Frage zum endgültigen Screening-DesignSollten Sie ein endgültiges Screening-Design nur durchführen, wenn Sie wissen oder glauben, dass Sie dem Prozessoptimum sehr nahe kommen? Was passiert, wenn Sie ein DSD durchführen, sich aber außerhalb des optimalen Faktorbereichs befinden? Hätten Sie Ihre Zeit verschwendet und wären Sie besser dran gewesen, zuerst eine Teilfaktoriellung durchzuführen, um Elemente zu überprüfen, und dann die Vollfaktoriellung durchzuführen, um anschließend die Krümmung zu erhalten?
VersuchsplanungBetreff: Frage zum endgültigen Screening-DesignEin wirksames Screening beruht auf mehreren Grundprinzipien. Die Entwurfsmethoden basieren auf der Einhaltung dieser Grundsätze. Es hört sich so an, als hätten Sie den Screening-Aufenthalt hinter sich: Sie kennen die wichtigen Faktoren und wissen, welche Einstellungen am besten sind. Sie können mit einem benutzerdefinierten Design für das RSM-Modell optimieren. Stellen Sie sicher, dass Sie einen Faktorbereich um das erwartete beste Niveau verwenden, der breit genug ist, um einen starken Effekt (große Änderung) in der Antwort hervorzurufen. Andernfalls kommt es zu großen Standardfehlern in den Modellkoeffizienten und einer schlechten Vorhersageleistung.
Betreff: Frage zum endgültigen Screening-DesignHier sind meine Gedanken:
1. Der Zweck von DSDs besteht darin, eine große Anzahl von Faktoren unter Berücksichtigung möglicher Krümmungen und Effekte 2. Ordnung zu untersuchen. Die Antwort auf Ihre erste Frage lautet also nein.
2. Auf Ihre Zusatzfragen gibt es keine „richtige“ Antwort. Vieles hängt davon ab, wo Sie sich im Wissenskontinuum befinden (z. B. wie spezifisch sind Ihre Hypothesen, wie gut verstehen Sie Rauschen), von den Antwortvariablen, die Sie modellieren (z. B. kontinuierlich, ordinal oder nominal), und von der Art der Faktoren, die Sie manipulieren (z. B. kontinuierlich, kategorisch), Ihr Gefühl der Dringlichkeit, Ihr Budget usw.
3. Ich glaube fest an die sequentielle Untersuchung. Der Zweck des ersten Experiments besteht darin, ein besseres Experiment zu entwerfen. Beginnen Sie groß und mutig (z. B. viele Faktoren auf fetten Ebenen mit fetten Rauschblöcken), verstehen Sie Rauschen und wie man damit umgeht, reduzieren Sie die Anzahl der Faktoren, testen Sie vielleicht die Krümmung mit Mittelpunkten, entwickeln Sie ein brauchbares Modell.
Betreff: Frage zum endgültigen Screening-DesignAber wenn Sie nicht in der Nähe des Optimums sind, werden Sie keine Krümmung sehen, oder? Aus diesem Grund beginnt man in RSM typischerweise mit einer vollfaktoriellen Berechnung + Mittelpunkten, um die Krümmung zu testen, und wenn man keine Krümmung findet, verwendet man das Modell des steilsten Anstiegs, um „den Berg zu erklimmen“ in Richtung einer höheren Reaktion bis Ihre Antwort abnimmt. Wenn Sie eine DSD in einem Faktorraum durchführen, der nicht annähernd dem Optimum entspricht, habe ich das Gefühl, dass Sie Läufe verschwendet haben, da Sie sich dann erneut in Richtung des steilsten Anstiegs bewegen und ein anderes Modell erneut ausführen müssen, oder?
Deshalb frage ich mich, ob der Vorteil von DSD darin besteht, wenn Sie nicht sicher sind, ob Sie sich einem Optimum nähern, und warum Sie ein DSD verwenden sollten, wenn Sie nicht sicher sind, ob Sie tatsächlich einem Optimum nahe sind.
