Quando uso Screening Design posso impostare i generatori per gli effetti principali selezionando le caselle in quel menu e poi cliccando su Applica. Non riesco a trovare come farlo nel menu Custom Design. Quella sezione non c'è. C'è un motivo per cui non possiamo specificare le regole di generazione per un fattoriale frazionario in Custom Design?
Sto cercando di impostare uno scenario WP/SP. Altrimenti userei semplicemente il menu di progettazione dello screening.
Ciao @awelsh ,
La generazione di progetti di screening ottimali (tramite la piattaforma di progettazione personalizzata ) e il classico progetto fattoriale frazionario sono diversi.
- Nel caso del classico design fattoriale frazionario, specifichi il generatore che creerà termini completamente confusi che non sarai in grado di differenziare (molto spesso, effetti principali con effetto di ordine elevato, come interazioni di fattori 3/4/5-..., supponendo che il principio della gerarchia degli effetti sia vero). Ciò si traduce in design in cui alcuni termini sono completamente alias/correlati, ma poiché hai la flessibilità di specificare il generatore, puoi avere una certa flessibilità e provare a stimare nel modo più preciso e imparziale possibile i termini di interesse a seconda della risoluzione del design . Rende semplice la costruzione del design, quindi è possibile creare tale design a mano. Questa opzione di creazione del design è disponibile solo nella piattaforma Screening Designs .
- Nel caso di progetti di screening ottimali, la generazione del progetto avviene grazie a un algoritmo di scambio di coordinate e un obiettivo da raggiungere, denominato criterio di ottimalità . A seconda del tuo obiettivo sperimentale, puoi scegliere il criterio di ottimalità più rilevante: spiegabilità tramite stima e filtraggio di termini precisi (criterio di ottimalità D o A) o predittività tramite minimizzazione della varianza di previsione (criterio di ottimalità I o G). Poiché il progetto viene elaborato grazie a questo algoritmo e obiettivo di ottimalità, non puoi specificare direttamente un generatore: l'algoritmo cercherà, in base al tuo modello assunto, al criterio di ottimalità, al budget delle esecuzioni sperimentali e a qualsiasi possibile vincolo, di minimizzare le correlazioni tra i termini nel tuo modello. Quindi, per quanto possibile, il progetto risultante avrà correlazioni parziali anziché confusione completa tra termini come i progetti fattoriali frazionari classici. Tuttavia, in alcune situazioni (ad esempio, generando un progetto con il numero minimo richiesto di esecuzioni e senza vincoli), il progetto ottimale risultante può essere un progetto fattoriale frazionario classico. I progetti ottimali sono una generalizzazione dei classici progetti "da manuale", come i progetti fattoriali frazionari, in grado di gestire i vincoli, con maggiore flessibilità nelle stime dei termini del modello grazie al modello assunto e al numero di esecuzioni sperimentali.
Spero che questa risposta ti aiuti,
Grazie per la spiegazione dettagliata con i link. È stato molto utile e ora capisco la differenza.
(contesto: sono un esperto Lean Six Sigma Master Black Belt e un ingegnere meccanico. Tuttavia, ho utilizzato Minitab per gli ultimi 10 anni e ho cercato di apprendere le funzionalità avanzate di JMP. Inizialmente sono stato formato in JMP utilizzando le funzionalità di base)
Stavo giocando con la funzionalità difficile da modificare per creare un design Fractional Whole Plot / Split Plot per imparare come funziona. Stavo seguendo un esempio di Montgomery nel suo libro di testo. L'algoritmo non stava generando lo stesso design del libro di testo, quindi stavo solo cercando di impostare il generatore in modo che lo facesse. Sono sicuro che potrei semplicemente farlo creare il fattoriale completo ed eliminare le righe non pertinenti.
Tuttavia, dopo aver scritto questo post, mi sono reso conto che questa funzionalità di progettazione personalizzata potrebbe non funzionare comunque. Era un esempio non replicato senza DoF per errore e il modello completamente saturo non produce un NPP o un pareto poiché utilizza REML. L'esempio di Montgomery utilizza solo gli output grafici per l'analisi.
