Wie kann ich den geplanten Läufen von Definitive Screening Design zusätzliche Läufe hinzufügen?Liebe JMP-Experten,
Ich bin Chau Dang und neu bei JMP. Ich habe JMP verwendet, um meine Experimente zu entwerfen. Ich habe ein Definitive Screening Design (DSD) mit 6 Variablen ausgewählt, um 17 Durchläufe für meinen Versuchssatz zu erstellen. Während der Durchführung der Experimente habe ich 7 zusätzliche Durchläufe (nicht von DSD entworfen) mit denselben Variablen durchgeführt. Am Ende möchte ich die Ergebnisse von 17 Durchläufen (von DSD) und 7 zusätzlichen Durchläufen (falsche Faktoren?) zusammen analysieren. Wenn ich jedoch 7 zusätzliche Durchläufe in die Tabelle mit 17 Durchläufen einfüge, versteht das Modell (Fit Definitive Screening) dies nicht und liefert kein Ergebnis. Ich habe versucht, „Analyse --> Modell anpassen“ für insgesamt 24 Durchläufe zu verwenden; es werden jedoch nur signifikante Parameter bestimmt, aber die zweite Ordnung wurde nicht berücksichtigt.
Es wäre nett, wenn Sie mir Lösungen zur Behebung dieses Problems vorschlagen könnten. Ich möchte nicht 7 zusätzliche Läufe verschwenden.
Vielen Dank für Ihre großartige Unterstützung!
Ich warte auf Ihre Kommentare.
Beste grüße
Chau Dang
VersuchsplanungWindowsBetreff: Wie kann ich den geplanten Läufen aus „Definitive Screening Design“ zusätzliche Läufe hinzufügen?Hallo @danghuyenchau89 ,
Willkommen in der Community!
Ihre 7 Durchläufe sind Replikate der ursprünglichen Durchläufe in Ihrem 17-Durchläufe-Design. Das Hinzufügen von Replikaten zu einem Definitive Screening Design zerstört die spezifische Faltstruktur des DSD, sodass Sie die Plattform „Fit DSD“ nicht mehr verwenden können (da sie eine Faltstruktur für die Analyse erfordert). Siehe Thema und Antwort von @Mark_Bailey zum Thema „ Definitives Screening Design – Replikate “. Es wird empfohlen, die Option „ Extra Runs “ in der DSD-Plattform zu verwenden, wenn Sie über ein ausreichendes experimentelles Budget verfügen, um die Stichprobengröße zu erhöhen und bei der Auswahl von Begriffen im Modell zu helfen: Effektive Modellauswahl für DSDs
Sie können weiterhin die Plattform „Fit Model“ verwenden, alle Haupteffekte, 2-Faktor-Interaktionen und quadratischen Effekte Ihrer Faktoren angeben und eine Methode zur Variablenauswahl verwenden, wie die schrittweise Persönlichkeit der Plattform „Fit Model“ (mit JMP), oder verallgemeinerte Regressionsmodelle (mit JMP Pro) auf derselben Plattform verwenden. Diese Diskussionen könnten Sie auch interessieren:
So behandeln Sie Replikate und fehlgeschlagene Läufe in einem definitiven Screening-Design.
Fragen zum endgültigen Screening-Design (über die Verwendung und Auswirkung von Replikaten)
Anbei finden Sie Ihre Datentabelle mit Skripten zum Starten der Stepwise-Plattform und ein mit „Fit Model“ erstelltes Modell.
Ich hoffe, diese Antwort hilft Ihnen weiter.
Betreff: Wie kann ich den geplanten Läufen aus „Definitive Screening Design“ zusätzliche Läufe hinzufügen?Lieber Victor,
vielen Dank für Ihre Antwort! Ich fand sie sehr nützlich.
