既存の決定的スクリーン設計を JMP で検証して使用しますか?こんにちは、
ChatGPT 4.0 で DOE 実験の決定的スクリーン設計を取得しました。これは妥当なようです (数回の議論の後)。JMP は決定的スクリーン設計が許容可能かどうかを確認できますか? 既存の決定的スクリーン設計がある場合、それを使用してから JMP でそのような測定の実験結果を評価できますか? それとも、JMP は独自の設計のみを評価しますか?
実験計画法Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?こんにちは@Thommy7571 さん
最初のポイント: JMP をお持ちの場合は、大規模言語モデルに頼るのではなく、JMP を使用して DoE を作成することを強くお勧めします。LLM は (設計上) 推論、計画、計算を行うことができないためです。一般的に、事実、計算、分析を期待する場合は LLM を使用しないでください。トレーニング セットによっては、許容できる回答が得られる場合もありますが、常にそうであるとは限りません (再現できない場合もあります)。
データテーブル自体についても、次のようなチェックすべき点がいくつかあります。
- 各連続因子に3つのレベル（-1、0、1）が存在する。
- 設計内の実行は折り返しペアになっており、少なくとも 1 つの実行が実験空間の中央にあります。
データセットがあり、それがどのように構成されているかを確認したい場合は、 Evaluate Designs (jmp.com)プラットフォームを使用することをお勧めします。決定的スクリーニング デザインを使用して評価する際には、いくつかの点に気付く可能性があります。
- 主効果の検出力分析を見ると、同じ因子タイプに対して同じ（または非常に類似した）検出力値が得られるはずです（ここで、X1 から X5 は連続、X6 は 2 つのレベルのカテゴリです）。
- 相関関係のカラー マップ: 主効果間、および主効果と 2 因子相互作用間には相関関係がないため、次のようなパターンになります。
ここでは、カテゴリ因子 X6 が存在するため、主効果領域に非常に小さな相関関係がありますが、連続因子のみがある場合は、この小さな境界は表示されません。エイリアス マトリックスを確認すると、完全な交絡 (従来の要因設計で発生する可能性がある) がないかどうかを確認するのにも役立ちます。
- 散布図マトリックスを見ると、DSD の特定の構造や因子間の相関関係がないこともわかります。
詳細はこちらをご覧ください: 決定的スクリーニング設計の紹介 - JMP ユーザー コミュニティ
最後に、JMP をお持ちで、ChatGPT 4 によって生成された設計を確認したい場合は、同じ設定と因子数で JMP を使用して DSD を生成し、 Compare Designs プラットフォーム (jmp.com)を使用して不規則性や大きな違いがないか確認できます。
この回答がお役に立てば幸いです。
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?簡単に答えると、JMP はあらゆるデータ セットを評価できます。分析から何か得られるものがあるかどうかは別の問題です。
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?こんにちは、ご回答ありがとうございます。おそらく ChatGPT は最適ではありませんが、別のプログラムであれ、同僚の設計であれ、他の選択肢はあります。これは、他のソフトウェアを使用してデザインを作成し、それを JMP でテスト、編集、使用できることを意味しますか?標準デザイン (ランダム化されていない) を後で編集する可能性もあれば、つまり、いくつかの中心点を追加したり、ランダム化したりすることができれば良いのですが、それは可能ですか?
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?簡単に答えると、「はい」です。ほぼすべてのデザインを JMP にインポートできます。一般的な手順は、元のアプリケーションでデザインを作成し、それを何らかのファイル形式で保存することです。JMP には、非常に多くの異なるファイル形式をネイティブにインポートする機能があります。ドキュメントを参照してください。他に何もない場合は、ファイルを一般的な形式 (たとえば、.xls ワークシート) で保存すると、JMP にコピー/貼り付けするのと同じくらい簡単です。デザインが JMP データ テーブルに取り込まれると、他の JMP データ テーブルと同様に完全に編集できます。
ここで問題なのは、JMP を使用してネイティブに設計を作成すると、単純な処理の組み合わせとともに多くのメタデータが作成されるということです。JMP は、視覚化と分析に関連するあらゆることに対して、バックグラウンドでこのメタデータを使用します。通常、インポートされたファイルにはメタデータは含まれません。そのため、分析ワークフロー、結果、JMP レポートで JMP が希望どおりに動作するようにするには、各列にメタデータを追加するのに多くの時間を費やすことになります。
それで、この話の教訓は、分析を行うための JMP がすでにあるのなら、なぜ他の場所で設計を作成するのかということです。私にはまったく意味がわかりません。私が考えられる唯一の理由は、他の誰かが設計を作成したということです。実験を実行し、その結果を分析するように求められています。