Continuerò ad analizzare WP/SP nel modo in cui facevo con JMP 10 anni fa, analizzando due tabelle di dati separate. WP-riassumo la tabella in tutti i grafici e adattamento del WP DoF. E poi per SP uso la tabella di dati completa originale ma adattamento solo del SP DoF nel modello. E poi faccio solo un'analisi pratica/grafica con NPP usando la linea PSE di Lenth blu e il Pareto.
Sto passando da Minitab, con cui ho familiarità su come fare WP/SP lì e produrrà un'analisi WP e SP separata con NPP e Pareto e SS corretto nell'ANOVA. Il che è piuttosto carino, ma è restrittivo su quali design ti lascerà scegliere. Molto restrittivo in realtà, di solito solo poche opzioni. Ma da quello che vedo JMP non lo farà. Tuttavia JMP può creare design molto più complessi e ottimizzati.
Le cose sofisticate mi affascinano intellettualmente, tuttavia in pratica tendo a eseguire solo fattoriali classici frazionari e completi sequenziali. A volte hanno linee di restrizioni dovute all'ordine di esecuzione, ai materiali o alle impostazioni. Da qui la mia motivazione a provare le cose difficili da cambiare nel design personalizzato.
Ciao @awelsh ,
Può effettivamente essere un po' complicato generare lo stesso identico progetto di un libro di testo o di uno studio di caso specifico.
A seconda delle tue esigenze (riproduzione di un'analisi e/o creazione di un progetto), potrebbero esserci diverse soluzioni alternative che ti aiutano a migliorare la riproducibilità della generazione e dell'analisi del progetto:
- Per l'insegnamento, la piattaforma di progettazione personalizzata consente di fissare un seed casuale in modo che tutti gli studenti possano ottenere lo stesso design. Vedere È possibile rendere riproducibile la generazione DOE?
- Non conosco l'esempio specifico che hai menzionato, ma potrebbe essere ancora possibile riprodurre il design utilizzando un design fattoriale frazionario classico per la parte split-plot (per avere il pieno controllo sul generatore e l'aliasing) e replicando questa parte in diversi grafici interi. Se sei interessato, puoi condividere il design in modo che io possa provare a riprodurlo?
- Un'altra opzione è quella di copiare e incollare la tabella di progettazione dalla fonte (libro di testo, Excel, ...) in JMP e impostare le proprietà di colonna corrette per Fattori . In questo modo, puoi riprodurre l'analisi con i gradi di libertà corretti per ANOVA tra i grafici interi e le parti di grafici divisi, ad esempio. Puoi controllare e testare gli esempi forniti qui Esempio di analisi di progettazione di grafici divisi ed Esempio di esperimento di grafici divisi . Questa analisi diretta, una volta impostati correttamente i fattori, può aiutarti e creare un'analisi più semplice anziché due tabelle diverse e analisi associate.
Infine, se non sei limitato a riprodurre esattamente un design dalla letteratura, puoi anche lasciare che l'algoritmo Coordinate-Exchange funzioni e confrontare il design risultante con il design ottenuto nel libro di testo grazie alla piattaforma Compare Designs . Vedrai che le prestazioni del design dovrebbero essere simili tra i due design.
Spero che questa risposta complementare possa aiutarti,
Grazie. Io insegno, quindi la correzione casuale dei semi potrebbe essere utile.
Se siete curiosi, sto guardando 14.3 a pagina 639 di Design and Analysis of Experiments 8th Edition. Un libro di testo fantastico. È uno scenario di incisione al plasma 2^5-1. Mi piace come questo sia un esempio di analisi grafica, dato che molti dei miei studenti stanno appena imparando DOE e non capiscono appieno le tabelle ANOVA. JMP stava dando l'identificazione foldover per ABCDE. Il libro di testo era 1 e JMP stava dando tutto -1.
