분할 플롯 DoE(일일 시험 실행 횟수 제한)여러분, 안녕하세요,
새로운 사례:
3개 변수(요인)
요인 1(연속형) = 0 - 225
요인 2(연속형) = 0 - 10
요인 3(이산 - 2 수준) = 60 및 90(프로세스 단계)
요소 3은 처음 2개 요소의 혼합을 위한 최종 처리 단계로 간주될 수 있습니다. 예를 들면 다음과 같습니다.
인자 1(225)과 인자 2(10)가 결합됨 - 이 배치는 이상적으로 같은 날 60과 90에서 모두 처리됩니다.
제한/도전적인 부분은 pr에서 수행할 수 있는 배치 수입니다. 낮. 총 8일의 시험기간 동안 하루에 2개의 배치를 혼합할 수 있는 시간만 있습니다. 최대 16개의 배치와 "32개의 고유한 실행"을 의미합니다.
요인을 차단하거나 변경하기 어려운 다양한 솔루션을 시도했습니다. 그러나 두 연속 요인을 모두 변경하기 어렵게 설정하면 검정력 분석이 매우 좋지 않습니다.
나는 다음을 설명할 수 있는 모델에 관심이 있습니다.
3가지 주요 요인
모든 상호 작용 용어
요인 1 X 요인 1
현재 설정은 첨부된 사진에서 볼 수 있습니다.
내가 고려하지 않은 몇 가지 해결책이 있을 수 있습니다. 실제로 일부 입력을 사용할 수 있습니다.
귀하의 회신을 기대하겠습니다. 현재 JMP 17을 사용 중입니다. JSL 스크립팅을 작성/작업할 수 없습니다.
자동화 및 스크립팅실험 설계품질 및 프로세스 엔지니어링Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)미안해요. 어쩔 수가 없어요. 나는 문제를 약간 다르게 봅니다. 실제로 매일 변화하는 것이 무엇인지 이해함으로써 프로세스를 개선할 수 있는 큰 기회가 있습니다. 프로세스가 매일 이렇게 많이 바뀌는 이유는 무엇입니까? 요인 효과는 매일 일관되게 유지됩니까, 아니면 다양합니까? 저는 너무 결정론적이어서 무작위 변동을 이해하고, 설명하고, 다음과 같이 모델링할 수 없다고 믿습니다. 오른쪽 노력. 이를 위해서는 매일 변화하는 변수를 식별하고 이러한 변수를 장기적으로 관리할 수 있는 능력을 결정하고, 그렇게 할 수 없는 경우 해당 변수에 견고한 프로세스를 개발하는 방법을 결정하기 위해 지속적이고 부지런한 작업이 필요합니다. 변동의 원인을 이해하지 않고 평균을 "예측"하는 모델을 갖는 것은 다음과 같은 오래된 문구와 약간 비슷합니다.
"발은 오븐에, 머리는 냉동고에, 평균적으로 완벽한 온도"
그런데, 귀하의 작은 스크린샷은 모델 적합성을 결정하는 데 있어 몇 가지 중요한 정보(예: RSquares, RMSE, Residuals 분석)를 알려주지 않습니다. 또한 해당 %는 현재 보유하고 있는 데이터에만 적용되며 반드시 미래에도 동일한 결과를 얻을 수 있다는 의미는 아닙니다.
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕,
보고서의 REML 분산 구성요소 추정 부분은 무작위(전체 플롯) 효과 대 잔차 오류에 의해 포착된 오류 분산의 양에 대해 알려줍니다. 데이터의 18%가 "유효"하다고 해석하는 것은 올바르지 않습니다. 오류 분산의 18%(또는 실제로는 19%)가 주구 효과에 의해 설명되지 않는 것으로 해석해야 합니다.
