WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Es gibt viele leistungsstarke JMP DOE-Tools, die sich seit langem als erfolgreich erwiesen haben. Andererseits wird in letzter Zeit viel über OMARS-Designs geschrieben und veröffentlicht.
Ich möchte erfahrene DOE-Benutzer fragen, was die besonderen Vorteile dieser neuen Art von Designs zusätzlich zu dem sind, was im JMP DOE-Menü verfügbar ist. Für welche besonderen Fälle würden Sie zur Verwendung von OMARS raten? Gibt es Fälle, die nicht mit OMARS behandelt werden können? Soweit ich weiß, gehe ich davon aus, dass Mischungen, Split Plots und Zufallseffekte nicht in den Anwendungsbereich von OMARS fallen, richtig?
VersuchsplanungBetreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Hallo @frankderuyck ,
OMARS-Designs wurden vor Kurzem (um 2020) als Screening- und Optimierungsdesigns von Peter Goos und Jose Nunez eingeführt.
Das Ziel hinter der Verwendung dieser Designs war es, die Lücke zwischen Definitive Screening Designs und Response Surface Designs zu schließen. Sie können ihre Präsentation ganz einfach finden, in der einige der netten Eigenschaften von OMARS-Designs demonstriert werden:
In ihrem Beispiel und ihrer Demonstration weist OMARS bei einer äquivalenten Anzahl von Durchläufen wie DSDs (22) möglicherweise bessere Projektionseigenschaften und eine größere Leistung für quadratische Effekte auf und ist in der Lage, alle 2-Faktor-Interaktionen abzubilden. Sie können ihren Vergleich mit dem OMARS Designs Add-In reproduzieren und ein OMARS-Design mit einem DSD-Design mithilfe der Plattform Compare Designs vergleichen.
Ich habe die Designtabelle angehängt, um den Vergleich zu erleichtern, falls Sie einen Blick darauf werfen möchten.
- Sie können überprüfen, dass OMARS möglicherweise mehr Terme (alle Interaktionen und mehr quadratische Effekte als DSD) anpassen kann und dass die Leistung für Interaktionen und quadratische Effekte gleich oder höher ist (auf Kosten einer kleinen Leistungsabnahme für Haupteffekte):
- Sie weisen außerdem eine geringere maximale Vorhersagevarianz und einen niedrigeren Anteil der Design Space Plot-Kurve auf (also eine geringere Vorhersagevarianz über den gesamten Versuchsraum):
- Interessant für den Vergleich ist auch die Korrelationskarte mit geringeren Korrelationen zwischen Begriffen:
Auch Maria Lanzerath hat einen Anwendungsfall, in dem sie den Nutzen und Nutzen von OMARS anhand ihres Anwendungsfalls gezeigt hat.
Intellektuell ist dieses Design sehr interessant, da es eine Familie bietet, die die Lücke zwischen DSD und RSD vereinheitlicht und überbrückt. In einigen Anwendungsfällen könnte es interessant sein, sie auszuprobieren und mit anderen Designtypen zu vergleichen. Für ihre Verwendung gelten ähnliche Einschränkungen wie bei DSDs: kein Mischungsfaktor, keine Einschränkungen, keine schwer zu ändernden Faktoren/Split-Plot-Situation, keine Zufallseffekte (auch wenn Sie Blöcke in DSDs und OMARS verwenden können), ...
Ich glaube jedoch nicht, dass die Entwickler die Implementierung des OMARS-Designs in JMP vorantreiben werden, da Peter und Jose ihre eigene Firma EFFEX gegründet haben, die OMARS-Designs über eine webbasierte Schnittstelle vertreibt. Sie können mit dem Add-In immer noch mit OMARS-Designs experimentieren und sie im Vergleich zu anderen Designs vergleichen.
Ich denke, es gibt bereits eine ausreichende Auswahl an Designs (DSDs, OMLs, RSM, Optimal, ...), sodass ich nicht die Gelegenheit hatte, OMARS-Designs in realen Anwendungsfällen auszuprobieren.
