Augment-Design ohne Berücksichtigung kovariater FaktorenIch prüfe eine Reaktion mit einem benutzerdefinierten Design, das 6 kontinuierliche Faktoren und 2 Kovariatenfaktoren generiert, wobei 1 kontinuierlicher Faktor so eingestellt ist, dass er schwer zu ändern ist, 3 ganze Diagramme, 24 Läufe. Ich habe bereits 8 Reaktionen ausgeführt, und der schwer zu ändernde Faktor (Temperatur) lässt sich leichter ändern als zunächst angenommen. Daher möchte ich das Design in eines ändern, das Temperatureffekte besser vorhersagen kann.
Ich habe versucht, dies zu erreichen, indem ich die Temperaturfaktoränderungen so geändert habe, dass sie einfach sind, die 16 Experimente gelöscht habe, die ich nicht durchgeführt habe, und Augment Design verwendet habe, um 16 neue Läufe hinzuzufügen. Dies hat jedoch nicht funktioniert, da die generierten Läufe die Kovariatenfaktoren nicht berücksichtigt haben. Wie kann ich Augment Design dazu bringen, die Kovariatenfaktoren zu berücksichtigen?
Ich habe die JMP-Datei angehängt. Ich verwende JMP Pro 17.
VersuchsplanungBetreff: Augment-Design berücksichtigt keine KovariatenfaktorenHallo @DecilePlatypus ,
Willkommen in der Community!
Ich denke, der einfachste Weg, Ihr DoE fortzusetzen, ist die Verwendung der Augment Designs -Plattform, wie Sie auch bemerkt haben.
In Ihrem Fall sind die Kovariaten PC1 und PC2 nicht unabhängig, da sie an bestimmte Lösungsmittel gebunden sind. Daher ist nur ein Kovariatenwert erforderlich, um das im Design verwendete Lösungsmittel zu identifizieren.
Sie können die Eigenschaft „Temperaturfaktoränderung “ von „Schwer“ auf „Einfach“ ändern und dann Ihre 7 Faktoren als X (6 kontinuierliche Faktoren + PC1) und den Ertrag als Y im Augment-Entwurfsfenster hinzufügen:
Anschließend können Sie die Option „Neue Läufe in separaten Blöcken gruppieren“ aktivieren und auf „Erweitern“ klicken (oder eine andere Art der Designerweiterung angeben).
Stellen Sie sicher, dass alle Haupteffekte Ihrer Faktoren im Modellfenster eingegeben sind (mit dem hinzugefügten Effekt „Block“, wenn Sie die Option zum Gruppieren neuer Läufe in separaten Blöcken aktiviert haben) und definieren Sie eine geeignete Anzahl von Läufen (einschließlich der bereits durchgeführten 8 Läufe). In diesem Beispiel habe ich insgesamt 20 Läufe angegeben:
Nachdem ich die erweiterte Designgenerierung gestartet und die Tabelle erstellt habe, kann ich die Spalten PC2 und Lösungsmittelname hinzufügen, indem ich die Designtabelle mit den Informationen aus der Kovariaten-Datentabelle (mit PC1 als Verbindungsvariable) aktualisiere.
Die in den Läufen ausgewählten Lösungsmittel werden so gewählt, dass sie den größten Unterschied/die größte Variabilität aufweisen:
Sie können mehrere erweiterte Designs ausprobieren und sie dank der Plattform „Designs vergleichen“ vergleichen, um ein für Ihre Anforderungen geeignetes Design auszuwählen. Einige zusätzliche Vorschläge:
- Sie können in dieser Screening-Phase auch mit weniger Lösungsmitteln beginnen (z. B. 3) und diese basierend auf dem maximalen Unterschied und der chemischen Variabilität auswählen (z. B. Tributylamin, TMU und Methylcyclohexan).
- Es kann auch hilfreicher sein, bei der Designerstellung einen kategorischen Faktor (Lösungsmittelname) zu verwenden, um ein Ungleichgewicht bei der Verteilung der verwendeten Lösungsmittel zu vermeiden, und dann PCs zur Tabelle hinzuzufügen und diese für die Analyse zu verwenden.
Einige vorherige Diskussionen könnten Ihnen helfen:
Effizientes DOE einer mehrstufigen (3+) kategorialen Variable und vieler kontinuierlicher Variablen
Betreff: Wenn die unabhängige Variable des Experiments eine kategoriale Variable und die Antwort eine kontinuierliche Variable ist, kann dann ein orthogonales Design für das Screening verwendet werden? - JMP-Benutzergemeinschaft
Ich habe Ihre Datentabelle mit einem zusätzlichen Skript für das generierte erweiterte Design angehängt.
Ich hoffe, diese erste Antwort hilft Ihnen.
Betreff: Augment-Design berücksichtigt keine KovariatenfaktorenHallo @Victor_G
Danke für die Hilfe. Das Problem bei der Erweiterung mit nur einer Spalte ist, dass das resultierende Design nicht so viel Platz in PC2 erkunden wird. Die Verwendung Ihrer Methode erzeugt nur Läufe mit entweder TMU oder Tributylamin, was PC1 maximiert, aber in PC2 viel zu wünschen übrig lässt.
Betreff: Augment-Design berücksichtigt keine KovariatenfaktorenHallo @DecilePlatypus ,
Ja, die beste Option wäre hier, die ursprünglichen Läufe zu erweitern und dabei den Lösungsmittelnamen als kategorischen Faktor zu verwenden, um sicherzustellen, dass das erweiterte Design hinsichtlich der Lösungsmittelwahl nicht unausgewogen ist.
Mit insgesamt 20 Durchläufen im erweiterten Design habe ich ein ausgewogeneres Design hinsichtlich der Lösungsmittelauswahl in Experimenten:
Und die Leistung für PC1 und PC2 ist homogener:
Die beste Option könnte also darin bestehen, den Namen bei der Entwurfsgenerierung zu verwenden, die PCs jedoch bei der Analyse zu verwenden (verwenden Sie die Aktualisierungstabelle mit der Kovariatentabelle, um die PCs mit dem Namen als Verknüpfungsvariable zur erweiterten Entwurfstabelle hinzuzufügen).
Sie können die zusätzlichen Vorschläge in meinem vorherigen Beitrag lesen. Einer bezog sich auf die von Ihnen beschriebene Situation (Ungleichgewicht bei der Lösungsmittelauswahl in den Experimenten), und der andere betrifft die Anzahl der untersuchten verschiedenen Lösungsmittel.
Normalerweise könnte es hilfreich sein, Dioxan aus der Liste der Lösungsmittel in den Kovariaten zu entfernen. Hier ist die Leistungsanalyse mit 12 hinzugefügten Läufen (insgesamt 20), aber ohne Berücksichtigung von Dioxan in der Kovariatenliste:
Ich habe die Datentabelle mit den hinzugefügten Skripten für das erste (ausgeglichene) Design und das zweite (ohne Dioxan) als Beispiel angehängt.
