Screening-Design und Antwortflächendesign mit mehreren AntwortenHallo,
Ich verwende JMP Pro 17 für das Response-Surface-Design. Ich habe 13 Designvariablen. Zuerst führe ich ein Screening-Design durch, um zu entscheiden, welche 8 Parameter die Antwort am effektivsten beeinflussen. Anschließend variiere ich diese 8 Parameter, um ein Antwortoberflächen-Design durchzuführen. (8 ist die maximale Anzahl an Variablen, die JMP für Response Surface Design akzeptiert.) Ich führe 33 Experimente (mit 1 Mittelpunkt) für Screening Design und 81 Experimente (mit 1 Mittelpunkt) für Response Surface Design durch.
Die Optimierung hat drei Ziele mit gleicher Bedeutung.
1. Minimieren Sie A
2. Minimieren Sie B
3. Passen Sie einen Zielwert von 0 für (CD) an (Ich möchte C=D, daher sollte (CD)^2 Null sein.)
Ich (werde) die Werte von A, B, C und D für alle 33 und 81 Experimente haben.
Sowohl für das Screening-Design als auch für das Response-Surface-Design habe ich mir zwei verschiedene Optionen überlegt, um an der Reaktion auf das Problem zu arbeiten.
- Option 1: Definieren einer einzelnen Antwort ( Option1_singleresponse.JPG ) als:
Y = A/A_Mittelpunkt + B/B_Mittelpunkt + (CD)^2/(C_Mittelpunkt-D_Mittelpunkt)^2
Bei dieser Option habe ich drei Terme hinsichtlich ihrer Mittelpunktswerte nichtdimensionalisiert. Allerdings bin ich mir immer noch nicht sicher, ob ich die Mathematik des Problems richtig wiedergebe. Ich möchte, dass drei Ziele auf Y die gleiche Bedeutung haben, aber die Begriffe A/A_Mittelpunkt, B/B_Mittelpunkt und CD)^2/(C_Mittelpunkt-D_Mittelpunkt)^2 haben unterschiedliche Größenordnungen. (Zum Beispiel: 0,1 <1.3 and 2000<50000.) also minimizing (c-d)^2 c_centerpoint-d_centerpoint)^2 would not be enough since i want c to equal d.<>
- Option 2: Definieren mehrerer Antworten ( Option2_multiresponse_3minimize.JPG oder Option2_multiresponse_2minimize_1target.JPG ) für drei Optimierungsziele und Befolgen der Beschreibung in diesem Video: Mehrere Antworten optimieren .
Welche Option würde für mich besser funktionieren?
Wenn ich mit Option 2 fortfahre, denken Sie , dass Option2_multiresponse_3minimize.JPG und Option2_multiresponse_2minimize_1target.JPGwkönnte einen Unterschied machen?
(Ich würde mich über Ihre Zeit und Ihre Ideen freuen, @MRB3855 und @statman . Ich habe Sie markiert, um Sie zu benachrichtigen.)
Vielen Dank im Voraus an alle, die dazu beitragen möchten!
VersuchsplanungBetreff: Screening-Design und Response-Surface-Design mit mehreren AntwortenHallo @ceydakavak : Um an das anzuknüpfen, was @statman gesagt hat; wenn es wahr ist, dass es eine deterministische Funktion/ein deterministisches Modell (z. B. eine Finite-Elemente-Methode) gibt, die Ihre Eingaben aufnimmt und A, B und D ausgibt (C = Irgendein konstanter Wert + A, also ist C bekannt, wenn Sie A kennen) Wenn es keinen Fehler gibt (d. h. Replikate geben jedes Mal genau die gleichen Werte von A, B und D zurück), dann ist der einzige „Fehler“ in Ihrem Modell der Mangel-of-Fit-Fehler. Das bedeutet nicht zwangsläufig, dass das Modell nicht für seinen Zweck geeignet ist – das kann durchaus sein. Aber p-Werte usw. sind trügerisch.
Betreff: Screening-Design und Response-Surface-Design mit mehreren AntwortenEntschuldigung, aber ich verstehe die ganze Situation immer noch nicht. Geschieht dies mit Simulation? Bauen Sie tatsächlich mehrere Flügel? Ich vermute, dass Sie eine Simulationssoftware verwenden, um die von Ihnen eingegebenen Parameter zu modellieren. Es sind bereits theoretische Zusammenhänge zwischen Gewicht und Luftwiderstand bekannt (siehe Boldmethod: https://www.boldmethod.com/learn-to-fly/performance/why-aircraft-a-weight-increase-affects-climb-performances/#: ~:text=Gewicht%20Macht%20a%20Big%20Difference&text=Erhöhung%20an%20Flugzeuge%27s%20Gewicht%20beeinflusst,schneller%20Geschwindigkeit%20bis%20erreicht%20Vy.)