Ich habe Ihre Anweisungen befolgt und die gewünschten Ergebnisse erzielt. Was mir dabei klar wurde, ist, dass die signifikanten Parameterinteraktionen im „Fit-Modell“ auf der Grundlage der im „Fit-Definitive-Screening“ gezeigten ausgewählt werden müssen. Andernfalls werden alle Parameterinteraktionen berücksichtigt, was zu unterschiedlichen Ergebnissen für die p-Werte und das R-Quadrat (Rsp) des Modells führen kann.
Eine weitere Frage, die mir in den Sinn kommt, bezieht sich auf meine Experimente, bei denen ich Biomasse in Biokohle umgewandelt habe. Der Feststoffgehalt und der Heizwert der Biokohle werden vom Modell gut vorhergesagt. Es gibt jedoch eine indirekte Reaktion (z. B. die Aschezusammensetzung der Biokohle), die durch Verbrennung der Biokohle bei 550 °C analysiert wird, um die Aschezusammensetzung zu bestimmen. Diese indirekte Reaktion weist im Modell einen sehr hohen RMSE (Root Mean Square Error) von 2930 auf.
Wie soll ich diesen hohen RMSE interpretieren? Kann ich daraus schließen, dass dieses Modell nicht zur Vorhersage dieser indirekten Reaktion geeignet ist?
Beste grüße
Betreff: Wie kann ich den geplanten Läufen aus „Definitive Screening Design“ zusätzliche Läufe hinzufügen?Tut mir leid, @danghuyenchau89 , aber es liegen nicht genügend Informationen über das Modell, die Antwort und den Kontext dieser Antwortmessung vor, um Ihnen bei der Interpretation/Schlussfolgerung dieses spezifischen RMSE-Werts zu helfen.
Einige Fragen, die Ihnen helfen könnten:
- Wie hoch ist die Standardabweichung dieser Messung? Haben Sie bereits einige Tests oder einen Wert, der die typische Streuung/Unsicherheit dieser Messungen angibt? Dieser Wert kann dabei helfen, die Vorhersageleistung Ihres Modells mit der Messunsicherheit zu vergleichen. Je nachdem, wie eng die Werte verwandt sind, können Sie besser einschätzen, wie zuverlässig und nützlich das Modell sein kann.
- Sind alle möglichen Faktoren mit dieser indirekten Reaktion in der DoE-Studie verknüpft? Vielleicht können einige andere Faktoren, die in der DoE nicht berücksichtigt wurden, hilfreich sein, um diese Reaktion zu erklären und vorherzusagen?
- Wie kontrolliert und stabil sind die Betriebsbedingungen? Insbesondere, wie kontrolliert wird die Temperatureinstellung für die Verbrennung? Kann man die Temperatur während des Experiments messen, um sie in der Analyse zu berücksichtigen (vielleicht als Kovariate)?
- Haben Sie für den Modellierungsteil die Verteilung Ihrer Antwort überprüft und eine angemessene ausgewählt (z. B. in der Plattform für verallgemeinerte Regression)? Haben Sie die Residuen überprüft? Eine nicht angemessene Verteilung kann schwerwiegende Auswirkungen auf die Modellierung haben, die Annahmen der linearen Regression zunichte machen und den Fehler des Modells erhöhen. In Ihrem vorherigen Beispiel kann die Auswahl einer LogNormal-Verteilung für die GenReg-Modellierung oder die Anwendung einer Box-Cox-Transformation den RMSE verbessern (dieselben Terme in den beiden Modellen, mit der Box-Cox-Transformation rechts wird der RMSE von 1623 auf 1308 reduziert):
- Da ich auch keine Informationen zu Ihrer Modellierung habe, gibt es möglicherweise mehrere Dinge zu überprüfen: Was sind Ihre Modellauswahlkriterien und -metriken (R², R² angepasst, RMSE, p-Werte, Informationskriterium, …), welche Begriffe werden im Modell eingeführt, usw. …
Ich bin sicher, dass es noch viele weitere Überlegungen gibt, die Sie berücksichtigen müssen, aber diese paar kurzen Fragen können Ihnen helfen.
