Die in JMP 18 eingeführten orthogonalen Screening-Designs mit gemischten Ebenen sind für JMP DOE-Benutzer nützlich, die die Wirksamkeit vieler Interventionen gleichzeitig in einem einzigen Experiment mit minimalen Durchläufen testen müssen. Erfahren Sie, wie Sie die orthogonalen Screening-Designs mit gemischten Ebenen von JMP 18 verwenden, um kontinuierliche und zweistufige kategorische Faktoren zu mischen, und wie Sie spezielle Konstruktionen für Screening-Designs mit gemischten Ebenen verwenden, bei denen kontinuierliche Faktoren einige Ebenen in der Mitte haben. Die dreistufigen Faktoren müssen kontinuierlich sein, und die zweistufigen Faktoren können entweder kontinuierlich oder kategorisch sein. Darüber hinaus bieten diese Designs aufgrund aktiver Zwei-Faktor-Interaktionen einen erheblichen Schutz vor Verzerrungen der Haupteffektschätzungen.
Das Video enthält eine Diskussion mit Tom Donnelly @tom_donnelly (~ Zeit 49:24) über JMP-Designentscheidungen im Zusammenhang mit orthogonalen Mixed-Level-Designs. Toms Folien sind in den Anhängen zu diesem Videobeitrag enthalten.
Erfahren Sie, wie Sie:
- Suchen Sie die Designs in JMP über den Pfad DOE->Klassisch->Faktorenscreening->Screening-Design
- Verstehen Sie die Motivation für orthogonale Mixed-Level-Designs
- Hauptziel des Screenings der Haupteffekte
- Mix aus drei- und zweistufigen Faktoren
- Dreistufige Faktoren sind kontinuierlich (wir suchen nicht nach Gleichgewicht)
- Fast so viele Faktoren wie Läufe (gesättigt, Haupteffekt-Screening), bis zu 3/4 der Laufgröße
- DSD-ähnlich, aber mit mehr 2-Level-Faktoren
- Verstehen und Demo der Methode/Option 3 ansehen, wobei n ein Vielfaches von 16 ist
- Verstehen und Demo der Methode/Option 2 ansehen, wobei n ein Vielfaches von 8 ist
- Verstehen und Demo der Methode/Option 1 ansehen, wobei n ein Vielfaches von 2 ist
- Vertiefen Sie sich in die Probleme
- Screening wichtige Faktoren, DSD zu teuer, nicht alle 3 Ebenen
- Erkennen großer quadratischer Gleichungen
- Bestimmen, wie weit nach quadratischen Gleichungen gegangen werden muss
Ressourcen
- Das richtige Design auswählen – mit Unterstützung des Design Explorers von JMP , Whitepaper von Christine Anderson Cook
- Ares, Jose Nunez, Eric Schoen und Peter Goos (2023). „ Orthogonale minimal aliasierte Antwortoberflächendesigns für dreistufige quantitative Faktoren und zweistufige kategoriale Faktoren “. In: Statistica Sinica.
- Jones, B., Lekivetz, R., Majumdar, D, und Nachtsheim, CJ (2024) „Screening-Designs für kontinuierliche und kategorische Faktoren“. Erscheint in Technometrics.
- Jones, B., Lekivetz, R., & Nachtsheim, C. (2023). „ Eine Familie orthogonaler Haupteffekt-Screening-Designs für Faktoren mit gemischtem Niveau “. Journal of Quality Technology, 55(5), 527-534.
- Jones, Bradley und Christopher J. Nachtsheim (Apr. 2013). „ Definitive Screening Designs mit hinzugefügten zweistufigen kategorialen Faktoren “. In: Journal of Quality Technology 45.2, S. 121–129.
- Jones, Bradley und Christopher J. Nachtsheim (Jan. 2011). „ Eine Klasse dreistufiger Designs für definitives Screening bei Vorhandensein von Effekten zweiter Ordnung “. In: Journal of Quality Technology 43.1, S. 1–15.
- Lekivetz, R., Sitter, R., Bingham, D., Hamada, MS, Moore, LM, & Wendelberger, JR (2015). „ Über Algorithmen zur Gewinnung orthogonaler und nahezu orthogonaler Arrays für das Haupteffekt-Screening “. Journal of Quality Technology, 47(1), 2-13.
- Nachtsheim, Abigael C., Weijie Shen und Dennis KJ Lin (Apr. 2017). „ Two-Level Augmented Definitive Screening Designs “. In: Journal of Quality Technology 49.2, S. 93–107.
- Nguyen, Nam-Ky, Tung-Dinh Pham und Phuong Vuong Mai (Jan. 2020). „ Konstruktion D-effizienter Mixed-Level-Foldover-Designs unter Verwendung von Hadamard-Matrizen “. In: Technometrics 62.1, S. 48–56.
- Taguchi, Genichi (Jan. 1987). Das System des experimentellen Designs: Technische Methoden zur Optimierung der Qualität und Minimierung der Kosten . Englisch. 1. Auflage. White Plains, NY Dearborn, Mich: Quality Resources.