Betreff: Frage zum endgültigen Screening-DesignDSDs sind in erster Linie Screening-Designs. Also als beides @Mark_Bailey Und @statman Kommentiert: In der Regel liegt Ihr Hauptaugenmerk darauf, die einflussreichsten Faktoren im Bereich der mutigeren Faktoren zu finden, von denen Sie eine Phrase übernehmen können @statman . Eine Metapher, die ich oft mit meinen Kollegen verwendet habe, ist: „Bei den Screening-Designs haben wir nur versucht, die richtige Kirche zu finden.“ Mit RSM Designs versuchten wir, den richtigen Sitzplatz in der richtigen Bank zu finden, um den Chor am besten hören zu können.“ DSDs sind eine nützliche Methode, wenn sie sich relativ früh im Lernprozess befinden ... nicht gegen Ende, wo die eher typischen RSM-orientierten Designs ins Spiel kommen ... wie entweder die Klassiker wie Box-Behnken oder zentrale Verbunddesigns oder modernere und effizientere Designs Ansätze im optimalen experimentellen Design-Toolkit.
Betreff: Frage zum endgültigen Screening-DesignWollen Sie damit sagen, dass DSDs als reguläre Screening-Designs für ein unbekanntes System verwendet werden können, genauso wie eine gebrochene Fakultät verwendet werden könnte, aber ihr Vorteil liegt in der Erkennung von Krümmungen? Auch wenn sie möglicherweise nur ein paar Läufe mehr haben als eine typische Res IV-Fakultätsrechnung, könnten sie Ihnen möglicherweise Läufe ersparen, wenn Sie sich bereits dem Optimum nähern? Müssten Sie hingegen mit der gebrochenen Fakultät auf die vollfaktorielle Fakultät und dann auf RSM umsteigen?
Betreff: Frage zum endgültigen Screening-DesignSie sind auf dem richtigen Weg ... aber nicht ganz. Ja, DSDs können (und ich würde sogar noch weiter gehen und sagen, dass sie in vielen Fällen als reguläre Screening-Designs verwendet werden sollten). Wenn Sie die Anzahl der Läufe berechnen, werden Sie ziemlich schnell feststellen, dass DSDs tatsächlich WENIGER Läufe haben als ein typischer fraktionalfaktorieller RES IV-Entwurf, wenn die Anzahl der Faktoren über 5 oder so hinaus ansteigt. Und Sie können einen Hinweis auf die Wechselwirkungen zwischen zwei Faktoren und die Krümmung erhalten. Beim Vergleich von DSDs mit zweistufigen teilfaktoriellen RES IV-Designs gibt es also viele Vorteile. Wäre ich es...in vielen Fällen beginne ich mit dem DSD und dann als @statman bespricht, gehen Sie zu einem eher RSM-Ansatz über und nutzen Sie dabei, was Sie aus dem DSD gelernt haben. Und ich würde mich im Allgemeinen von den klassischen vollfaktoriellen und RSM-orientierten Designs (wie Central Composite) fernhalten und die moderneren Ansätze für optimales experimentelles Design verwenden.
Betreff: Frage zum endgültigen Screening-DesignDanke, ich habe gezögert, ein DSD zu verwenden, da ich nicht viel über sie weiß und mich gefragt habe, was ihr Vorteil ist – aber es scheint, dass es sich bereits um Res IV-Designs handelt, was zu weniger Durchläufen mit einem führen kann hohe Anzahl an Experimenten und kann Krümmungen erkennen (allerdings mit einigen Alias-Problemen).
Was sind weitere „optimale experimentelle Designansätze“ anstelle von RSM? Haben Sie Beispiele?
Betreff: Frage zum endgültigen Screening-DesignWenn ich von „optimalen experimentellen Designansätzen“ spreche, beziehe ich mich auf die umfangreichen Techniken, die in der Custom Design-Plattform von JMP kodifiziert sind. Eine empfohlene Referenz ist Goos und Jones, „Optimal Experimental Design: A Case Study Approach“. Ich würde auch die On-Demand-Webinare von JMP nach diesem Thema durchsuchen, das in vielen Fällen behandelt wurde.
