Hallo, unterstützt JMP die Erweiterung von Simplex-Gitter- und Schwerpunktdesigns mit Axial- und Schwerpunktpunkten? Mir ist aufgefallen, dass beim Erweitern eines Simplex-Gitterdesigns die Erweiterung „Axialläufe“ deaktiviert ist. In den JMP-Dokumentationen, die ich durchgesehen habe, sieht es so aus, als ob JMP eine axiale Lauferweiterung nur zulässt, wenn ein Screening-Design verwendet wurde?
Hallo @BryanG ,
@Phil_Kay Ich habe Ihnen bereits gute Ratschläge und Informationen dazu gegeben.
Aus meiner Sicht (oder zumindest wurde es mir so beigebracht, und vielleicht gilt das auch für Sie) wurden im Simplex Centroid Design traditionell axiale Punkte zur Validierung eines Modells verwendet: Sie haben diese Punkte zunächst als Validierungspunkte Ihres Modells verwendet Bewerten Sie die Präzision und Varianz Ihrer vorhergesagten Antwortwerte. Im Falle einer starken Abweichung zwischen vorhergesagten und gemessenen Antworten können Sie diese Punkte dann verwenden, um das Design zu erweitern, die Präzision des Modells zu verbessern und die Modellkomplexität beispielsweise für das Scheffé-Cubic-Modell zu erhöhen.
Dies ist der traditionelle Ansatz, den ich in einer früheren Präsentation mit Mixture Design und Functional Data Explorer verwendet habe: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta-p/349208
Aber wie Phil erwähnt, gibt es mit dem Aufkommen fortschrittlicher Software und Rechenressourcen heute gleichwertige oder bessere Optionen als diese traditionelle.
Ich hoffe, meine Antwort hilft, den Kontext zu verstehen.
Hallo @BryanG ,
Auf die Idee von Axialpunkten für Mischungsentwürfe war ich noch nicht gekommen. Bei einer schnellen Suche habe ich herausgefunden, dass ein axialer Punkt eine Mischung ist, die auf halbem Weg zwischen dem Mittelpunkt und einem Scheitelpunkt des Mischungsraums liegt.
Mir ist niemand bekannt, der einen Ansatz zur Erweiterung von Simplex-Gitter- oder Simplex-Schwerpunkt-Designs mit axialen Punkten als Teil sequenzieller Experimente empfiehlt. Ich denke nicht, dass es unbedingt eine schlechte Idee wäre. Aber einfach nicht die beste Art, Dinge zu tun.
Der in JMP empfohlene Ansatz ist die optimale Augmentation. Das heißt, JMP findet die zusätzlichen Läufe, die optimal zum Testen des von Ihnen definierten Modells sind. Sie definieren die Faktoren, Faktorbereiche, das zu schätzende Modell und die Anzahl zusätzlicher Läufe. Dann bietet Ihnen JMP die optimalen Zusatzläufe.
Die Axiallaufvergrößerung ist eine Option für Konstruktionen mit kontinuierlichen (nicht gemischten) Faktoren. Aber es ist wirklich für Leute da, denen die konventionellen (vor dem Computer) DOE-Methoden beigebracht wurden.
Um dieses Problem zu umgehen, können Sie Folgendes erstellen ABCD-Design (DOE > Classical > Mixture Design), da dies die axialen Punkte enthält. Sie können sie dann kopieren und zu Ihrem bestehenden Design hinzufügen.
Ich hoffe, das alles hilft,
Phil
