Hallo ,
Ich möchte ein Experiment entwerfen, um die Beziehung zwischen der Konzentration des aktiven Materials und der endgültigen Partikelgröße zu untersuchen. Ich möchte 10 verschiedene Lieferanten aktiver Materialien testen und sehen, wie sich die Konzentration des aktiven Materials auf die resultierende Partikelgröße auswirkt.
Da die Materialien sehr teuer sind, suche ich nach einem effizienten Versuchsdesign, das aussagekräftige Erkenntnisse liefert und gleichzeitig den Materialverbrauch minimiert.
Können Sie mir bitte Vorschläge machen, wie ich dieses Experiment gestalten soll?
Danke
Hallo @YanivD ,
Nachfolgend finden Sie meine Gedanken:
Um die Beziehungen zwischen den Faktoren besser zu verstehen, würde ich mich im Allgemeinen für einen sequenziellen Ansatz bei der Versuchsplanung entscheiden. Dabei verwende ich zu Beginn zweistufige teilfaktorielle Versuchspläne mit „fetten“ (möglichst weit auseinander liegenden) Niveaueinstellungen und einer strengen Kontrolle des experimentellen Rauschens (mithilfe verschiedener Rauschstrategien wie Randomisierung, Abbildung von Rauschfaktoren, Konstanthaltung oder noch besser Verwendung als Faktoren usw.), um die wenigen wesentlichen Effekte an die Oberfläche zu bringen und diese dann für die Weiterentwicklung des Experiments zu verwenden.
Wenn Sie Ihrem Ziel noch nicht nahe sind, würde ich, um einige Durchläufe zu sparen, mit Foldover-Designs, Res III, beginnen, um die Effektgröße für jeden Faktor und ihre Interaktionen zu verstehen. Wenn Sie dann mit der in der Antwort erzeugten Variation zufrieden sind, können Sie das Design umklappen, um die Auflösung zu erhöhen und mit der Behandlung der Störfaktoren zu beginnen, indem Sie die nicht aktiven Faktoren und Interaktionen aussortieren und dann mit Ihrem Inferenzraum in Richtung des optimalen Punkts fortfahren. Ganz am Anfang würde ich keine Replikate ausführen, sondern stattdessen die Faktoren basierend auf der Spärlichkeit der Effekte aussortieren, indem ich Daniel-Diagramme verwende, um die statistische Signifikanz zu verstehen. Wenn Sie Ihrem Ziel nahe sind (mit viel weniger Faktoren, mit denen Sie sich befassen müssen), können Sie RSM-Methoden verwenden, um die Oberfläche in der Nähe des optimalen Punkts besser zu modellieren, Replikate, um Vorhersagen zu verbessern usw.
Könnten Sie uns nun zu Ihrem Fall weitere Informationen geben? Liefern diese 10 Lieferanten dasselbe Produkt und müssen Sie einen davon auswählen? Wissen Sie, ob die Prozessfaktoren und deren Lärm die Leistung jedes einzelnen Lieferanten beeinflussen würden?
Wenn die Blockstrategie gewählt wird, würde ich dennoch einen teilfaktoriellen Versuchsaufbau unter Verwendung der Prozessfaktoren und des bereits zugeordneten Rauschens als Faktoren durchführen und dabei der oben genannten Strategie folgen, anstatt Replikate für jeden der Lieferanten auszuführen. Ich würde die Veränderung des Durchschnittswerts für jeden einzelnen von ihnen betrachten und einen statistischen Test verwenden, um zu erkennen, ob die Lieferanten sich statistisch unterscheiden oder nicht. Angesichts der Kosten jedes Durchlaufs und der Informationen, die Sie bereits haben, liegt dies jedoch ganz bei Ihnen.
Wenn Sie den ersten teilfaktoriellen Versuchsplan für den ersten Block ausführen, können Sie möglicherweise die wichtigen Effekte erkennen und diese könnten auch für die anderen Blöcke sinnvoll sein. Mit diesem Wissen können Sie das Experiment für die anderen Blöcke verfeinern.
Der Block mit den faktoriellen Versuchsplänen klingt vielleicht nicht nach der Strategie mit der minimalen Anzahl von Durchläufen, ich bin jedoch überzeugt, dass er Ihnen dabei helfen wird, eine solide Wissensbasis über Ihre Prozessfaktoren und deren Wechselwirkung mit dem Material der Lieferanten aufzubauen.
Bitte lassen Sie mich wissen, wenn Sie das Thema weiter diskutieren möchten,
Aufrichtig,
