Benutzerdefiniertes Design – Hilfe beim Teilen/BlockierenHallo JMP-Community,
Ich arbeite derzeit an einem benutzerdefinierten DOE-Design. Insgesamt habe ich 3 Faktoren mit unterschiedlichem Ausmaß.
Stabilisatorlösung (ich habe 7 verschiedene Stabilisatorlösungen, die ich überprüfen möchte) + möglicherweise Hinzufügen einer Referenzprobe (kein Stabilisator hinzugefügt).
Dosierung des Stabilisators – 2 Stufen (hoch und niedrig) => (0,01 % und 0,02 %)
Prozess (2 verschiedene Wärmebehandlungen/Autoklaven).
Die Pilotanlage ist in der Lage, 4 einzigartige Codes pro Jahr zu mischen. Tag. (wir haben 4 Tage im Technikum gebucht). Das bedeutet, dass wir maximal 16 einzigartige Codes mischen können, die beide Wärmebehandlungen durchlaufen können (insgesamt 32 Codes).
Allerdings ist die Tatsache, dass wir nur 4 Codes mischen können, pr. Tag und diese müssen mit beiden Wärmebehandlungen verarbeitet werden (was 8 Codes pro Tag ergibt), bereitet mir einige Probleme. Die ideale Reihenfolge wäre natürlich:
Tag 1:
Stabilisator 1: 0,01 % – Wärmebehandlung 1
Stabilisator 4: 0,02 % – Wärmebehandlung 1
Stabilisator 5: 0,01 % – Wärmebehandlung 1
Stabilisator 6: 0,02 % – Wärmebehandlung 1
Stabilisator 1: 0,01 % – Wärmebehandlung 2
Stabilisator 4: 0,02 % – Wärmebehandlung 2
Stabilisator 5: 0,01 % – Wärmebehandlung 2
Stabilisator 6: 0,02 % – Wärmebehandlung 2
usw...
Ich kann JMP jedoch nicht dazu bringen, dies zu tun (ich habe versucht, Blockierungen zu verwenden und die „Änderungen“ von einfach auf schwer usw. zu bearbeiten).
Die beste Antwort, die ich selbst bekommen habe, ist beigefügt.
Ich bin mit Scripting (JSL) nicht vertraut, daher werden mir diese Lösungen schwer fallen. Ich verwende JMP 17.
Vielen Dank im Voraus.
Beste grüße
Kristian Bertelsen
VersuchsplanungBetreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Kristian,
Ich freue mich sehr, dass diese Diskussion für Sie hilfreich war und Sie zu einem (hoffentlich besseren) Design führt.
Die Verringerung der Anzahl der Stabilisatorstufen scheint in der Tat eine gute Idee zu sein, um die Leistung zu erhöhen: Bei gleicher Gesamtzahl der Durchläufe werden weniger Terme im Modell geschätzt.
Zögern Sie nicht, einen neuen Beitrag zu erstellen, wenn Sie weitere Hilfe oder Ratschläge für die Analyse dieses DoE (oder für ein anderes Thema) benötigen. Die JMP-Community ist voller leidenschaftlicher Menschen! 
Ein schönes Wochenende wünsche ich ihnen,
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Victor,
Vielen Dank für all Ihre Beiträge!
Ich habe mir die meisten der von Ihnen geteilten Links angesehen. Hat wirklich zum Verständnis beigetragen.
Es ist mir auch gelungen, ein Design zu schaffen, mit dem ich zufrieden bin. Am Ende habe ich die Anzahl der Stabilisatoren auf 5 statt auf 8 reduziert. Ich habe auch unsere Pilotanlage davon überzeugt, 5 Mischungen pro Jahr herzustellen. Tag. Die Leistungsanalyse sieht jetzt stark aus.
Ich bin wirklich froh, wie gut mein erster Beitrag in der JMP-Community ausgegangen ist.
Wir sehen uns hier.
Ein schönes Wochenende wünsche ich ihnen.
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Kristian,
Es kommt wirklich darauf an, was das Ziel Ihrer Studie ist, eine definitive Antwort gibt es nicht.
Wenn Sie generell die besten Stabilisatoren prüfen und auswählen möchten, sind die Angaben zur Dosierung vielleicht doch nicht so wichtig. Es könnte aber auch mehrere Implikationen/Fragen haben:
- Könnte die Menge des Stabilisators einen Einfluss auf die übrigen Inhaltsstoffe der Formulierung haben (synergistische oder antagonistische Wirkung)?
