Zahlreiche Optionen für JMP-Mischungspläne unterstützen experimentelle Situationen, in denen die Eigenschaften einer Komponentenmischung eher von den relativen Anteilen als von den absoluten Mischmengen abhängen. Erfahren Sie, wie Sie die Ergebnisse verschiedener Arten von Mischungsplänen erstellen, analysieren und interpretieren.
Erfahren Sie, wie Sie:
- Verstehen Sie die Definition von Design of Experiments (DOE) und wie das Experimentdesign nützlich ist
- Führen Sie eine Trade-Space-Analyse mit Modellen durch, die an eine DOE-Mischung für Leistungs- und Kostenmetriken angepasst sind.
- Verstehen Sie, was Mischungsfaktoren (Komponenten) und Formulierungs-DOE von anderen DOE-Techniken unterscheidet
- Erstellen Sie zwei Mischungsexperimente
- Ein einfaches 3-Komponenten-Design unter Verwendung der JMP Custom DOE-Plattform, um das Design an das Problem anzupassen, und nicht, um das Problem an ein Design anzupassen.
- Ein 5-Komponenten-Mischdesign mit drei Einschränkungen und Antwortdaten
- Visualisieren Sie die Prozesse mit Prediction Profiler in der Fit the Model-Plattform
- Verwenden Sie sowohl die Quadratwurzeltransformation der Antwort mit JMP) als auch die verallgemeinerte Regression unter Verwendung einer geeigneten nicht-normalen Verteilung (mit JMP Pro), um zu verhindern, dass der Prediction Profiler physikalisch unmögliche Vorhersagen anzeigt.
- Erfahren Sie mehr über zusätzliche DOE-Beispiele für Mischungen
- Sieben-Komponenten-Misch-DOE mit 5 und 7 Einschränkungen zur Verbesserung der Qualitätskontrolle und kostengünstigeren Herstellung
- Verwenden von Einschränkungen zum Definieren von Mischungen innerhalb einer Mischung
- Eine 3-Komponenten-Mischung finden, die fast so gut ist wie eine 7-Komponenten-Mischung
- Zehn-Faktoren-Design mit 6 Mischvariablen, 2 kontinuierlichen Variablen, 1 kategorialen Variablen und 1 Blockvariablen
- Einbeziehung zusätzlicher Einschränkungen, einschließlich der Beibehaltung eines Teils der Mischungskonstante
- Raumfüllende Mischungs-DOE für die Computerchemie-Simulation
- DOE für Reverse Engineering-Formulierungen
- Vorhersage der chemischen Zusammensetzung aus weniger Testmischungen durch Modellierung von Spektren mit JMP Functional Data Analysis
Fragen, die von Tom Donnelly @tom_donnelly und Scott Allen @scott_allen im Live-Webinar 2024 beantwortet wurden:
F: Wie legen Sie die Richtung des Ungleichheitszeichens beim Erstellen linearer Einschränkungen fest?
A: Sie müssen darüber nachdenken oder es algebraisch aufschreiben. Aus der Sicht des ternären Diagramms werden das blaue und das grüne Dreieck durch diese Ungleichung definiert. Und damit beginnt die Algebra. Siehe Video unten.
F: Wie würden Sie kontinuierliche Faktoren wie Aushärtungs- oder Trocknungszeiten in Mischungen integrieren?
A: Das erfordert eine individuelle Gestaltung. Das Beispiel zeigt Ihnen alle Schritte. Es enthält die 6 Mischungskomponenten, aber auch eine Aushärtezeit und eine zugehörige Temperatur. Siehe das 10-Faktor-Beispiel ( JMP Complex multi-factor custom design.pdf) .
F: Was ist der Unterschied zwischen der Auswahl von „Keine“ und „Angeben“ für „Faktorbeschränkungen definieren“?
