Wie erstellt man D-optimales Design richtig?Hallo,
Ich folge jetzt der Praxis in einem Lehrbuch, kann aber die Arbeit des Autors nicht nachahmen.
Das Buch ist Douglas C. Montgomery, Design and Analysis of Experiments (2020)
Auf Seite 445 ~ 448, Beispiel 11.3, lautet die Zusammenfassung wie folgt.
4 Faktoren,
in genau 16 Läufen,
D-optimal
Mit JMP
Das Ergebnis ist,
Ich kann dieses Ergebnis jedoch nicht nachahmen, da
JMP>Benutzerdefiniertes DOE>
- 4 kontinuierliche Faktoren
- RSM
- 'D-Optimalität'
- Läufe: 16
Über 4 sind meine angegebenen Werte, wie in der folgenden Abbildung dargestellt
Das Ergebnis stimmt jedoch nicht mit dem Lehrbuch überein.
Es umfasst immer die untergeordnete Dezimalzahl des Faktors bzw. der Faktoren wie folgt.
Somit besteht keine Identität zwischen dem Lehrbuch.
Welchen Punkt habe ich verpasst?
Bitte sagen Sie mir, wie ich durchkomme.
Erweiterte statistische ModellierungDatenexploration und -visualisierungVersuchsplanungBetreff: Wie erstellt man D-optimales Design richtig?Hallo @MikeKim ,
Da experimentelle Punkte aus optimalen Designs durch einen Algorithmus generiert werden ( Koordinatenaustausch-Algorithmus ) und zunächst auf Zufallspunkten basieren, ist ein Teil der Zufälligkeit vorhanden und kann zu unterschiedlichen optimalen Designs mit ähnlichen Leistungen und Eigenschaften, aber unterschiedlichen individuellen experimentellen Werten für die Faktoren und Läufe führen.
Bei den „seltsamen“ Werten, die Sie manchmal sehen können (wie 0,81 statt 1 oder -0,22 statt 0), liegt dies am Entwurfsgenerierungsprozess, der auf anfänglichen Zufallswerten basiert. Das Ändern der Anzahl der Starts und der Zeit für jede Designgenerierung kann die globale Optimalität des gefundenen Designs verbessern, es kann jedoch dennoch vorkommen, dass solche Werte auftreten. Dies stellt kein großes Problem dar und Sie können diese Werte trotzdem auf konventionellere Werte „aufrunden“ (z. B. 0,81 auf 1 runden), wobei möglicherweise nur ein geringer Verlust an Optimalität auftritt.
Wenn Sie dasselbe benutzerdefinierte Design wie ein anderes verwenden möchten, besteht die beste Option darin, einen zufälligen Startwert festzulegen, sodass die anfänglichen Zufallspunkte dieselben sind und die Konvergenz zu demselben Design führt: Gelöst: Betreff: Ist es möglich, die DOE-Generierung reproduzierbar zu machen? - JMP-Benutzergemeinschaft
Wenn Sie in diesem Beispiel nicht über den Startwert verfügen, der zum Generieren dieses Designs verwendet wurde, kann es schwierig sein, genau dasselbe optimale Design zu finden. Sie können jedoch versuchen, es mehrmals zu generieren und die Optionen zur Erweiterung zu verwenden Anzahl der Starts Und Design-Suchzeit.
Ich hoffe, diese Antwort wird Ihnen helfen.
Betreff: Wie erstellt man D-optimales Design richtig?Denken Sie auch daran, dass es in vielen Situationen mehr als ein Design gibt, das gleichermaßen optimal ist, weil es denselben Wert für das Optimalitätskriterium hat wie ein anderes Design. Das Design sieht für Sie hinsichtlich der Läufe möglicherweise ganz anders aus, sie sind jedoch dieselben wie die von JMP bewerteten.
Beachten Sie, dass Sie unten auf der Custom Design-Plattform auf „Zurück“ und dann erneut auf „Design erstellen“ klicken können, um ein anderes Design zu erhalten, es sei denn, es gibt nur eine Lösung.
Betreff: Wie erstellt man D-optimales Design richtig?Danke Victor.
Meiner Meinung nach muss es tatsächlich eine Möglichkeit gegeben haben, die Ebene der Faktoren so festzulegen, dass sie zu einer Ganzzahl wird.
Da zwei der Designs (D und I optimal) zeigen, dass alle Ebenen ganzzahlig sind (-1, 0, 1), kann es nicht zufällig generiert worden sein.
Darüber hinaus ist die Gesamtleistung der generierten Designs in meiner Umgebung deutlich schlechter als die des Autors.
Sagt zum Beispiel Pred Var: 2,2 (mein) und 1,8 (Autor).
Es macht eigentlich keinen Sinn, dass JMP nicht mit dieser Option ausgestattet ist, wenn man bedenkt, dass einige Benutzer die Ganzzahlebene wünschen, daher vermute ich, dass es eine Möglichkeit geben muss, dies zu tun.
Also, Victor, würden Sie dieses Problem bitte noch einmal überdenken? Wenn Sie die Möglichkeit haben, beziehen Sie sich bei Bedarf bitte direkt auf das Lehrbuch, um weitere Informationen als unten zu erhalten.
