A: Der nächste Schritt wäre die Durchführung des Experiments gewesen. Ich habe das nicht getan. Hier sind jedoch die Anweisungen, die ein echter Pizzahersteller seinen Pizzabäckern nach der Durchführung des Experiments gegeben hat.
F: Wurden im ersten Beispiel die Farbzonen einfach über die Achseneinstellungen hinzugefügt?
A: Ja. Sie können Ihren Antwortvariablen Spezifikationsgrenzen hinzufügen ( https://www.jmp.com/support/help/en/16.1/#page/jmp/spec-limits-column-property.shtml ) und diese in Ihrem Profilerdiagramm anzeigen lassen. Dazu müssen Sie jedoch die Achseneinstellungen bearbeiten ( https://www.jmp.com/support/help/en/16.1/#page/jmp/customize-axes-and-axis-labels-in-graphs.shtml#ww781878 ), um einen farbigen Spezifikationsbereich anzuzeigen.
F: Welche Möglichkeiten bietet JMP zur Planung klinischer Studien? Ich sehe, dass JMP Daten aus klinischen Studien analysieren kann, bin mir aber nicht sicher, ob wir diese auch planen können.
A: JMP wird derzeit nicht häufig für die Planung klinischer Studien eingesetzt. Es spricht jedoch nichts dagegen. Klinische Studien unterscheiden sich von industriellen F&E-Experimenten. In mancher Hinsicht sind sie einfacher, da es oft nur einen Faktor gibt: Wirkstoff oder Placebo. Die komplexeren Aspekte der Planung klinischer Studien könnten jedoch ein Bereich sein, in dem JMP sinnvoll eingesetzt werden kann.
F: Wie haben Sie die Rahmenbedingungen festgelegt?
A; Es gibt mehrere Möglichkeiten. Ich habe unkodierte Nebenbedingungen (rohe Einheiten) verwendet. Alternativ können Sie alle Faktoren auf einen Bereich von -1 bis 1 festlegen und dann kodierte Einheiten verwenden. Oder Sie verwenden beispielsweise JMP und geben die beiden Punkte ein, die diese beiden Linien definieren (die obere und untere Nebenbedingung). In diesem Beispiel löst JMP die Gleichung, und Sie können anschließend interaktiv weitere Details festlegen. Fortgeschrittene Benutzer können auch Fachwissen einbringen und Gleichungen für Kreise und Ellipsen eingeben. Auch sehr komplexe Nebenbedingungen sind möglich, z. B. mehrere Nebenbedingungen. Es gibt außerdem Möglichkeiten, Ungleichungsbedingungen festzulegen, die unzulässige Werte kennzeichnen (z. B. „Diese Fleischsorte niemals für eine kalorienarme Pizza verwenden“).
F: Was sind vollständige Diagramme und wann werden sie verwendet?
A: Der Sinn von Gesamtplots besteht darin, schwer veränderbare Faktoren wie die Temperatur im Pizza-Experiment zu handhaben. Man möchte diesen Faktor nicht zwischen jedem einzelnen Durchlauf ändern. Innerhalb eines Gesamtplots gibt es daher eine Reihe von Durchläufen, in denen die Temperatur konstant gehalten wird, und man ändert die Temperatur nur zwischen den einzelnen Gesamtplots. Man kann selbst entscheiden, wie viele dieser Gesamtplots man benötigt, je nachdem, wie oft man den schwer veränderbaren Faktor ändern kann und möchte. Wie so oft bei der Versuchsplanung ist es eine Frage der Balance und des Kompromisses.
F: Welches Design eignet sich am besten für den Einstieg?
A: Benutzerdefinierte Designs sind eine gute und flexible Option und ermöglichen Screening-Designs. Es gibt jedoch bestimmte Arten von Screening-Designs, die effizienter sein können, wie beispielsweise die in JMP 16 eingeführten übersättigten Designs. Alternativ können Sie definitive Screening-Designs verwenden. Sobald Sie jedoch kategoriale Faktoren mit mehr als zwei Ausprägungen kennen, erweist sich das definitive Screening möglicherweise als ungeeignet. (Siehe beigefügte Zusammenfassung der JMP-Designoptionen: Verwendung und Vorteile (Donnelly Summary of JMP Design Options Uses and Benefits.pdf).)
F: Wie viele Faktoren sind minimal und maximal erforderlich, um das perfekte Modell zu entwickeln?
A: Natürlich gibt es keine feste Anzahl. Gerade in der Anfangsphase spielen viele Faktoren eine Rolle, und Sie müssen verschiedene Fragen berücksichtigen, die ich im Blog beschreibe. Annahmen zu treffen, ohne sie zu hinterfragen, kann dazu führen, dass die Lösung im Sande verläuft. Wenn möglich, ist es zu Beginn ratsam, viele Faktoren zu untersuchen und zu filtern. Das ist effizientes Experimentieren. JMP ermöglicht auch übersättigte und Screening-Designs. Weitere Informationen zu JMP DOE-Plattformen finden Sie in den beigefügten Folien.
Ressourcen
