565281_ja-JP

liliconcom

Doeと複製こんにちは
たくさん読んだ後、レプリケーションについて少し混乱しました。
いつ使用すればよいですか? どのような場合に使用すればよいですか? また、複製の数をどのように計算すればよいですか?

ありがとう実験計画法Re: Doe とレプリケーション

とても役に立ちました！ @Victor_G さん、ありがとうございます！

Re: Doe とレプリケーション

レプリケーションには複数の戦略があります。

1. 完全にランダム化された複製 (CRR): 推定値のバイアスを減らしながらランダム誤差の推定値を取得することが目的です。この推定値は、その後、統計テスト (MSmodel/MSerror) に使用できます。CRR は推論空間も拡大する可能性がありますが、設計の精度 (Box の定義) が損なわれる可能性があります。この戦略は、ノイズが特定されていない場合に使用されます。これにより、通常、実験のサイズが 2 倍になります。

2. ランダム化完全ブロック設計 (RCBD): 推論空間を拡大すると同時に設計の精度を高めることが目的です。さらに、堅牢な設計に必要なブロック効果とブロックごとの相互作用効果を割り当てることができます。これにより、実験のサイズも 2 倍になります。ノイズを識別できる場合、これはより効果的で効率的な戦略です。

「できるものはブロックし、できないものはランダム化する」GEP Box

3. ランダム化不完全ブロック設計 (RIBD または BIB): RCBD に似ていますが、ブロックは分割されています (一部実施要因のように)。この場合、高次のモデル効果は高次のブロック効果と混同されます。これは、ノイズ効果を割り当て、推論空間を増やしながら設計精度を高めるための効率的な戦略です。実験のサイズを 2 倍にする必要はありません。この戦略は、製品またはプロセス設計の設定よりも、処理または製造の設定でより有用です。

Re: Doe とレプリケーション素晴らしいアドバイスをありがとうございました！Re: Doe とレプリケーションこんにちは@YanivD 、

複製は、純粋誤差をより正確に推定し、パラメータをより正確に推定するために使用されます。設計に複製を追加すると、モデル内の分散予測とパラメータ推定の分散を下げることができます。

応答に強いノイズがある場合や、予測に一定の精度を達成する必要がある場合に使用できます。また、プラットフォーム「Augment Design」を使用して因子と応答を指定し、「Replicate」をクリックすることで、2 回目の実験実行で複製を追加することもできます (たとえば、予測の分散が高すぎることに気付いた場合など)。

複製回数については「厳格なルール」はありません。これは、トピック、使用する機器、必要な精度などによって異なります。使用する DoE プラットフォーム (クラシックまたはカスタム デザイン) に応じて、2 つのオプションがあることに注意してください。
- 反復回数を指定することができます。これは、DoEですべての実験が独立して実行される回数です。
- 設計内の 1 つの実験を独立して繰り返す、反復実行を指定できます。

反復回数（または反復実行回数）に関しては、念頭にあるさまざまな設計（反復の有無や反復回数の違い）を試し、「設計の比較」プラットフォーム（DoE / 設計診断内）で比較することをお勧めします。比較ウィンドウでは、反復がモデルの精度に与える影響について詳細な情報が得られ、実験予算とモデルの精度の間で最適な妥協点を選択できます。

この最初の回答がお役に立てば幸いです。