混合成分とカテゴリー因子を組み合わせた実験を計画する - Case Helpこんにちは、みんな、
私は最近、混合設計に関するいくつかのコースに参加しました。これで、現実のシナリオで原則を試してみる準備が整いました。
次のようなケースがあります。以下のようなものがあるでしょう。
3つの混合因子
3 カテゴリ的要因
レシピの大部分は 83,275% に固定されており、これを BASE と呼びます。この部分は変更されません。
そこで、Mixture Sum 関数を使用して、残りの 16,725% に設定しました (これは、3 ～ 4 つの混合因子のためのスペースになります)。
ただし、この開始ベースには 2 つの異なる酵素 (1 と 2) が追加されます。これは、大きなバッチで作成されるカテゴリー因子 1 であり、これは変更が難しい因子になることを意味します。
これらのことは、JMP で行う方法を知っています。
私の問題または質問は、カテゴリ別成分タイプ因子と対応する混合因子を組み合わせるときに、モデルに適切な項を組み合わせて選択する方法に関連しています。
分類因子2：スタビライザーの種類（3段階）
分類因子 3: 繊維の種類 (2 レベル)
すると、混合因子が 3 つあります。
混合物 1: 安定剤濃度（レスポンスに影響が出ることが予想されます）
混合物 2: 繊維濃度（レスポンスに影響が出ることが予想されます）
混合物 3: 水 (これは何も効果を期待しないでください - 単なる充填剤です)
主要な用語をすべて含めるつもりです。
しかし、カテゴリー因子と混合因子の間にすべての 2 次項が必要なのでしょうか??
たとえば、水 (充填剤のようなもの) が何かをすることを期待していない場合、それを含めるべきでしょうか?
また、ファイバーとスタビライザーが相互に影響を与えることも想定していません。
これがモデルに関する私の最良の推測です。JMP からの添付のスクリーンショットを参照してください。
他の用語を含める必要がありますか??
これについて意見をいただきたいと思います。私の全体的な目標は、いくつかの予測を行うことです。そこで私が考えたのは、I 最適計画を使用して予測分散をできるだけ低くすることでした。ただし、最初のステップとして、どのスタビライザーまたはファイバーが最も効果的に機能するかを設計で何らかの方法で「選別」できれば、それは素晴らしい/有益でしょう。そうすれば、それらを将来的に除外できるようになります。これには D 最適設計の方が良いでしょうか?
最初の試用では、実行の最大量は 14 でした。ただし、後でさらに追加 (増強) することもできます。
JMP ファイルも以下に添付されています。
ご意見をお待ちしております。私は一般的に JSL やスクリプトを使用することができません。
よろしくお願いします。
よろしくお願いします
クリスチャン・ベルテルセン
高度な統計モデリング実験計画法ウィンドウズRe: 混合成分とカテゴリー因子を組み合わせた実験の計画 - Case Help@Victor_G - 誰に質問すればよいかわかるといいのですが。
Re: 混合成分とカテゴリー因子を組み合わせた実験の計画 - Case Helpいくつかの考え: この状況に対処する唯一の方法はありません。以下にいくつかのオプションがあります。
1. 逐次的なアプローチ。まずカテゴリー因子を調べます。それらには効果があるのでしょうか？それらの効果の順位は何ですか？他より優れているレベルはありますか？その後、混合設計を行うことができます。フィラー (水) があるため、実際にはここでもオプションがあり、混合設計に通常あるのと同じ制限 (共線性など) がない可能性があります。
2. 分割プロットタイプのデザイン。 3 つのカテゴリ因子をプロット全体に配置して、res を実行できます。 III プロット全体で実験し (最初の 2 つの相互作用で 3 番目のカテゴリー因子をエイリアスします)、次にサブプロットで混合因子を実験します。
3. 水充填剤による混合制限がない可能性があるため、要因計画 (または一部の部分...) を実行するだけかもしれません。
いずれの場合も、複数の実験を計画してください。それらを比較対照します (例: それぞれから何が学べるか、必要なリソースと比較)。
コーネルの論文「要因実験の中に混合実験を埋め込む」 (JQT Vol. 22、No. 4、1990 年 10 月) が役立つかもしれません。
私の考えでは、混合設計は最適化設計です。その男、私たちは混合物における要素の重要性をすでに知っています。混合設計は、結果を最適化できる「表面」または等高線マップを作成することを目的としています。最適化設計は、最適な設計空間を決定した後に使用する必要があります (つまり、設計空間内でマッピングすることになります。これは、重要な効果を発見し、ノイズの影響を理解したことを意味します)。
Re: 混合成分とカテゴリー因子を組み合わせた実験の計画 - Case Helpおい、スタットマン、
ご提案いただきありがとうございました。
逐次的なアプローチは良いアイデアのように聞こえると思います。私がこの設計を手伝っている人たちは、どのスタビライザーとファイバーのタイプが最も効果的かを知りたいと思っています。基本カテゴリ因子にも分割プロットが必要だと思います。デザインは次のようになります。
次に、その後の将来の混合設計の設定に関する追加の質問です。
特定の安定剤とファイバーが最も効果的であることがわかったとしましょう。そうすれば、新しい成分（タンパク質など）を導入することもできます。でも、このデザインを組み合わせて拡張することはできないと思いますよね?