- Könnte es sein, dass das Verhalten des Stabilisators nicht linear ist und die Festlegung eines „willkürlichen“ Dosierungswerts dazu führen würde, dass Sie einen potenziell wichtigen/wirksamen Stabilisator übersehen (siehe Grafik unten), da es je nach Chemie unterschiedliche „Aktivierungs“-/Leistungskonzentrationen geben kann des Stabilisators? :
Wenn die Studienkonzentration fest ist und unter dem Schwellenwert dieses Diagramms liegt, würde Stabilisator A nicht zur Optimierung beibehalten, da davon ausgegangen werden kann, dass er keinen Einfluss auf die Reaktion hat. Aber im Gegenteil: Wenn Sie die Auswirkungen auf einen Bereich untersuchen, erhalten Sie eine bessere Einschätzung seines Verhaltens und seiner Leistungen und nicht nur eine Einzelpunktschätzung seiner Leistung.
Eine andere Möglichkeit könnte darin bestehen, sich zunächst nur auf die Haupteffekte in Ihrem Modell zu konzentrieren (oder zumindest hauptsächlich auf die Haupteffekte Stabilisatortyp, Dosierung, Prozess und die Interaktionsterme im Modell zu reduzieren, um mehr Aussagekraft für die Terme im Modell zu haben) und Erweitern Sie dann Ihren ursprünglichen Entwurf auf der Grundlage der identifizierten signifikanten Auswirkungen? Sie hätten mehr Leistung für den Haupteffekt der Stabilisatoren, so dass die Unterscheidung/Unterscheidung zwischen verschiedenen Stabilisatoren einfacher sein könnte, und Sie könnten das ursprüngliche Design nur bei Stabilisatoren erweitern, die einige Leistungen zeigen.
Oder haben Sie möglicherweise bereits einige Daten und könnten Ihren ursprünglichen Datensatz mit neuen Experimenten über die Plattform „Augment Design“ erweitern (und die Option „Neue Läufe in separaten Block gruppieren“ verwenden)?
Weitere Informationen zum Signifikanzniveau und zum erwarteten RMSE finden Sie hier: Leistungsanalyse (jmp.com)
- Leistung ist die Wahrscheinlichkeit, einen Effekt zu erkennen, wenn er signifikant ist. Eine Potenz von 1 bedeutet, dass Sie diesen Effekt (falls signifikant) für einen bestimmten Wert des Signifikanzniveaus und des erwarteten RMSE zu 100 % erkennen können. Ich kann das Video vom Youtube-Kanal Statquest wärmstens empfehlen, es hilft mir sehr, statistische Konzepte zu verstehen. Es gibt ein hervorragendes Video zur Leistungsanalyse: Leistungsanalyse, anschaulich erklärt!!! - Youtube
- Das auf dieser Plattform angezeigte Signifikanzniveau wird auch als Alpha-Risiko bezeichnet: Sie sehen das Alpha-Risiko häufig in statistischen Tests wie beispielsweise dem Student-T-Test (um zu bewerten, ob es einen Unterschied in der Antwort zwischen zwei Gruppen gibt). Das Signifikanzniveau ist die Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn sie wahr ist. Beispielsweise weist ein Signifikanzniveau von 0,05 darauf hin, dass das Risiko, auf einen Unterschied zu schließen, bei 5 % liegt, obwohl kein tatsächlicher Unterschied besteht. Niedrigere Signifikanzniveaus weisen darauf hin, dass Sie stärkere Beweise benötigen, bevor Sie die Nullhypothese ablehnen. Weitere Infos hier: Signifikanzniveau – Statistiken von Jim
- Der erwartete RMSE ist der „Rauschenpegel“ in Ihrer Antwort ( Quadratwurzel der Fehlervariation) . Je höher der Wert, desto höher das Rauschen/die Varianz in Ihrer Reaktion, desto schwieriger ist es, einen signifikanten Effekt zu bestimmen, und desto geringer ist Ihre Leistung für Ihre Effekte. Sie könnten es als das Verhältnis Rauschen/Signal betrachten: Wenn Sie viel Rauschen haben, wird der erwartete RMSE höher sein und Ihre Leistungsberechnungen für die Effekte werden niedriger sein. Standardmäßig werden die Berechnungen mit einem Wert von 1 durchgeführt (was hilfreich ist, um verschiedene Designs auf derselben Basis zu vergleichen). Wenn Sie jedoch bereits eine Vorstellung von Ihrer Messabweichung haben, können Sie einen anderen Wert eingeben, der dieses Wissen widerspiegelt, um relevanter zu sein Leistungsberechnungen. Weitere Infos hier: Beispiel für die Bewertung der Leistung relativ zu einem bestimmten Modell (jmp.com)
