Vorhandenes Definitive Screen-Design mit JMP prüfen und verwenden?Hallo,
Ich habe von ChatGPT 4.0 ein Definitive Screen-Design für ein DOE-Experiment erhalten. Es sieht (nach mehreren Diskussionen) vernünftig aus. Kann JMP überprüfen, ob das Definitive Screen-Design akzeptabel ist? Wenn ich ein vorhandenes Definitive Screen-Design habe, kann ich es verwenden und anschließend die experimentellen Ergebnisse solcher Messungen mit JMP auswerten? Oder bewertet JMP nur seine eigenen Designs?
VersuchsplanungBetreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Ja, Ihre Antworten sind immer hilfreich. Danke!
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Hallo @Ressel ,
Um ein besseres Verständnis für deren Verwendung zu bekommen, kann ich Ihnen die Lektüre der Blogbeiträge von Bradley Jones über DSDs wärmstens empfehlen:
Einführung in definitive Screening-Designs
Richtiger und falscher Einsatz von Definitive Screening Designs (DSDs)
Zu Ihren Fragen:
- DSDs wurden nicht als allgemeingültiger Screeningansatz entwickelt, sondern zielten darauf ab, Screeningexperimente mit 5+ Faktoren zu optimieren und die Anzahl der Durchläufe zu reduzieren. Unter 5 Faktoren gibt es „bessere“ oder geeignetere Designalternativen für das Screening: D-optimale Designs, klassische Screeningdesigns oder sogar Response Surface-Designs.
Unter 7 Faktoren erstellt JMP ein DSD mit mindestens erforderlichen Durchläufen für 7 Faktoren (17 Durchläufe) und betrachtet die nicht verwendeten Faktoren als „falsche Faktoren“, um die Leistung zu erhöhen. Das erklärt, warum es bei Designs mit 2 bis 6 Faktoren zu einem geringen Leistungsrückgang kommt, denn je mehr Faktoren im Versuchsdesign verwendet werden, desto weniger zusätzliche Durchläufe stehen zur Steigerung der Leistung und der Genauigkeit der Termschätzung zur Verfügung. Für den 7. Faktor müssen Sie zusätzliche Durchläufe hinzufügen (4, empfohlen von JMP), um die Leistung zu erhöhen, da es keine falschen Faktoren mehr gibt.
- Die Mindestanzahl von Durchläufen entwickelt sich für DSDs linear in Abhängigkeit von der Anzahl der Faktoren m:
- 2m+1 wenn die Anzahl der Faktoren m gerade ist,
- 2m+3, wenn die Anzahl der Faktoren m ungerade ist.
Dies erklärt, warum Designs mit 7 und 8 Faktoren oder 9 und 10 Faktoren die gleiche erforderliche Anzahl von Durchläufen haben.
- Die von JMP empfohlenen zusätzlichen 4 Durchläufe entsprechen dem Hinzufügen von 2 Scheinfaktoren in einem DSD. Sie können den Test durchführen und die Designs vergleichen (DSD mit 4 zusätzlichen Durchläufen und DSD mit 2 Scheinfaktoren). Sie sollten identisch sein:
Hoffe, diese Antwort wird Ihnen helfen:)
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Hallo @Thommy7571 ,
Ja, Sie können jedes Design mit der Plattform Evaluate Designs (jmp.com) bewerten.
Mit der Plattform Compare Designs (jmp.com) können Sie mehrere Designs vergleichen.
Wenn Sie schließlich Faktorenbereiche, Modellbegriffe, Einschränkungen ändern, Mittelpunkte, Replikate oder irgendetwas anderes hinzufügen möchten, können Sie die Plattform Augment Designs (jmp.com) verwenden. Die Randomisierung wird immer am Ende jeder Designkonstruktion vorgeschlagen, bevor die Datentabelle erstellt wird:
Im JMP-Hilfebereich gibt es mehrere Beispiele zu Anwendungsfällen für die Erweiterung eines Designs: Replizieren eines Designs, Hinzufügen von Mittelpunkten, Umklappen, Achsenpunkte, raumfüllende Erweiterung.
