595698_ko-KR

liliconcom

맞춤형 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요, JMP 커뮤니티 여러분,

 

저는 현재 맞춤형 DOE 디자인을 작업 중입니다. 전반적으로 다양한 수준의 3가지 요소가 있습니다.

 

안정제 용액(스크리닝하려는 7가지 다른 안정제 용액이 있음) + 잠재적으로 참조 샘플 추가(안정제는 추가되지 않음).

안정제 투여량 - 2단계(높음 및 낮음) => (0,01% 및 0,02%)

공정(2가지 다른 열처리/가압멸균).

 

파일럿 플랜트에서는 4개의 고유 코드 pr을 혼합할 수 있습니다. 낮. (우리는 파일럿 플랜트에서 4일을 예약했습니다). 이는 두 가지 열처리를 통해 실행될 수 있는 최대 16개의 고유 코드를 혼합할 수 있음을 의미합니다(총 32개의 코드 제공).

 

그러나 우리는 4개의 코드만 혼합할 수 있다는 사실이 있습니다. 하루에 두 가지 열처리(하루에 8개의 코드 제공)를 모두 처리해야 하므로 몇 가지 문제가 발생합니다. 이상적인 순서는 다음과 같습니다.

1일차:

안정제 1: 0,01% - 열처리 1

안정제 4: 0,02% - 열처리 1

안정제 5: 0,01% - 열처리 1

안정제 6: 0,02% - 열처리 1

안정제 1: 0,01% - 열처리 2

안정제 4: 0,02% - 열처리 2

안정제 5: 0,01% - 열처리 2

안정제 6: 0,02% - 열처리 2

등...

 

그러나 JMP에서 이 작업을 수행할 수는 없습니다(차단 기능을 사용해 보았고 "변경 사항"을 쉬운 것에서 어려운 것으로 편집하는 등).

내가 얻은 최고의 답변이 첨부되어 있습니다.

 

나는 스크립팅(JSL)에 익숙하지 않기 때문에 이러한 솔루션은 나에게 어려울 것입니다. JMP 17을 사용하고 있습니다.

 

미리 감사드립니다.

친애하는

크리스티안 베르텔센

실험 설계답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 크리스티안,

 

이 토론이 귀하에게 도움이 되었고 (희망적으로 더 나은) 디자인을 안내하게 되어 매우 기쁩니다.

안정 장치 수준 수를 줄이는 것은 실제로 검정력을 높이는 좋은 아이디어인 것 같습니다. 모델에서 더 적은 수의 항을 추정하기 위해 동일한 총 실행 수를 사용합니다.

이 DoE(또는 다른 주제) 분석에 대한 추가 도움이나 조언이 필요하면 주저하지 말고 새 게시물을 작성하세요. JMP 커뮤니티는 열정적인 사람들로 가득합니다!

 

좋은 주말 되세요,

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 빅터,

 

귀하의 모든 의견에 진심으로 감사드립니다!

 

나는 당신이 공유한 대부분의 링크를 보았습니다. 이해에 정말 도움이 되었습니다.

 

만족스러운 디자인을 만드는 데에도 성공했습니다. 결국 안정 장치의 수를 8개가 아닌 5개로 줄였습니다. 나는 또한 우리 파일럿 공장에서 5개의 혼합물을 만들도록 설득했습니다. 낮. 이제 전력 분석이 강력해 보입니다.

 

JMP 커뮤니티의 첫 번째 게시물이 성공적으로 마무리되어 정말 기쁩니다.

이 근처에서 뵙겠습니다.

좋은 주말 되세요.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 크리스티안,

 

이는 실제로 연구 목표가 무엇인지에 따라 다르며 명확한 답은 없습니다.

일반적으로 최상의 안정제를 선별하고 선택하려는 경우 복용량에 대한 정보는 실제로 그다지 중요하지 않을 수 있습니다. 그러나 이는 여러 가지 의미/질문을 가질 수도 있습니다.

• 안정제의 양이 제제의 나머지 성분(시너지 효과 또는 길항 효과)에 영향을 미칠 수 있습니까?
• 안정제의 거동이 선형이 아닐 수 있으며 복용량의 "임의" 값을 고정하면 화학에 따라 "활성화"/성능 농도가 다를 수 있으므로 잠재적으로 중요하고 강력한 안정제(아래 그래프 참조)를 놓칠 수 있습니다. 안정제의? :

연구 농도가 고정되어 있고 이 그래프의 임계값 미만인 경우 안정제 A는 반응에 영향을 미치지 않는 것으로 볼 수 있으므로 최적화를 위해 유지/유지되지 않습니다. 그러나 반대로 범위에 미치는 영향을 연구하면 성능에 대한 단일 지점 추정뿐만 아니라 행동과 성능에 대해 더 잘 이해할 수 있습니다.