Ich hoffe, diese Optionen werden Ihnen bei Ihrer Überlegung helfen,
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo nochmal,
Ich bin auch im Zweifel, wann es sinnvoll ist, die Dosierung als Faktor einzubeziehen. Denn der Hauptzweck der Versuche besteht darin, herauszufinden, welcher Stabilisator im Hinblick auf die Stabilität am besten funktioniert und dem gewünschten Produkt möglicherweise mehr Viskosität/Funktionalität verleiht. Wir könnten nur eine Dosierung verwenden (die vom Lieferanten der Stabilisatoren empfohlene). Anschließend würde ich hoffen, die 2-3 besten Lösungen auszuwählen und ein Optimierungsexperiment durchzuführen, bei dem ich deren Inhalt und möglicherweise einige andere Prozessparameter variiere. Was denken Sie? Ich könnte nur eine Dosierung vornehmen, aber für jeden Stabilisator eine Wiederholung durchführen, um einen besseren Leistungswert zu erhalten.
Der Interaktionsterm mit dem Stabilisator und der Wärmebehandlung ist ebenfalls etwas interessant, da wir zuvor gesehen haben, dass dies zu unterschiedlichen Ergebnissen führen kann (sowohl gute als auch schlechte).
Ich bin mir nicht sicher, ob ich diese Leistungsanalyse vollständig verstehe (ich habe versucht, mehr darüber zu lesen und habe auch in einem Ihrer früheren Beiträge zusammen mit Phil Kay eine gute Antwort gefunden).
https://www.jmp.com/support/help/14/power-analysis.shtml
https://community.jmp.com/t5/Discussions/Should-I-consider-power-analysis-in-DOE/mp/501063
Ich denke, ich verstehe, was die Potenzzahl bedeutet (0-1), wobei ein Wert von 1 bedeuten würde, dass eine 100-prozentige Chance besteht, zu sehen, ob es sich um einen Effekt handelt oder nicht?
Allerdings verstehe ich nicht ganz, was das Signifikanzniveau und der erwartete RMSE bedeuten und wie sie sich auf den Leistungswert meines Experiments auswirken.
Ich sollte einen bestimmten Wert dafür kennen, basierend auf dem, was ich teste, oder?
Vielen Dank für Ihre Zeit und Ihre Antworten.
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenTut mir leid, ich dachte naiv, dass das Problem darin bestehe, mehr als 4 Stabilisatoren pro Tag zu vermeiden, aber ich habe nicht an die vollständige Formulierung und das Verhältnis Stabilisator-Dosierung gedacht.
Ich denke, dass die Entfernung des Blockierungsfaktors „Tag“ und die Umstellung von „Stabilisator“ und „Dosierung“ auf „schwer zu ändernde“ Faktoren die Einschränkungen der 4 Formulierungen pro Tag berücksichtigen sollten:
Und Sie erhalten eine etwas höhere Leistung für die Hauptwirkung „Stabilisator“ (auf Kosten einer geringeren Leistung für die Hauptwirkung „Dosierung“):
Der niedrige Leistungswert für den Haupteffekt des Stabilisators kann durch die Anzahl der Stufen dieses Haupteffekts erklärt werden (wenn Sie keine Einschränkungen hätten, wäre die höchste erreichbare Leistung für jede Stufe des Stabilisators für 32 Läufe mit demselben Modell 0,454 ...) und die Einschränkungen der Randomisierung.
Ich kann andere Optionen ausprobieren und mich bei Ihnen melden, wenn ich etwas Interessantes finde.
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Victor,
Keine Sorge. Großartig, aber ich bin offen für andere Vorschläge, wenn es intelligenter gemacht werden könnte.