Alle diese Vorgänge können mit jedem Design aus jeder Quelle durchgeführt werden, solange Sie die Daten in einem von JMP erkannten Format hochladen können: Importieren Sie Ihre Daten (jmp.com). Aber wie @P_Bartell erwähnt, müssen Sie möglicherweise einige manuelle Vorbereitungen mit den Spalteneigenschaften für Faktoren und Antworten treffen, um bestimmte Eigenschaften hinzuzufügen, die JMP dabei helfen zu erkennen, wie mit den Faktoren und Antworten von DoE umzugehen ist: Spalteneigenschaften (jmp.com).
Ich hoffe, diese Antwort beantwortet Ihre Fragen.
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?@Victor_G , Warnung, Anfängerfrage und Entschuldigung, dass ich dieses Gespräch gekapert habe. Was mich bei DSD in JMP überrascht, ist, dass die Anzahl der Versuche für die ersten 6 Faktoren, die einem Design hinzugefügt werden, ausnahmslos bei 17 bleibt. Erst mit dem 7. Faktor steigt die Anzahl der Versuche auf 21. Der Vollständigkeit halber habe ich eine Zeile für einen Faktor eingefügt, obwohl dies nur begrenzt Sinn ergibt.
| Faktoren | Blöcke | Anzahl der Extrafahrten
(JMP-Standard) | Versuche
(gesamt) | Leistung
(abfangen) | Leistung
(jeder Term außer Achsenabschnitt) |
| 1 | 1 | 4 | 17 | 0,97 | 0,937 |
| 2 | 1 | 4 | 17 | 0,969 | 0,935 |
| 3 | 1 | 4 | 17 | 0,967 | 0,932 |
| 4 | 1 | 4 | 17 | 0,965 | 0,929 |
| 5 | 1 | 4 | 17 | 0,963 | 0,925 |
| 6 | 1 | 4 | 17 | 0,959 | 0,92 |
| 7 | 1 | 4 | 21 | 0,988 | 0,975 |
| 8 | 1 | 4 | 21 | 0,987 | 0,973 |
| 9 | 1 | 4 | 25 | 0,997 | 0,992 |
| 10 | 1 | 4 | 25 | 0,996 | 0,992 |
Fragen:
- Warum schlägt JMP bereits mit sehr wenigen Faktoren so viele Durchläufe vor und warum beginnt sich die Anzahl der Durchläufe erst zu ändern, nachdem der 7. Faktor eingeführt wurde?
- Betrachtet man die Power-Analyse der Faktoren, erscheint die schrittweise Reduzierung vom ersten zum sechsten Faktor marginal. Warum?
- Habe ich etwas falsch verstanden?
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Die kurze Antwort lautet „Ja“. Sie können praktisch jedes Design in JMP importieren. Der allgemeine Weg wäre, das Design in der ursprünglichen Anwendung zu erstellen und es dann in einem Dateiformat zu speichern. JMP kann viele, viele verschiedene Dateiformate nativ importieren. Siehe die Dokumentation. Wenn nichts anderes funktioniert, speichern Sie die Datei in einem allgemein verwendeten Format, beispielsweise einem XLS-Arbeitsblatt, und dann ist es so einfach wie Kopieren/Einfügen in JMP. Sobald sich das Design in einer JMP-Datentabelle befindet, ist es wie jede andere JMP-Datentabelle vollständig bearbeitbar.
Aber hier ist der Haken: Wenn Sie ein Design nativ mit JMP erstellen, werden neben den üblichen Behandlungskombinationen auch viele Metadaten erstellt. JMP verwendet diese Metadaten im Hintergrund für alle möglichen Dinge im Zusammenhang mit Visualisierung und Analyse. Normalerweise sind keine der Metadaten in der importierten Datei enthalten. Daher kann es sein, dass Sie viel Zeit damit verbringen, die Metadaten zu jeder Spalte hinzuzufügen, damit sich JMP in Ihrem Analyse-Workflow, Ihren Ergebnissen und JMP-Berichten so verhält, wie Sie es möchten.
Meine Moral der Geschichte lautet also: Wenn Sie bereits JMP für die Analyse haben, warum sollten Sie dann woanders hingehen, um das Design zu erstellen? Das ergibt für mich einfach keinen Sinn. Der einzige Grund, der mir einfällt, ist, dass jemand anderes das Design erstellt hat. Das Experiment durchgeführt hat und Sie nun bittet, die Ergebnisse zu analysieren.
