スクリーニング デザインを使用する場合、そのメニューのボックスをチェックして [適用] をクリックすることで、主効果のジェネレータを設定できます。ただし、カスタム デザイン メニューでこれを行う方法が見つかりません。そのセクションがそこにありません。カスタム デザインで一部実施要因の生成ルールを指定できない理由があるのでしょうか。
WP/SP シナリオを設定しようとしています。それ以外の場合は、スクリーニング デザイン メニューを使用します。
こんにちは@awelsh 、
最適なスクリーニング設計の生成 ( カスタム設計プラットフォーム経由) と従来の一部実施要因設計は異なります。
- 従来の一部実施要因計画の場合、完全に交絡した項（ 効果階層の原則が成り立つと仮定すると、3/4/5-...因子の相互作用など、高次の効果を伴う主効果）を作成するジェネレーターを指定します。その結果、一部の項が完全にエイリアス化/相関する計画が作成されますが、ジェネレーターを柔軟に指定できるため、ある程度の柔軟性が得られ、 計画の解像度に応じて、関心のある項を可能な限り正確かつ偏りなく推定することができます。計画の構築が容易になるため、このような計画を手動で作成できます。この計画作成オプションは、 スクリーニング計画プラットフォームでのみ使用できます。
- 最適スクリーニング設計の場合、設計の生成は、座標交換アルゴリズムと、 最適性基準と呼ばれる達成すべき目的によって行われます。実験目的に応じて、最も関連性の高い最適性基準を選択できます。正確な項の推定とフィルタリングによる説明可能性 (D または A 最適性基準) または予測分散の最小化による予測性 (I または G 最適性基準) です。設計はこのアルゴリズムと最適性ターゲットによって計算されるため、ジェネレーターを直接指定することはできません。アルゴリズムは、想定されるモデル、最適性基準、実験実行予算、および考えられる制約に基づいて、モデル内の項間の相関を最小化しようとします。そのため、結果として得られる設計は、従来の一部実施要因設計のように項間に完全な交絡が生じるのではなく、可能な限り部分的な相関を持つようになります。ただし、状況によっては (たとえば、実行回数が最小限で制約がない設計を生成する場合)、結果として得られる最適な設計は従来の一部実施要因設計になることがあります。最適設計は、一部実施要因設計などの古典的な「教科書的な」設計を一般化したものであって、制約を処理でき、想定されるモデルと実験実行回数のおかげでモデル項の推定に柔軟性が増します。
この回答がお役に立てば幸いです。
リンク付きの詳しい説明をありがとうございます。とても役立ち、違いが分かりました。
(コンテキスト: 私は経験豊富な Lean Six Sigma マスター ブラック ベルトおよび機械エンジニアです。ただし、過去 10 年間 Minitab を使用しており、JMP の高度な機能を学習しようとしています。私はもともと、基本的な機能を使用して JMP のトレーニングを受けました)
私は、変更が難しい機能を使って、分数全体プロット/分割プロット設計を作成し、それがどのように機能するかを学んでいました。私は、モンゴメリーの教科書の例に従っていました。アルゴリズムは教科書と同じ設計を生成していなかったので、私は、同じ設計が生成されるようにジェネレーターを設定しようとしていました。完全な要因を作成し、関係のない行を削除すればいいと思います。
しかし、この投稿をした後、このカスタム設計機能はとにかく機能しない可能性があることに気付きました。これは、エラーの DoF のない非複製例であり、完全に飽和したモデルは REML を使用しているため NPP またはパレートを生成しません。Montgomery の例では、分析にグラフィカル出力のみを使用しています。
10 年前に JMP を使用していた方法、つまり 2 つの別々のデータ テーブルを分析する方法で、WP/SP の分析を続けます。テーブルを全体のプロットに WP 要約し、WP DoF を適合させます。次に、SP については、元の完全なデータ テーブルを使用しますが、モデルには SP DoF のみを適合させます。次に、青い Lenth の PSE ラインとパレートを使用して、NPP で実用的なグラフィカル分析を実行します。
私は、WP/SP の実行方法に精通している Minitab から移行しています。Minitab は、NPP とパレート、および ANOVA の正しい SS を含む個別の WP および SP 分析を出力します。これは非常に便利ですが、選択できる設計には制限があります。実際には、通常はいくつかのオプションに制限されています。しかし、私が見たところ、JMP ではこれが実行されません。ただし、JMP では、はるかに複雑で最適化された設計を作成できます。
凝ったものは知的に魅力的ですが、実際には、古典的な部分階乗と完全階乗を順番に実行する傾向があります。実行順序、材料、または設定により、これらには制限が課される場合があります。これが、カスタム設計で変更が難しいものを試してみようという私の動機です。
こんにちは@awelsh 、
確かに、教科書や特定のケーススタディとまったく同じデザインを生成するのは、少し難しい場合があります。
ニーズ（分析の再現や設計の作成）に応じて、設計生成と分析の再現性を向上させるのに役立ついくつかの回避策がある場合があります。
- 教育用には、カスタム設計プラットフォームを使用してランダム シードを固定し、すべての学生が同じ設計を取得できるようにすることができます。DOE 生成を再現可能にすることは可能ですか?を参照してください。
- あなたが言及した特定の例についてはわかりませんが、分割プロット部分に従来の一部実施要因計画を使用し (ジェネレータとエイリアシングを完全に制御するため)、この部分を複数の全体プロットに複製することで、設計を再現できる可能性があります。ご興味があれば、設計を共有していただければ、再現してみます。
- もう 1 つのオプションは、ソース (教科書、Excel など) から計画表をコピーして JMP に貼り付け、 因子の列プロパティを正しく設定することです。この方法では、たとえば、全体のプロットと分割プロット部分の間の ANOVA の正しい自由度を使用して分析を再現できます。ここで提供されている例を確認してテストできます。 分割プロット計画分析の例と分割プロット実験の例。因子が正しく設定されていれば、この直接分析が役立ち、2 つの異なるテーブルと関連する分析ではなく、より簡単な分析を作成できます。
最後に、文献のデザインを正確に再現することに限定されない場合は、座標交換アルゴリズムを機能させ、 Compare Designsプラットフォームを使用して、結果のデザインを教科書で取得したデザインと比較することもできます。2 つのデザインのパフォーマンスは似ているはずです。
この補足的な回答がお役に立てば幸いです。
ありがとうございます。私は教えているので、ランダムシードの修正は役に立つかもしれません。
興味があれば、私は実験の設計と分析の第 8 版の 639 ページの 14.3 を見ています。とても素晴らしい教科書です。2^5-1 プラズマ エッチング シナリオです。私の生徒の多くは DOE を学習したばかりで、ANOVA テーブルを完全に理解していないので、この例がグラフィカルな分析例になっているのが気に入っています。JMP は ABCDE のフォールドオーバー ID を示していました。教科書は 1 でしたが、JMP はすべて -1 を示していました。
こんにちは@awelsh 、
確かに、素晴らしい本であり、素晴らしいケーススタディです。同じデザインを作成するには、いくつかの手順 (および手動による微調整/仕様) が必要になる場合があります。
- 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 オーグメントデザイン, 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.
余談ですが、「実際的な」考慮事項として、カスタム デザイン プラットフォームを使用すると、同じパフォーマンス (電力と予測の分散の観点から) を持つデザインを直接作成できます。
ただし、エイリアシング構造は異なります (完全な交絡は回避されます)。
JMP で生成する方法は次のとおりです (カスタム デザインのデータ テーブルも添付されています)。
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}
);
この回答がお役に立てば幸いです。