Allerdings befürchte ich, dass Ihre Vorschläge mein Problem nicht lösen werden. Denn L6 = 0,01 und L6 = 0,02 sind einzigartige Mischungen und genauso unterschiedlich wie L7=0,01 und L3=0,02. Innerhalb von Tag 1 müssten also 8 Codes gemischt werden (4 verschiedene Stabilisatoren, aber 2 Stufen), was nicht möglich ist.
Möglicherweise ist dies in JMP oder allgemein nicht möglich. Möglicherweise muss ich das Design komplett überdenken.
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Kristian,
Entschuldigung für mein Missverständnis, Sie haben völlig Recht mit den Einstellungen Ihrer Faktoren.
Da nun alles klar zu sein scheint (vielen Dank für Ihre Schnappschüsse, die mir geholfen haben, die benötigten Faktoren und das benötigte Modell zu definieren), konnte ich ein Design finden, das Ihren Anforderungen gerecht wird: 4 Mischungen pro Tag, mit den beiden beteiligten Prozessen.
In diesem Fall habe ich keinen Faktor auf „Schwer zu ändern“ eingestellt, sondern einen Blockierungsfaktor „Tag“ erstellt, mit 8 Durchläufen pro Tag und „natürlich“ werden jeden Tag 4 Mischungen durchgeführt.
Ich hoffe, dass dies eine bessere Lösung ist, die Ihren Anforderungen entspricht?
Im Anhang finden Sie die Datentabelle. Anschließend können Sie diesen Entwurf mit dem bereits erstellten Entwurf vergleichen.
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo Victor,
Vielen Dank für Ihre Hilfe.
Denken Sie daran, dass ich 7 verschiedene Stabilisatoren + eine Referenz testen möchte. Sollten diese also nicht als kategorischer Faktor der Stufe 8 eingegeben werden?
Weil wir der Mischung jeweils nur eine Stabilisatorlösung hinzufügen können?
Ja, die 4 Mischungen pro Tag sind der limitierende Faktor. Der Prozess (Wärmebehandlung – 2 verschiedene) kann jedoch am selben Tag durchgeführt werden.
Deshalb wäre es perfekt, wenn Sie 4 Mischungen pro Jahr durchführen könnten. Tag, der dann mit beiden Behandlungen wärmebehandelt wird.
Es ist mir gelungen, diese Bestellung zu erhalten (siehe beigefügte Bilder). Allerdings befürchte ich, dass der Leistungswert für die Stabilisatoren viel zu niedrig ist, was der Haupteffekt ist, den ich untersuchen möchte. Was denken Sie?
Betreff: Benutzerdefiniertes Design – Hilfe zum Split-Plot/BlockierenHallo @Bertelsen92 ,
Welche Effekte würden Sie sich in den Modellen wünschen?
Für das Screening der Haupteffekte kann ich 32 Durchläufe in 4 ganzen Parzellen erstellen (also 8 Durchläufe pro Tag, wie Sie erwähnt haben), wobei Sie nur einen Prozess pro Tag haben.
Hier ist das Skript:
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}
);
Und im Anhang finden Sie die Datentabelle.
Der Trick besteht darin, Ihren zweistufigen kategorialen Faktor „Prozess“ als schwer zu ändernden Faktor anzugeben und 4 als Anzahl der gesamten Parzelle (4 Tage) und 32 als Anzahl der Durchläufe (8 Durchläufe pro Tag) anzugeben. Beachten Sie, dass Sie zum Screening der Haupteffekte die Anzahl der Durchläufe bei Bedarf reduzieren können (diese sollte jedoch ein Vielfaches der Anzahl der Versuchstage sein. Wenn Sie also 4 Tage beibehalten, können Sie die Anzahl auf beispielsweise 28 oder 24 Durchläufe reduzieren):
Sollte ich Ihre Ziel- und/oder Designvorgaben falsch verstehen, zögern Sie nicht, weitere Details und Erläuterungen hinzuzufügen, damit wir eine bessere Lösung finden können.
Ich hoffe, dies wird dir helfen,
Bearbeiten: Dieses Design scheint Ihre Beschränkung, nur 4 verschiedene Mischungen pro Tag zu haben, nicht zu respektieren, sodass eine Erhöhung der Anzahl ganzer Parzellen auf 8 (und die Durchführung von 2 ganzen Parzellen mit jeweils 4 Experimenten pro Tag) bei gleicher Anzahl an Durchläufen möglich wäre eine Alternative sein, ich muss später prüfen, ob es funktioniert.
Entschuldigen Sie das Missverständnis,