Re: Verify and use existing Definitive Screen design with JMP?Hallo, danke für die Antwort. Vielleicht ist ChatGPT da nicht optimal, aber es gibt ja auch noch andere Möglichkeiten, sei es ein anderes Programm, sei es das Design eines Kollegen. Heißt das also, dass ich ein Design auch mit einer anderen Software erstellen kann und dann mit JMP testen, bearbeiten und verwenden kann? Es wäre gut, wenn sich auch die Möglichkeit bietet ein Standard-Design (nicht randomisiert) im Nachhinein zu bearbeiten, also Hinzufügen von mehreren Zentralpunkten, Randomisieren etc. Ist das möglich?
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Kurze Antwort: JMP kann jeden Datensatz auswerten. Ob die Analyse etwas bringt, ist eine andere Frage.
Betreff: Vorhandenes Definitive Screen-Design mit JMP überprüfen und verwenden?Hallo @Thommy7571 ,
Erster Punkt: Wenn Sie JMP haben, würde ich Ihnen dringend empfehlen, es zu verwenden, anstatt sich bei der Erstellung Ihres DoE auf Large Language Models zu verlassen, da LLMs (von Natur aus) nicht in der Lage sind, zu argumentieren, zu planen und zu berechnen. Verwenden Sie im Allgemeinen kein LLM, wenn Sie eine Tatsache, Berechnung oder Analyse erwarten. Je nach Trainingssatz kann es akzeptable Antworten liefern, aber das ist nicht immer der Fall (und es ist möglicherweise nicht reproduzierbar).
Auch in der Datentabelle selbst müssen verschiedene Aspekte überprüft werden, beispielsweise:
- Vorhandensein von 3 Niveaus für jeden kontinuierlichen Faktor (-1, 0, 1),
- Die Läufe im Design kommen in übereinander gefalteten Paaren, wobei sich mindestens ein Lauf in der Mitte des Versuchsraums befindet.
Wenn Sie einen Datensatz haben und überprüfen möchten, wie dieser organisiert ist, empfehle ich die Verwendung der Plattform Evaluate Designs (jmp.com) . Es gibt mehrere Aspekte, die Ihnen bei der Verwendung eines Definitive Screening Designs auffallen und bei der Bewertung dieses Designs auftreten können:
- Bei der Betrachtung der Leistungsanalyse für Haupteffekte sollten Sie für dieselben Faktortypen dieselben (oder sehr ähnliche) Leistungswerte erhalten (hier sind X1 bis X5 kontinuierlich, X6 ist kategorisch mit 2 Ebenen):
- Farbkarte für Korrelationen: Es sollten keine Korrelationen zwischen Haupteffekten und zwischen Haupteffekten und 2-Faktor-Interaktionen bestehen, sodass Sie am Ende folgendes Muster erhalten:
Hier habe ich aufgrund des Vorhandenseins des kategorialen Faktors X6 eine sehr kleine Korrelation im Bereich der Haupteffekte, aber wenn Sie nur kontinuierliche Faktoren haben, gibt es diese kleine Grenze nicht. Ein Blick auf die Alias-Matrix kann auch dabei helfen, zu überprüfen, ob keine vollständige Störgröße vorliegt (die in klassischen faktoriellen Designs vorhanden sein könnte).
- Auch die Betrachtung einer Streudiagrammmatrix kann dabei helfen, die besondere Struktur des DSD und das Fehlen einer Korrelation zwischen den Faktoren zu erkennen:
Weitere Informationen finden Sie hier: Einführung in endgültige Screening-Designs – JMP-Benutzer-Community
Wenn Sie schließlich JMP haben und dennoch das von ChatGPT 4 generierte Design überprüfen möchten, können Sie mit JMP ein DSD mit denselben Einstellungen und derselben Anzahl von Faktoren generieren und die Plattform Compare Designs (jmp.com) verwenden, um nach Unregelmäßigkeiten oder starken Unterschieden zu suchen.
Ich hoffe, diese Antwort hilft Ihnen weiter.