 

또 다른 옵션은 먼저 모델의 주 효과에만 초점을 맞추는 것입니다(또는 적어도 주로 주 효과 안정제 유형, 복용량, 프로세스에 초점을 맞추고 모델의 항에 대해 더 많은 검정력을 갖도록 모델의 상호 작용 항을 줄임). 그런 다음 확인된 중요한 효과를 기반으로 초기 설계를 강화하시겠습니까? 안정 장치의 주 효과에 대해 더 많은 전력을 갖게 되므로 서로 다른 안정 장치 간의 구별이 더 쉬울 수 있으며 일부 성능을 보이는 안정 장치에 대해서만 초기 설계를 늘릴 수 있습니다.

 

아니면 이미 일부 데이터가 있고 "Augment Design" 플랫폼을 통해 새로운 실험으로 초기 데이터세트를 보강할 수 있습니까(그리고 "새 실행을 별도의 블록으로 그룹화" 옵션 사용)?

 

여기서 유의성 수준과 예상 RMSE에 대한 자세한 정보를 확인할 수 있습니다. 전력 분석(jmp.com)

• 검정력은 효과가 중요한 경우 효과를 감지할 확률입니다. 검정력이 1이라는 것은 특정 유의 수준 및 예상 RMSE 값에 대해 이 효과(유의한 경우)를 100% 탐지할 수 있음을 의미합니다. YouTube 채널 Statquest의 동영상을 적극 추천합니다. 통계 개념을 이해하는 데 많은 도움이 됩니다. 전력 분석에 대한 훌륭한 비디오가 하나 있습니다. 전력 분석, 명확하게 설명됩니다!!! - 유튜브
• 이 플랫폼에 표시되는 유의 수준은 알파 위험이라고도 합니다. 예를 들어 스튜던트 T-테스트(두 그룹 간의 반응에 차이가 있는지 평가하기 위해)와 같은 통계 테스트에서 알파 위험을 흔히 볼 수 있습니다. 유의수준은 귀무가설이 참일 때 귀무가설을 기각할 확률이다. 예를 들어, 유의 수준 0.05는 실제 차이가 없는데 차이가 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다. 낮은 유의 수준은 귀무 가설을 기각하기 전에 더 강력한 증거가 필요하다는 것을 나타냅니다. 여기에서 더 많은 정보를 확인하세요: 유의 수준 - Jim의 통계
• 예상 RMSE는 응답의 "잡음 수준"입니다( 오류 변화의 제곱근) . 값이 높을수록 반응의 노이즈/분산이 커지고 중요한 효과를 결정하기가 더 어려워지므로 효과에 대한 검정력이 낮아집니다. 노이즈/신호 비율로 볼 수 있습니다. 노이즈가 많으면 예상 RMSE가 높아지고 효과에 대한 검정력 계산은 낮아집니다. 기본적으로 계산은 값 1로 수행되지만(동일 기준으로 다양한 설계를 비교하는 데 도움이 됨) 측정 차이에 대한 아이디어가 이미 있는 경우 이 지식을 반영하는 다른 값을 입력하여 보다 관련성을 높일 수 있습니다. 전력 계산. 여기에서 더 많은 정보를 확인하세요: 지정된 모델과 관련된 검정력 평가의 예(jmp.com)

 

이 옵션이 귀하의 성찰에 도움이 되기를 바랍니다.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

다시 안녕하세요.

 

복용량을 요인으로 포함시키는 것이 타당할 때마다 나는 또한 의심스럽습니다. 시험의 주요 목적은 안정성 측면에서 가장 효과적인 안정제가 무엇인지 알아내고 잠재적으로 원하는 제품에 더 많은 점도/기능성을 부여하는 것입니다. 우리는 단지 한 가지 복용량(안정제 공급업체가 권장하는 복용량)을 사용할 수 있습니다. 그런 다음 2~3개의 최상의 솔루션을 선택하고 최적화 실험을 수행하여 해당 콘텐츠와 잠재적으로 다른 프로세스 매개변수를 변경하려고 합니다. 어떻게 생각하나요? 나는 한 번의 복용량만 할 수 있지만 더 나은 파워 점수를 얻기 위해 각 안정제에 대해 반복을 수행했습니다.

 

안정제 및 열처리와의 상호작용 항 역시 약간 흥미롭습니다. 이전에 이것이 서로 다른 결과(좋거나 나쁨)를 가져올 수 있다는 것을 보았기 때문입니다.

