Design DOE Augment: le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiCiao,
Ho eseguito uno screening mezzo fattoriale con 4 fattori e ora vorrei aumentare il progetto per includere il resto delle interazioni a 2 vie mancanti e i punti assiali per verificare la presenza di quadratici.
Quando utilizzo le interazioni DOE -> Augment Design ->Augment-> RSM e 2nd, il numero di esecuzioni suggerite è sempre 18 (10 esecuzioni precedenti e 8 nuove esecuzioni come progettazione aumentata), tuttavia, le esecuzioni effettive cambiano ogni volta che Provo questi stessi passaggi. Ho due esempi incollati di seguito.Mi piacerebbe sapere perché succede questo e perché le corse cambiano.
E la mia seconda domanda riguarda i valori non interi "strani" suggeriti da JMP (56,6 e 57,2 nelle tabelle seguenti - l'intervallo per quel fattore è stato impostato su 50-70). Perché JMP richiede una corsa a questi valori specifici invece del punto medio che in questo caso sarà 60? È correlato ai criteri di ottimalità (D-ottimale vs I-ottimale)?
Grazie in anticipo!
Progettazione di esperimentiRe: DOE Augment design - Le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiNon sono sicuro del motivo per cui il numero di corse suggerite cambia ogni volta. Potrebbe dipendere dai passaggi specifici che hai eseguito.
Un disegno fattoriale frazionario utilizza combinazioni di determinati livelli. L'aumento utilizza un design personalizzato, che crea i livelli con l'algoritmo. L'ottimalità a volte migliora con livelli fuori centro, ma è possibile reimpostarli sul valore intero con una piccola perdita di ottimalità.
Re: DOE Augment design - Le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiGrazie per la risposta!
Il numero di corse suggerite non cambia (è sempre 8) , ma i valori dei fattori in queste 8 esecuzioni cambiano. Ad esempio, al primo tentativo, JMP ha suggerito di correre con fattori a livelli (4,2,15,56,6). Ma questa combinazione non appare nel tentativo successivo.
Re: DOE Augment design - Le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiEsistono più opzioni di corse extra che daranno la stessa/simile ottimalità.
Re: DOE Augment design - Le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiLa funzionalità di progettazione dell'aumento non pone molta attenzione al numero di esecuzioni suggerite. Sarà sempre 8 a meno che non specifichi un modello più grande che richiederà più di 8 corse aggiuntive.
Ad esempio, creare un modello per due fattori, solo effetti principali. Ora scegli aumenta e vedrai che il numero di corse aggiuntive è 8 in più rispetto al tuo progetto. Prova un altro esempio con 20 fattori. Ancora una volta, attenersi al modello solo per gli effetti principali. Augment aggiungerà nuovamente altre 8 corse.
La linea di fondo è che non prendere in considerazione le 8 corse aggiuntive. Devi specificare il numero appropriato che puoi fare che ti consentirà di soddisfare la tua potenza e precisione di previsione.
Per i tuoi quattro fattori, ci sono 6 interazioni a due vie. Ci sono quattro termini quadratici. Il tuo design aumentato si adatterà a 10 termini del modello aggiuntivi da dove hai iniziato (che era 5 termini - intercettazione + quattro effetti principali).Consiglierei di iniziare con almeno 10 esecuzioni aggiuntive nel tuo aumento, possibilmente di più per soddisfare la precisione di previsione appropriata.
Re: DOE Augment design - Le esecuzioni suggerite cambiano ogni volta e hanno numeri non interiI metodi di progettazione combinatoria sono deterministici. Arriveranno sempre allo stesso risultato. L'aumento in JMP utilizza Custom Design. Custom Design, tuttavia, è un metodo algoritmico che inizia con un (orribile) design casuale per le nuove esecuzioni. Migliora iterativamente il progetto fino a quando il criterio di ottimalità scelto non viene ottimizzato. Quindi, lo chiamiamo design ottimale. Il punto di partenza casuale è uno dei motivi per cui non è garantito che arrivi allo stesso risultato. Custom Design, infatti, non ricerca una sola volta il design ottimale. Potrebbe essere localmente ottimale, quindi ripete il processo di ricerca molte volte. Ogni volta inizia con un nuovo design casuale.
Inoltre, spesso accade che esista più di un progetto con la stessa ottimalità. JMP non è più in grado di distinguere i progetti. La ripetizione del processo di aumento rischia di arrivare a un risultato diverso.
