@HadleyMyersが主催し、DOE の熱心なファンがさまざまなトピックについて議論を共有しました。
ぜひ以下で議論を続けてください。
ビデオ 1: はじめに
ビデオ 2: 外れ値への対処
コメント:
@Victor_G : また、問題が測定プロセス（繰り返し）から生じているのか、システム（複製を通して見られる要因レベルの固定における不確実性の可能性）から生じているのかをよりよく理解するために、繰り返しと複製を区別します。
ビデオ 3: 共変量因子の使用
コメント:
@Victor_G : JMP の Jed Campbell が、非線形因子制約に関する素晴らしいブログ記事を書いています: https://community.jmp.com/t5/JMP-Blog/Demystifying-Factor-Constraints/ba-p/619898
要因制約の解明
Define Factor Constraints は、そのままにしておくか、存在しないふりをすべきものではありませんか? 賢者は制約によって何も行いません。 - マルクス・トゥッリウス・キケロ Define に不安を感じたことがあるなら...
@Paul_J : 食品業界や化学業界で働いていたときはいつもそうしていました。
@Bill_Worley : 私は共変量候補セットの使用を強く支持しています。
@Victor_G :共変量セットは化学において、例えば化学特性を入力として扱うときに非常に役立ちます。
ビデオ 4: 範囲設定のベスト プラクティス
コメント:
@Victor_G : スクリーニングでは広い範囲を使用し (中心点を使用する可能性あり)、探索/最適化では範囲を絞り込みます。
@KimRas2 : 大胆に！
@shs : 私にとってうまくいくのは、最初から始めて境界が機能するかどうかわからない場合は、最も重要と思われる実験から始めることです。ここでは、1 つの実験だけが無駄になります。
@Victor_G : スコープ設計は、適切な範囲を定義し、設計空間の変動性をチェックするのにも非常に役立ちます: https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
すべての要因に対して -1 レベル、中心点、およびすべての要因に対して +1 レベルのテストのみを試みます。
そして、スコープ設計を要因設計に簡単に拡張することができます
@Nicola_Nuti : 同意します。効果サイズを大きくすると、パワーも大きくなります。
@Jonas_Rinne : スコープ設計の考え方は、範囲が妥当かどうかを確認するのに非常に役立ちます。特に、多くの要因がある場合に便利です。
@SDF1 : たとえうまくいかなかった試験であっても、DOE と探索プロセス全体にとって非常に有用な情報を提供します。
@shs : 設定が狭すぎると、曲率について確信が持てなくなります。これは温度の場合によくあることです。
@Paul_J : 範囲を設定することは、統計に科学性を持たせるべき理由の良い例です。
@Bill_Worley : 履歴データがある場合は、モデルを構築し、デザイン スペース プロファイラーを使用して最適な範囲を決定できます。
@Victor_G : はい、DoE は方法の変更ですが、結果や学習についての予測可能性が高まり、計画がはるかに簡単になります (一度に 1 つの要素を試して推測に頼る場合と比較して)。
@SDF1 : 研究がどの程度「新しい」かに応じて、テストする要因の実行可能な範囲を決定するために「事前 DOE」が必要になる場合があります。そうすることで、実際に座ってより詳細で複雑な DOE を作成するときに、すべての実行が成功する可能性が高くなります。
ビデオ 5: 最新の DOE
@Victor_G : 屋根の比喩が本当に気に入りました。共有してくれてありがとう!
@shs : 古典的なデザインは実験実行が大規模になるため、もうほとんど使用しません。小規模なデザインや明確なスクリーニング デザインなどで SVEM のような概念を使用すると、実行回数が少なくても大量の要因をカバーできるデザインが得られます。これは、最新のデザインを使用すると実験の労力がどれだけ削減されるかを初めて見た人に納得してもらえるでしょう。
@Victor_G :
私は、モダンデザインの利点をよりよく示すために、モダンデザインを「クラシック」なデザインと比較評価することがよくあります。
@KimRas2 : 機能的DoE？
@ryan_cooper : 私はよく、このコミュニティのディスカッションで Phil Kay のいくつかのポイントを参照するのが好きです。(ただし、質問のタイトルは誤解を招きます。) ほとんどのことが DSD とカスタム デザインで実行できる理由についての議論です。
https://community.jmp.com/t5/Discussions/Reason-against-using-Custom-Design-DOE-for-everything/td-p/407995
ビデオ 6: 機能データ エクスプローラー
@Victor_G : 曲線出力付きの機能的 DoE: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Use-of-Functional-Data-Explorer-in-a-Mixture-Design-for/ta-p/349208
曲線データ（機能データ）を入力および/または出力として使用できます。
Lyndal は次のように質問しました: 標準の JMP ライセンスには機能的 DoE 分析が含まれていますか? JMP Pro が必要だと思っていましたが?
はい、Pro版のみです
@Victor_G : 入力として、関数解析の係数を使用し、これらの係数を出力にリンクすることができます
@Phil_Kay : @Ben_BarrInghはその分野の専門家です。もしあなたが参加できるなら、マンチェスターで開催される Discovery Summit に Ben が参加する予定です。
録音とトランスクリプトをありがとう@maria_astals !
もしユーザー( @Nicola_Nuti ?)が DoE の入力として機能データを使用することに興味を持っているなら、 @Jed_Campbell がこのブログ投稿で素晴らしい説明をしています: 出力ではなく入力として機能データを使用する
基本的に、FDE を使用してさまざまな曲線を分析し、各曲線から機能主成分を抽出し、これらの係数をカスタム DoE の共変量として使用します。
次回の DoE クラブ (および JMP ディスカバリー サミット) への参加を楽しみにしています。