이게 도움이 되길 바란다,
필
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕 @Bertelsen92 ,
내 생각에 당신은 설명을 찾을 것입니다 @마크_베일리 무작위 효과와 고정 효과의 차이점에 대해 매우 유용합니다. 해결됨: Re: 보고서의 무작위 효과 p-값의 의미 - JMP User Community
귀하의 경우 분산의 81%가 무작위 효과, 즉 날짜 변수에 귀속될 수 있습니다. Wald p-값이 크다는 것은 반응 분산이 무작위 효과에 따라 달라짐을 의미하므로 일일 변수(전체 플롯)입니다. 그러나 이것이 귀하의 데이터가 "쓰레기"라는 의미는 아닙니다. 또한 먼저 다양한 플랫폼을 통해 데이터 및/또는 모델을 시각화할 수도 있습니다. 예를 들어 다양한 모델링 플랫폼에서 사용할 수 있는 "실제 및 예측 플롯"을 살펴보면 데이터에 대한 합리적인 모델을 얻을 수 있는지 여부를 이미 알 수 있습니다(예: 동일한 조건을 재현하기 위해 내 샘플 데이터 테이블에서):
예를 들어, 일정하지 않은 노이즈(행 수에 따라 증가)를 추가했는데 REML과 매우 유사한 디스플레이가 표시됩니다.
그러나 고정 효과 추정치를 살펴보면(유의하지 않은 효과를 제거한 후) 2개의 중요한 주 효과, 1개의 중요한 상호 작용 및 1개의 중요한 2차 효과를 탐지할 수 있었습니다.
노이즈/분산(다양한 요인/효과에 대해 감지하려는 수준 간의 차이와 비교)의 크기에 따라 예측 성능이 높지 않을 수 있습니다. 그러나 각 요인이 반응에 어떤 영향을 미칠 수 있는지 알아보려면 프로파일러를 살펴보는 것이 좋습니다.
프로파일러에 대한 추가 옵션: 빨간색 삼각형에서 "조건부 예측"을 클릭하면 무작위 효과를 수정하여 모델의 예측을 볼 수 있습니다. 예측 프로파일러 옵션(jmp.com) 이는 무작위 효과의 분산을 제어하여 모델과 요인 효과를 살펴보고 싶은 경우에 도움이 될 수 있습니다.
샘플 데이터의 예는 다음과 같습니다.
"Model final" 스크립트를 보고 표시된 결과를 재현할 수 있도록 여기에 표시된 예제를 추가했습니다.
이 답변이 도움이 되길 바라며,
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕 @Victor_G 그리고 @Phil_Kay ,
현재 시험이 진행되었으며 측정된 여러 응답에 대해 Fit 모델 플랫폼을 조사하고 있습니다. WholePlot*Random 효과에 관해 질문이 하나 있습니다.
따라서 응답 중 하나에 대해 다음을 얻습니다.
따라서 전체 플롯(총 퍼센트 = 81,229)입니다. 이 데이터의 분산 중 81%는 우리가 변경한 요인으로 설명할 수 없지만 다른 요인에서 비롯될 가능성이 더 높다는 점은 올바르게 이해됩니다. 이 경우에는 정말 좋은 의미가 있습니다. 내가 올바르게 이해했는지 확인하고 싶었습니다.
둘째, 데이터의 18%만 "유효"한 경우 예측 프로파일러를 사용하는 것이 합리적입니까?
미리 감사드립니다. 좋은 주말 보내세요. 
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)귀하의 모든 의견에 진심으로 감사드립니다. Victor와 @Phil_Kay . 제가 제안한 사례에 대한 정말 좋은 설명과 해결책입니다.
JMP 기본값만 사용하기 때문에 "파워 스코어"의 중요성을 과대평가했을 수도 있습니다. (RMSE = 1, 계수 = 1).
나는 32개의 실행과 16개의 플롯으로 귀하의 솔루션을 사용하겠습니다. 두 디자인의 비교 기능이 정말 좋습니다. 다음 번에 직접 시도해 보겠습니다.
두 분 모두 즐거운 주말 보내세요.
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)말이된다, @Victor_G . 죄송합니다. 28번 실행을 26번으로 잘못 읽었습니다. 어떤 경우든 16개의 주구 디자인이 7개 또는 8개의 주구 디자인보다 분명히 "더 좋을" 것입니다. 여기서는 검정력의 상대적인 차이가 유용한 지표입니다. 즉, 요인에 대한 더 많은 변화 => 더 많은 검정력입니다. 그러나 다시 한 번 말씀드리지만, 노이즈의 크기와 감지해야 하는 신호에 대한 의미 있는 숫자가 없으면 전력의 절대값은 의미가 없습니다.