나는 이 전력 분석을 완전히 이해하고 있는지 확신할 수 없습니다(이에 대해 더 자세히 읽어 보았으며 Phil Kay와 함께 이전 게시물 중 하나에서 좋은 답변을 찾았습니다).
https://www.jmp.com/support/help/14/power-analytic.shtml

https://community.jmp.com/t5/Discussions/Should-I-consider-power-analytic-in-DOE/mp/501063

나는 검정력 숫자(0-1)가 무엇을 의미하는지 이해한다고 생각합니다. 여기서 값이 1이면 효과가 있는지 여부를 확인할 확률이 100%라는 의미입니까?

그러나 유의성 수준과 예상 RMSE가 무엇을 의미하는지, 그리고 이것이 내 실험의 검정력 점수에 어떤 영향을 미치는지 완전히 이해하지 못합니다.

내가 테스트하는 내용을 기반으로 이들에 대한 특정 값을 알아야 합니다. 아니면?

귀하의 시간과 답변에 진심으로 감사드립니다.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

죄송합니다. 하루에 4개 이상의 안정제를 섭취하지 않는 것이 문제라고 순진하게 생각하고 있었지만 완전한 제형과 안정제의 관계인 복용량에 대해서는 생각하지 않았습니다.

 

나는 차단 요인 "일"을 제거하고 "안정제"와 "투여량"을 모두 "변경하기 어려운" 요인으로 전환하면 하루 4가지 제제의 제약 조건을 준수해야 한다고 생각합니다.

 

그리고 "안정제" 주 효과에 대해 약간 더 높은 전력을 제공합니다("복용량" 주 효과에 대한 더 낮은 전력을 희생하여).

안정제 주효과의 낮은 검정력 점수는 이 주효과의 수준 수로 설명될 수 있습니다(제약 조건이 없는 경우 동일한 모델을 사용하여 32번 실행하는 동안 각 안정제 수준에 대해 달성할 수 있는 가장 높은 검정력은 0,454가 됩니다...) 그리고 무작위화에 대한 제약.

다른 방법을 시도해보고 흥미로운 점을 찾으면 다시 연락드리겠습니다.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 빅터,

 

걱정 마. 훌륭합니다. 하지만 더 현명하게 수행할 수 있다면 다른 제안에도 열려 있습니다.

 

그러나 귀하의 제안으로는 내 문제가 해결되지 않을 것 같습니다. L6 = 0,01 및 L6 = 0,02는 고유한 혼합이고 L7=0,01 및 L3=0,02와 마찬가지로 다르기 때문입니다. 따라서 1일차에는 8개의 코드(4개의 서로 다른 안정 장치, 2개의 레벨)를 혼합해야 하지만 이는 불가능합니다.

 

어쩌면 JMP나 일반에서는 불가능할 수도 있습니다. 디자인을 완전히 다시 생각해야 할 수도 있습니다.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 크리스티안,

 

오해해서 죄송합니다. 요인 설정에 대해 완전히 옳았습니다.

이제 모든 것이 명확해졌으므로(필요한 요소와 모델을 정의하는 데 도움이 된 스냅샷에 감사드립니다) 제약 조건에 맞는 설계를 찾을 수 있었습니다. 즉, 하루에 4개의 혼합, 2개의 프로세스가 포함됩니다.

이 경우 요인을 "변경하기 어려움"으로 설정하지 않고 차단 요인 "일"을 생성하여 하루에 8번 실행하고 "자연스럽게" 매일 4번의 혼합이 수행됩니다.

 

이것이 귀하의 요구에 맞는 더 나은 솔루션이기를 바랍니다.

첨부된 데이터 테이블을 찾아 이 디자인을 이미 준비한 디자인과 비교할 수 있습니다.

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕하세요 빅터,

도와주셔서 정말 감사드립니다.

7가지 다른 안정 장치와 참조를 테스트하고 싶다는 점을 명심하세요. 그렇다면 이것들을 범주형 8개 수준 요인으로 넣어서는 안 되는 것일까요?

 

한 번에 하나의 안정제 용액만 혼합물에 첨가할 수 있기 때문에?

 

예, 하루에 4가지 혼합물이 제한 요소입니다. 그러나 공정(열처리 - 2가지 다른 공정)을 같은 날 실행할 수 있습니다.

 

그렇기 때문에 4개의 혼합물을 1회 실행할 수 있다면 완벽할 것입니다. 그 날에는 두 가지 치료법 모두에 의해 열처리됩니다.

 

나는 이 주문을 성공적으로 받았습니다(첨부된 사진을 참조하십시오). 그러나 제가 조사하고 싶은 주요 효과인 안정제에 대한 전력 점수가 너무 낮은 것이 걱정됩니다. 어떻게 생각하나요?

 

 

답: 맞춤 디자인 - 분할 플롯/차단에 대한 도움말

안녕 @Bertelsen92 ,

 

모델에서 어떤 효과를 보고 싶습니까?

