より大きな計画の一部として、混合因子 A、B、C という 3 つの因子があります。
A+B+C の合計は 1 になるはずです。
A は 0.5 から 1 の間である必要があります。
B は 0 ～ 0.5 の間である必要があります。
C は 0 ～ 0.5 の間である必要があります。
ただし、実験の物理的なセットアップの一部として、B と C は追加する前に事前に混合する必要があります。 これを行うのは難しいので、B と C の比率が 1:1 の 1 つの混合物の組み合わせだけを使用したいと思います。 したがって、次のようなデザインのみが必要です。
B=C、または B=0、または C=0。
- 3 つの要素を混合として指定し、許可されていない組み合わせスクリプトを使用しようとしましたが、JMP は、要素が混合している場合はスクリプトを使用できないと言います。
- このスレッドでも次のようなアドバイスを見ました。 https://community.jmp.com/t5/Discussions/Defining-Factor-Constraints-in-Custom-Design-DOE/td-p/277563 A と B+C を 2 つのものの混合として定義し、離散的な数値である別の要素 (B:C の比率) を追加することについて。 しかし、B と C を別々に含めないと、何かが欠けてしまうのではないかと心配しています。
- 私が確認できる最後のオプションは、3 つの因子を連続因子として入れますが、線形制約を使用して A+B+C=1、A>0.5 を指定し、許可されていない組み合わせを含めることです。この場合、混合物を使用する必要がありますか?
申し訳ありませんが、私はまだ JMP と DOE 全般に関して初心者なので、この質問は「何がわからないのかわかりません!」というようなものですが、ここで良いアドバイスが得られることを願っています。 オプション 2 を使用する必要がありますか、オプション 3 を使用する必要がありますか、それとも他の方法があるでしょうか?
どうもありがとう
JMPプロ17を使用しています。
やあ@noahsprent 、
制約をよく理解していれば、役立つ設計タイプが 1 つあるかもしれません: Extreme Vertices Mixture Design (次を参照)混合計画の概要 (jmp.com) 、DoE、クラシック、混合デザインで利用可能)。 このような設計の例はここで見つけることができます。極端な頂点設計の例 (jmp.com)
この混合デザインは、単体の頂点とエッジの中点の点の再分割に焦点を当てています。
因子 A、B、C とそれらの相対因子範囲を使用すると、(次数 2 の計画の場合) 次のような計画が見つかる可能性があります。
このタイプの設計は、因子 A、B、および C の制約を尊重しているようです。
- A は 0.5 から 1 の間である必要があります。
- B は 0 ～ 0.5 の間である必要があります。
- C は 0 ～ 0.5 の間である必要があります。
- B=C、または B=0、または C=0
この混合計画は非常にコスト効率が高くなりますが、反復を追加すると、モデルに含まれる項 (主効果 + 2 因子交互作用) をより正確に推定し、予測の分散を下げることができます。
6 実行の Extreme Vertices 混合計画を生成するための JSL スクリプトは次のとおりです (データテーブルは私の投稿に含まれています)。
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}
)
あなたの制約をよく理解し、この最初のアイデアがお役に立てば幸いです。
@Victor_Gご返答ありがとうございます。私の質問にぴったりだと思います。
元の質問で MWE だと思うものを提示したかったため、完全な文脈を提供しなかったことをお詫びしなければなりません。 これら 3 つの要素以外にも調査したい要素があるため、「カスタム デザイン」に取り組む必要があると思います。
やあ@noahsprent 、
追加する他の要素 (混合要素ではない) がある場合は、実際にカスタム設計に切り替える必要があります。
計画における混合因子の水準数は、想定されるモデル (主効果、交互作用、高出力効果、シェッフェ三次相互作用など) に大きく依存し、最適性基準 (中間での実行数の場合) の影響を受けます。レベルと最小/最大レベルの比較)。
ただし、D 最適計画 (「カスタム計画」、「最適性基準」、「D 最適カスタム計画の作成」の赤い三角) を選択し、モデル内の主効果と 2 因子交互作用のみを指定すると、同様の結果が得られるはずです。デザインのタイプ。
ここでは、連続因子 ProcessVariable1 (50 ～ 100 の範囲、データテーブルが添付) を追加した例を示します。
DoE 作成用の JSL スクリプト:
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}
)
モデル内に 2 因子交互作用のみを含む D 最適計画を作成している限り、他のタイプの因子を追加することで、このようなタイプの計画を作成できるはずです。
この補足的な回答がお役に立てば幸いです。
ありがとう@Victor_G ！ これにより、私が抱えていた問題は、混合因子に 2 乗の効果を含めること、または 2 乗の効果を探していた他の因子との相互作用を含めることから生じていることに気づきました。 こうなるのは当然だと思います。 それらの両方を取り除くことで、デザインは私が望む特性を持つようになります。