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕 @Phil_Kay ,
제안된 디자인에 대해 제공된 지원과 설명에 감사드립니다.
원래 설계에서 Kristian은 4개 실행/일 조건을 존중하고 실현하기 위해 7개 플롯과 28개 실행을 정의했습니다. 가능한 최대 실행 수가 32개이므로 8개 플롯과 32개 실행을 사용하여 4개 실행/일 조건을 실현하는 것도 가능할 수 있습니다.
그러나 이 설계를 수행하면 각 플롯의 런이 "변경하기 어려운" 요인에 대해 유사하므로 요인 3에 대한 2가지 조건에서 하루에 4개의 동일한 배치가 있게 됩니다. 이 상황은 각 블록의 요인 3에 대해 무작위화가 가능하기 때문에(앞서 제안한 설계와 비교하여) 요인 3에 대한 검정력에 영향을 미치지 않을 수 있지만(인자를 변경하기 쉬움) "인자를 변경하기 어렵기" 때문입니다. 이러한 요인에 대한 무작위화에 대한 심각한 제한을 암시하는 경우 "변경하기 어려운" 요인 1과 2의 검정력뿐만 아니라 이러한 2개 요인에 대한 예측 분산, 이러한 매개변수 추정치의 정밀도 및 별칭에도 영향을 미칩니다. 설계 :
8개 플롯과 16개 플롯을 사용한 설계 간의 검정력 비교:
8개 플롯과 16개 플롯을 사용한 설계 간의 예측 분산 비교:
8개 플롯과 16개 플롯이 있는 설계 간 추정치의 상대 표준 오차 비교:
두 설계에 대한 모델의 항 간의 상관 관계 비교:
이 답변이 Phil의 훌륭한 설명을 보완하고 도움이 되기를 바랍니다.
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕 @Bertelsen92 ,
@Victor_G 님의 솔루션이 제게는 의미가 있고 귀하의 요구 사항을 충족하는 것 같습니다.
귀하의 예에서는 7개의 주구와 총 26개의 런을 지정했는데 이는 이상할 것입니다.
주구의 수는 변경하기 어려운 요인이 일정하게 유지되는 런 그룹의 수입니다. 따라서 Victor는 매일 8일 동안 총 32번의 실행에 걸쳐 변경하기 어려운 요인의 2가지 조합을 실행할 수 있기 때문에 이를 16으로 설정했습니다.
당신은 힘에 대해 걱정했습니다. 요인을 변경하기 어려운 것으로 설정하면 검정력이 낮아집니다. 설계된 실험에서는 요인을 변경하고 반응에 미치는 영향을 관찰하여 요인이 반응에 미치는 영향을 알아봅니다. 요인을 더 적게 변경하면 더 적은 것을 배울 수 있습니다. 그보다 더 복잡하지는 않습니다.
즉, 전력에 대해 표시되는 절대 수치는 잡음(RMSE) 및 감지해야 하는 신호(예상 계수)에 대한 적절한 수치가 있는 경우에만 의미가 있습니다. 대부분의 경우 우리는 이것들을 가지고 있지 않습니다. 따라서 JMP 기본값(RMSE = 1, 계수 = 1)만 사용하는 경우 검정력이 > 또는 < 0.8인지 걱정할 필요가 없습니다.
이게 도움이 되길 바란다.
필
Re: 분할 플롯 DoE(일일 시험 실행 횟수 제한)안녕하세요 크리스티안,
한 가지 가능한 옵션은 두 가지 요소 1과 2를 "변경하기 어려움"으로, 요소 3을 "변경하기 쉬움"으로 간주하는 것입니다.
그런 다음 요인 1에 대한 주효과, 교호작용 및 2차 거듭제곱을 사용하여 모델을 만듭니다. 주구 수를 16으로 지정하고 런 수를 32로 지정합니다.
전체 플롯당 2개의 실행이 있으며(하루에 총 2개의 배치/4실행, 즉 하루에 2개의 전체 플롯) 요인 3만 달라집니다.
첨부된 디자인에 대한 데이터 테이블을 찾아 디자인을 평가하고 그것이 귀하의 요구 사항에 맞는지 확인할 수 있습니다.
