Per tutto il mio tempo a JMP , ho avuto molti problemi di progettazione che richiedevano l'uso di covariate, sia per i miei problemi che per aiutare i clienti a trovare una soluzione al loro problema di progettazione. Quello che ho notato è che molti clienti, anche quelli molto esperti, non sono a conoscenza dell'opzione covariata nella piattaforma Custom Design.
Per iniziare, voglio sottolineare che è stato inserito nel menu a discesa Add Factor in Custom Design a partire da JMP 10 e potresti non averlo notato fino ad ora:
Cos'è una covariata?
Parte della confusione deriva dall'uso del termine covariata. In alcuni contesti, lo vedrai utilizzato come effetto da controllare, ma non di interesse primario (ANCOVA), e potresti anche vederlo utilizzato vagamente per qualsiasi fattore indipendente nella definizione di un modello.
In un esperimento progettato, una covariata è una variabile di input di cui vogliamo tenere conto nel nostro esperimento, ma non possiamo controllare che abbia un valore come possiamo fare per altri tipi di fattori. Tuttavia, se riusciamo a misurare in anticipo i valori di tali input, possiamo tenerne conto durante la progettazione dell’esperimento.
Quando dovrei usare una covariata?
Se si pensa a una covariata dal punto di vista “non controllato, ma osservabile in anticipo”, emergono alcuni casi d’uso diversi. Potresti spesso sentire l'idea di a insieme dei candidati . Nella finestra di progettazione personalizzata, la specifica dei fattori di covariata produce un "set candidato" di esecuzioni utilizzabili dalla finestra di progettazione personalizzata. In Custom Design, il set candidato viene specificato da una tabella dati. Molto spesso abbiamo ulteriori fattori controllabili (che possono assumere qualsiasi valore nell'intervallo), che possiamo consentire al Designer personalizzato di scegliere come ritiene opportuno (il modo in cui solitamente definiamo i fattori).
In generale, tendo a suddividere l’uso delle covariate in due casi:
- Utilizzando un sottoinsieme delle righe.
- Utilizzando tutte le righe.
Utilizzando un sottoinsieme di righe
Quando si utilizza Custom Designer per selezionare un sottoinsieme del set di covariate, l'idea è di utilizzare i valori delle covariate che possiamo misurare in anticipo per selezionare le esecuzioni migliori dal set di candidati in base all'obiettivo sperimentale. Ciò risulta essere molto più efficiente rispetto al semplice prelievo di un campione casuale.
Per un esempio eccellente, mi piace indirizzare le persone al capitolo 9 di Progettazione ottimale degli esperimenti: un approccio al caso di studio . Se non hai una copia del libro, puoi leggere uno schema dell'idea in una versione precedente post sul blog di Bradley Jones .
Un altro caso d'uso comune è fornire un set di candidati che imponga alcuni vincoli allo spazio di progettazione. Mentre questo può essere fatto usando vincoli di fattore dal Designer personalizzato , l'approccio dell'insieme di candidati è utile quando la regione è piuttosto complessa o se si desidera che le esecuzioni di un esperimento abbiano una determinata struttura. Ad esempio, potresti volere che le variabili continue assumano solo cinque valori distinti o limitare il numero di fattori diversi da zero in una determinata esecuzione sperimentale.
Utilizzando tutte le righe
Come nel caso del sottoinsieme descritto sopra, ciò può verificarsi quando vengono scelte tutte le nostre unità sperimentali e possiamo misurare alcuni valori incontrollabili prima di progettare l'esperimento.
Un caso d'uso comune che potrebbe essere meno ovvio è quello di forzare una struttura desiderata per un sottoinsieme di fattori.
Ad esempio, supponiamo che tu stia progettando un esperimento da 12 esecuzioni con un fattore categorico a due livelli, X1 con i livelli A e B, e quattro fattori continui, X2-X5, con una restrizione aggiuntiva che per il fattore categorico, 1/3 delle piste devono essere al livello A e 2/3 al livello B.