주효과 선별을 위해 하루에 하나의 프로세스만 있는 4개의 전체 플롯(즉, 언급한 것처럼 하루에 8개의 실행)에서 32개의 실행을 생성할 수 있습니다.
스크립트는 다음과 같습니다.

DOE(
 Custom Design,
 {Add Response( Maximize, "Y", ., ., . ),
 Add Factor( Continuous, -1, 1, "X1", 0 ),
 Add Factor( Continuous, -1, 1, "X2", 0 ),
 Add Factor( Continuous, -1, 1, "X3", 0 ),
 Add Factor( Continuous, -1, 1, "X4", 0 ),
 Add Factor( Continuous, -1, 1, "X5", 0 ),
 Add Factor( Continuous, -1, 1, "X6", 0 ),
 Add Factor( Continuous, -1, 1, "X7", 0 ),
 Add Factor( Continuous, -1, 1, "X8", 0 ),
 Add Factor( Categorical, {"L1", "L2"}, "Process", 1 ),
 Set Random Seed( 235758137 ), Number of Starts( 1574 ), Add Term( {1, 0} ),
 Add Term( {1, 1} ), Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ),
 Add Term( {5, 1} ), Add Term( {6, 1} ), Add Term( {7, 1} ), Add Term( {8, 1} ),
 Add Term( {9, 1} ), Add Alias Term( {1, 1}, {2, 1} ),
 Add Alias Term( {1, 1}, {3, 1} ), Add Alias Term( {1, 1}, {4, 1} ),
 Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
 Add Alias Term( {1, 1}, {7, 1} ), Add Alias Term( {1, 1}, {8, 1} ),
 Add Alias Term( {1, 1}, {9, 1} ), Add Alias Term( {2, 1}, {3, 1} ),
 Add Alias Term( {2, 1}, {4, 1} ), Add Alias Term( {2, 1}, {5, 1} ),
 Add Alias Term( {2, 1}, {6, 1} ), Add Alias Term( {2, 1}, {7, 1} ),
 Add Alias Term( {2, 1}, {8, 1} ), Add Alias Term( {2, 1}, {9, 1} ),
 Add Alias Term( {3, 1}, {4, 1} ), Add Alias Term( {3, 1}, {5, 1} ),
 Add Alias Term( {3, 1}, {6, 1} ), Add Alias Term( {3, 1}, {7, 1} ),
 Add Alias Term( {3, 1}, {8, 1} ), Add Alias Term( {3, 1}, {9, 1} ),
 Add Alias Term( {4, 1}, {5, 1} ), Add Alias Term( {4, 1}, {6, 1} ),
 Add Alias Term( {4, 1}, {7, 1} ), Add Alias Term( {4, 1}, {8, 1} ),
 Add Alias Term( {4, 1}, {9, 1} ), Add Alias Term( {5, 1}, {6, 1} ),
 Add Alias Term( {5, 1}, {7, 1} ), Add Alias Term( {5, 1}, {8, 1} ),
 Add Alias Term( {5, 1}, {9, 1} ), Add Alias Term( {6, 1}, {7, 1} ),
 Add Alias Term( {6, 1}, {8, 1} ), Add Alias Term( {6, 1}, {9, 1} ),
 Add Alias Term( {7, 1}, {8, 1} ), Add Alias Term( {7, 1}, {9, 1} ),
 Add Alias Term( {8, 1}, {9, 1} ), Set N Whole Plots( 4 ), Set Sample Size( 32 ),
 Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
);

그리고 첨부하면 데이터 테이블을 찾을 수 있습니다.

요령은 2단계 범주형 요인 "프로세스"를 변경하기 어려운 요인으로 지정하고 주구 수(4일)로 4를 지정하고 실행 횟수(일일 8실행)로 32를 지정하는 것입니다. 주효과를 선별하기 위해 필요한 경우 실행 횟수를 줄일 수 있습니다(그러나 실험일 수의 배수여야 하므로 4일을 유지하는 경우 예를 들어 28 또는 24실행으로 줄일 수 있습니다).

 

 

귀하의 목표 및/또는 설계 사양을 잘못 이해한 경우 더 나은 솔루션을 찾을 수 있도록 더 많은 세부 정보와 설명을 추가해 주시기 바랍니다.
이것이 당신에게 도움이 되기를 바랍니다.

 

편집: 이 디자인은 하루에 4개의 서로 다른 혼합물만 사용한다는 제약 조건을 존중하지 않는 것 같습니다. 따라서 동일한 실행 횟수로 주구 수를 8개로 늘리고(그리고 매일 4번의 실험으로 2개의 주구를 수행) 대안이 될 수 있으므로 나중에 작동하는지 확인해야 합니다.

오해해서 미안해요,