Ich hoffe, dieser Diskussionsstarter kann Ihnen helfen,
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?OK, Victor, das ist mir klar. Ich persönlich bin kein großer Fan davon, alles mit einem großen Experiment zu lösen; ich bevorzuge den sequenziellen Ansatz, um Wissen aufzubauen, und bisher wurden gute Ergebnisse erzielt, indem starke/aktive Effekte mit DSD untersucht und in einem zweiten Schritt das DOE mit aktiven Effekten auf RSM erweitert wurde; in vielen Fällen, mit nur < 4 signifikanten Effekten, war eine Erweiterung nicht einmal notwendig, sodass es mit nur wenigen Durchläufen eine Lösung gibt. Ich bin immer noch nicht von OMARS überzeugt; meiner Meinung nach ist es ohne oder mit nur wenig Wissensschub zu schwierig, alles mit einem Experiment zu erledigen, mir gefällt der sequenzielle Qualitäts-PDCA-Ansatz besser. Ich stimme zu, dass OMARS bei ausreichendem Wissen von Vorteil sein könnte (?)
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Frank, ich stimme zu, ein sequentieller Ansatz ist immer besser.
Meiner bescheidenen Meinung nach wird es immer diejenigen geben, die versuchen, die Designstruktur für eine bestimmte Situation zu optimieren (z. B. Optimalitätskriterien usw.), ABER der wichtigste Aspekt beim Experimentieren ist, wie Sie mit dem Rauschen umgehen (z. B. kurzfristiges Rauschen wie Messfehler, innerhalb einer Charge, innerhalb eines Teils und langfristiges Rauschen wie Umgebungsbedingungen, Rohmaterialien von Charge zu Charge, menschliche Technik). Wenn das Rauschen während des Experiments konstant ist, haben Sie einen engen Inferenzraum, in dem die Ergebnisse wahrscheinlich nicht extrapoliert werden können. Wenn das Rauschen während des Experiments „zufällig“ variiert, beeinträchtigen Sie die Präzision. Die Strategien zum Umgang mit Rauschen werden von der Software (jeder Software) nicht gut beschrieben. Der Fokus liegt immer zu sehr auf der Designstruktur (und darauf, wie Sie Durchläufe einsparen können, um mehr zu lernen).
„Leider werden zukünftige Experimente (zukünftige Versuche, die Produktion von morgen) von anderen Umweltbedingungen (Temperatur, Materialien, Menschen) beeinflusst als dieses Experiment… Nur durch Kenntnis des Themas, möglicherweise unterstützt durch weitere Experimente (Kursivschrift hinzugefügt), um ein breiteres Spektrum von Bedingungen abzudecken, sodass man – auch wenn man sich irren könnte – entscheiden kann, ob die Umweltbedingungen der Zukunft denen von heute nahe genug kommen, um die Verwendung der vorliegenden Ergebnisse zu erlauben.“
Dr. Deming
„Bevor Sie eine allgemeine Regel für diesen Fall festlegen, testen Sie ihn zwei- oder dreimal und beobachten Sie, ob die Tests die gleichen Ergebnisse liefern.“
Leonardo da Vinci
„BLOCKIEREN SIE, WAS SIE KÖNNEN, UND RANDOMISIEREN SIE, WAS SIE NICHT KÖNNEN.“
GEP-Box
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Starke Argumente für sequentielles Experimentieren! Bauen Sie Modelle mit Faktoren, die stark genug sind, um das Rauschen zu überwinden. Letzteres kann mit Screening-Experimenten in begrenzter Anzahl und eventuell mit Replikation erkannt werden. DSD ist immer noch ein großartiges Werkzeug!
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Ist OMARS mit > 2-stufigen kategorischen Effekten möglich? Auch mit vielen oder nur kategorischen Effekten?
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?@frankderuyck, ich stimme Ihrer Diskussion mit @statman über sequentielle Experimente und den Umgang mit Rauschen zu.
Wir möchten jedoch daran erinnern, dass DoEs häufig im Rahmen realer physikalischer/chemischer Experimente angewendet werden, sodass Sie bei der Auswahl eines Designs (und der zugehörigen Anzahl von Durchläufen) auch Kosten und Zeit berücksichtigen müssen. Wenn eine Reaktion eine lange Dauer/Zeitspanne zum Messen/Aufzeichnen benötigt (z. B. Stabilitätsstudien über mehrere Monate/Jahre), ist es möglicherweise sinnvoller, ein größeres „One-Shot“-DoE durchzuführen und alle erforderlichen Ergebnisse gleichzeitig zu erhalten, anstatt mehrere aufeinanderfolgende DoEs durchzuführen, bei denen Sie bei jeder Iteration viel Zeit aufwenden. Maria Lanzerath betont in ihrem Anwendungsfall auch die Vorteile von OMARS-Designs hinsichtlich der Modellauswahl im Zusammenhang mit der Modellkomplexität in Bezug auf die verfügbare Anzahl möglicher Begriffe.
