DOE per risposta binariaCiao,
Ho una risposta binaria F/P. L'attuale tasso di errore è del 15%. Ci sono 3 fattori con cui ci piace sperimentare X1, X2 e X3. C'è anche un fattore di blocco L con 3 livelli, ovvero linea 1, linea 2 e linea 3. X1 e X2 sono continui con due livelli. Anche X3 è un bust continuo poiché le sue impostazioni non possono essere impostate con precisione, lo consideriamo come categoriale a due livelli con livello basso con valori nell'intervallo (a, b) e valori alti nell'intervallo (c, d).
Mi piace progettare un esperimento per ridurre al minimo il tasso di fallimento. Non so come usare JMP per farlo.
Progettazione degli esperimentiRe: DOE per risposta binariaNon c'è abbastanza contesto per fornire consigli specifici, quindi ecco i miei pensieri/domande iniziali:
1. Presumo che F e P siano fail e pass. Fail e pass cosa? È una specifica? Puoi renderla una misurazione continua? O puoi sviluppare una misurazione che quantificherà meglio i "fenomeni"? Il motivo per cui dico questo è perché le variabili di risposta categoriali discrete/attributo sono inefficienti. Richiedono più unità sperimentali per rilevare i cambiamenti e assegnare la causa. Hanno anche il difetto di essere aggregati di potenzialmente molte modalità/meccanismi di guasto. Hai studiato il sistema di misurazione che sta categorizzando F/P? Il 15% è coerente?
2. Vorrei anche sottolineare una distinzione... Stai cercando di spiegare perché si verificano i guasti o stai cercando di prevederli? Il campionamento potrebbe essere un modo più efficace per spiegare i guasti.
3. Stai cercando di comprendere la struttura causale o di "scegliere un vincitore"? Hai intenzione di iterare?
4. La domanda sull'impostazione del livello suggerisce di considerare le ipotesi. Nel DOE, si "presuppone" che se si imposta un fattore al livello 1 e lo si cambia in un altro livello e poi lo si riporta di nuovo al livello 1, questo viene impostato allo stesso livello della prima volta. Ora la realtà dice che è impossibile poiché la variazione esiste in ogni cosa, quindi un modo per ridurre l'impatto di questo handicap è assicurarsi che i livelli siano impostati in modo audacemente diverso (audace ma ragionevole). E naturalmente, l'audacia su più fattori è pressoché la stessa (imparziale).
5. Non sei sicuro di dover bloccare su tutte e 3 le linee. Perché le linee sono diverse? (ipotesi) Puoi scegliere 2 linee che sono più diverse come punto di partenza? Ti interessa se gli effetti dei fattori di una linea sono diversi da quelli di un'altra linea (RCBD)? O vuoi solo quantificare l'effetto della linea e aumentare la precisione del design (BIB)?
6. Ci sono altre variabili "di rumore" di cui tenere conto? Ad esempio, lotti di materie prime o tecnica dell'operatore.
Re: DOE per risposta binariaGrazie statman!
F/P sono fail/pass come hai intuito. Produciamo widget. Uscendo da ogni linea, sono difettosi (F) o non (P). Sfortunatamente non c'è un modo per renderlo continuo. Per ora assumiamo solo una modalità di guasto, poiché questa è quella osservata. Il 15% è coerente +/- 2%. A volte otteniamo più del previsto, ma le ragioni sono note.
Lo scopo del DOE è trovare le migliori impostazioni dei parametri per ridurre al minimo il tasso di fallimento... si spera significativamente inferiore al 15% (diciamo al 10%). Se per iterazione intendi replica, sì, possiamo provare a replicare le esecuzioni, ma se intendi ripetere l'esperimento dopo il DOE iniziale, beh, forse dipende dalla disponibilità di risorse. Possiamo limitarci a due linee. Ci interessano le differenze nelle linee, ma crediamo che gli effetti dei fattori dovrebbero essere simili tra le linee.
Ci sono altri fattori di rumore come gli operatori. La direzione ama mantenere questo DOE molto economico entro limiti ragionevoli, ovviamente.