Tutto quello che dobbiamo fare è creare una tabella dati per il fattore categoriale con 12 esecuzioni e una colonna etichettata con il nome di quel fattore. Metti quattro righe come A e otto righe come B.
In Progettazione personalizzata, scegli Aggiungi fattore->Covariata, quindi aggiungi i restanti quattro fattori continui. Se manteniamo il numero di esecuzioni a 12 prima di fare clic su Crea progetto, in questo modo,
il progetto risultante forzerà le corse per X1 come specificato dal set candidato (con il rapporto desiderato) e progetterà le impostazioni ottimali per i fattori continui.
Altri esempi che utilizzano questa idea dai post precedenti del blog includono la creazione di un file esperimento robusto rispetto a un andamento lineare della risposta nel tempo o garantire una struttura di progettazione di screening definitiva per un sottoinsieme di fattori, come ad esempio an esperimento con uova sode .
Qualunque altra cosa?
Sono stati apportati alcuni miglioramenti alla gestione delle covariate JMP16 . Ho evidenziato quei nuovi pezzi in un altro post .
@Ryan_Lekivetz , Quali criteri di ottimalità utilizza il candidato per effettuare la sua selezione?Si basa sul DOE sottostante?
Sarebbe più utile fornire esempi di fattori che non possiamo controllare facilmente come l'umidità relativa, l'ora del giorno, ecc.
@Byron_JMP Ottima domanda! Avrò alcuni dettagli/esempi in più nel prossimo post, ma in effetti se hai delle righe selezionate nella tabella dati quando la carichi, quelle righe verranno forzate anche se non sono una scelta ottimale.
Che cosa fa al progetto "Imponi l'uso di righe covariate selezionate per l'olio"?
@Peter_Hersh - Corretto, a partire da JMP 16, utilizza i criteri di ottimalità definiti dalle specifiche di progettazione personalizzata.
Grazie @Ryan_Lekivetz , mi piace molto l'idea di utilizzare le covariate come un modo per forzare struttura/vincoli sul progetto: non ci avevo mai pensato in questo modo prima. Un altro potenziale utilizzo dei fattori di covariazione è quello di utilizzare i dati curvi come input per un esperimento , piuttosto che l'uso tradizionale delle curve come output.
@Ryan_Lekivetz Grazie, esiste un modo per applicare l'utilizzo del criterio MaxPro nei progetti di riempimento dello spazio FFF per la selezione dei candidati?Quali criteri verranno utilizzati se si aumenta il design?Un caso d'uso un po' di nicchia, la speranza è quella di realizzare un progetto che riempia lo spazio, quindi aumentare per catturare angoli, punti assiali e utilizzare il criterio MaxPro per selezionare un set di candidati.
Grazie @Ryan_Lekivetz per la spiegazione. Gestiamo una macchina di assemblaggio con adesivi e controlliamo le impostazioni della macchina in un DOE. La covariata in questo caso è il peso dell'adesivo applicato dalla macchina, poiché cambia continuamente da una sessione all'altra. Non abbiamo un modo per controllare con precisione il peso, solo un controllo approssimativo della dose.
La domanda: possiamo aggiungere il peso misurato come covariata? Queste informazioni vengono ottenute quando eseguiamo la corsa DOE. Come appare questo in JMP 17?
CIAO @MichaelR1 . Se ho capito bene, il peso misurato sarebbe considerato un fattore "Non controllato", che selezioneresti dallo stesso menu (primo screenshot in questa pagina).
@Jed_Campbell è corretto. Cerchiamo di controllarlo con le impostazioni della macchina ma potrebbe essere considerato un fattore incontrollabile. Non sapevo che si potesse aggiungere un fattore incontrollato al design. Come funziona?
@MichaelR1 Supponendo che tu stia utilizzando Custom Designer, selezioneresti "Non controllato" nel menu a discesa "Aggiungi fattore". Durante l'esperimento, registra il peso per ogni corsa e il modello ne terrà conto.
