Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Ciao,
Ho ottenuto un Definitive Screen design per un DOE Experiment da ChatGPT 4.0. Sembra ragionevole (dopo diverse discussioni). JMP può verificare se il Definitive Screen Design è accettabile? Se ho un Definitive Screen design esistente, posso usarlo e poi valutare i risultati sperimentali di tali misurazioni da JMP? Oppure JMP valuta solo i propri Design?
Progettazione degli esperimentiRi: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Sì, le tue risposte sono sempre utili. Grazie!
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Ciao @Ressel ,
Consiglio vivamente di leggere i post del blog di Bradley Jones sui DSD per comprendere meglio il loro utilizzo:
Introduzione di progetti di screening definitivi
Uso corretto e improprio dei Definitive Screening Designs (DSD)
Riguardo alle tue domande:
- I DSD non sono stati creati come un approccio di screening "taglia unica" e miravano a ottimizzare e ridurre il numero di esecuzioni per esperimenti di screening che coinvolgono 5+ fattori. Al di sotto dei 5 fattori, ci sono alternative di progettazione "migliori" o più adatte per lo screening: progetti D-ottimali, progetti di screening classici o persino progetti Response Surface.
Al di sotto dei 7 fattori, JMP sta creando un DSD con esecuzioni minime richieste per 7 fattori (17 esecuzioni) e considera i fattori non utilizzati come "fattori falsi" per aumentare la potenza. Ciò spiega perché c'è una piccola diminuzione di potenza nei progetti che coinvolgono da 2 a 6 fattori, poiché più fattori vengono utilizzati nel progetto sperimentale, meno esecuzioni extra sono disponibili per aumentare la potenza e la precisione della stima dei termini. Per il settimo fattore, è necessario aggiungere esecuzioni extra (4 consigliate da JMP) per aumentare la potenza, poiché non ci sono più fattori falsi.
- Il numero minimo di esecuzioni evolve linearmente per i DSD a seconda del numero di fattori m:
- 2m+1 quando il numero di fattori m è pari,
- 2m+3 quando il numero di fattori m è dispari.
Questo spiega perché i progetti con 7 e 8 fattori, oppure con 9 e 10 fattori, richiedono lo stesso numero di esecuzioni.
- Le 4 esecuzioni aggiuntive consigliate da JMP corrispondono all'aggiunta di 2 fattori falsi in un DSD. Puoi fare il test e confrontare i design (DSD con 4 esecuzioni extra e DSD con 2 fattori falsi), dovrebbero essere identici:
Spero che questa risposta ti aiuti:)
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Ciao @Thommy7571 ,
Sì, puoi valutare qualsiasi progetto con la piattaforma Evaluate Designs (jmp.com) .
È possibile confrontare diversi progetti con la piattaforma Compare Designs (jmp.com) .
Infine, se vuoi modificare intervalli di fattori, termini di modello, vincoli, aggiungere punti centrali, repliche o qualsiasi altra cosa, puoi usare la piattaforma Augment Designs (jmp.com) . La randomizzazione viene sempre proposta alla fine di qualsiasi costruzione di design, prima di creare la tabella dati:
Nella sezione della Guida di JMP sono presenti diversi esempi di casi d'uso per l'ampliamento di un progetto: replica di un progetto, aggiunta di punti centrali, piegatura, punti assiali, ampliamento per riempimento di spazio.
Tutte queste operazioni possono essere eseguite con qualsiasi progetto da qualsiasi fonte, purché sia possibile caricare i dati in un formato riconosciuto da JMP: Importa i tuoi dati (jmp.com). Tuttavia, come menziona @P_Bartell , potrebbe essere necessario effettuare una preparazione manuale con le proprietà delle colonne dei fattori e delle risposte per aggiungere proprietà specifiche che aiutino JMP a riconoscere come gestire i fattori e le risposte da DoE: Proprietà delle colonne (jmp.com).
Spero che questa risposta risponda alle tue domande,
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?@Victor_G , attenzione, domanda da principiante e scuse per aver dirottato questa conversazione. Ciò che mi sorprende di DSD in JMP è che il numero di prove per i primi 6 fattori aggiunti a un design rimane invariabilmente a 17. Solo con il settimo fattore il numero di prove aumenta a 21. Per completezza, ho incluso una riga per un fattore, anche se ha poco senso.
| Fattori | Blocchi | Numero di corse extra
(impostazione predefinita JMP) | Prove
(totale) | Energia
(intercettare) | Energia
(qualsiasi termine tranne intercetta) |
| 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 |
Domande:
- Perché JMP suggerisce così tante esecuzioni con pochissimi fattori e perché il numero di esecuzioni inizia a cambiare solo dopo l'introduzione del settimo fattore?