Betreff: Wie erstellt man D-optimales Design richtig?Hallo @MikeKim ,
Natürlich gibt es eine Möglichkeit, JMP darüber zu informieren, dass Sie über diskrete numerische Faktoren verfügen. Richten Sie einfach Ihre 4 Faktoren ein als Diskrete Numerik mit drei Stufen (-1, 0, 1):
Dadurch wird während der Designgenerierung eine Einschränkung hinzugefügt, nur die drei möglichen Ebenenwerte für jeden Faktor im Design zu verwenden:
Dies ändert jedoch nichts an der Tatsache, dass die Designgenerierung für optimales Design in JMP „zufallsbasiert“ erfolgt. Weitere Informationen finden Sie in meinem vorherigen Beitrag zum Koordinatenaustauschalgorithmus und der Antwort von @Mark_Bailey für Erklärungen und Informationen. Es kann also sein, dass Sie am Ende ein Design mit ähnlichen Leistungen, aber unterschiedlichen Läufen erhalten.
Das Modell, das ich mit demselben Modell (Haupteffekte, Wechselwirkungen und quadratische Effekte), Optimalitätskriterium (D) und Laufgröße (16) erstellt habe, hat eine ähnliche Vorhersagevarianz wie das D-optimale Design aus dem Buch (1,86 vs. 1). ,80 im Buch für die spezifische Einstellung von Faktoren):
Anbei finden Sie das D-Optimal-Design, das ich mit den diskreten numerischen Faktoren erstellt habe.
Wenn Sie die gleichen Faktoreinstellungen und Methoden anwenden, sollten Sie in der Lage sein, ein zufriedenstellendes I-optimales Design mit ähnlichen Leistungen und Eigenschaften wie im Lehrbuch zu erstellen.
Ich hoffe, diese Antwort wird Ihnen helfen,
Betreff: Wie erstellt man D-optimales Design richtig?Obwohl bekannt ist, dass die Festlegung der Faktoren als diskret dazu führt, dass der Entwurf ganzzahlig wird, und wenn man Authers Absicht und den Kontext des Problems berücksichtigt, ist es unwahrscheinlich, dass die Faktoren als diskret bezeichnet werden. Sie haben so großes Interesse an meiner Frage gezeigt, daher danke ich Ihnen Du.
Mindestens zwei der JMP-Experten haben gezeigt, dass es keine tatsächliche Nachahmung des Lehrbuchs gibt, sodass möglicherweise ein Fehler im Lehrbuch oder ein Missverständnis vorliegt oder die Version von JMP unterschiedlich ist und zu unterschiedlichen Ergebnissen führt.
Vielen Dank für Ihre freundlichen Antworten.
Betreff: Wie erstellt man D-optimales Design richtig?Freut mich, dass meine Antwort hilfreich war. Beachten Sie, dass der „Trick“ mit diskreten numerischen Faktoren für die optimale Entwurfsgenerierung verwendet werden kann. Sobald Sie jedoch einen Entwurf erhalten haben, können Sie den Faktormodellierungstyp auf „Numerisch kontinuierlich“ zurücksetzen, um ihn an den ursprünglichen Kontext des Problems anzupassen.
Ich empfehle Ihnen wirklich, mehrere Designs mit dem oben erwähnten Ansatz (mit diskreten numerischen Faktoren) zu erstellen und die aufgeführten Ressourcen (und andere verfügbare) über den Koordinatenaustauschalgorithmus zu lesen, der in der Plattform Custom Design verwendet wird.
Es tut mir leid, darauf zu bestehen. Die einzige Möglichkeit, das Design aus dem Buch in einem Versuch genau nachzuahmen, besteht darin, den Zufallsstartwert für die Designgenerierung zu verwenden und ihn auch in JMP zu verwenden (ein Thema habe ich in meinem vorherigen Artikel aufgeführt). Antworten zu diesem Aspekt). Das Festlegen des Zufallsstartwerts ermöglicht es, mit denselben anfänglichen Zufallspunkten zu beginnen und (während der Entwurfsgenerierung) zum gleichen endgültigen optimalen Entwurf zu konvergieren. Wenn Sie diese Informationen nicht haben, ist es sehr wahrscheinlich, dass mehrere optimale Designs mit ähnlichen Leistungen und Eigenschaften erstellt werden können, die Ihrem angenommenen Modell, den Faktorenspezifikationen und den Einschränkungen entsprechen. In diesem Anwendungsfall sind mehrere optimale Designs möglich, es gibt kein einziges, eindeutig mögliches optimales Design, daher erhalte ich nicht das gleiche Design wie im Lehrbuch, sondern ein anderes mit sehr ähnlichen Leistungen.
Es gibt keine Fehler auf Lehrbuch- oder JMP-Seite. Die Zufälligkeit hinter der optimalen Designgenerierung ermöglicht die Annäherung an mehrere ähnliche Designs (in Bezug auf die Leistung, aber unterschiedlich in Bezug auf experimentelle Durchläufe).
Ich hoffe, dass diese ergänzende Antwort etwaige Missverständnisse ausräumen wird.
