Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo JMP-Kollegen,
Ich versuche mit dem RSM-Ansatz die optimalen Fertigungsparameter zu finden. Mein Design hat 5 Antworten und 5 Faktoren (4 kontinuierliche und 1 kategoriale).Ich habe versucht, das DOE-Classical-Response Surface Design zu verwenden; aber wenn ich dazu komme, die Faktoren einzugeben, scheint es, dass die Faktoren nur kontinuierlich sein können? Ich habe das CCD-Design verwendet. Ich bin mir nicht sicher, wie ich hier zurechtkomme. Wenn ich damit fortfahre, meinen kategorialen Faktor als kontinuierlichen Faktor festzulegen, erhalte ich einige bedeutungslose Variationen in der Designtabelle, da diese Kategorie eigentlich nur zwei Ebenen haben soll.
Was ich jetzt versucht habe, ist, ein benutzerdefiniertes Design zu erstellen und das RSM unter „Modell“ auszuwählen (und ich erhalte die Meldung, dass der kategoriale Faktor nicht in den Termen des Polynommodells vorkommen kann), und wähle dann die Mindestanzahl von Läufen aus und weiter In diesem Fall 22 (mit 2 Mittelpunkten), oder sollte ich die Standardanzahl der Läufe auswählen, die 26 beträgt?
Mein Problem ist, dass ich nicht sicher bin, ob dies der richtige Ansatz ist? Und wenn ja, wie bewerte ich die Genauigkeit des Designs? Ich habe hier im Forum auch irgendwo gelesen, dass man CCD nicht verwenden kann, wenn es sich um ein individuelles Design handelt? Daher bin ich mir nicht sicher, wie ich das RSM dann nutzen kann. Mein Ziel ist es, meinen Prozess zu optimieren.
Vor einiger Zeit gab es eine ähnliche Frage, aber es ist nicht klar, was der Benutzer letztendlich getan hat, daher meine Frage hier. Außerdem kann ich den Beitrag scheinbar nicht mehr finden.
Vielen Dank im Voraus für Ihre Beiträge.
VersuchsplanungBetreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo Phil,
Ich habe das gleiche Szenario mit Incr_ch22. Aber ich möchte es in zwei Blöcke aufteilen. Wenn ich es tue, ist die Abfangleistung sehr gering. Ist es ok?
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo @Phil_Kay
Danke für die Erklärung, sie ergibt für mich sehr viel Sinn. Ich wusste von dem diskreten numerischen Faktor, aber es wäre mir nie in den Sinn gekommen, dass er hier tatsächlich anwendbar sein könnte. Ihre Beiträge waren sehr hilfreich.
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo @Incr_ch22 ,
Sieht gut aus.
Die 4 Wiederholungsläufe sind die Mittelpunkte. Sie haben 2 Mittelpunkte angegeben. Dies ist die Mindestanzahl, die das Design enthalten wird. Custom Design hat festgestellt, dass es besser ist, 4 Mittelpunkte zu haben.
Eine Alternative habe ich beigefügt. Um es klarzustellen: Ich sage nicht, dass dies das „richtige“ Design ist.
Der Unterschied besteht darin, dass ich die Mittelpunkte auf Null setze.
Und ich habe aus „Pulvermischung“ einen diskreten numerischen Faktor gemacht. Das heißt, ein Faktor, der numerisch und kontinuierlich ist, im Entwurf jedoch nur bestimmte Werte (in diesem Fall 50 und 100) annehmen kann. Das ist vielleicht nicht der richtige Faktortyp, aber ich wollte Sie nur auf die Möglichkeit aufmerksam machen.
Das alternative Design weist einige leicht unterschiedliche Eigenschaften auf. Die Korrelation zwischen quadratischen Effekten ist etwas geringer (sehen Sie sich das Tabellenskript für „Design bewerten“ > „Farbkarte bei Korrelationen“ an). Daher sollten Sie in der Lage sein, die krummlinigen Beziehungen mit etwas höherer Präzision abzuschätzen.
Aber wirklich große Unterschiede gibt es nicht.
Ich hoffe das hilft.
Phil
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorDanke @Victor_G für den Tipp zur Designgenauigkeit. Ich bin auf jeden Fall daran interessiert, mehr zu erfahren, und ich werde mich darüber informieren!
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorDanke @louv für deine Antwort.
Ja, ich habe bereits einige Screening-Läufe durchgeführt und diese Faktoren haben die Zielparameter beeinflusst.
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorVielen Dank @Phil_Kay für deine Antwort.
Ja, der kategoriale Faktor hat zwei Stufen. Am Ende habe ich das benutzerdefinierte Design mit der Standardanzahl von Durchläufen erstellt. in diesem Fall 26. Bei der Analyse des Designs wurde mir klar, dass ich 4 Läufe habe, die genau gleich sind? Ist das ein Fehler oder dient das Design dazu, die Reproduzierbarkeit zu testen? Ich habe die Datei angehängt, falls das helfen würde.