- Osservando l'analisi di potenza dei fattori, la riduzione incrementale dal primo al sesto fattore sembra marginale. Perché?
- C'è qualcosa che non ho capito?
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?La risposta breve è "sì". Puoi importare praticamente qualsiasi progetto in JMP. Il percorso generale sarebbe quello di creare il progetto in qualsiasi applicazione di origine, quindi salvarlo in un formato di file. JMP ha la capacità di importare in modo nativo molti, molti formati di file diversi. Consulta la documentazione. Se non altro, salva il file in un formato comunemente usato, ad esempio un foglio di lavoro .xls e poi è facile come copiare/incollare in JMP. Una volta che il progetto è in una tabella dati JMP è completamente modificabile come qualsiasi altra tabella dati JMP.
Ora ecco il problema...quando si crea un design in modo nativo usando JMP...vengono creati molti metadati insieme alle semplici combinazioni di trattamento Jane. JMP usa questi metadati in background per ogni genere di cose relative alla visualizzazione e all'analisi. Nessuno dei metadati in genere è incluso nel file importato...quindi potresti finire per passare un sacco di tempo ad aggiungere i metadati a ogni colonna per far sì che JMP si comporti come vorresti nel tuo flusso di lavoro di analisi, nei risultati e nei report JMP.
Quindi la mia domanda morale della storia è... se hai già JMP per fare l'analisi... perché dovresti andare altrove per creare il design? Semplicemente non ha senso per me. L'unica ragione che mi viene in mente è che qualcun altro ha creato il design. Ha eseguito l'esperimento e ora ti chiede di analizzare i risultati.
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Ciao, grazie per la risposta. Forse ChatGPT non è ottimale, ma ci sono altre opzioni, che si tratti di un altro programma o del design di un collega. Questo significa che posso creare un progetto utilizzando altri software e poi testarlo, modificarlo e utilizzarlo con JMP? Sarebbe bello se ci fosse anche la possibilità di modificare successivamente un disegno standard (non randomizzato), cioè aggiungere diversi punti centrali, randomizzare, ecc. È possibile?
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Risposta breve: JMP può valutare qualsiasi set di dati. Se ci sia qualcosa da guadagnare dall'analisi è un'altra questione.
Ri: Verificare e utilizzare il progetto Definitive Screen esistente con JMP?Ciao @Thommy7571 ,
Primo punto: se hai JMP, ti consiglio vivamente di usarlo invece di affidarti a Large Language Models per creare il tuo DoE, poiché gli LLM non sono in grado (per progettazione) di ragionare, pianificare e calcolare. In generale, non usare un LLM quando ti aspetti un fatto, un calcolo o un'analisi. A seconda del training set, potrebbe fornire risposte accettabili, ma non è sempre così (e potrebbe non essere riproducibile).
Anche nella tabella dati stessa ci sono diversi aspetti da controllare, come:
- Presenza di 3 livelli per ogni fattore continuo (-1, 0, 1),
- Le serie nel disegno sono disposte in coppie ripiegate, con almeno una serie al centro dello spazio sperimentale.
Se hai un set di dati e vuoi controllare come è organizzato, ti consiglio di usare la piattaforma Evaluate Designs (jmp.com) . Ci sono diversi aspetti che potresti notare quando usi un Definitive Screening Design e lo valuti:
- Osservando l'analisi di potenza per gli effetti principali, dovresti avere gli stessi valori di potenza (o molto simili) per gli stessi tipi di fattori (qui X1 a X5 sono continui, X6 è categoriale con 2 livelli):
- Mappa dei colori sulle correlazioni: non dovresti avere correlazioni tra gli effetti principali e tra gli effetti principali e le interazioni a 2 fattori, quindi ti ritroverai con questo tipo di schema:
Qui, ho una correlazione molto piccola nell'area degli effetti principali dovuta alla presenza del fattore categoriale X6, ma se hai solo fattori continui, non avrai questo piccolo bordo. Guardare la matrice Alias può anche aiutare a verificare se non ci sono confondimenti completi (che potrebbero essere presenti nei classici disegni fattoriali).
- Anche l'osservazione di una matrice di dispersione può aiutare a vedere la struttura particolare del DSD e l'assenza di correlazione tra i fattori:
Per saperne di più: Introduzione ai progetti di screening definitivi - Community di utenti JMP
Infine, se disponi di JMP e vuoi comunque controllare il progetto generato da ChatGPT 4, puoi generare un DSD con JMP con le stesse impostazioni e lo stesso numero di fattori e utilizzare la piattaforma Compare Designs (jmp.com) per verificare eventuali irregolarità o forti differenze.
Spero che questa risposta ti possa aiutare,
