Hallo @Al_Perr_1988 ,
Willkommen in der Community!
Der einfachste und bequemste Weg, ein Design zu erweitern, ist die Nutzung der Plattform Augment-Designs.
Diese Plattform ermöglicht das Hinzufügen experimenteller Läufe zu einem bestehenden DoE und ermöglicht die Durchführung von Replikationen, Faltungen, Raumfüllungen, die Erhöhung der Modellkomplexität, die Änderung des Faktorbereichs ...
Für Ihr spezielles Beispiel habe ich ein D-optimales Mischungsdesign (für Haupteffekte und 2-Faktor-Wechselwirkungen, 12 Durchläufe) unter Berücksichtigung Ihrer Einschränkungen erstellt, damit Sie die Schritte befolgen können.
Das Originaldesign wird mit diesem Skript erstellt:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Mixture, 0, 0.25, "A", 0 ),
Add Factor( Mixture, 0.2, 0.3, "B", 0 ),
Add Factor( Mixture, 0.45, 0.8, "C", 0 ), Set Random Seed( 324812 ),
Number of Starts( 30462 ), 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( {2, 1}, {3, 1} ), Set Sample Size( 12 ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design}
)
Wenn wir den experimentellen Raum mit einem Ternärplot überprüfen, können wir sehen, dass Einschränkungen eingehalten werden:
1. Von Ihrer Designtabelle aus können Sie im Menü „DOE“ und dann „Augment Design“ aufrufen. Geben Sie Ihre Faktoren A, B, C und Ihre Antwort(en) an, und Sie sollten dieses Panel haben, in dem Sie die Bereiche Ihrer Faktoren durch die neuen ändern können:
2. Klicken Sie auf „Augment“, geben Sie das angenommene Modell an (Haupteffekte, 2-Faktor-Wechselwirkungen, Scheffé-Kubik ...) und geben Sie eine Anzahl von Läufen an oder belassen Sie die Standardeinstellung (Sie können mehrere erweiterte Designs ausprobieren und sie mithilfe von vergleichen). Bewerten Sie Designs Plattform).
Sie verfügen nun über ein erweitertes Design mit neuen Läufen, die in Ihrem neu definierten experimentellen Raum hinzugefügt wurden und frühere Informationen aus den ursprünglichen Läufen berücksichtigen.
Hier ist das Skript als Beispiel:
dt = Current Data Table();
dt2 = dt << run script( "Original Data Table" );
Current Data Table( dt2 );
DOE(
Augment Design,
X( :A, :B, :C ),
Y( :Y ),
{Group new runs into separate block, Augment Method( Augment ),
Set Random Seed( 1381653403 ), Number of Starts( 67362 ), 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( {2, 1}, {3, 1} ), Add Term( {4, 1} ),
Set Sample Size( 20 ), Make Design, Save X Matrix( 0 ), Simulate Responses( 0 ),
Make Table}
);
Wie Sie sehen, ist es ganz einfach, ein Design zu erweitern.
Ich habe jedoch einige Fragen an Sie bezüglich dieses neuen experimentellen Raums, der durch Ihre neuen Einschränkungen definiert wird:
Mit den neuen Einschränkungen befinden Sie sich im Vergleich zu Ihrem vorherigen Experimentierraum in einem sehr kleinen und unerforschten Gebiet.
- Ist das beabsichtigt? Haben Sie Ihre Einschränkungen überprüft?
- Welches Modell wurde ursprünglich angenommen? Wie viele Läufe? Warum haben Sie sich für ein D-optimales Design entschieden?
- Wurde das erste DoE bereits realisiert und die Reaktionen gemessen?
- Wie genau können Sie die relativen Mengen von A, B und C messen?
- Haben Sie eine Vorstellung von der Wiederholbarkeit/Reproduzierbarkeit Ihrer Antwort(en)?
Es sieht so aus, als ob die Bereiche der Mischungsfaktoren B und C in diesem neuen experimentellen Raum zu eng erscheinen, um ein informatives und robustes Modell zu haben.
Weitere Informationen zum Kontext dieses DoE können uns bei der Suche nach einer geeigneten Lösung helfen.
Ich hoffe, diese erste Antwort wird Ihnen helfen,
Hallo Alex,
Vielen Dank für die bereitgestellten Antworten und Details.
Ich war neugierig auf den endgültigen Experimentierraum (der sehr klein und völlig abgekoppelt von Ihrem ursprünglichen Experimentierraum aussah und daher nicht von Ihren anfänglichen durch die Experimente gesammelten Informationen profitierte), aber mit den Einschränkungen, die Sie in Ihrer letzten Antwort erwähnt haben (mit größeren Bereichen). für B und C als in Ihrem ersten Beitrag), ich habe den gleichen Experimentierraum und ein ähnliches Design:
Ich kann mir vorstellen, dass Sie interessante Ergebnisse in der Ecke Ihres anfänglichen Experimentierraums erzielt haben (A zwischen 0 und 7 %, B zwischen 20 und 25 % und C zwischen 70 und 80 %), was Sie dazu veranlasst, einen näheren Experimentierbereich mit niedrigerem A und niedrigerem A zu untersuchen B- und höhere C-Anteile/Verhältnis.
Es macht Sinn, danke für die Klarstellung, Details und Korrekturen!