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?@Victor_G 、警告、初心者の質問です。この会話を乗っ取って申し訳ありません。JMP の DSD で驚いたのは、設計に追加される最初の 6 つの因子の試行回数が常に 17 のままであることです。試行回数が 21 に増えるのは 7 番目の因子だけです。完全を期すために、1 つの因子に 1 行を追加しましたが、これにはあまり意味がありません。
| 要因 | ブロック | 追加ラン数
(JMP デフォルト) | トライアル
（合計） | 力
（傍受） | 力
(インターセプト以外の任意の用語) |
| 1 | 1 | 4 | 17 | 0,97 | 0,937 |
| 2 | 1 | 4 | 17 | 0,969 | 0,935 |
| 3 | 1 | 4 | 17 | 0,967 | 0,932 |
| 4 | 1 | 4 | 17 | 0,965 | 0,929 |
| 5 | 1 | 4 | 17 | 0,963 | 0,925 |
| 6 | 1 | 4 | 17 | 0,959 | 0,92 |
| 7 | 1 | 4 | 21 | 0,988 | 0,975 |
| 8 | 1 | 4 | 21 | 0,987 | 0,973 |
| 9 | 1 | 4 | 25 | 0,997 | 0,992 |
| 10 | 1 | 4 | 25 | 0,996 | 0,992 |
質問:
- JMP はなぜ、因子が非常に少ないのにすでに非常に多くの実行を提案し、7 番目の因子が導入された後にのみ実行回数が変化し始めるのでしょうか。
- 要因の検出力分析を見ると、第 1 要因から第 6 要因までの増分削減はわずかであるように見えます。なぜでしょうか。
- 何か誤解しているところがあるでしょうか?
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?こんにちは@Thommy7571 さん
はい、 Evaluate Designs (jmp.com)プラットフォームを使用して、任意のデザインを評価できます。
Compare Designs (jmp.com)プラットフォームを使用して、複数のデザインを比較できます。
最後に、因子の範囲、モデル項、制約を変更したり、中心点や反復などを追加したりする場合は、プラットフォームAugment Designs (jmp.com)を使用できます。ランダム化は、データテーブルを作成する前に、デザイン構築の最後に常に提案されます。
JMP ヘルプ セクションには、デザインの複製、中心点の追加、折り返し、軸点、空間充填拡張など、デザインを拡張するためのユースケースの例がいくつかあります。
これらの操作はすべて、JMP が認識できる形式でデータをアップロードできる限り、あらゆるソースのあらゆるデザインで実行できます。 データのインポート (jmp.com)ただし、 @P_Bartellが述べているように、因子と応答の列プロパティに、JMP が DoE からの因子と応答を処理する方法を認識するのに役立つ特定のプロパティを追加するために、手動で準備する必要がある可能性があります。 列プロパティ (jmp.com)
この回答があなたの質問への答えとなることを願っています。
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?はい、あなたの回答はいつも役に立ちます。ありがとうございます!
Re: 既存の決定的スクリーン設計を JMP で検証して使用しますか?こんにちは@Ressel 、
DSD の使用法をより深く理解するために、Bradley Jones による DSD に関するブログ投稿を読むことを強くお勧めします。
決定的なスクリーニング設計の導入
確定的スクリーニングデザイン（DSD）の適切な使用と不適切な使用
ご質問について：
- DSD は「万能」なスクリーニング アプローチとして作成されたわけではなく、5 つ以上の要因を含むスクリーニング実験の実行回数を最適化および削減することを目的としています。5 要因未満の場合は、スクリーニングに「より優れた」またはより適切な設計の選択肢があります。D 最適設計、従来のスクリーニング設計、または応答曲面設計などです。
因子が 7 未満の場合、JMP は 7 つの因子に対して最低限必要な実行 (17 回の実行) で DSD を作成し、使用されていない因子を「偽の因子」と見なして検出力を高めます。2 ～ 6 つの因子を含む設計で検出力がわずかに低下するのは、実験設計で使用される因子が増えるほど、検出力と項の推定精度を高めるために使用できる追加の実行が少なくなるためです。7 番目の因子では、偽の因子がなくなるため、検出力を高めるために追加の実行 (JMP で推奨される 4 回) を追加する必要があります。
- DSDの場合、最小実行回数は因子数mに応じて線形に変化します。
- 因数の数mが偶数の場合、2m+1、
- 因子数mが奇数の場合は2m+3。
これにより、7 因子と 8 因子、または 9 因子と 10 因子を持つ設計で必要な実行回数が同じになる理由が説明されます。
- JMP によって推奨される追加の 4 回の実行は、DSD に 2 つの偽因子を追加することに相当します。テストを実行して設計 (4 回の追加実行を含む DSD と 2 つの偽因子を含む DSD) を比較すると、それらは同一になるはずです。
この回答がお役に立てば幸いです:)
