Erweiterung eines vollfaktoriellen DesignsDies basiert auf einer kürzlichen Zusammenarbeit mit einem Kollegen.Er hatte einen vollfaktoriellen 3-Faktor-Versuchsplan mit zwei Mittelpunktdurchläufen durchgeführt (ein klassischer, einfacher Versuchsplan für 3 Faktoren).Die Ergebnisse der Analyse des Entwurfs zeigten einen starken Mangel an Anpassung, und es wurde ein Test auf „Krümmung“ (dh, dass im Modell ein quadratischer Effekt fehlt) durchgeführt, der eine hohe statistische Signifikanz hatte.Bei diesem Design kann jedoch nicht jeder quadratische Effekt unabhängig abgeschätzt werden.
Um dieses Problem zu lösen, empfahl ich ihm, seinen Entwurf zu erweitern, damit er den quadratischen Effekt unabhängig abschätzen konnte.Der traditionelle Ansatz besteht darin, dem Design axiale Verläufe hinzuzufügen, und die Augment Design-Plattform ermöglicht Ihnen dies ganz einfach.In diesem Fall wählte er jedoch die Option „Augment“ in der Plattform.Er gab an, dass er die neuen Läufe in einem separaten Block gruppieren wollte, gab RSM als das Modell an, das er anpassen wollte, und wählte eine Gesamtzahl von Läufen von 16 (auf meine Empfehlung hin).Dadurch wird eine erweiterte Designtabelle mit den 10 Originalläufen plus 6 neuen Läufen erstellt.
Das Ergebnis war unerwartet.Ich hatte ein Design mit axialen Verläufen erwartet, aber stattdessen gab es sechs neue Verläufe an den Mittelpunkten der 6 der 8 Kanten des Designwürfels.Ich habe das etwas genauer untersucht und verschiedene Einstellungen in der Plattform ausprobiert.Mir ist aufgefallen, dass, wenn ich den Kugelradius auf kleiner oder größer als 1 einstelle, dem resultierenden erweiterten Design 6 axiale Verläufe hinzugefügt würden, aber wenn der Kugelradius = 1, dann Kantenmittelpunktverläufe ergeben würden.Ich habe keine der anderen Einstellungen (z. B. Optimalitätskriterien) geändert, aber ich habe die Anzahl der Starts größer eingestellt (200000).Sehen Sie sich die Tabellen unten und die sich drehenden Diagramme der Designs an.
Ist das zu erwarten?
Ich habe einen weiteren Versuch unternommen, bei dem ich die I-Optimalität als Optimalitätskriterium verwendet habe, und das hat zu den erwarteten axialen Läufen geführt.
Was wäre angesichts all dessen die beste Vorgehensweise in dieser Situation?
Betreff: Erweiterung eines vollfaktoriellen VersuchsplansIch muss zugeben, dass ich nicht so viel über die Theorie des optimalen Designs weiß, wie ich gerne hätte.Mir ist immer noch nicht klar, warum die Wahl eines Kugelradius knapp über 1 dazu führt, dass axiale Läufe hinzugefügt werden, während der Standard-Kugelradius von 1 dazu führt, dass Mittelpunkt-/Kantenläufe hinzugefügt werden.
Betreff: Erweiterung eines vollfaktoriellen VersuchsplansEine Methode zur Bewertung von Designvergleichen, die ich in Betracht ziehen würde, wäre, beliebig viele Kandidatendesigns zu erstellen, die Sie ausführen möchten. Dann verwenden Sie die verschiedenen Designbewertungsmetriken (Optimalitätskriterien usw.) sowie Diagramme (z. B. Bruchteil des Designs) der Plattform „Designs vergleichen“. Raum), um zu sehen, welches Design Ihre wünschenswertesten Eigenschaften hat. Da Ihr praktisches Problem jetzt im RSM-Bereich liegt, sind einige Kriterien relevanter als andere?
Einen anderen Ansatz nenne ich den „rein praktischen“ Ansatz. Oftmals möchte das Problemlösungsteam bestimmte Behandlungskombinationen sehen und die Design-Diagnose ihren Möglichkeiten überlassen. In den schlechten alten Zeiten, als die Standard-RSM-Designs die einzigen Optionen waren, haben wir uns immer wieder mit solchen Diskussionen beschäftigt ... Eigenschaften wie eingeschrieben, umschrieben oder auf der Fläche für die Achsen konnten also unseren Gesamtansatz bestimmen. Oder vielleicht haben wir die Drehbarkeit auf dem Altar bestimmter Kombinationen geopfert.
Betreff: Erweiterung eines vollfaktoriellen VersuchsplansWenn Sie im Abschnitt „Modell“ von „Custom Design“ auf die Schaltfläche „RSM“ klicken, wird das Optimalitätskriterium in „I-optimal“ geändert. Die gleiche Aktion in Augment Design ändert das Kriterium nicht.