別の質問は、最初の計画からの 3 ～ 5 回の実行を「追加」実行として混合計画に追加してもらえますか?
Re: 混合成分とカテゴリ因子を組み合わせた実験の設計 - ケースヘルプ「新しい成分を導入する」とはどういう意味かわかりません。なぜこれを研究の最初から含めないのですか? これは新しい配合ですか? この「タンパク質」は既に存在していて、操作されていないだけなのでしょうか? 実験から得られる結論は推論空間に依存します。後続の反復で要因を追加することは常にオプションですが、以前の実験から得た結論はもはや有効ではない可能性があることを認識してください (たとえば、新しい相互作用効果が結論に影響を与える可能性があります)。
以前の実験のデータを新しい実験に追加する場合は、「ブロック」効果に注意する必要があります。最初の実験と 2 番目の実験の間でどのような要因/条件が変更されましたか? (例: 原材料、周囲条件)
Re: 混合成分とカテゴリ因子を組み合わせた実験の設計 - ケースヘルプ@statmanから良いアドバイスをいただきました。私から付け加えたいことが 2 つあります。1 つは、プロセス変数 (この場合はカテゴリ変数) と混合変数がある場合は、プロセス変数と混合変数を交差させる必要があるということです。これにより、それらのプロセス変数を変更したときに混合効果が変化するかどうかを確認できます。これは非常に現実的な懸念事項です。そうでなければ、プロセス変数を設計に組み込む理由がありません。
私が指摘したいもう 1 つの点は、混合シナリオを完全に回避できる可能性があるということです。成分の 1 つが水であるため、それを不活性と見なすことができます。それを無視すると、他の混合成分を「連続」変数として扱うことができ、より伝統的な実験設計とモデリングの領域に戻ります。そうしたくないかもしれませんが、少なくとも指摘しておくべきオプションです。
Re: 混合成分とカテゴリ因子を組み合わせた実験の設計 - ケースヘルプこんにちは、ダン。
コメントありがとうございます。
はい、プロセス変数と混合変数を交差させる必要があることは承知しています。ただし、この場合、たとえば、2 つのカテゴリ要因 (繊維タイプと安定剤タイプ) があります。ドメイン知識に基づいて、これらが互いに干渉しないことを期待します。モデルを簡素化して実行回数を減らすために、特定の項を削除することは決して「大丈夫」ではないのでしょうか?
はい、それは非常に妥当な指摘です。いくつかのコースを受講した後、混合設計アプローチを試してみたかっただけだと思います。
Re: 混合成分とカテゴリ因子を組み合わせた実験の設計 - ケースヘルプ@Bertelsen92 、すべての双方向相互作用を含める必要があると言っているのではありません。ただし、モデルに Stabilizer Type*Stabilizer conc. と FiberType*Fiber conc. の相互作用を含めることが重要だと思います。さらに一歩進むと、混合モデルの「相互作用」は実際には曲率を推定しています。この事実と、混合設計は実際には予測モデルの開発がすべてであるという事実を考慮すると、可能であれば、すべての双方向相互作用 (および特殊な 3 次項) をお勧めします。残念ながら、リソースが無料ではないため、それができません。:)
Re: 混合成分とカテゴリ因子を組み合わせた実験の設計 - ケースヘルプこんにちは、
私たちが実施する試験はかなり費用がかかり、開発者は配合に含まれる成分をできるだけ少なくしたいと考えています。
したがって、現在の設定で問題が解決されることを期待しています。ただし、そうでない場合は、タンパク質などの新しい成分をテストする必要があるかもしれません。
しかし、新しい因子を追加したり、既存の因子のレベルを変更したりして、その後の実験で推論空間が変化すると、以前の実験から得られた結論が有効ではなくなる可能性があるというのは、本当に良い指摘です。しかし、タンパク質タイプと呼ばれるカテゴリ因子と、濃度を伴う連続因子を、タンパク質 A、タンパク質 B、非タンパク質などのレベルで追加できると思います。そうすると、以前の実験はすべて 0% で「非タンパク質」になるのでしょうか?
「ブロック効果」に関して、上記の問題にどのように対処しますか?
