전혀 의미가 없습니다. 이 설계의 목표는 응답을 최대화하는 것입니다. 하한선을 10으로 설정했습니다. 이 "설계 및 예상 응답" 섹션에 표시되는 값은 <10이거나 0 또는 일부는 음수 값입니다. 이것이 문제입니까?
4- 마지막 간단한 질문: 설계를 보강할 때 최적성 기준이 보강된 설계에 남아 있습니까? 디자인을 보강하여 복제하면 복제된 디자인이 '권장' 최적 기준으로 되돌아가는 것 같습니다… 그러나 JMP에서 권장하는 것은 무엇입니까? D- 또는 I-최적입니까?
도와주셔서 감사합니다!!
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @Mark_Bailey ,
제공된 스크린샷은 "디자인 비교" 플랫폼에서 가져온 것이므로 여기에서 "최악의" 디자인(v5, 18회 실행)과 비교하여 계산되었기 때문에 효율성은 "이미" 상대적입니다.
따라서 v5 대 v6(36회 실행)의 효율성은 0,5(효율 v5/v6 = 0,5)이며 이는 v6의 효율성이 v5보다 2배 더 높다는 것을 의미해야 합니까?
그리고 논리가 맞다면 v5 대 v7(54회 실행)의 효율성은 0,333이므로 v7의 효율성이 v5의 효율성보다 3배 더 높으므로 v7이 최고의 디자인(비교적 비교 대상)입니다. v5와 비교하여 0,5와 같은 상대 설계 효율성.
아니면 내가 뭔가 잘못 이해 했습니까?
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?FDS 플롯에서 사용하는 예측 분산의 척도가 잘못된 것 같습니다. 모든 값이 척도의 최대값보다 큰 것 같습니다. 스케일을 변경하려고 했습니까?
검정력은 고차 항에 대해 항상 낮습니다. 또한 어떤 효과가 중요한지 결정하기 위해 분석을 사용하지 않을 때는 검정력이 그다지 중요하지 않습니다. 모델을 사용하여 요인 설정을 최적화할 때 예측 분산이 더 중요합니다.
효율성은 실행 횟수에 대해 정규화되므로 설계를 복제해도 효율성이 변경되지 않습니다. 효율성은 절대적인 척도로 도움이 되지 않습니다. 종종 불가능한 이론적 설계와 관련된 현재 설계에 대해 알려줍니다. 두 개 이상의 디자인을 비교하기 위한 비교 측정으로 사용하십시오. 따라서 효율 = 1/2인 설계가 효율 = 1/3인 설계보다 낫습니다.
Re: DoE 비교- D/G/A/I 효율성이 모두 동일하고 매우 낮은 이유는 무엇입니까?안녕 @ADouyon ,
첫 번째 질문의 경우 디자인 공간 플롯의 일부가 각 개별 디자인에 대해 비어 있는데 이는 이상합니다. 허용되지 않는 조합 스크립트를 보면 데이터 테이블의 요소 이름이 "허용되지 않는 조합" 스크립트에서 동일하지 않기 때문에 문제가 있을 수 있습니다. 예)입니다.
열(X1, X2, X3, X4)에 대해 익명화된 이름으로 "허용되지 않는 조합" 스크립트를 변경하면 각 개별 디자인에 대한 디자인 공간 플롯의 일부를 볼 수 있으며 디자인 비교에 나타납니다(스크린샷 참조). ). 수정된 허용되지 않는 조합 스크립트는 여기에 있습니다(스크립트에서 X1/X2/X4를 반전하는 실수를 하지 않았는지 확인하십시오).
X2 == 1 & (X4 >= 0.0595238095238095 & X4 <= 10) | (
X2 == 2 | X2 == 3) & X4 == 0
디자인의 효율성 비교에 대한 두 번째 질문의 경우, 스크린샷을 기반으로 하는 이 플랫폼의 참조는 v5(따라서 18회 실행되는 가장 작은 디자인)임을 명심하십시오. 따라서 JMP는 다음을 계산합니다. 상대적인 v6 및 v7과 비교한 v5의 효율성(분수: 모든 효율성 기준에 대해 v5 효율성을 V6 또는 v7 효율성으로 나눈 값). 스크린샷을 기반으로 18회 실행을 추가하면 v6이 D/G/A/I 효율성 기준에 대해 v5보다 2배 더 효율적이고 v7이 D/G/A에 대해 v5보다 3배 더 효율적임을 알 수 있습니다. /I 효율성 기준은 36회 실행을 추가할 때입니다(v5의 상대적 효율성은 v7에 비해 0,333이기 때문에).
36개의 런이 있는 "중간" 디자인을 기반으로 비교를 보려면 36개의 런 디자인의 데이터 테이블에서 디자인 비교 플랫폼을 실행하십시오. 첨부된 스크린샷에 표시된 대로 상대적인 비교가 있어야 합니다(실제로 v6의 상대적 효율성 값이 v5보다 2배 더 높음을 확인할 수 있습니다).
