Buongiorno,
Creo un DOE contenente 2 risposte (A e 
e 2 fattori (C e D). I due fattori sono concentrazioni, diciamo, da 5 a 9 per C e da 10 a 25 per D. Vorrei creare un piano con vincoli sui fattori, il fatto che il rapporto D/C deve essere uguale o maggiore di 4 Come dovrei rendermene conto? Inoltre, quali tipi di fattori dovrei codificare? continuo o discreto? Sono un po' perso.
Ciao @SeanCor ,
Benvenuti nella comunità JMP!
Per comprendere meglio come gestire i vincoli nella creazione di DoE con JMP, consiglio di leggere l'articolo del blog di @Jed_Campbell : Demystifying Factor Constraints - JMP User Community
Per quanto riguarda le vostre domande, alcune risposte, domande e commenti:
- Se le concentrazioni dei fattori C e D possono variare in modo continuo, molto probabilmente si tratta di fattori continui. I fattori di tipo “discreto” possono assumere solo pochi valori ordinati definiti sull’intero intervallo possibile. Maggiori informazioni sui tipi di fattori qui: Fattori (jmp.com)
- Qual è il tuo obiettivo con questo piano? Studiare quantitativamente gli effetti di questi due fattori? Hai un modello predittivo? Vuoi analizzare la possibile interazione o gli effetti quadratici di questi fattori? Queste domande sono solo un punto di partenza, ma ti permetteranno di capire meglio quale tipo di piano è più adatto e di prendere buone decisioni sulla costruzione e analisi del piano.
- 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 :
- Inserisci le tue risposte, fattori e intervalli:
- 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 :
- Definisci il tipo di effetti che desideri stimare utilizzando il tuo piano. Nell'esempio qui, ho aggiunto l'interazione tra C e D, gli effetti principali di C e D così come l'intercettazione sono inseriti per impostazione predefinita:
- Puoi poi definire un numero di repliche, punti centrali, e hai anche una certa flessibilità sul numero di tirature da effettuare, poi puoi iniziare a generare il piano “Make Design”. In questo esempio ho scelto 3 punti centrali per poter valutare se è eventualmente presente un effetto quadratico e verificare l'adattamento del modello con un test di Lack-Of-Fit, per un numero di esecuzioni consigliato pari a 12:
Nota che a causa di questo vincolo relazionale, i tuoi fattori C e D non sono più indipendenti. Stimare gli effetti individuali di ciascuno può essere più difficile.
È importante distinguere chiaramente se questo vincolo relazionale è fisicamente necessario per realizzare gli esperimenti (in tal caso se ne deve tenere conto nel piano per evitare di generare esperimenti fisicamente impossibili da realizzare o pericolosi), oppure se è un vincolo “preferenziale”, dove pensi di avere buoni risultati. Nel secondo caso, è meglio rimuovere questo vincolo per evitare qualsiasi pregiudizio iniziale e per avere una visione quanto più neutrale e completa possibile del proprio spazio sperimentale. Per capire dove, come e perché hai risultati positivi nel tuo spazio sperimentale, devi avere anche risultati negativi.
Infine, sorge anche la questione se le singole concentrazioni dei vostri fattori costituiscano l'informazione di interesse, o se sia piuttosto il rapporto che sembra essere interessante. Nel secondo caso, potresti combinare i fattori C e D in un fattore (rapporto), che faresti evolvere entro un certo intervallo e che non richiederebbe una progettazione di esperimenti.
Ecco lo script utilizzato per generare il progetto sperimentale vincolato menzionato qui:
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}
);
Troverai anche in PJ il piano generato per illustrare questa risposta (con l'aggiunta nella tabella di una colonna calcolata D/C in modo da poter verificare che tutti gli esperimenti generati con questo metodo rispettino il tuo vincolo).
Spero che questa risposta ti aiuti,
Ciao @SeanCor ,
Per quanto riguarda i valori dei fattori molto precisi, questa è una conseguenza dell'algoritmo utilizzato per creare il piano ottimale. Vedi le risposte su questo argomento:
Risolto: Ri: Come vengono generate le impostazioni dei fattori dispari in D-optimal RSM - Comunità degli utenti JMP
Risolto: Oggetto: decimali casuali incorporati nella progettazione dello screening delle miscele - Comunità degli utenti JMP
Per quanto riguarda il vincolo di rapporto, quest’ultimo è molto impegnativo: se si prendono i valori estremi di D e C (max per D, min per C), si arriva ad un rapporto massimo pari a 25/5 = 5. Quindi è normale per trovare rapporti compresi tra 4 e 5. È possibile modificare questo vincolo di rapporto o ampliare gli intervalli dei fattori (valori più bassi per C, valori più grandi per D)?
Per quanto riguarda l'obiettivo di previsione, un piano di tipo Space-Filling è forse più appropriato, perché consente di distribuire i punti nel proprio spazio sperimentale e consente una grande flessibilità nella modellazione (in particolare con algoritmi di Machine Learning) e nel numero di punti richiesti ( nessun minimo, ma è necessario scegliere un numero ragionevole di punti).
Puoi costruirlo nella piattaforma Space-Filling disponibile in "DoE", "Special Purpose", "Space-Filling":
Troverai in PJ un esempio di un piano di riempimento dello spazio costruito con 20 esperimenti con i tuoi fattori, risposte e il vincolo del rapporto.
Un confronto tra la distribuzione dei punti nello spazio sperimentale in base al tipo di pianta scelta:
Sperando che questa risposta aggiuntiva ti sia d'aiuto,
Buongiorno,
Grazie mille per questa risposta che mi aiuta molto. Si tratta infatti della creazione di un modello con l'obiettivo di prevedere l'output dall'input per offrire pacchetti, cioè possibilità diverse a seconda dei desideri. Supponiamo che A sia una resa di concentrazione e B sia una percentuale. Vorrei prevedere le risposte A e B in base alle diverse concentrazioni dei fattori C e D. Tuttavia, realizzando il modello come me lo descrivi si ottengono concentrazioni di punti decimali molto precise che sono difficili da ottenere nella pratica. Inoltre il vincolo richiede che il rapporto sia uguale o maggiore di 4 e abbiamo solo rapporti compresi tra 4 e 4,91, non di più, è normale?
La ringrazio
