확정심사 설계 질문공정 최적에 매우 가깝다는 것을 알고 있거나 생각하는 경우에만 확정 선별 설계를 실행해야 합니까? DSD를 실행했지만 최적 요인 공간을 벗어나면 어떻게 되나요? 시간을 낭비하고 항목을 선별하기 위해 먼저 부분 요인을 수행한 다음 나중에 곡률을 얻기 위해 전체 요인을 수행하는 것이 더 나았습니까?
실험 설계Re: 확정 선별 설계 질문효과적인 선별은 몇 가지 주요 원칙에 의존합니다. 설계 방법은 이러한 원칙을 기반으로 합니다. 검진 기간이 지난 것 같습니다. 중요한 요소를 알고 있으며 최적의 설정을 의심하고 있습니다. RSM 모델에 대한 맞춤형 설계로 최적화할 수 있습니다. 반응에서 강한 효과(큰 변화)를 이끌어낼 수 있을 만큼 충분히 넓은 예상 최고 수준 주변의 요인 범위를 사용하십시오. 그렇지 않으면 모델 계수에 큰 표준 오류가 발생하고 예측 성능이 저하됩니다.
Re: 확정 선별 설계 질문내 생각은 다음과 같습니다.
1. DSD의 목적은 잠재적인 곡률과 2차 효과를 고려하여 많은 요인을 선별하는 것입니다. 따라서 첫 번째 질문에 대한 대답은 '아니요'입니다.
2. 추가 질문에는 "정답"이 없습니다. 지식 연속체의 어느 위치에 있는지(예: 가설이 얼마나 구체적인지, 노이즈를 얼마나 이해하고 있는지), 모델링하는 반응 변수(예: 연속형, 순서형 또는 명목형), 조작하는 요인 유형에 따라 많은 것이 달라집니다. (예: 연속형, 범주형), 긴박감, 예산 등
3. 나는 순차수사를 굳게 믿는다. 첫 번째 실험의 목적은 더 나은 실험을 설계하는 것입니다. 크고 과감하게 시작하고(예: 굵은 노이즈 블록이 있는 굵은 수준의 많은 요소) 노이즈와 이를 처리하는 방법을 이해하고, 요소 수를 줄이고, 중앙점을 사용하여 곡률을 테스트하고, 사용 가능한 모델을 개발합니다.
Re: 확정 선별 설계 질문하지만 최적에 가깝지 않으면 곡률이 전혀 보이지 않죠? 이것이 RSM에서 일반적으로 곡률 테스트를 위해 전체 요소 + 중심점으로 시작하고, 곡률을 찾지 못한 경우 가장 가파른 오르막 모델을 사용하여 더 높은 응답 방향으로 "산을 오르는" 이유입니다. 귀하의 응답이 거절될 때까지. 최적에 가깝지 않은 요인 공간에서 DSD를 수행하면 다시 가장 가파른 상승 방향으로 이동하고 다른 모델을 다시 실행해야 하기 때문에 실행을 낭비한 것처럼 느껴집니다.
그렇기 때문에 DSD의 장점은 최적에 가깝다는 확신이 없는 경우이고, 실제로 최적에 가깝다는 확신이 없으면 DSD를 사용하는 이유가 무엇인지 궁금합니다.
Re: 확정 선별 설계 질문DSD는 무엇보다 중요한 스크리닝 디자인입니다. 그래서 둘 다로서 @마크_베일리 그리고 @statman 일반적으로 주요 초점은 더 굵은 요소 공간에서 가장 영향력 있는 요소를 찾는 것입니다. @statman . 제가 동료들과 자주 사용했던 비유는 "심사 디자인을 통해 올바른 교회를 찾으려는 것뿐이었습니다. RSM 디자인은 합창단의 노래를 가장 잘 듣기 위해 올바른 좌석에서 올바른 좌석을 찾으려고 노력했습니다." DSD는 학습 과정의 상대적으로 초기에 유용한 방법입니다. 끝이 아닌, Box-Behnken이나 중앙 복합 설계와 같은 고전적인 설계 또는 보다 현대적이고 효율적인 보다 일반적인 RSM 지향 설계가 등장하는 곳이 아닙니다. 최적의 실험 설계 도구 키트에 접근합니다.
Re: 확정 선별 설계 질문즉, 분수 요인을 사용할 수 있는 것처럼 DSD를 알려지지 않은 시스템에 대한 일반 스크리닝 설계로 사용할 수 있지만 DSD의 장점은 곡률을 감지하는 데 있습니다. 따라서 일반적인 Res IV 부분 계승보다 실행 횟수가 몇 개 더 많을 수 있지만 이미 최적에 가까워지면 실행을 절약할 수 있습니까? 반면에 부분 계승을 사용하면 전체 계승으로 이동한 다음 RSM으로 이동해야 합니까?
Re: 확정 선별 설계 질문당신은 올바른 길을 가고 있지만...완전히는 아닙니다. 예, DSD는 가능합니다. 더 나아가 많은 경우에 일반 스크리닝 디자인으로 사용해야 한다고 말하고 싶습니다. 실행 횟수 계산에 대한 수학을 수행하면 요인 수가 5개 이상으로 증가함에 따라 DSD가 실제로 일반적인 RES IV 부분 요인 설계보다 더 적은 실행 횟수를 갖는다는 것을 꽤 빨리 알 수 있습니다. 그리고 2요인 상호작용과 곡률에 대한 힌트를 얻을 수 있습니다. 따라서 DSD를 RES IV 2단계 부분 요인 설계와 비교할 때 마음에 드는 점이 많습니다. 저였나요...많은 경우에 저는 DSD로 시작해서 다음과 같이 했습니다. @statman 논의한 후에는 DSD에서 배운 내용을 활용하여 좀 더 RSM 접근 방식으로 전환하세요. 그리고 나는 일반적으로 고전적인 완전 요인 및 RSM 중심 설계(예: 중심 합성)에서 벗어나 보다 현대적인 최적 실험 설계 접근 방식을 사용합니다.
Re: 확정 선별 설계 질문감사합니다. DSD b/c를 사용하는 것을 주저해왔습니다. DSD에 대해 잘 모르고 장점이 무엇인지 궁금했습니다. 하지만 이미 Res IV 디자인인 것 같습니다. 실험 횟수가 많고 곡률을 감지할 수 있습니다(일부 별칭 문제도 있음).
RSM 대신 "최적의 실험 설계 접근 방식"은 무엇입니까? 어떤 예가 있나요?
Re: 확정 선별 설계 질문제가 '최적의 실험 설계 접근 방식'을 언급할 때 JMP의 맞춤형 설계 플랫폼에 체계화된 광범위한 기법을 언급하고 있습니다. 권장되는 참고자료는 Goos와 Jones의 "최적 실험 설계: 사례 연구 접근법"입니다. 또한 여러 사례에서 다뤄진 이 주제에 대한 주문형 JMP 웹 세미나를 검색해 보겠습니다.
