확정적 스크리닝 디자인 워크플로
안녕하세요,
저는 확정적 스크리닝 디자인을 실행하고 "센터 런이 있는 블록을 추가하여 2차 효과를 추정합니다"를 선택하여 표를 생성했습니다. 응답 데이터를 수집하여 표에 추가했습니다. 하지만 "Fit Definitive Screening"을 실행하려고 하면 다음과 같은 오류가 발생합니다.
Fit Definitive Screening 플랫폼은 블록 2에서 런을 숨기거나 제외할 때만 실행됩니다. 제가 뭔가 잘못하고 있는 건가요? 모든 런을 포함한 모델을 어떻게 실행하나요? 두 번째 블록을 포함하기 위해 어떤 종류의 증강 디자인을 해야 하나요?
고급 통계 모델링실험 설계Re: 확정적 스크리닝 디자인 워크플로안녕하세요 @sanch1 ,
저는 8개의 연속 요인, 2개의 블록, 8개의 추가 실행을 사용하여 동일한 디자인 유형을 생성하여 동일한 오류를 재현해 보려고 했습니다.
이 설계로 응답을 모델링하기 위해 무작위 공식을 사용할 때 오류가 없고 분석을 계속할 수 있습니다.
저는 당신과 똑같은 디자인을 가지고 있습니다. (첨부된 파일도 확인하실 수 있습니다.)
일반적으로 하나 이상의 실험 실행이 설계의 일부가 아니고 폴드오버 구조를 파괴할 때 이 오류 메시지가 표시됩니다. https://community.jmp.com/t5/Discussions/How-can-I-add-extra-runs-into-the-designed-runs-from-Definitive/mp/782561/highlight/true#M96614 를 참조하세요.
필요한 경우 단계적 모델, 일반화 회귀 모델 등을 사용하여 Fit Model 플랫폼을 사용하여 분석을 진행하는 다른 방법이 많이 있습니다.
하지만 귀하의 경우, 행 18은 완벽하게 괜찮고 같은 블록 1의 행 17의 "거울 이미지"이므로 폴드오버 구조가 존재하고 존중됩니다.
디자인을 생성한 후 이 행(또는 다른 행)의 요인 값을 변경했나요?
메뉴(DOE, Definitive Screening, Fit Definitive Screening 메뉴)에서 " Fit DSD " 플랫폼을 실행해 보셨나요?
귀하의 데이터 세트와 디자인의 익명화된 버전을 공유해 주시겠습니까?
이 첫 번째 토론 시작이 여러분에게 도움이 되기를 바랍니다.
Re: 확정적 스크리닝 디자인 워크플로안녕하세요 빅터,
저는 테이블에 몇 가지 변경 사항을 만들었습니다.
1. 정리를 위해 블록별로 오름차순으로 데이터 테이블을 정렬했습니다.
2. 19번째 실험은 결과를 수집하기 전에 실패했기 때문에 제거해야 했습니다.
이 둘 중 하나가 DSD 디자인을 망쳤을까요?
Re: 확정적 스크리닝 디자인 워크플로안녕하세요 @sanch1 ,
데이터 테이블을 정렬해도 설계 구조와 분석은 변경되지 않습니다. 그러나 테이블에서 실험을 제거하면 설계 폴드오버 구조가 파괴됩니다("거울 이미지" 대응물이 없는 실험 실행이 하나 발생하여 Fit DSD 분석 플랫폼을 사용할 수 없습니다). 응답 누락 값(들) 또는 테이블에서 행(들)을 제외하면 동일한 문제와 오류 메시지가 발생합니다.
디자인 테이블에서 모든 런을 제거하고 Fit DSD 플랫폼을 시작하려고 하면 동일한 오류 메시지가 나타납니다.
저는 (제가 이전에 답변에서 언급한 것처럼) 다른 모델링 플랫폼을 사용하여 분석을 수행하는 것을 권하고 싶습니다.
이것이 당신의 질문에 대한 답변이 되었으면 좋겠습니다.
Re: 확정적 스크리닝 디자인 워크플로저는 Stepwise를 통한 All possible models 접근 방식을 사용하여 진행했습니다. 도움을 주셔서 정말 감사합니다!
Re: 확정적 스크리닝 디자인 워크플로제 코멘트를 용서해 주세요(원한다면 무시하세요). 하지만 단계별 분석은 DOE를 분석하는 방법이 아닙니다. 단계별 분석은 모델을 염두에 두지 않았을 때 유용한 가산적 모델 구축 방식입니다(예: 데이터 마이닝). 실험을 실행할 때는 모델을 염두에 두고 시작합니다. 이는 요인과 수준(및 노이즈 처리 전략)의 함수입니다. 모델에서 중요하지 않은 항을 제거합니다(감산적 접근 방식).
