バイナリ応答のDOEこんにちは、
バイナリ応答 F/P があります。現在の故障率は 15% です。X1、X2、X3 の 3 つの要因を実験します。また、ライン 1、ライン 2、ライン 3 の 3 つのレベルを持つブロッキング要因 L もあります。X1 と X2 は 2 つのレベルで連続しています。X3 も連続バストです。設定を正確に設定できないため、低レベルは範囲 (a、b)、高レベルは範囲 (c、d) の 2 つのレベル カテゴリと見なします。
失敗率を最小限に抑える実験を設計したいのですが、JMP を使用してこれを行う方法がわかりません。
実験計画法バイナリ応答の DOE について具体的なアドバイスを提供するには十分な背景情報がないので、私の最初の考え/質問は次のとおりです。
1. F と P は不合格と合格だと思います。不合格と合格とは何でしょうか? 仕様ですか? 連続測定にできますか? それとも、「現象」をより適切に定量化する測定を開発できますか? こう言う理由は、属性/離散カテゴリ応答変数が非効率的だからです。変化を検出して原因を割り当てるには、より多くの実験ユニットが必要です。また、潜在的に多くの故障モード/メカニズムの集合体であるという欠点もあります。F/P を分類する測定システムを研究しましたか? 15% は一貫していますか?
2. また、違いについても指摘しておきたいと思います。失敗が起こる理由を説明しようとしているのか、失敗を予測しようとしているのか。失敗を説明するには、サンプリングの方が効果的な方法かもしれません。
3. 因果構造を理解しようとしていますか、それとも「勝者を選ぶ」ことを試みていますか? 反復する予定ですか?
4. レベル設定に関する質問は、仮定を考慮することを示唆しています。DOE では、因子をレベル 1 に設定し、それを別のレベルに変更してから、再びレベル 1 に戻すと、最初のときと同じレベルに設定されることが「仮定」されています。しかし、現実には、あらゆるものにばらつきがあるため、これは不可能です。そのため、このハンディキャップの影響を軽減する 1 つの方法は、レベルを大胆に異なる値 (大胆だが妥当) に設定することです。そしてもちろん、複数の因子にわたる大胆さはほぼ同じです (偏りのない)。
5. 3 つのラインすべてをブロックする必要があるかどうかはわかりません。ラインが異なるのはなぜですか? (仮説) 開始点として、最も異なる 2 つのラインを選択できますか? 1 つのラインからの因子効果が別のラインと異なるかどうかを気にしますか (RCBD)? または、ラインの効果を定量化して、設計の精度を高めたいだけですか (BIB)?
6. 考慮する必要があるその他の「ノイズ」変数はありますか? たとえば、原材料のロットやオペレーターのテクニックなどです。
バイナリ応答の DOE についてありがとう、スタットマン！
F/P は、ご想像のとおり不合格/合格です。当社ではウィジェットを製造しています。各ラインから出てくるものは、不良品 (F) かそうでないもの (P) のいずれかです。残念ながら、これを連続的にする方法はありません。今のところ、観察された故障モードは 1 つだけであると想定します。15% は +/- 2% で一定です。予想よりも高い値になることもありますが、その理由はわかっています。
DOE の目的は、失敗率を最小限に抑えるための最適なパラメータ設定を見つけることです。うまくいけば、15% を大幅に下回る (たとえば 10%) でしょう。反復が複製を意味する場合、実行の複製を試みることはできますが、最初の DOE の後に実験を繰り返すことを意味する場合、リソースの可用性に応じて変わる可能性があります。2 つのラインに制限することができます。ラインの違いは気にしますが、因子効果はライン間で同様であるべきだと考えています。
オペレータなどの他のノイズ要因もあります。もちろん、経営陣は、この DOE を合理的な範囲内で非常に経済的に保つことを好みます。
あなたの質問やコメントに答えることができたことを願っています。
再度、感謝します
バイナリ応答の DOE についてこんにちは@MarkovVaribles1 さん
@statman は、議論を開始し、問題と目的について考え始めるための素晴らしい応答をしました。
私はまだ、あなたが達成しようとしている設計/モデルの複雑さのレベルを正確に理解するのに苦労しています。これは、目的、調査している要因の数、制約、および可能な/許可される実験の数に対する特定の（そして合理的な？）制限によって異なる可能性があります。
欠陥の原因を分析するために使用できる履歴データ（関心のある要因を特定するための根本原因分析）がすでにあり、これらのデータを活用してデータを設計に拡張し（Augment Design プラットフォームを使用）、推論空間を拡大するために要因の範囲を拡大できる可能性はありますか?
そうでない場合は、さまざまな要因タイプと制約 (ブロッキング、数値制約など) を処理できるため、 カスタム デザインプラットフォームが適していると思います。
また、 @DonMcCormackによる「 合格/不合格応答を使用した実験の設計と分析方法」に関するこのプレゼンテーションは、このタイプの合格/不合格応答を分析する方法についてのアイデアを提供するため、非常に有益であると思われるかもしれません。
この回答がお役に立てば幸いです。
バイナリ応答の DOE についてVictor_G さん、こんにちは。
ここでは根本原因分析を求めているわけではありません。制御可能なプロセス パラメータ X1、X2、X3 があります。応答が連続的である場合、これは単純に因子 DOE またはそのバリエーションになります。応答はバイナリであるため、JMP には応答をバイナリにするオプションがありません。JMP でこれをどのように設計できるか疑問に思っています。
これが問題の説明に役立つことを願っています。
バイナリ応答の DOE について設計は応答タイプに依存しません。応答タイプによって影響を受けるのはモデリング手法です。バイナリ応答に適したものがいくつかあります。まずはロジスティック回帰です。
バイナリ応答の DOE について@P_Bartellが示唆しているように、応答は設計に影響を与えません。
したがって、複数の設計を作成し、それらを比較して 1 つを選択し、新しい列を追加したり、元の応答列のデータとモデリング タイプを変更して、バイナリ応答を使用できるようにすることができます。
@DonMcCormackのプレゼンテーションでこのような応答を分析する方法については、私の以前の投稿をご覧ください。バイナリ応答の DOE についてフォローアップありがとうございます。しかし、アドバイスを提供するには、まだ情報やコンテキストが不足しています。ウィジェットが不良になる原因は何でしょうか? 反復を意味しているわけではありませんが、これは基本的に、研究に行を含めることによって行っていることであり (つまり、反復 = ブロック)、これは良いアイデアです。最初の設計空間から次の設計空間への反復を意味しました。「経営陣は、当然ながら、この DOE を非常に経済的に保つことを好みます」。推論空間を制限することで節約する場合、それは悪いアイデアです。それは、結論がそれらのノイズ条件に限定されることを意味します。ノイズが変化すると、実験の結果がすべて無駄になる可能性があります (これは経済的ではありません)。推論空間を最大化し、同時に設計要因の精度を高める必要があります。これには、ノイズを適切に処理するための戦略を使用する必要があります。ノイズを制限することは通常、良いアイデアではありません。
離散カテゴリ応答変数に固執する必要がある場合（応答変数が 1 つしかない場合）、以下を読むことをお勧めします。
Bisgaard、Søren、Howard Fuller、「欠陥または不良品を応答とする要因実験の分析」、1994 年 6 月、レポート #119、ウィスコンシン大学品質および生産性改善センター。
バイナリ応答の DOE についてみなさんありがとうございました！
