Hallo @Ed_F ,
Es klingt nach einer guten Idee, ein einfaches Mixture-Design auszuprobieren, um die Grenzen und möglichen Einschränkungen Ihres Experimentierraums zu prüfen, bevor Sie dieses anfängliche Design zu einem anspruchsvolleren/detaillierteren erweitern. Hier sind meine Antworten/Kommentare zu Ihren beiden Fragen:
- Ich bin überrascht von der Anzahl der Ebenen (mögliche Rohstoffe) für Familie 3 und allen möglichen Kombinationen, die mit den Faktoren der anderen Familien und ihren Ebenen verbunden sein könnten. Haben Sie eine Möglichkeit, die Anzahl der Ebenen in Familie 3 zu reduzieren, basierend auf Fachwissen, physikochemischen Eigenschaften der Rohstoffe usw.? Das erste Design scheint nicht darauf ausgelegt zu sein, „einen Gewinner auszuwählen“, sondern eher zu verstehen, was funktioniert und was nicht. Sie müssen also nicht alle Ihre Rohstoffe aus Familie 3 verwenden, um die möglichen nicht durchführbaren/ungültigen Bereiche Ihres Versuchsraums zu verstehen. Ich würde empfehlen, basierend auf den chemischen Informationen dieser Rohstoffe maximal 3 verschiedene Rohstoffe zu testen, die die maximale chemische Variabilität in Ihrem Design ausdrücken.
Wenn es nicht möglich ist, die Anzahl der Ebenen für Familie 3 zu reduzieren, könnten Sie bei diesem ersten Entwurf bei etwa 30 Durchläufen landen, um das Verhältnis zwischen 0 und 1 mit Zwischenwerten variieren zu lassen:
Skript für den vorgeschlagenen Entwurf:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Categorical, {"A", "B"}, "Family1", 0 ),
Add Factor( Categorical, {"C", "D"}, "Family 2", 0 ),
Add Factor( Categorical, {"E", "F", "G", "H", "I", "J"}, "Family3", 0 ),
Add Factor( Mixture, 0, 1, "XF1", 0 ), Add Factor( Mixture, 0, 1, "XF2", 0 ),
Add Factor( Mixture, 0, 1, "XF3", 0 ), Add Factor(
Mixture, 0, 1, "XF4 (Glycerine)", 0
), Set Random Seed( 1288978935 ), Number of Starts( 1406 ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
Add Term( {6, 1} ), Add Term( {7, 1} ), Add Term( {1, 1}, {4, 1} ),
Add Term( {2, 1}, {5, 1} ), Add Term( {3, 1}, {6, 1} ),
Add Term( {4, 1}, {5, 1} ), Add Term( {4, 1}, {6, 1} ),
Add Term( {4, 1}, {7, 1} ), Add Term( {5, 1}, {6, 1} ),
Add Term( {5, 1}, {7, 1} ), Add Term( {6, 1}, {7, 1} ),
Add Alias Term( {1, 1}, {2, 1} ), Add Alias Term( {1, 1}, {3, 1} ),
Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
Add Alias Term( {1, 1}, {7, 1} ), Add Alias Term( {2, 1}, {3, 1} ),
Add Alias Term( {2, 1}, {4, 1} ), Add Alias Term( {2, 1}, {6, 1} ),
Add Alias Term( {2, 1}, {7, 1} ), Add Alias Term( {3, 1}, {4, 1} ),
Add Alias Term( {3, 1}, {5, 1} ), Add Alias Term( {3, 1}, {7, 1} ),
Set Sample Size( 30 ), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design,
Set Run Order( Randomize ), Make Table}
);
Wenn Sie die Anzahl der Ebenen für Familie 3 auf 3 verschiedene Rohstoffe reduzieren können, erhalten Sie möglicherweise ein ähnliches Design mit nur 20 Durchläufen:
Skript für den vorgeschlagenen Entwurf:
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Categorical, {"A", "B"}, "Family1", 0 ),
Add Factor( Categorical, {"C", "D"}, "Family 2", 0 ),
Add Factor( Categorical, {"E", "F", "G", "H", "I", "J"}, "Family3", 0 ),
Add Factor( Mixture, 0, 1, "XF1", 0 ), Add Factor( Mixture, 0, 1, "XF2", 0 ),
Add Factor( Mixture, 0, 1, "XF3", 0 ), Add Factor(
Mixture, 0, 1, "XF4 (Glycerine)", 0
), Set Random Seed( 1500506171 ), Number of Starts( 1406 ), Add Term( {1, 1} ),
Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
Add Term( {6, 1} ), Add Term( {7, 1} ), Add Potential Term( {1, 1}, {4, 1} ),
Add Potential Term( {2, 1}, {5, 1} ), Add Potential Term( {3, 1}, {6, 1} ),
Add Term( {4, 1}, {5, 1} ), Add Term( {4, 1}, {6, 1} ),
Add Term( {4, 1}, {7, 1} ), Add Term( {5, 1}, {6, 1} ),
Add Term( {5, 1}, {7, 1} ), Add Term( {6, 1}, {7, 1} ),
Add Alias Term( {1, 1}, {2, 1} ), Add Alias Term( {1, 1}, {3, 1} ),
Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
Add Alias Term( {1, 1}, {7, 1} ), Add Alias Term( {2, 1}, {3, 1} ),
Add Alias Term( {2, 1}, {4, 1} ), Add Alias Term( {2, 1}, {6, 1} ),
Add Alias Term( {2, 1}, {7, 1} ), Add Alias Term( {3, 1}, {4, 1} ),
Add Alias Term( {3, 1}, {5, 1} ), Add Alias Term( {3, 1}, {7, 1} ),
Set Sample Size( 20 ), Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design,
Set Run Order( Randomize ), Make Table}
);
2. Es gibt viele Möglichkeiten, in JMP Einschränkungen für Designs zu erstellen. Ich würde empfehlen, den großartigen Artikel von @Jed_Campbell Demystifying Factor Constraints zu lesen.
Sie können das benutzerdefinierte Design verwenden, um Faktorbeschränkungen zu definieren . Wenn Sie eine Situation mit sehr komplexen Beschränkungen haben, können Sie einen Kandidatensatzansatz verwenden, um Ihren Datensatz mit möglichen Kandidatenpunkten zu erstellen. Anschließend können Sie das benutzerdefinierte Design verwenden, um die informativsten und relevantesten Punkte dieses Datensatzes basierend auf Ihren Modell- und Designspezifikationen auszuwählen. Einige Vorträge und Präsentationen zu diesem Kandidatensatzansatz:
Was ist eine Kovariate im Versuchsdesign?
Entwickler-Tutorial - Effektiver Umgang mit Kovariaten beim Entwerfen von Experimenten
Kandidatenset-Designs: Anpassung der DOE-Einschränkungen an das Problem (2021-EU-30MP-784)
Hoffe, diese erste Antwort und Diskussionsstarter können Ihnen helfen,