Re: 확정적 스크리닝 디자인 워크플로흥미로운 접근 방식입니다! 하지만, 제가 데이터 포인트가 하나 있는 이 특정 접근 방식(그 런을 완료하지 못했기 때문에)을 감안할 때, 제가 여전히 가지고 있는 데이터에서 유용한 것을 얻기 위해 대신 무엇을 추천하시겠습니까?
Re: 확정적 스크리닝 디자인 워크플로죄송합니다. 저는 전체 스레드를 따르지 않았고 Victor가 조언을 하는 것을 보고 댓글을 달지 않았습니다. 여러분은 정해진 수의 요인과 수준으로 실험을 했습니다. 분명히 여러분은 블록과 중심점을 실행하기로 했습니다. 그럼에도 불구하고 여러분은 DF를 할당하는 모델을 가져야 합니다. 그리고 여러분은 그 모델로 데이터를 분석해야 합니다.
누락된 데이터와 관련하여 이 스레드에서 내 조언을 참조하세요.
https://community.jmp.com/t5/Discussions/JMP-DOE-chromatography-data-table-How-do-I-enter-values-for/mp/782318#M96561
Re: 확정적 스크리닝 디자인 워크플로안녕하세요 @statman ,
여러분의 의견과 댓글에 감사드립니다. 항상 새 사용자와 숙련된 사용자 모두에게 유익하고 사려 깊은 지침을 제공해 줍니다.
저는 이론적 측면에서 단계적 접근 방식에 동의하는 경향이 있습니다. 비(초)포화 설계의 경우 가정된 모델은 통계적 기준과 실제적 평가/검증을 기반으로 세부화하기 전에 처음 시작할 때 사용했던 모델이어야 합니다.
확정적 스크리닝 설계를 사용하면 상황이 기존 설계와 약간 다른 경향이 있습니다. 추정할 수 있는 모든 항목을 추정하고 모델에 입력할 수 없기 때문입니다. 8개의 요인과 1개의 블록이 있는 이 상황에서는 1개의 절편, 8개의 주효과(+블록), 2개의 요인 간 28개의 상호 작용, 8개의 2차 효과를 추정해야 합니다. 여기에서 사용된 설계는 26개의 실행을 사용하므로 이전에 언급한 46개의 항목으로 전체 RSM 모델을 추정할 수 없으므로 강력한 가정/단순화 없이는 역방향/감산 접근 방식이 불가능합니다.
따라서 "Fit DSD" 플랫폼에 있는 특정 분석 전략이 필요합니다. 가능하다면 "Fit DSD" 분석이 권장되는 분석입니다. 이는 Stepwise 접근 방식보다 보수적인 분석 전략이며, 요인 희소성과 효과 유전 원리가 사실이라고 가정하고, 상호 작용과 2차 효과를 효과 유전 원리와 함께 고려하고 주효과 모델의 잔차에서 추정하기 전에 주효과를 먼저 추정하고 피팅합니다.
Fit DSD가 불가능한 경우(누락된 값, 제외된 행, 추가된 반복 등 폴드오버 구조를 파괴하고 DSD에 권장되는 분석 방법을 사용하지 못하게 하는 모든 것) 실제로 다른 것을 찾아야 합니다. 단계적 방법이 옵션이 될 수 있습니다(일반화 회귀 모델과 함께 "2단계 전방 선택", "제거된 전방 선택" 또는 효과 유전이 적용된 "최상의 하위 집합" 추정 방법이 있지만 JMP Pro에서만 사용 가능). 설계 실험의 맥락에서 "무차별 대입" 및 탐욕적 방법이 최적이 아닐 수 있음에도 불구하고 말입니다.
저는 특히 Stepwise 플랫폼의 "모든 모델" 옵션을 좋아합니다(모델의 제한된 수의 요인과 용어에 대해). 이는 무차별 대입 방식으로 "최상의" 모델을 직접 만드는 것이 아니라 여러 모델에 대한 이해와 평가를 안내하고 최종 모델에서 가장 가능성 있는 활성 용어를 선택하기 위한 것입니다. 이는 Peter Goos가 DoE에 대한 모델 선택의 맥락에서 도입한 "래스터 플롯"을 통해 시각화할 수 있으며, JMP Wish List: DoE에 대한 모델 평가 및 선택을 돕는 래스터 플롯 또는 기타 시각화 도구 에서 제안했습니다.