Zu Ihren Fragen:
- OMARS kann mit einer beliebigen Anzahl von 2-stufigen kategorialen Faktoren oder kontinuierlichen Faktoren durchgeführt werden,
- Ich weiß nicht, wie relevant OMARS für Studien sein könnte, die nur kategorische Faktoren beinhalten (es gibt möglicherweise bessere Optionen).
Sie können jedoch eine beliebige Anzahl kategorialer Faktoren mit zwei Ebenen enthalten, ohne dass die Orthogonalitätseigenschaften verloren gehen. Dies war ein Nachteil von DSDs, wenn Sie mehrere kategoriale Faktoren mit zwei Ebenen einführten. Diese Situation wurde durch die Einführung von Orthogonally Mixed Levels -Designs gelöst, die letztes Jahr von Bradley Jones vorgestellt wurden und in JMP 18 verfügbar sind.
Informationen zu OML-Designs:
Entwickler-Tutorial: Verwenden von JMP zum Erstellen orthogonaler Screening-Designs mit gemischten Ebenen
Eine Familie orthogonaler Haupteffekt-Screening-Designs für Faktoren mit gemischtem Niveau (2023-EU-30MP-1272)
Vergleich der Korrelationskarte zwischen OML und DSD, erstellt für 2 zweistufige kategorische Faktoren und 4 kontinuierliche Faktoren:
Sie können sehen, dass es im Fall von DSD kleine Korrelationen zwischen den Haupteffekten der kategorialen Faktoren und den anderen Haupteffekten gibt. Mit OML haben Sie eine Struktur, die es ermöglicht, dass es keine Korrelation zwischen den Haupteffekten und zwischen den Haupteffekten und den Termen 2. Ordnung gibt. OML ermöglicht auch andere/unterschiedliche Designgrößen als DSDs.
Ich hoffe, diese Antwort ist hilfreich und bereichernd für die Diskussion.
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Danke, Victor, OML ist interessant. Auch 3-stufige kategorische Effekte sind möglich, auch mit OMARS?
Ich habe mir übrigens die Fallstudie von Maria Lanzerath angesehen, in der einiges an Wissen vorhanden ist und Annahmen zu Interaktionseffekten getroffen werden. In diesem Fall kann mit Custom Design ein ebenso gutes DOE erstellt werden, indem man die unnötigen Interaktionen weglässt und im Zweifelsfall auf „wenn möglich“ umschaltet.
Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Nein, kategorische Faktoren mit drei Ebenen sind mit DSD-, OMARS- oder OML-Designs nicht möglich, nur kategorische Faktoren mit zwei Ebenen.Betreff: WAS SIND DIE BESONDEREN VORTEILE VON OMARS DESIGNS?Hallo Victor, wie sieht es beim Vergleich von OML und DSD mit den Korrelationen der 4 quadratischen Effekte aus? Von den Korrelationstabellen oben würde ich DSD bevorzugen: Die Korrelation zwischen einigen Haupteffekten ist sehr gering und vernachlässigbar und jeder Interaktionseffekt korreliert nur mit einem anderen Interaktionseffekt. Die Korrelationsstruktur von OML-Interaktionen ist recht komplex; ich glaube, im OML-Algorithmus wird zu viel Druck ausgeübt, um eine Nullkorrelation zwischen den Haupteffekten zu erreichen, was zu einer noch komplexeren Korrelation zwischen den Interaktionen führt (?) (es gibt nichts umsonst, man muss einen Preis dafür zahlen …) Auch eine Nullkorrelation zwischen den Haupteffekten zu erreichen, ist meiner Meinung nach nicht notwendig, in vielen unausgewogenen benutzerdefinierten Designs und bei Einbeziehung von Kovariatenfaktoren besteht immer eine geringe Korrelation zwischen den Hauptfaktoren; R < 0,2 ist akzeptabel.