Spero di essere riuscito a rispondere alle vostre domande/commenti.
grazie ancora
Re: DOE per risposta binariaCiao @MarkovVaribles1 ,
@statman ha fornito un'ottima risposta per avviare la discussione e iniziare a riflettere sul tuo problema e sui tuoi obiettivi.
Faccio ancora fatica a capire esattamente il livello di complessità del progetto/modello che stai cercando di raggiungere, che potrebbe dipendere dal tuo obiettivo, dal numero di fattori che stai esaminando, da eventuali vincoli e da un limite specifico (e ragionevole?) al numero di esperimenti possibili/consentiti.
Disponi già di dati storici che potresti utilizzare per analizzare la causa dei difetti (analisi della causa principale per identificare i fattori di interesse) ed eventualmente sfruttare questi dati per ampliare i tuoi dati in un progetto (utilizzando la piattaforma Augment Design), con intervalli di fattori possibilmente più ampi per espandere lo spazio di inferenza?
In caso contrario, penso che la piattaforma Custom Designs potrebbe fare al caso tuo, poiché è in grado di gestire un'ampia gamma di tipologie di fattori e vincoli (blocchi, vincoli numerici, ecc.).
Potresti trovare molto istruttiva anche questa presentazione di @DonMcCormack su " Come progettare e analizzare esperimenti con risposte Pass/Fail ", poiché fornisce qualche idea su come analizzare questo tipo di risposte Pass/Fail.
Spero che questa risposta possa aiutarti,
Re: DOE per risposta binariaCiao Victor_G,
Qui non stiamo cercando un'analisi delle cause profonde. Abbiamo questi parametri di processo, X1, X2, X3 che possono essere controllati. Se la risposta fosse continua, questo sarebbe semplicemente DOE fattoriale o una sua variante. Poiché la risposta è binaria, JMP non ha l'opzione che la risposta sia binaria. Mi chiedevo come posso progettarlo in JMP.
Spero che questo aiuti a spiegare il problema.
Re: DOE per risposta binariaIl design è agnostico rispetto al tipo di risposta. È la tecnica di modellazione che è influenzata dal tipo di risposta. Ce ne sono diverse che sono adatte alle risposte binarie... a partire dalla regressione logistica.
Re: DOE per risposta binariaCome suggerisce @P_Bartell , la risposta non influenzerà la progettazione.
È possibile creare diversi progetti, confrontarli, selezionarne uno e quindi aggiungere una nuova colonna o modificare i dati e il tipo di modellazione della colonna di risposta originale per poter utilizzare una risposta binaria.
Potete dare un'occhiata al mio post precedente per vedere come analizzare tale risposta con la presentazione di @DonMcCormack .Re: DOE per risposta binariaGrazie per il follow-up, ma mancano ancora troppe informazioni/contesto per fornire consigli. Cosa rende un widget difettoso? Non intendo repliche, anche se è essenzialmente ciò che stai facendo includendo linee nel tuo studio (ad esempio, repliche = blocchi) e questa è una buona idea. Ho implicato l'iterazione dal primo spazio di progettazione al successivo. " La direzione ama mantenere questo DOE molto economico entro limiti ragionevoli, ovviamente". Se economizzano limitando lo spazio di inferenza, questa è una CATTIVA idea. Significa che le tue conclusioni sono limitate a quelle condizioni di rumore. Se il rumore cambia, allora tutti i risultati dell'esperimento potrebbero essere inutili (il che non è economico)! Vuoi massimizzare lo spazio di inferenza e aumentare la precisione dei fattori di progettazione contemporaneamente. Ciò richiede l'uso di strategie per gestire il rumore in modo appropriato. Limitare il rumore di solito NON è una buona idea.
Se devi attenerti alla variabile di risposta categoriale discreta (e hai solo 1 variabile di risposta), ti consiglio di leggere:
Bisgaard, Søren, Howard Fuller, "Analisi di esperimenti fattoriali con difetti o elementi difettosi come risposta", giugno 1994, Rapporto n. 119, Centro per il miglioramento della qualità e della produttività, Università del Wisconsin.
Re: DOE per risposta binariaGrazie a tutti!
