DOE-Augment-Design – Die vorgeschlagenen Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenHallo,
Ich habe ein halbfaktorielles Screening mit 4 Faktoren durchgeführt und möchte nun den Entwurf erweitern, um den Rest der fehlenden 2-Wege-Wechselwirkungen und axialen Punkte einzubeziehen, um auf Quadratiken zu prüfen.
Wenn ich DOE -> Augment Design -> Augment -> RSM und 2. Interaktionen verwende, beträgt die Anzahl der vorgeschlagenen Läufe immer 18 (10 vorherige Läufe und 8 neue Läufe als erweitertes Design), die tatsächlichen Läufe ändern sich jedoch jedes Mal Ich versuche die gleichen Schritte. Ich habe unten zwei Beispiele eingefügt.Ich würde gerne wissen, warum das passiert und warum sich die Läufe ändern.
Und meine zweite Frage betrifft die von JMP vorgeschlagenen „seltsamen“ nicht ganzzahligen Werte (56,6 und 57,2 in den Tabellen unten – der Bereich für diesen Faktor wurde auf 50–70 festgelegt). Warum erfordert JMP einen Lauf mit diesen spezifischen Werten und nicht mit dem Mittelpunkt, der in diesem Fall 60 beträgt? Hängt dies mit den Optimalitätskriterien zusammen (D-optimal vs. I-optimal)?
Vielen Dank im Voraus!
VersuchsplanungBetreff: DOE-Augment-Design – Vorgeschlagene Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenIch bin mir nicht sicher, warum sich die Anzahl der vorgeschlagenen Läufe jedes Mal ändert. Es könnte von den konkreten Schritten abhängen, die Sie unternommen haben.
Ein fraktioneller faktorieller Versuchsplan verwendet Kombinationen gegebener Ebenen. Augmentation verwendet ein benutzerdefiniertes Design, das die Ebenen mit dem Algorithmus erstellt. Die Optimalität wird manchmal durch außermittige Ebenen verbessert, aber Sie können sie mit geringem Verlust an Optimalität auf den ganzzahligen Wert zurücksetzen.
Betreff: DOE-Augment-Design – Vorgeschlagene Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenDanke für die Antwort!
Die Anzahl der vorgeschlagenen Läufe ändert sich nicht (sie beträgt immer 8) , aber die Werte der Faktoren in diesen 8 Läufen ändern sich. Beispielsweise schlug JMP im ersten Versuch vor, mit Faktoren auf den Ebenen (4,2,15,56,6) zu arbeiten. Diese Kombination erscheint jedoch beim nächsten Versuch nicht.
Betreff: DOE-Augment-Design – Vorgeschlagene Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenEs gibt mehrere Optionen für zusätzliche Läufe, die die gleiche/ähnliche Optimalität ergeben.
Betreff: DOE-Augment-Design – Vorgeschlagene Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenBei der Augment-Design-Funktion wird nicht wirklich viel über die Anzahl der vorgeschlagenen Läufe nachgedacht. Es beträgt immer 8, es sei denn, Sie geben ein größeres Modell an, das mehr als 8 zusätzliche Durchläufe erfordert.
Erstellen Sie beispielsweise einen Entwurf für zwei Faktoren, nur ein Modell mit Haupteffekten. Wählen Sie nun „Erweitern“ und Sie werden sehen, dass die Anzahl der zusätzlichen Läufe 8 mehr ist als Ihr Design. Versuchen Sie es mit einem anderen Beispiel mit 20 Faktoren. Bleiben Sie auch hier beim Modell „Nur Haupteffekte“. Augment wird erneut 8 weitere Läufe hinzufügen.
Fazit: Berücksichtigen Sie die 8 zusätzlichen Läufe nicht. Sie müssen die entsprechende Zahl angeben, die es Ihnen ermöglicht, Ihre Leistung und Vorhersagegenauigkeit zu erreichen.
Für Ihre vier Faktoren gibt es 6 wechselseitige Wechselwirkungen. Es gibt vier quadratische Terme. Ihr erweitertes Design wird 10 zusätzliche Modellterme von Ihrem Ausgangspunkt aus anpassen (das waren 5 Terme – Schnittpunkt + vier Haupteffekte).Ich würde empfehlen, mit mindestens 10 zusätzlichen Läufen in Ihrer Erweiterung zu beginnen, möglicherweise auch mehr, um die entsprechende Vorhersagegenauigkeit zu erreichen.
Betreff: DOE-Augment-Design – Vorgeschlagene Läufe ändern sich jedes Mal und haben keine ganzzahligen ZahlenDie kombinatorischen Entwurfsmethoden sind deterministisch. Sie werden immer zum gleichen Ergebnis kommen. Die Erweiterung in JMP verwendet benutzerdefiniertes Design. Custom Design ist jedoch eine algorithmische Methode, die mit einem (schrecklichen) zufälligen Design für die neuen Läufe beginnt. Es verbessert das Design iterativ, bis das gewählte Optimalitätskriterium optimiert ist. Daher nennen wir es optimales Design. Der zufällige Ausgangspunkt ist ein Grund dafür, dass Sie nicht garantiert zum gleichen Ergebnis kommen. Tatsächlich sucht Custom Design nicht einmal nach dem optimalen Design. Da es möglicherweise lokal optimal ist, wird der Suchvorgang viele Male wiederholt. Jedes Mal beginnt es mit einem neuen zufälligen Design.
Außerdem kommt es häufig vor, dass es mehr als ein Design mit derselben Optimalität gibt. JMP kann keine Designs mehr unterscheiden. Eine Wiederholung des Augmentationsprozesses wird wahrscheinlich zu einem anderen Ergebnis führen.