Und heben (siehe Nasa: https://www1.grc.nasa.gov/beginners-guide-to-aeronautics/lift-to-drag-ratio/
und natürlich das Bernoulli-Prinzip
"Alle A, B, C, D sind Funktionen der Flügelgeometrie, aber es ist schwierig, sie mit mathematischen Ausdrücken in Beziehung zu setzen.“
In der Simulationssoftware ist der Algorithmus bereits geladen. Möglicherweise können Sie den Algorithmus „aufdecken“. Da es sich offensichtlich um eine Simulation handelt, besteht keine Notwendigkeit, die Anzahl der Ebenen zu fraktionieren oder zu minimieren, es sei denn, Sie haben Probleme mit der Rechenleistung.
Ich bin mir nicht sicher, wie man p-Werte verwendet, wenn es keine „echte“ Schätzung des MSE gibt. Wie wird der „experimentelle Fehler“ mit der Simulationssoftware abgeschätzt? (z. B. eine Art Monte-Carlo-Modell mit einer ausgewählten Fehlerwahrscheinlichkeitsverteilung?)
Betreff: Screening-Design und Antwortflächendesign mit mehreren AntwortenHallo @statman , danke für deine Antwort.
Ich führe eine Studie zur Optimierung der Flugzeugflügelgeometrie durch.
A: Flügelgewicht
B: Widerstandskraft
C: Flugzeuggewicht (C = ein konstanter Wert + A)
Hubkraft
Ich versuche also, eine Flugzeugflügelgeometrie mit minimaler Widerstandskraft und minimalem Gewicht zu erreichen, wobei die Auftriebskraft gleich dem Flugzeuggewicht sein sollte.
Alle A, B, C, D sind Funktionen der Flügelgeometrie, es ist jedoch schwierig, sie mit mathematischen Ausdrücken in Beziehung zu setzen. Ich denke also, nein, sie sollten nicht korrelieren.
„Stellen Sie sicher, dass Sie die Ebeneneinstellung codieren, um Verzerrungen zu vermeiden.“: Ich führe eine Optimierung auf zwei Ebenen durch. Ich nehme nur die minimalen und maximalen Grenzen der Designvariablen, um den Designraum zu bilden.
Möglicherweise haben Sie Recht, ich muss nicht alle 8 Variablen verwenden, die ich mit JMP für das Response Surface Design verwenden kann. Nachdem ich das Screening-Design durchgeführt hatte, überprüfte ich die Effektzusammenfassung auf Effekte mit einem individuellen p -Wert von weniger als 0,10. ( https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/contrasts.shtml ) Es gibt mehr als 8 Variablen mit p -Wert <0,1. Allerdings beträgt die maximale Anzahl an Variablen zum Durchführen eines Antwortoberflächendesigns in JMP 8. Haben Sie einen Vorschlag, wie ich die Auswahl der Anzahl der Variablen, die ich für das Antwortoberflächendesign ausgewählt habe, rechtfertigen kann? (Wenn ich mit 8 Variablen fortfahre, kann ich sagen, dass diese Zahl gewählt wird, da sie die Obergrenze für die Anzahl der Variablen darstellt. Ich weiß aber nicht, wie ich das begründen soll, wenn ich beispielsweise eine Zahl von 5 Variablen wähle.)
Nochmals vielen Dank im Voraus.
Betreff: Screening-Design und Antwortflächendesign mit mehreren AntwortenIch würde gerne helfen, aber es fehlt einfach der Kontext. Sie haben multivariate Antworten. Wie hängen sie zusammen? Sollten sie korrelieren? Wenn nicht, kann es schwierig sein, alles zu optimieren. Stellen Sie sicher, dass Sie die Pegeleinstellung codieren, um Verzerrungen zu vermeiden. Ich bin mir nicht sicher, woher Sie wissen, dass Sie ein 8-Faktor-Reaktionsoberflächendesign benötigen? Das ist ein riesiger Gestaltungsraum mit 8 Dimensionen. Es ist unwahrscheinlich, dass das nützlich wäre. Ich schlage vor, dass Sie den aktuellen Plan ändern und einen sequenzielleren Ansatz planen. Es ist unwahrscheinlich, dass Sie wissen, wie der nächste Entwurf aussehen wird, da dies eine Funktion der Analyse des ersten Entwurfs sein wird.
