Die experimentellen Werte liegen nahe an den im DoE angegebenen Faktorwerten, entsprechen diesen jedoch nicht.In meinem Kurs verwenden die Studenten ein individuelles Design, um ihre Experimente zu planen. Sie führen Versuche durch, die auf die von JMP empfohlenen Faktorwerte abzielen. In der Praxis sind die Bedingungen des Experiments aus verschiedenen Gründen etwas anders. Ich empfehle ihnen, bei der Analyse der Ergebnisse die „tatsächlichen/gemessenen“ Werte einzugeben? Habe ich Recht? Wie wirkt sich dies auf ihre Analysen aus, da die Bedingungen möglicherweise nicht orthogonal sind wie im JMP-Design?
Grundlegende Datenanalyse und ModellierungBetreff: Die experimentellen Werte liegen nahe an den im DoE angegebenen Faktorwerten, entsprechen diesen jedoch nicht.Hallo @Raghavan ,
Willkommen in der Community!
Möglicherweise finden Sie frühere Antworten auf Beiträge, die eng mit Ihrer Frage zusammenhängen, hilfreich:
Ändern von Faktorwerten, nachdem Sie das Design und die Tabelle bereits erstellt haben (BENUTZERDEFINIERTES DESIGN)
Verwendung realer statt Zielfaktorwerte im DoE
Ähnliche Situationen können auch auftreten, wenn Sie ein benutzerdefiniertes Design mit Einschränkungen im Versuchsraum erstellen: Die vom Koordinatenaustauschalgorithmus gefundenen Werte können im Vergleich zu dem, was im Versuchsaufbau praktisch möglich ist, sehr präzise/spezifisch (manchmal seltsam) sein:
Wie werden ungerade Faktoreinstellungen in D-optimalen RSM erzeugt?
Zufällige Dezimalstellen im Mischungs-Screening-Design integriert
Um Ihre Frage zu beantworten: Ich stimme dem Vorschlag von @statman zu, beide Analysen parallel auszuführen, mit Designfaktorwerten (wie sie generiert wurden) und mit „echten“ Werten, um Zweifel hinsichtlich des Einflusses und der Bedeutung dieser Änderung der Faktorwerte zu vermeiden.
In der Praxis sollten die Auswirkungen dieser Änderung minimal und möglicherweise nicht sichtbar sein, wenn Sie nur geringe Abweichungen in Ihren Faktorwerten und ausreichend breite Faktorbereiche haben. Es kann auch eine relativ größere Variation in den Antwortmessungen geben (aufgrund von Wiederholbarkeit/Reproduzierbarkeit, Messfehlern usw.), die den Einfluss der Abweichung in den Faktorwerten vollständig „verbirgt“.
Ich hoffe, diese zusätzliche Antwort kann Ihnen helfen,
Betreff: Die experimentellen Werte liegen nahe an den im DoE angegebenen Faktorwerten, entsprechen diesen jedoch nicht.Aus praktischen Gründen ist es oft nicht möglich, den Sollwert genau zu erreichen. Ich kann mich beispielsweise dafür entscheiden, den Durchfluss auf X lpm zu regeln, aber Schwankungen im Leitungsdruck können dazu führen, dass der Durchfluss um +/- 1 lpm variiert! Mir gefällt Ihre Idee, beide Wege zu testen, aber wenn die Ergebnisse unterschiedlich sind, würden Sie den Ergebnissen auf Grundlage codierter Werte vertrauen?
Betreff: Die experimentellen Werte liegen nahe an den im DoE angegebenen Faktorwerten, entsprechen diesen jedoch nicht.Hier sind meine Gedanken:
1. Warum können sie nicht die im Design (JMP) angegebenen Werte für die Faktoren verwenden?
2. Beim Experimentieren wird davon ausgegangen, dass, wenn Sie einen niedrigen Pegel festlegen (z. B. -1 codiert) und die Pegeleinstellung ändern und zum niedrigen Pegel -1 zurückkehren, dieser Pegel mit dem vorherigen Pegel 1 identisch ist. Dies vereinfacht die Analyse erheblich und ermöglicht die einfache Zuweisung von Termen höherer Ordnung.
3. Tatsächlich gibt es in allem Variationen. Eine Strategie zum Überwinden der Variationen innerhalb der Ebenen besteht darin, dafür zu sorgen, dass die Variationen zwischen den Ebenen groß sind (z. B. durch eine fette Ebeneneinstellung).
4. Wenn Sie die tatsächlichen Werte verwenden möchten, können Sie möglicherweise, je nachdem, wie stark sie von der angegebenen Niveaueinstellung abweichen, höhere Ordnungsbegriffe wie Interaktionseffekte nicht mehr beurteilen. Wenn sie nicht so unterschiedlich sind, hat dies wahrscheinlich keinen allzu großen Einfluss auf die Analyse.
Ich bin mir nicht sicher, ob ich Ihren Rat als „richtig“ oder nur als eine Möglichkeit zur Datenanalyse betrachten würde. Ich würde versuchen, mehrere Experimente mit den codierten Werten und den tatsächlichen Werten zu analysieren und zu sehen, wie sich die Ergebnisse der Analyse unterscheiden.