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorErgänzend zu dem, was Phil mitgeteilt hat, würde ich fragen, ob ein vorläufiges Screening-Design fertiggestellt wurde, bevor ein Response Surface Design ausgeführt wird? Ich weiß nicht, wie hoch die Kosten für jede Behandlungskombination sind, aber es ist von Vorteil, viele Faktoren zu untersuchen, die in einem Prozess variieren können, und die Empfindlichkeit einer größeren Anzahl von Faktoren vor einer RSD zu verstehen.
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo @Incr_ch22 ,
Nur um einige Informationen zu den hervorragenden Ratschlägen und Erklärungen von hinzuzufügen @Phil_Kay .
Die Bewertung eines Designs und seiner „Genauigkeit“ kann bei der Designerstellung erfolgen, direkt nachdem Sie auf „Design erstellen“ geklickt haben, indem Sie sich die Informationen im Teil „Designbewertung“ ansehen. Um die verschiedenen Teile der Designbewertung zu verstehen, können Sie sich die JMP-Hilfe im Abschnitt „Designbewertung“ ansehen: Design (jmp.com)
Dies kann Ihnen bei der Bewertung Ihres aktuellen Designs helfen, und Sie können mit dieser Plattform auch verschiedene Designs vergleichen: Erstellen Sie Ihre Tabellen für jedes Design, klicken Sie dann auf DoE -> Designdiagnose -> Designs vergleichen und wählen Sie dann die verschiedenen Modelle aus, die Sie vergleichen möchten vergleichen.
Mein persönlicher Eindruck ist, dass angesichts der geringen Anzahl von Faktoren ein hohes „Risiko“ (oder eine hohe Chance) besteht, dass die meisten von ihnen in der Analyse von Bedeutung sein werden, also ein sequenzieller Ansatz (Haupteffekte, Wechselwirkungen und dann quadratische Effekte oder Definitiveffekte). Screening und Augmentation) oder die direkte Verwendung von benutzerdefiniertem Design für ein benutzerdefiniertes RSM-Modell passen am besten zu Ihren Einstellungen.
Ich hoffe, das hilft dir ein bisschen mehr 
Betreff: Antwortflächendesign mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo,
Zunächst einmal ist der Custom-Design-Ansatz angesichts dessen, was Sie beschreiben, der richtige Ansatz. Dafür wurde Custom Design entwickelt.
22 Läufe sind die Mindestanzahl an Läufen, da Sie 20 zu schätzende Parameter (1 Achsenabschnitt, 5 Haupteffekte, 10 2-Faktor-Wechselwirkungen, 4 quadratische Effekte) plus 2 zusätzliche Mittelpunkte angegeben haben. Ich gehe davon aus, dass der kategoriale Effekt zwei Ebenen hat – mehr Ebenen würden mehr Durchläufe erfordern.
Mittelpunkte sind übrigens nicht zwingend erforderlich.
JMP schlägt standardmäßig einige zusätzliche Läufe vor, um eine bessere Schätzung des experimentellen Rauschens und mehr Leistung zu ermöglichen.
Die Bewertung der Genauigkeit des Designs ist ein großes Thema. Zu viel, um es hier abzudecken. Ich empfehle Ihnen, „Optimal Design of Experiment: A Case Study Approach“ von Goos und Jones zu lesen, wenn Sie mehr erfahren möchten.
Seien Sie versichert, dass das kundenspezifische Design von JMP das optimale 26-Run-Design (mit 2 Mittelpunkten) für das RSM-Optimierungsmodell für Ihre Faktoren ist.
Alternativ können Sie einen sequenziellen Ansatz mit Screening und anschließender Erweiterung zur Optimierung verwenden. Dies ist ein Standardansatz in Situationen, in denen Sie vermuten, dass nicht alle Ihrer Faktoren einen wichtigen Einfluss auf die Antworten haben. Ein definitives Screening-Design könnte eine gute Wahl für Ihr Screening-Experiment sein.
Ich hoffe das hilft,
Phil
Betreff: Response Surface Design mit kontinuierlichen Faktoren und einem kategorialen FaktorHallo Phil,
Ich habe hier ein ähnliches Problem. Ich habe sowohl Augmentation als auch Kundendesign als Screening-DOE und anschließend Optimierungs-DOE ausprobiert.
aber das Augmented-Design kann den ordinalen numerischen Faktor nur als kategorischen Faktor erkennen, sodass RSM im Augmented-Design nicht wirklich hinzugefügt werden kann. Es scheint, dass die Verwendung des Kundendesigns die einzige Möglichkeit ist, diskrete numerische Faktoren hinzuzufügen.
haben Sie eine andere Idee zur Optimierung von DOE durch Hinzufügen eines diskreten numerischen Faktors?
die klassische RSM erlaubt nur kontinuierliche
Dank im Voraus.
Person
