4가지 연속 요인에 대한 DSD네 가지 연속 요인이 있습니다. 프로세스를 최적화하고 싶기 때문에 2차 효과를 추정하기 위해 중앙 실행이 있는 블록 추가를 클릭했습니다.
테이블을 만든 후 "디자인 평가" 스크립트를 클릭합니다. RSM을 클릭했습니다. 전력 분석에서 2FI 및 Quadratic의 값은 작습니다. 나는 또한 네 번째 요소에 대한 2차 항이 없다는 것을 알았습니다.
실험 설계답변: 4가지 연속 요인에 대한 DSD안녕하세요 @Victor_G 님 ,
관대하게 대해주셔서 감사합니다. 나는 당신이 이미 내 문제를 해결했다고 생각합니다.
답변: 4가지 연속 요인에 대한 DSD안녕하세요 @Alainmd02 님 ,
이미 이러한 5가지 요인이 연구에 관심이 있거나 중요하며 RSM 모델을 원할 경우 맞춤 설계(또는 연속 요인만 있는 경우 기존 RSM 설계)로 바로 이동합니다.
이 경우 DSD는 선별에 중점을 두고 하나의 DSD만으로는 완전한 RSM 모델로 끝나지 않기 때문에 최선의 선택이 아닐 수 있습니다. (이전에 내 답변을 참조하십시오. QE에 대한 전력도 낮을 것입니다. 맞춤형 RSM 디자인보다).
QE의 최소 전력에 관한 규칙은 없지만 ME 또는 2FI보다 QE의 전력이 더 낮을 것으로 예상해야 합니다. QE에 대한 검정력은 얼마나 많은 요인과 모델에 어떤 요인이 포함되는지에 따라 달라지기 때문에 QE에 대한 검정력이 낮아지는 것에 대해 크게 걱정하지 않습니다. 자유도가 남아 있으면 QE에 대한 검정력이 증가할 수 있습니다.
검정력에 관한 게시물이 있었습니다( Solved: Re: Should I 고려 검정력 분석 in DOE? - JMP 사용자 커뮤니티 ). 여기에서 @Phil_Kay가 설계 평가에 검정력을 사용하는 방법에 대해 답변하고 설명했습니다. 귀하의 경우에도 유용할 수 있습니다.
도움이 되었기를 바랍니다.
추신: 문제를 해결하는 답변을 찾으면 주저하지 말고 이를 솔루션으로 표시하여 다른 커뮤니티 회원이 질문에 대한 솔루션을 추적할 수 있도록 하세요. 
답변: 4가지 연속 요인에 대한 DSD안녕하세요 빅터님,
지금은 4개의 연속형 요인과 1개의 범주형 요인이 있습니다.
DSD 추천해주실 수 있나요?
맞춤 디자인의 RSM이 QE를 위해 항상 낮은 전력을 갖는 이유는 무엇입니까?
QE의 최소 전력은 얼마나 되어야 좋은 디자인으로 간주될 수 있나요?
답변: 4가지 연속 요인에 대한 DSD안녕하세요 @Alainmd02 님 ,
우선, 확정 선별 설계는 선별 설계이므로 그 목표는 요인 목록에서 중요한 주 효과를 탐지하는 것입니다(나머지 자유도가 허용하는 경우 일부 상호 작용 및 2차 효과도 적합할 수 있지만). .
따라서 이러한 의미에서 주효과보다 상호작용 및 2차 효과에 대한 검정력이 더 낮은 것이 일반적입니다. 왜냐하면 이 설계의 주효과는 2요인 또는 2차 효과와 별칭이 되지 않기 때문입니다. 반대로, 일부 별칭은 2-요인 상호 작용과 2차 효과 사이에 여전히 존재하므로(4개 요인이 있는 예에서 수행된 상관 관계 도표 참조) 별칭이 있으면 QE 및 2FI의 중요성을 정확하게 감지하는 것이 더 어렵습니다. 더 낮은 전력).
DSD는 5개 이상의 요인에 더 권장됩니다. 요인이 5개 미만인 경우 맞춤 설계를 사용하는 것이 실험 수 측면에서 더 쉽고 효율적일 수 있습니다.
화면 설계이기 때문에 그 목표는 전체 RSM 모형을 적합시키는 것이 아닙니다(그리고 JMP는 RSM을 클릭할 때 "이 설계는 지정된 모형에 적합할 수 없습니다. 추정할 수 없는 모형 항이 제거되었습니다"라고 경고했어야 합니다). 네 번째 요인에 대한 2차 효과가 표시되지 않습니다(이 효과 추정치를 정확하게 계산하기 위한 자유도 부족).
RSM 설계를 생성하려면 다음을 수행해야 합니다.
- DSD를 강화합니다("DoE", "Augment Design"으로 이동하고 강화할 때 모델 부분에서 RSM을 클릭하면 JMP에서 최소 4개 이상의 실험을 더 구현하도록 권장하므로 총 22개의 실험이 됩니다).
- 또는 전략을 변경하세요.
- RSM 모형에 맞는 맞춤 설계를 생성합니다(JMP에서 권장하는 실험 21개). 또는
- 고전적 접근 방식(Box-Behnken/Central Composite Design, 선택한 모델에 따라 27~36회 실험)을 사용합니다.
마지막에는 설계 성능(각 효과에 대한 검정력, 분산 예측, 별칭 등) 간의 최상의 절충안을 기반으로 가장 흥미로운 설계를 선택할 수 있도록 항상 생성된 다양한 모델(실행 횟수가 다름)을 비교합니다. 그리고 실험의 수.
DSD에 대한 일부 리소스:
확정 선별 설계를 사용하여 더 적은 수의 시험으로 더 많은 정보 얻기 - JMP 사용자 커뮤니티
확정 선별 설계 - JMP 사용자 커뮤니티
도움이 되길 바랍니다.
