Guten Morgen,
Ich erstelle ein DOE mit 2 Antworten (A und 
und 2 Faktoren (C und D). Bei den beiden Faktoren handelt es sich um Konzentrationen von beispielsweise 5 bis 9 für C und 10 bis 25 für D. Ich möchte einen Plan mit Einschränkungen für die Faktoren erstellen, d. h. der Tatsache, dass das D/C-Verhältnis gleich oder größer als 4 sein muss . Wie soll ich das erkennen. Welche Arten von Faktoren sollte ich außerdem kodieren? kontinuierlich oder diskret? Ich bin ein wenig verloren.
Hallo @SeanCor ,
Willkommen in der JMP-Community!
Um besser zu verstehen, wie man Einschränkungen bei der Erstellung von DoE mit JMP verwaltet, empfehle ich die Lektüre des Blogartikels von @Jed_Campbell : Demystifying Factor Constraints – JMP User Community
Zu Ihren Fragen einige Antworten, Fragen und Kommentare:
- Wenn die Konzentrationen der Faktoren C und D kontinuierlich variieren können, handelt es sich höchstwahrscheinlich um kontinuierliche Faktoren. „Diskrete“ Typfaktoren können nur wenige geordnete Werte annehmen, die über den gesamten möglichen Bereich definiert sind. Weitere Informationen zu Faktortypen finden Sie hier: Faktoren (jmp.com)
- Was ist Ihr Ziel mit diesem Plan? Die Auswirkungen dieser beiden Faktoren quantitativ untersuchen? Haben Sie ein Vorhersagemodell? Möchten Sie mögliche Wechselwirkungen oder quadratische Effekte dieser Faktoren analysieren? Diese Fragen stellen nur einen Ausgangspunkt dar, ermöglichen es Ihnen jedoch, besser zu verstehen, welcher Plantyp am besten geeignet ist, und gute Entscheidungen bei der Erstellung und Analyse des Plans zu treffen.
- Concernant votre contrainte relationnel entre C et D, vous pouvez l'ajouter dans plusieurs plateformes de construction de plan. J'ai pris l'exemple ici avec la plateforme Custom Design :
- Geben Sie Ihre Antworten, Faktoren und Bereiche ein:
- Dans la partie "Define Factor Constraints", cliquer sur "Specify Linear Constraints". Comme vous souhaitez que le ratio D/C soit supérieur ou égal à 4, une remise en forme de cette équation donne :
4 * :C + -1 * :D</img> <= 0
Vous pouvez donc entrer cette contrainte dans la partie dédiée :
- Definieren Sie anhand Ihres Plans, welche Art von Auswirkungen Sie abschätzen möchten. Im Beispiel hier habe ich die Interaktion zwischen C und D hinzugefügt, die Haupteffekte von C und D sowie der Achsenabschnitt sind standardmäßig eingetragen:
- Sie können dann eine Anzahl von Replikaten und zentralen Punkten definieren und haben auch eine gewisse Flexibilität hinsichtlich der Anzahl der durchzuführenden Durchläufe. Anschließend können Sie mit der Erstellung des „Make Design“-Plans beginnen. In diesem Beispiel habe ich drei zentrale Punkte ausgewählt, um beurteilen zu können, ob möglicherweise ein quadratischer Effekt vorliegt, und um die Passung des Modells mit einem Lack-Of-Fit-Test für eine empfohlene Anzahl von Durchläufen von 12 überprüfen zu können:
Beachten Sie, dass Ihre Faktoren C und D aufgrund dieser relationalen Einschränkung nicht mehr unabhängig sind. Es kann schwieriger sein, die einzelnen Auswirkungen jedes einzelnen abzuschätzen.
Es ist wichtig, klar zu unterscheiden, ob diese Beziehungsbeschränkung physikalisch notwendig ist, um die Experimente durchzuführen (in diesem Fall muss sie im Plan berücksichtigt werden, um die Entstehung physikalisch unmöglicher oder gefährlicher Experimente zu vermeiden) oder ob sie es ist eine „bevorzugte“ Einschränkung, bei der Sie glauben, gute Ergebnisse zu erzielen. Im zweiten Fall ist es besser, diese Einschränkung aufzuheben, um zu Beginn jegliche Voreingenommenheit zu vermeiden und einen möglichst neutralen und vollständigen Überblick über Ihren Experimentierraum zu erhalten. Um zu verstehen, wo, wie und warum Sie in Ihrem Experimentierraum positive Ergebnisse erzielen, müssen Sie auch negative Ergebnisse erzielen.
