DSD マトリックスの拡張私たちは、Definitive Screening Design マトリックスを実行して 6 つの要素を調査しました。その後、プロセスのパフォーマンスにより、パラメータの 1 つの範囲を元の DSD でターゲットとされた位置から少し下方に調整する必要があることがわかりました。 問題のパラメーターは、元の DSD 分析ごとに、主因子として、および他の 2 つの因子との双方向相互作用として出力に影響を与えます。
ここで前進する最善の方法は何でしょうか? X1、X2、X3、X1*X2、X1*X3 を評価するための 6 回の実行マトリックス、それとももっと思慮深いものでしょうか?
あと10回くらいしか走れません。
ご意見ありがとうございます。
実験計画法Re: DSD マトリックスの拡張私の考えは次のとおりです。
1. DSD の目的は、最適なレベルを見つけることではなく、アクティブな因子を見つけることです。DSD の全体的な分析は提供されていませんが、DSD はそれを行ったようです。要因、状況、応答変数のコンテキストがなければ、アドバイスを提供することは困難です。さらに実験が必要ですか?問題の因子の因子レベルを変更すると、DSD からの学習が無効になると思いますか?
2. いずれかの因子に二次効果はありましたか?モデルを単純化して予測式を保存しましたか?おそらく、問題の因子を「より良い」レベルでいくつかの確認実行を実行するだけかもしれません。
3. 実験でノイズを処理するための戦略はありましたか?おそらく、長期にわたるモデルのサンプリングは、因子効果の一貫性/予測可能性を検証するのに適しているでしょう。
Re: DSD マトリックスの拡張DSD を使用してステップを特徴付けていました。つまり、事前に決定された目標と、主にプロセスの制御能力によって決まる許容動作範囲があったということです。 私たちは、ステップがそのレベルの変動に敏感であるかどうかを確認していました。 本番環境でステップが実際に実行されている場所に合わせて、パラメータの 1 つの範囲を調整する必要があるため、その方法を考えていました。
ご意見ありがとうございます!
Re: DSD マトリックスの拡張によって提起された問題と質問に私の 2 セントを追加します。 @スタットマンこれが私の考えです。 DSD 設計を強化することは忘れてください。 拡張 DSD はもはや DSD ではなく、私がかつてフランケンシュタインのデザインと呼んでいたものになります。 DSD には、その背後にいくつかの非常に特殊な概念 (遺伝と疎性の 2 つが影響します) と、フランケンシュタイン DSD として分析することで議論の余地がなくなるフォールドオーバー特性などの特定の特性があります...そして私は、Fit Definitive Screening Design を確信しています。分析プラットフォームはフランケンシュタインのデザインを好まないため、大量のエラー メッセージが表示される可能性があります。 これが私の考えです。 さらに調査したい因子が 3 つあり、非常に具体的なモデル項を推定したいので、正確なモデルを指定して、利用可能な 10 回の実行で D 最適計画を実行してみてはいかがでしょうか。あなたはそれを書いて、それをそのように分析します。 10 回の実行では、指定されたモデルの誤差推定にまだ数自由度が残っています。 次に、両方の実験から実際的な結論を取り出し、それが当面の問題の解決または追加の試行のどちらにつながるかを確認します。 これらすべては、逐次実験計画法の問題解決プロセスと一致しています。
Re: DSD マトリックスの拡張あなたは完全に正しいです。 完全なフォールドオーバーを行わずに DSD に追加することは非常に面倒なことになります。
