Conception DOE Augment - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersBonjour,
J'ai effectué un dépistage semi-factoriel avec 4 facteurs, et je voudrais maintenant augmenter la conception pour inclure le reste des interactions bidirectionnelles manquantes et des points axiaux pour vérifier les quadratiques.
Lorsque j'utilise les interactions DOE -> Augment Design ->Augment-> RSM et 2nd, le nombre d'exécutions suggérées est toujours de 18 (10 exécutions précédentes et 8 nouvelles exécutions en tant que conception augmentée), cependant, les exécutions réelles changent à chaque fois que J'essaie ces mêmes étapes. J'ai deux exemples collés ci-dessous.J'aimerais savoir pourquoi cela se produit et pourquoi les courses changent.
Et ma deuxième question concerne les valeurs "étranges" non entières suggérées par JMP (56,6 et 57,2 dans les tableaux ci-dessous - la plage de ce facteur a été définie sur 50-70). Pourquoi JMP nécessite-t-il une exécution à ces valeurs spécifiques au lieu du point médian qui, dans ce cas, sera de 60 ? Est-ce lié aux critères d'optimalité (D-optimal vs I-optimal) ?
Merci d'avance!
Conception d'expériencesRe : DOE Augment design - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersJe ne sais pas pourquoi le nombre d'exécutions suggérées change à chaque fois. Cela peut dépendre des mesures spécifiques que vous avez prises.
Un plan factoriel fractionnaire utilise des combinaisons de niveaux donnés. Augmentation utilise une conception personnalisée, qui crée les niveaux avec l'algorithme. L'optimalité est parfois améliorée avec des niveaux décentrés, mais vous pouvez les remettre à la valeur entière avec peu de perte d'optimalité.
Re : DOE Augment design - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersMerci pour votre réponse!
Le nombre d'exécutions suggérées ne change pas (il est toujours de 8) , mais les valeurs des facteurs dans ces 8 exécutions changent. Par exemple, lors du premier essai, JMP a suggéré d'utiliser des facteurs aux niveaux (4, 2, 15, 56,6). Mais cette combinaison n'apparaît pas au prochain essai.
Re : DOE Augment design - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersIl existe plusieurs options d'exécutions supplémentaires qui donneront la même optimalité/similaire.
Re : DOE Augment design - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersLa fonction de conception d'augmentation ne réfléchit pas vraiment au nombre d'exécutions suggérées. Ce sera toujours 8 sauf si vous spécifiez un modèle plus grand qui nécessitera plus de 8 passages supplémentaires.
Par exemple, créez un plan pour deux facteurs, modèle d'effets principaux uniquement. Maintenant, choisissez augment et vous verrez que le nombre d'exécutions supplémentaires est supérieur de 8 à votre conception. Essayez un autre exemple avec 20 facteurs. Encore une fois, restez fidèle au modèle des effets principaux uniquement. Augment ajoutera à nouveau 8 runs supplémentaires.
En bout de ligne, il ne faut pas tenir compte des 8 passages supplémentaires. Vous devez spécifier le nombre approprié que vous pouvez faire qui vous permettra d'atteindre votre puissance et votre précision de prédiction.
Pour vos quatre facteurs, il existe 6 interactions bidirectionnelles. Il y a quatre termes quadratiques. Votre conception augmentée ajustera 10 termes de modèle supplémentaires à partir de votre point de départ (qui était de 5 termes - interception + quatre effets principaux).Je recommanderais de commencer avec au moins 10 exécutions supplémentaires dans votre augmentation, éventuellement plus pour atteindre la précision de prédiction appropriée.
Re : DOE Augment design - Les exécutions suggérées changent à chaque fois et ont des nombres non entiersLes méthodes de conception combinatoire sont déterministes. Ils arriveront toujours au même résultat. L'augmentation dans JMP utilise la conception personnalisée. La conception personnalisée, cependant, est une méthode algorithmique qui commence par une conception aléatoire (horrible) pour les nouvelles exécutions. Il améliore itérativement la conception jusqu'à ce que le critère d'optimalité choisi soit optimisé. C'est pourquoi nous l'appelons la conception optimale. Le point de départ aléatoire est l'une des raisons pour lesquelles vous n'êtes pas assuré d'arriver au même résultat. En fait, Custom Design ne recherche pas une seule fois le design optimal. Il peut être localement optimal, il répète donc le processus de recherche plusieurs fois. Chaque fois, cela commence par un nouveau design aléatoire.
De plus, il arrive souvent qu'il y ait plus d'un design avec la même optimalité. JMP ne peut plus distinguer les conceptions. Répéter le processus d'augmentation est susceptible d'arriver à un résultat différent.