Schließlich stellt sich auch die Frage, ob die einzelnen Konzentrationen Ihrer Faktoren die interessierende Information darstellen oder ob es eher das Verhältnis ist, das von Interesse zu sein scheint. Im zweiten Fall könnten Sie die Faktoren C und D zu einem Faktor (Verhältnis) kombinieren, den Sie über einen bestimmten Bereich entwickeln lassen würden und für den keine Versuchsplanung erforderlich wäre.
Hier ist das Skript, das zum Generieren des hier erwähnten eingeschränkten experimentellen Designs verwendet wird:
DOE(
Custom Design,
{Add Response( Maximize, "A", ., ., . ), Add Response( Maximize, "B", ., ., . ),
Add Factor( Continuous, 5, 9, "C", 0 ), Add Factor( Continuous, 10, 25, "D", 0 ),
Set Random Seed( 1047040825 ), Number of Starts( 55959 ),
Add Constraint( [4 -1 0] ), Add Term( {1, 0} ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {1, 1}, {2, 1} ), Center Points( 3 ),
Set Sample Size( 12 ), Optimality Criterion( "Make A-Optimal Design" ),
"A-Optimality Parameter Weights"n( [1 1 1 1] ), Simulate Responses( 0 ),
Save X Matrix( 0 ), Make Design, Set Run Order( Randomize ), Make Table}
);
Sie finden in PJ auch den Plan, der zur Veranschaulichung dieser Reaktion erstellt wurde (mit der Hinzufügung einer berechneten Spalte D/C in der Tabelle, damit Sie überprüfen können, ob alle mit dieser Methode generierten Experimente Ihre Einschränkung einhalten).
Ich hoffe, diese Antwort hilft Ihnen,
Hallo @SeanCor ,
Was die sehr genauen Faktorwerte betrifft, so ist dies eine Folge des Algorithmus, der zur Erstellung des optimalen Plans verwendet wird. Sehen Sie sich die Antworten zu diesem Thema an:
Gelöst: Betreff: Wie werden ungerade Faktoreinstellungen im D-optimalen RSM generiert? - JMP-Benutzergemeinschaft
Gelöst: Betreff: Zufällige Dezimalzahlen in Mischungs-Screening-Design integriert – JMP-Benutzer-Community
Bezüglich der Verhältnisbeschränkung ist diese sehr anspruchsvoll: Nimmt man die Extremwerte von D und C (max für D, min für C), kommt man auf ein maximales Verhältnis von 25/5 = 5. So ist es Es ist normal, Verhältnisse zwischen 4 und 5 zu finden. Kann diese Verhältnisbeschränkung geändert oder die Bereiche der Faktoren vergrößert werden (niedrigere Werte für C, größere Werte für D)?
Was Ihr Vorhersageziel betrifft, ist ein Plan vom Typ „Space-Filling“ möglicherweise besser geeignet, da er Ihnen die Verteilung der Punkte in Ihrem Versuchsraum ermöglicht und eine große Flexibilität bei der Modellierung (insbesondere mit Algorithmen für maschinelles Lernen) und der Anzahl der erforderlichen Punkte ermöglicht ( (kein Minimum, aber Sie müssen eine angemessene Anzahl an Punkten wählen).
Sie können es auf der Space-Filling-Plattform bauen, die in „DoE“, „Special Purpose“ und „Space-Filling“ verfügbar ist:
In PJ finden Sie ein Beispiel für einen Space-Filling-Plan, der aus 20 Experimenten mit Ihren Faktoren, Antworten und der Verhältnisbeschränkung erstellt wurde.
Ein Vergleich der Punkteverteilung im Versuchsraum je nach gewähltem Plantyp:
Ich hoffe, dass diese zusätzliche Antwort Ihnen hilft,
Guten Morgen,
Vielen Dank für diese Antwort, die mir sehr hilft. Es handelt sich tatsächlich um die Erstellung eines Modells mit dem Ziel, den Output aus dem Input vorherzusagen, um Pakete anzubieten, also je nach Wunsch unterschiedliche Möglichkeiten. Nehmen wir an, dass A eine Konzentrationsausbeute und B ein Prozentsatz ist. Ich möchte die Antworten A und B anhand der unterschiedlichen Konzentrationen der Faktoren C und D vorhersagen. Die Durchführung des Modells, wie Sie es mir beschreiben, führt jedoch zu sehr genauen Dezimalpunktkonzentrationen, die in der Praxis nur schwer zu erreichen sind. Darüber hinaus erfordert die Einschränkung, dass das Verhältnis gleich oder größer als 4 ist, und wir haben nur Verhältnisse im Bereich von 4 bis 4,91, nicht mehr. Ist das normal?
Danke