A: Keine bedeutet, dass keine Einschränkungen festgelegt sind. Wenn Sie die Einschränkung definieren möchten, können Sie „Angeben“ auswählen, um die Einschränkungen festzulegen.
F: Wie haben Sie die ternären Diagramme vergrößert?
A: Es sind nur ein paar kleine Schritte. Denken Sie daran, dass, wenn Sie den Prediction Profiler nach dem Vergrößern erneut ausführen, das Ternary Plot aktualisiert wird und Sie natürlich den vergrößerten Bereich verlieren. Siehe Video unten.
F: Wenn ich keine linearen Einschränkungen angeben möchte, hätte dies Auswirkungen auf meine endgültige Analyse?
A: Sie müssen keine Einschränkungen haben, um eine Mischung zu entwerfen. Wir veranschaulichen das nur, weil dieses Wissen über die Chemie meistens schon sehr früh zum Tragen kommt.
F: Wenn Sie einen Mischungsterm ändern und dies Auswirkungen auf die anderen hat und die VIFs unangemessen hoch sind, wie umgehen Sie dann damit, dass das Modell durch diese Kollinearität oder Multikollinearität verzerrt wird?
A: Im Allgemeinen komme ich damit klar. Ich denke, Sie werden feststellen, dass die VIFs bei Mischungen überall sein können. Und es kann eine starke Korrelation geben. Insbesondere wenn Sie mit relativ geringen Spurenkomponenten und Mischungen beginnen, haben Sie sehr dünne Bereiche. Ich mache mir weniger Sorgen darüber, Koeffizienten bei einer Mischung zu interpretieren, als darüber, was die Vorhersagen in diesem hyperdreieckigen Raum machen.
Ressourcen:
- DOE für Mischungen von sieben Komponenten mit 5 und 7 Einschränkungen unter Verwendung von „Mischungen innerhalb von Mischungen“”
- Zehn-Faktoren-Design mit 6 Mischvariablen, 2 kontinuierlichen Variablen, 1 kategorialen Variablen und 1 Blockvariablen , einschließlich zusätzlicher Einschränkungen, einschließlich der Beibehaltung einiger Mischvariablen als Konstantvariablen
- Video: Space-Filling Mixture DOE für die Computerchemie-Simulation, eine Fallstudie zur Quantifizierung von Unsicherheiten unter Verwendung von Space-Filling-Designs mit Mischungsvariablen für deterministische Daten , Melissa Jablonski, Douglas Ray und Edward Cooke, JMP Discovery Summit 2017
- Video: Versuchsplanung für Reverse-Engineering-Formulierungen , Vorhersage der chemischen Zusammensetzung aus weniger Testmischungen durch Modellierung von Spektren mithilfe der funktionellen Datenanalyse
- Kandidatensatz-Designs: DOE-Einschränkungen an das Problem anpassen , Christopher Gotwalt, JMP Discovery Summit 2021.
Tolle Präsentation ... Danke! ... Mir fallen da ein paar Gedanken ein ...
Zunächst möchte ich in Bezug auf die Frage „Warum DOE“ sagen, dass DOE Ihnen sagt, was passiert, wenn Sie mehr als einen Regler gleichzeitig drehen.
Zur Frage zu VIFs ... Die Koeffizienten in Mischungsmodellen stellen keine Faktoreffekte dar, wie dies bei herkömmlichen DOE der Fall ist. Bei Mischungsdesigns werden die Effekte durch Spuren (Profile) vorhergesagter Modellwerte (die nicht von VIF beeinflusst werden) über den eingeschränkten Mischungsbereich angegeben. Tatsächlich können die Effekte herkömmlicher DOE auch durch Spuren vorhergesagter Werte (anstelle von Modellkoeffizienten) dargestellt werden, was das Vorhersageprofil ist. Ich hoffe, das hilft.
Eine wirklich informative Präsentation, die wir gerne mit der Community teilen. Vielen Dank, Tom, und auch an das JMP-Team.