이 시각화는 가장 가능성 있는 활성 용어를 식별하고 모델이 어디에서/어떻게 동의하거나 동의하지 않는지 확인하는 데 도움이 됩니다. 또한 효과 간의 별칭을 시각화하는 데 도움이 될 수 있습니다. Peter Goos의 사용 사례에서 가져온 예:
@sanch1 마지막에 " 모든 모델은 틀렸지만 일부는 유용하다 "고 하셨으니, 항상 다양한 모델링 옵션을 시도하고 비교하는 것은 흥미롭고, 특히 도메인 전문 지식이 프로세스를 안내할 수 있는 경우에는 더욱 그렇습니다. 어떤 방법은 다른 방법보다 보수적이지만, 다양한 모델링을 도메인 전문 지식과 결합하면 가장 중요한 것에 대한 더 광범위한 관점을 갖는 데 도움이 될 수 있습니다. 그런 다음, DoE를 증강하고, 모델을 확인/개선/수정하고, 모델의 유효성을 평가할 수 있는 몇 가지 검증 지점을 준비하기 위한 다음 실험을 계획하세요.
더 많은 정보가 필요하거나 DSD 주제에 대한 분석을 심도 있게 알아보고 싶다면 도움이 될 수 있는 다른 리소스/게시물이 있습니다.
이 보완적인 답변이 도움이 되기를 바랍니다.
Re: 확정적 스크리닝 디자인 워크플로글쎄, 우리는 동의하지 않는 데 동의해야 합니다. 저는 당신이 이전에 스레드에 첨부한 DSD를 포화 모델(Fit Model 스크립트 재밌음)과 함께 첨부했습니다. 거기에서 당신은 항을 뺍니다.
DF를 할당하지 않는다고 해서 할당할 수 없다는 것은 아닙니다(적절하게 무작위 복제는 할당을 허용하지 않습니다)
Re: 확정적 스크리닝 디자인 워크플로면책 조항 : 저는 통계학자가 아니지만 가장 실용적이고 실용적인 방식으로 통계를 사용합니다. 제 이해가 제한적이거나 설명이 명확하지 않거나 정확하지 않다면 죄송합니다. 저는 끊임없이 배우고 있습니다. 
:)
@statman 어떤 모델을 지정했는지는 모르겠지만 우리는 동일한 가정 모델(DSD로 전체 2차 + 블록 가능)을 사용하지 않았습니다. 전체 2차 모델을 지정하면 상호 작용 항 X1.X2에 대한 특이점이 다른 항의 선형 조합이 됩니다(추가된 스크립트가 있는 파일 참조).
여기서 모델에 원하는 만큼 많은 용어를 추가할 수 있다는 것은 맞습니다. 하지만 실제로는 편향된 추정치(0으로 설정, 편향 또는 스크립트에 표준 오차 추정 없음), 누락된 p-값 및 모델 선택/개선을 안내할 메트릭이 없는 경우 전체 모델에서 어떤 용어를 빼야 할지 어떻게 알 수 있습니까? 기본적으로 비교/테스트를 위한 오차 추정 및 참조가 없습니다.
- 귀하의 상황과 가정한 모델에서는 어느 항을 빼야 할지에 대한 표시가 없습니다(p 값 없음, 항 추정치에 대한 표준 오차 없음, ...). 그리고 새로운 사용자는 "R²이 1이므로" 완벽한 모델이므로 그대로 모델을 유지할 수 있습니다.
- 내가 가정한 모델에서는 전체 모델을 데이터에 맞추면 주효과와 블록효과만 추정하고 제대로 검정할 수 있습니다. 하지만 나머지 모든 항은 제대로 추정할 수 없으므로 이 상황에서 모델을 거꾸로 정제하는 것은 매우 까다로울 수 있습니다.
단계적 방법과 기타 관련 방법은 사용자를 안내하고 다양한 모델을 테스트하는 데 도움이 되지만, 모델을 통계적 정확도/적합 지표에만 의존해서는 안 됩니다. 도메인 전문성과 검증 실행은 모델의 신뢰성을 확인하는 데 필수적입니다.
이 답변이 내 답변을 명확히 해주기를 바랍니다.
Re: 확정적 스크리닝 디자인 워크플로참고로, 제가 게시한 이유는 스레드 제목 때문이었습니다. 워크플로우가 언급되어 있습니다.
포화된 모델을 분석하는 방법에 대해서는 Cuthbert Daniel(Daniel Plots 또는 normal 및 half normal plots)과 GEP Box(Bayes plots도 추가)를 참조하세요. Y축에 실제적 유의성을 표시하는 Pareto plot도 매우 유용합니다. 모델에서 용어를 그냥 제외하면 MSE 추정치가 편향되고 데이터를 잘못 해석할 수 있습니다.
Daniel, Cuthbert(1959), 요인 2단계 실험 해석에 반정규 플롯 사용, Technometrics , 11월, 제1권, 제4호
Box, GEP, Daniel Meyer, (1993), " 분할 스크리닝 실험에서 활성 요소 찾기 ", Journal of Quality Technology , 제25권, 제2호, 4월
Box 박사가 이 논문에서 실험을 어떻게 분석하는지 살펴보세요.
Box, GEP, Stephen Jones(1992), " 강력한 제품 실험을 위한 분할 플롯 디자인 ", 응용 통계 저널 , 제19권, 제1호
