Comment puis-je définir des niveaux numériques discrets pour les facteurs de mélange ?Dans le cadre d'une conception plus large, j'ai trois facteurs qui sont des facteurs de mélange, A, B et C.
A+B+C doit totaliser 1.
A doit être compris entre 0,5 et 1.
B doit être compris entre 0 et 0,5.
C doit être compris entre 0 et 0,5.
Mais dans le cadre de la configuration physique de l'expérience, B et C doivent être prémélangés avant d'être ajoutés. C'est difficile à faire, donc je ne veux utiliser qu'une seule combinaison de mélange, un rapport 1: 1 de B à C. Donc je ne veux que des designs où :
B=C, ou B=0 ou C=0.
- J'ai essayé de spécifier les trois facteurs en tant que mélange et d'utiliser un script de combinaisons non autorisées, mais JMP me dit que je ne peux pas utiliser le script lorsque j'ai des facteurs de mélange.
- J'ai aussi vu des conseils dans ce fil: https://community.jmp.com/t5/Discussions/Defining-Factor-Constraints-in-Custom-Design-DOE/td-p/277563 sur la définition de A et B + C comme un mélange de 2 choses, puis sur l'ajout d'un autre facteur numérique discret (rapport de B: C). Mais je crains de manquer quelque chose en n'incluant pas B et C séparément.
- La dernière option que je peux voir est de mettre les trois facteurs en tant que facteurs continus, mais d'utiliser des contraintes linéaires pour spécifier que A + B + C = 1, A> 0,5, puis d'inclure mes combinaisons non autorisées, mais je crains que si Je devrais utiliser des mélanges dans ce cas?
Toutes mes excuses, je suis encore un débutant avec JMP et DOE en général, donc cette question est plutôt du genre "Je ne sais pas ce que je ne sais pas !", mais j'espère pouvoir obtenir de bons conseils ici ! Dois-je utiliser l'option 2, l'option 3 ou y a-t-il un autre moyen de le faire ?
Merci beaucoup
J'utilise JMP Pro 17.
Conception d'expériencesles fenêtresRe : Comment puis-je définir des niveaux numériques discrets pour les facteurs de mélange ?Salut @noahsprent ,
Si je comprends bien vos contraintes, il y a peut-être un type de design qui peut vous aider : Extreme Vertices Mixture Design (voir : Vue d'ensemble des conceptions de mélanges (jmp.com) , disponible en DoE, Classical, Mixture Designs). Vous pouvez trouver un exemple d'une telle conception ici : Exemple de conception de sommets extrêmes (jmp.com)
Cette conception de mélange concentre la répartition des points sur les sommets du simplexe et les points médians des arêtes.
Avec vos facteurs A, B et C et leur gamme relative de facteurs, vous pouvez trouver (pour un plan de degré 2) un tel plan :
Ce type de conception semble respecter vos contraintes pour les facteurs A, B et C :
- A doit être compris entre 0,5 et 1.
- B doit être compris entre 0 et 0,5.
- C doit être compris entre 0 et 0,5.
- B=C, ou B=0 ou C=0
Ce plan de mélange est assez rentable, mais vous pouvez ajouter des répliques pour avoir une meilleure estimation des termes inclus dans le modèle (effet principal + interactions à 2 facteurs) et réduire la variance de prédiction.
Pour générer la conception de mélange Extreme Vertices à 6 exécutions, voici le script JSL (et la table de données est incluse dans mon message):
DOE(
Mixture Design,
{Add Response( Maximize, "Y", ., ., . ),
Change Factor Settings( 1, 0.5, 1, "A" ),
Change Factor Settings( 2, 0, 0.5, "B" ),
Change Factor Settings( 3, 0, 0.5, "C" ), Set Random Seed( 1019219 ),
Mixture Design Type( Extreme Vertices, 2 ), Simulate Responses( 0 ),
Set Run Order( Randomize ), Make Table}
)
J'espère que j'ai bien compris vos contraintes et que cette première idée pourra vous aider,
Re : Comment puis-je définir des niveaux numériques discrets pour les facteurs de mélange ?@Victor_G merci beaucoup pour votre réponse, elle semble parfaite pour la question que j'ai posée.
Je dois m'excuser de ne pas avoir donné le contexte complet car je voulais présenter ce que je pensais être un MWE dans ma question initiale. En plus de ces trois facteurs, j'ai également d'autres facteurs que je veux étudier, donc je pense que je dois travailler sur la « conception personnalisée ».
Re : Comment puis-je définir des niveaux numériques discrets pour les facteurs de mélange ?Salut @noahsprent ,
Si vous avez d'autres facteurs à ajouter (qui ne sont pas des facteurs de mélange), vous devrez effectivement passer à Custom Design.
Le nombre de niveaux pour les facteurs de mélange dans la conception dépendra fortement du modèle supposé : effets principaux, interactions, effets de puissance supérieure, interactions cubiques de scheffe, etc... avec une influence du critère d'optimalité (pour le nombre d'exécutions à niveaux vs niveaux min/max).
Mais choisir un plan D-Optimal (dans le triangle rouge de "Custom Design", "Optimality Criterion", "Make D-Optimal Custom Design") et spécifier uniquement les effets principaux et les interactions à 2 facteurs dans le modèle devrait vous donner un résultat similaire. type de conception.
Exemple ici en ajoutant un facteur continu ProcessVariable1 (fourchette entre 50 et 100, table de données jointe) :
Et le script JSL pour la création de DoE :
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Mixture, 0.5, 1, "A", 0 ),
Add Factor( Mixture, 0, 0.5, "B", 0 ), Add Factor( Mixture, 0, 0.5, "C", 0 ),
Add Factor( Continuous, 50, 100, "ProcessVariable1", 0 ),
Set Random Seed( 1119139817 ), Number of Starts( 25456 ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {1, 1}, {2, 1} ),
Add Term( {1, 1}, {3, 1} ), Add Term( {1, 1}, {4, 1} ),
Add Term( {2, 1}, {3, 1} ), Add Term( {2, 1}, {4, 1} ),
Add Term( {3, 1}, {4, 1} ), Set Sample Size( 12 ),
Optimality Criterion( "Make D-Optimal Design" ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design}
)
Vous devriez pouvoir avoir ce type de conception similaire en ajoutant tout autre type de facteurs tant que vous créez une conception D-optimale avec seulement des interactions à 2 facteurs dans le modèle.
J'espère que cette réponse complémentaire vous aidera,
Re : Comment puis-je définir des niveaux numériques discrets pour les facteurs de mélange ?Merci @Victor_G ! Cela m'a fait réaliser que le problème que j'avais venait de l'inclusion des effets de puissance 2 pour les facteurs de mélange, ou de l'inclusion d'interactions avec d'autres facteurs pour lesquels je recherchais des effets de puissance 2. Je suppose qu'il est logique que ce soit le cas. La suppression de ces deux éléments conduit la conception à avoir les caractéristiques que je souhaite.
