DoE e immissione di analisi replicateCIAO,
Ho eseguito una DoE come previsto, ma vorrei sapere come valutare i dati analitici replicati che alimentano la risposta per ciascuna condizione.
Solitamente utilizziamo i dati analitici forniti dal nostro reparto analitico, ma stiamo studiando uno strumento di analisi rapida per applicazioni future. Sebbene questo strumento sia utile, sembra più accurato quando si esegue un'analisi replicata e quindi si calcola la media per ottenere la media. In genere, rimuoviamo manualmente (e con giudizio) i dati di risposta anomali, ma speravo che questi dati potessero essere inseriti nella piattaforma JMP DoE e avrebbero determinato automaticamente i valori anomali.
Come posso inserire questi dati replicati, evitando però che JMP creda che si tratti di repliche reali e non semplicemente di un'analisi replicata della stessa condizione? In caso contrario, presumo che JMP fornirà un profilo "Eccessivamente sicuro", a meno che non abbia frainteso qualcosa.
Progettazione di esperimentifinestreRi: DoE e immissione di analisi replicateSono un po' perso con la tua terminologia. Credo che i dati analitici siano ripetuti in relazione ai trattamenti nell'esperimento.
Un modo per aggiungere ripetizioni al disegno è aggiungere colonne aggiuntive per ciascuna ripetizione. Una volta popolate queste colonne, impilale. Quindi è possibile rappresentare graficamente la variazione all'interno del trattamento, valutare la coerenza della variazione all'interno del trattamento e determinare statistiche appropriate per riassumere tali misure ripetute (ad esempio, media, deviazione standard logaritmica, ecc.)
Ri: DoE e immissione di analisi replicateCiao Statman,
Immagino che quello che sto cercando di chiedere sia, esiste un modo per definire le righe in JMP come replica di dati analitici, anziché replicare i dati di esecuzione.
Ad esempio, se eseguo 12 esecuzioni in un DoE e le analizzo 10 volte ciascuna, ottengo 120 risposte. Se semplicemente impilano queste 12 esecuzioni 10 volte e applico ciascuna risposta di replica, posso modellare i dati, tuttavia, JMP le visualizzerà come esecuzioni replicate, anziché come analisi replicate.
JMP visualizzerebbe questi dati in modo errato e ridurrebbe gli intervalli di confidenza in modo inappropriato presupponendo che la varianza del processo fosse bassa (poiché a questo punto avremmo solo varianza analitica)?
Ri: DoE e immissione di analisi replicateCiao @MetaLizard62080
Forse questa dimostrazione può darti qualche indicazione: https://www.youtube.com/watch?v=zagpxGbfuiA&t=358s
Se si dispone di colonne separate per ciascuna serie di repliche analitiche, è possibile calcolare la media e la deviazione standard e modellarle entrambe.
Ri: DoE e immissione di analisi replicateCiao @ MetaLizard62080 : un'altra opzione sarebbe impilare i dati come descrivi; quindi, insieme agli altri fattori fissi nel tuo DoE, includi "corsa" come effetto casuale nel tuo modello. I risultati saranno gli stessi dell'analisi delle medie (come suggerito da @gonzaef e @Steffen_Bugge ), ma otterrai informazioni aggiuntive sulla variabilità da esecuzione a esecuzione e sulla variabilità intra-esecuzione.
Modifica: quanti fattori di progettazione ci sono nel tuo DoE?
Ri: DoE e immissione di analisi replicateCiao MetalLizard...
Apprezzo il tuo istinto iniziale nel porre la domanda: le misure ripetute della stessa esecuzione sperimentale sono diverse da una ripetizione "fresca" dell'iterazione che comprende tutte le fonti di variabilità: materiali di partenza, aderenza alle impostazioni dei fattori, ecc. Concordo con la comunità precedente input su questo.
La tua domanda iniziale era composta da due parti: misurazione ripetuta della media/rilevamento ed esclusione dei valori anomali come parte della misurazione delle risposte in un DOE.
JMP può aiutare con entrambe le parti, ma affrontandole individualmente.
Sono d'accordo anche con i suggerimenti degli altri membri della comunità, il mio istinto sarebbe anche quello di aggregare in una tabella dati separata, quindi riassumere.
Sebbene il risparmio in termini di tempo/costi con il "sistema di misurazione rapido (incline a valori anomali, che possono essere identificati ed esclusi manualmente)" rispetto all'uso di "misure del reparto analitico" potrebbe essere un'ottima scelta per la tua situazione, ci sono alcuni avvertimenti.
Questi due sistemi di misurazione potrebbero fornire risultati netti che presentano una differenza di offset, pendenza o linearità.
JMP dispone inoltre di ottimi strumenti per la valutazione dei sistemi di misurazione.
- Se l’obiettivo dell’esperimento è determinare le impostazioni dei fattori che massimizzeranno o minimizzeranno una risposta, qualsiasi differenza nei sistemi di misurazione probabilmente non avrà importanza.
*Ma*
- Se l'obiettivo è determinare le impostazioni dei fattori per raggiungere un determinato obiettivo (misurato dal dipartimento analitico)... oppure
- se esiste un limite specifico per la risposta (sempre "come misurato dal reparto analitico") che deve essere evitato come parte della definizione dell'intervallo operativo del fattore... o
- se l'obiettivo è costruire (e pubblicare) un modello per prevedere i risultati, dato il futuro insieme di impostazioni dei fattori (per gli input X, ci aspettiamo quale valore di Y)
.....allora diventa più rilevante un mezzo per tradurre tra sistemi di misurazione.
Per quanto riguarda il rilevamento/esclusione dei valori anomali
JMP dispone di numerosi strumenti a supporto di questo impegno. Prendono le stesse identiche decisioni della tua "chiamata manuale/secondo giudizio"... "dipende". Le architetture suggerite per il riepilogo di più righe funzioneranno, con un passaggio in cui le righe anomale sono state riviste ed escluse selettivamente. Potrebbe anche essere presente uno screening anomalo inserito nelle formule di colonna che escluderebbe selettivamente le righe ("mancanti condizionali") ritenute insolite.