Ciao @awelsh ,
In effetti, libro eccellente e bel case study. Per creare lo stesso design, potresti aver bisogno di diversi passaggi (e di qualche messa a punto/specifica manuale):
- Create a replicated Full Factorial design for the Hard-to-change factors A, B and C, with Run order sorted "Right to Left" (16 experiments):
DOE(
Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Continuous, -1, 1, "A", 0 ),
Add Factor( Continuous, -1, 1, "B", 0 ), Add Factor( Continuous, -1, 1, "C", 0 ),
Set Random Seed( 1751432727 ), Replicates( 1 ), Make Design( 2 ),
Simulate Responses( 0 ), Save X Matrix( 0 )}
);
It should create the "Whole plot part" of the design, and since the runs are all replicated once with a specific run order, it will create a whole plot structure (2 runs per whole plot) that you can further specify, by adding a column "Random Block" in your table with the right column properties set for the analysis : Design Role = Random Block and Value Order (to sort the value from 1 to 8).
You will also have to change the Factor Changes property of the factors A, B and C from "Easy" to "Hard" to be able to run the correct analysis once the complete design will be done.
- Create the split plot part with a Full Factorial design for factors D and E, with Run Order sorted "Randomize". You might need some trials to have the same corresponding order than in the textbook :
DOE(
Screening Design,
{Add Response( Maximize, "Y", ., ., . ),
Add Factor( Continuous, -1, 1, "D", 0 ),
Add Factor( Continuous, -1, 1, "E", 0 ), Set Random Seed( 1907388151 ),
Make Design( 1 ), Simulate Responses( 0 ), Save X Matrix( 0 )}
);
Once this 4-runs full factorial is done, you can replicate it with the same order using the platform Progetti di aumento, specifying a "Replicate" augmentation choice with 4 as the number of times to perform each run. You should then obtain the complete "split-plot part" of the design :
- Join datatables "Whole Plot part" and "Split plot part" by row number :
// → Data Table( "Plasma Etching Tools Design" )
Data Table( "1_Whole Plot part" ) << Join(
With( Data Table( "2_Split Plot part" ) ),
Select( :Pattern, :Whole Plots, :A, :B, :C ),
SelectWith( :D, :E, :Y ),
By Row Number,
Output Table( "Plasma Etching Tools Design" )
);
This last action should give you the same design as in the textbook. I have attached the different tables used and the last table with response values if you want to reproduce the design creation and/or analysis.
A margine e come considerazione "pratica", l'utilizzo della piattaforma Custom Design consente di creare direttamente un progetto con le stesse prestazioni (in termini di potenza e varianza di previsione):
Ma una diversa struttura di alias (che evita la confusione totale):
Ecco come generarlo in JMP (è allegata anche la tabella dati per la progettazione personalizzata):
DOE(
Custom Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor( Continuous, -1, 1, "A", 1 ),
Add Factor( Continuous, -1, 1, "B", 1 ), Add Factor( Continuous, -1, 1, "C", 1 ),
Add Factor( Continuous, -1, 1, "D", 0 ), Add Factor( Continuous, -1, 1, "E", 0 ),
Set Random Seed( 1361270547 ), Number of Starts( 29927 ), Add Term( {1, 0} ),
Add Term( {1, 1} ), Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ),
Add Term( {5, 1} ), Add Alias Term( {1, 1}, {2, 1} ),
Add Alias Term( {1, 1}, {3, 1} ), Add Alias Term( {1, 1}, {4, 1} ),
Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {2, 1}, {3, 1} ),
Add Alias Term( {2, 1}, {4, 1} ), Add Alias Term( {2, 1}, {5, 1} ),
Add Alias Term( {3, 1}, {4, 1} ), Add Alias Term( {3, 1}, {5, 1} ),
Add Alias Term( {4, 1}, {5, 1} ), Set N Whole Plots( 8 ), Set Sample Size( 16 ),
Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
);
Spero che questa risposta possa aiutarti,
