入力のサブセットに基づく DoE テーブルの分割やあ、
以下の例のような場合に DoE テーブルを設計する最良の方法を探しています (それが可能であれば!):
入力因子が 2 つのレベル (たとえば、存在する、存在しない) を持つカテゴリ変数である場合、おそらく 20 個の入力因子と 1 つの数値応答変数があると想像してください。 一般に、カスタム設計を使用して、20 + 1 列を持ち、各行がそれらの 20 個の入力の組み合わせになる 1 つのテーブルで DoE を生成できます (以下のようなもの)。
JMP に 3 つの異なるテーブルを強制的に生成させる方法はありますか? それぞれが入力のサブセットのみを持ち、実験が完了したら、異なるテーブルに存在する入力が応答変数に与える影響を計算することができますか? たとえば、上記のテーブルの代わりに、JMP を使用して、入力 X1 ～ X6、X4 ～ X15、X9 ～ X20 などの入力のみを含むテーブルを作成するように強制することはできますか?
X1 と X20 が適合するモデルからの唯一の入力であった場合、応答がどうなるかを理解できますか? ドキュメントで似たようなものを見つけようとしていましたが、運がありませんでした。 この方法では不可能かもしれませんが、助けていただければ幸いです。 ありがとう！
データ表DOERe: 入力のサブセットに基づく DoE テーブルの分割迅速な対応....それを行うと、複数の実験 (すべての要因) にわたる相互作用を評価する能力が失われます。 因子のサブセット内でのみ交互作用が得られます。 ただし、20要素は多いです。 おそらく、最初は主効果のみに関心があり、その後、さまざまな分数計画にいくつかのオプションがあります。 懸念されるのは、因子とその水準の関数である計画空間です。 因子を変更すると、計画空間が変更されます。 一部を省略して後から追加すると、比較できないまったく異なる空間が作成されます。 これらのデザインスペースが有用かどうかを判断するために、SME が必要です。
Re: 入力のサブセットに基づく DoE テーブルの分割20 個の因子を 3 つのデータ テーブルに分割する理由は何ですか? 20 因子すべての計画を含む 1 つのデータ テーブルでは満足できないのはなぜですか? 因子を 3 つのデータ テーブルの 1 つに割り当てる根拠は何ですか?
@スタットマンは、経済因子スクリーニング計画を開始することを提案しています。 デフォルトのサンプル サイズが 28 回のカスタム計画、デフォルトのサンプル サイズが 50 回の決定的スクリーニング計画、デフォルトのサンプル サイズが 24 回または 28 回の Plackett-Burman 計画、または次の通常の部分実施要因計画を使用できます。 32ラン。
背景情報がなければ、これ以上のサポートを提供することは困難です。
Re: 入力のサブセットに基づく DoE テーブルの分割ご意見ありがとうございます。
@マークベイリー: サブセットに分割する理由は、純粋に、使用する機器によって提示される実際的な制約によるものです。実験の一連の実行に同様の性質の成分が含まれている場合、より高速に機能する可能性があります。 単一のテーブルでも機能しますが、他のテーブルとは非常に異なる成分を使用して実行するには余分な労力が必要になるため、効率が低下します. したがって、論理的には、特定の成分のサブセットのみを使用してテーブルを分割できれば（その選択は、成分について事前にある程度の知識を持っている人に大きく依存します）、それを利用するより効率的な方法になると想像できます。装置。 それが理にかなっていることを願っています。
Re: 入力のサブセットに基づく DoE テーブルの分割残念ながら、適切なアドバイスを提供するには十分なコンテキストがありません。 すべての「成分」を一緒に使用できるわけではない場合 (類似の性質に関する何か?)、なぜそれらを同じ実験に使用するのでしょうか? 実験をより効率的にするために、「変更が困難な要因」を処理するオプションがあります。
Re: 入力のサブセットに基づいた DoE テーブルの分割なぜこれをしたいのか理解するのが難しいという以前の回答に私も同意します。 私が間違っていたら教えてください。20 種類の成分の異なるサブセットを使用して 3 回の別々の実験を実施したいようですね。 実験で使用される成分には、限定的な重複があります。 次に、その結果を 20 個すべての成分を因子として含む 1 つのモデルに結合したいと考えます。
3 つの別々の実験を実行するかモデル化するかを決める必要があると思います。 または、20 種類の材料すべてを使用して 1 つの実験を実行してモデル化します。 両方の方法があるわけではないと思います。
3 つの別々の実験を組み合わせて壮大なモデルを作成することは、20 因子の可能性空間全体のほんの数個の非常に小さな「隅」しか調査していないため、問題が発生します。 それは事実上、非常に制約された実験。 どうすれば有用なモデルを構築できるのかわかりません。
私は、(あなたは他の誰よりもよく知っているでしょう)、3 つの別々の実験を実行することによって、あなたの科学的目的がよりよく達成されるのではないかと思います。
