主効果スクリーニング設計と OFAT: どちらが最適ですか?こんにちは、
JMP では、DOE > クラシック > 2 レベル スクリーニング > スクリーニング計画 > 「主効果スクリーニング計画の構築」の下で、主効果のみを調査するスクリーニング計画を作成することができます。 8 つのパラメーターを使用した結果を添付に示します。
8 つのパラメーターのそれぞれが高レベルと低レベルで調査される (パラメーターごとに 2 回の実行) 場合の OFAT と比較した場合、この設計の利点は何でしょうか?
どちらの場合も実行数は 16 です。
どうぞよろしくお願いいたします！
よろしくお願いします、
クレア
実験計画法Re: 主効果スクリーニング設計と OFAT: どちらが最適ですか?こんにちは@cbaril 、
この投稿の質問は少し気になるもので、答えは間違いなく DoE になるため、DoE の関連性と重要性をより適切に評価するために、DoE の基本に関するウェビナーを視聴することをお勧めします。
DoE には OFAT と比較して多くの利点があります。以下にその一部を示します。
- 限られた（そして事前に計画/管理された！）実験の数、
- 相互作用と非線形効果を研究できます。
- 応答の変動を説明または予測するための数学的モデル、
- 高い効率 (情報対実験数) と仮定されたモデルの柔軟性、
- エラーは設計空間内で平等に共有され、
- 制約/カスタム設計を作成する可能性、
- 「拡張」による反復プロセスと、可能な多くの戦略: 主効果のスクリーニングから開始し、次に交互作用をチェックし、最後に応答を正確に予測するための堅牢な応答曲面モデルを構築できます。
- 実行のランダム化により、ノイズや制御されていない変数の影響が回避されます (OFAT アプローチでは影響を受けません)。
OFAT 計画を作成し、一部実施要因計画と比較することで質問に答えることもできます (16 回の実行により、DOE の場合、OFAT の「スクリーニング」と比較して、いくつかの 2 因子交互作用を適合させる可能性があります) ) :
- 検出力分析 : OFAT と比較して、重要な主効果を検出できる可能性が大幅に高くなります。
- 実験空間における予測分散: 実験空間での実行の再分割が改善され、予測分散が低下します。
- 用語間の相関/エイリアス : OFAT 設計では、相互作用 (エイリアス) を検出する可能性はありません。
設計の評価とコピー内のデータテーブルとの比較を再現できます。
いくつかのリソースと詳細情報は、次の投稿で見つけることができます。
解決済み: DOE アプローチ - JMP ユーザーコミュニティ
解決済み: OFAT 実験に DOE を使用する - JMP ユーザー コミュニティ
に参加することもできます実験計画クラブDOE について意見交換し、さらに学ぶことができます。
この回答があなたのお役に立てれば幸いです、
Re: 主効果スクリーニング設計と OFAT: どちらが最適ですか?こんにちは、ビクターさん
詳細なご返信ありがとうございます。お騒がせして申し訳ありませんでした。
一般的に DoE と OFAT を比較したくはありませんでしたが、主効果のみをスクリーニングしたいという特定のケースで、DoE が OFAT よりも有利かどうか疑問に思っていました。 この場合、その要求に異議を唱え、相互作用効果が生じる可能性が高いことを説明する必要があるでしょう。 したがって、いずれの場合でも DoE を使用する必要があります。 正しい？
私をまだ混乱させているのは、JMP に次のような DoE 設計があることです。 「主効果スクリーニング計画の構築」ということで、主効果のみを研究するものだと思っていましたが、OFAT でも同様に行うことができます。 「主効果スクリーニング計画の構築」計画のモデル仕様ダイアログにデフォルトとして表示されるモデル項には、実際には主効果のみが含まれています。 この特定のデザインはまったく役に立たないのでしょうか？
よろしくお願いします、
クレア
Re: 主効果スクリーニング設計と OFAT: どちらが最適ですか?こんにちは@cbaril 、
主効果のみをスクリーニングしたい場合（交互作用さえ調べない場合）でも、DoE は OFAT と比較してより優れた効率的な方法論です。これは、検出力 (有効な場合に重要な効果を検出する確率) が高く、予測分散が低いためです。 、入力間の相関構造が向上します (以前に送信されたデータテーブルからの設計を確認して比較できます)。
8 因子の場合、DoE では主効果係数項を推定するために少なくとも 9 回の実行が必要ですが、OFAT では 16 回の実行が必要です (因子ごとに、-1 と 1、およびその他の因子を使用して 1 組の実験を作成するため) 0 またはその他の固定レベル）。
16 回の実行 - DoE の例では、必要な最小値よりも多くの実行があるため、回帰モデルの主効果係数の検出力と精度を向上させるのに役立つ追加の実行がいくつかあり、また、いくつかの 2 を含める可能性も提供します。 - 相互作用を考慮します (OFAT アプローチでは不可能です)。
したがって、主効果のみをスクリーニングしたい場合でも、DoE は OFAT よりも信頼性が高く、正確で有益なアプローチです。
Re: 主効果スクリーニング設計と OFAT: どちらが最適ですか?Victor はすでに多くの詳細を提供しているので、私の考えは短くしておきます。 実験と OFAT の重要な特徴を繰り返しておきたいと思います。OFAT の推論空間は非常に狭いです。OFAT からの結論は、将来の一定の設定で一定に保たれていた他のすべての要因に依存します。これはおそらく完全に非現実的です。DOE の 8 つの因子には、より広い推論空間があります (計画空間は 8 次元です)。OFAT は 1 次元です。 実験で主効果を優先したとしても、高次の効果は依然として存在しており、単に混乱しているだけです。
