Screening Design을 사용할 때 해당 메뉴에서 상자를 체크한 다음 적용을 클릭하여 주요 효과에 대한 생성기를 설정할 수 있습니다. 하지만 Custom Design 메뉴에서는 이 작업을 수행하는 방법을 찾을 수 없습니다. 해당 섹션이 없습니다. Custom Design에서 분수 요인에 대한 생성 규칙을 지정할 수 없는 이유가 있습니까?
WP/SP 시나리오를 설정하려고 합니다. 그렇지 않으면 스크리닝 디자인 메뉴를 사용할 것입니다.
안녕하세요 @awelsh ,
최적의 스크리닝 설계( 맞춤형 설계 플랫폼을 통한)와 전통적인 부분 요인 설계는 다릅니다.
- 고전적 분수 요인 설계의 경우, 완전히 혼동된 항을 만들어낼 생성기를 지정하여 구별할 수 없게 됩니다(3/4/5-... 요인 상호 작용과 같이 고차 효과가 있는 주효과가 매우 흔합니다. 효과 계층 원리가 사실이라고 가정). 그 결과 일부 항이 완전히 별칭/상관관계가 있는 설계가 생성되지만 생성기를 지정할 수 있는 유연성이 있으므로 어느 정도 유연성을 갖고 설계의 해상도 에 따라 관심 있는 항을 가능한 한 정확하고 편향 없이 추정할 수 있습니다. 설계 구성이 쉬워지므로 이러한 설계를 직접 만들 수 있습니다. 이 설계 생성 옵션은 Screening Designs 플랫폼에서만 사용할 수 있습니다.
- 최적 스크리닝 설계의 경우 설계 생성은 좌표 교환 알고리즘 과 최적성 기준 이라는 달성 목표 덕분에 수행됩니다. 실험 목표에 따라 가장 관련성 있는 최적성 기준을 선택할 수 있습니다. 정확한 용어 추정 및 필터링을 통한 설명 가능성(D 또는 A 최적성 기준) 또는 예측 분산 최소화를 통한 예측 가능성(I 또는 G 최적성 기준)입니다. 이 알고리즘과 최적성 목표 덕분에 설계가 계산되므로 생성기를 직접 지정할 수 없습니다. 알고리즘은 가정된 모델, 최적성 기준, 실험 실행 예산 및 가능한 모든 제약 조건에 따라 모델의 용어 간 상관 관계를 최소화하려고 시도합니다. 따라서 가능한 한 결과 설계는 고전적인 분획 요인 설계와 같이 용어 간에 완전한 혼동 대신 부분적 상관 관계를 갖습니다. 그러나 일부 상황(예: 필요한 최소 실행 수와 제약 조건 없이 설계 생성)에서는 결과 최적 설계가 고전적인 분획 요인 설계가 될 수 있습니다. 최적 설계는 부분 요인 설계와 같은 고전적인 "교과서" 설계를 일반화한 것으로, 제약 조건을 처리할 수 있고 가정된 모델과 실험 실행 횟수 덕분에 모델 용어 추정에 더 많은 유연성이 있습니다.
이 답변이 도움이 되길 바랍니다.
링크가 포함된 자세한 설명 감사합니다. 매우 도움이 되었고 이제 차이점을 이해했습니다.
(맥락: 저는 숙련된 Lean Six Sigma Master Black Belt이자 기계 엔지니어입니다. 하지만 저는 지난 10년 동안 Minitab을 사용해 왔고 JMP의 고급 기능을 배우려고 노력했습니다. 저는 원래 기본 기능을 사용하여 JMP에 대한 교육을 받았습니다.)
저는 분수 전체 플롯/분할 플롯 디자인을 만드는 변경하기 어려운 기능을 가지고 놀면서 작동 방식을 배우고 있었습니다. 저는 Montgomery의 교과서에 있는 예를 따라가고 있었습니다. 알고리즘은 교과서와 같은 디자인을 생성하지 않았기 때문에 저는 생성기를 설정하려고 했습니다. 전체 팩토리얼을 만들고 관련 없는 행을 삭제하면 될 것 같습니다.
하지만 이 게시물을 작성한 후 이 사용자 지정 디자인 기능이 어차피 작동하지 않을 수도 있다는 것을 깨달았습니다. 오류에 대한 DoF가 없는 복제되지 않은 예였고 완전히 포화된 모델은 REML을 사용하기 때문에 NPP나 파레토를 생성하지 않습니다. Montgomery 예는 분석을 위해 그래픽 출력만 사용합니다.
10년 전 JMP에서 사용했던 방식대로 WP/SP를 계속 분석하겠습니다. 두 개의 별도 데이터 테이블을 분석합니다. WP-테이블을 전체 플롯으로 요약하고 WP DoF를 맞춥니다. 그런 다음 SP의 경우 원래 전체 데이터 테이블을 사용하지만 모델에서는 SP DoF만 맞춥니다. 그런 다음 파란색 Lenth의 PSE 선과 Pareto를 사용하여 NPP로 실제/그래픽 분석을 수행합니다.
저는 WP/SP를 하는 방법에 익숙한 Minitab에서 전환 중인데, 그것은 NPP와 Pareto, 그리고 ANOVA에서 올바른 SS를 사용하여 별도의 WP와 SP 분석을 출력합니다. 꽤 좋지만, 선택할 수 있는 디자인에 제한이 있습니다. 실제로 매우 제한적이어서 보통 몇 가지 옵션만 있습니다. 하지만 제가 보기에 JMP는 이런 일을 하지 않을 것입니다. 하지만 JMP는 훨씬 더 복잡하고 최적화된 디자인을 만들 수 있습니다.
화려한 것들은 지적으로 나에게 매력적이지만, 실제로 나는 순차적인 고전적 분수 및 완전 팩토리얼을 실행하는 경향이 있습니다. 때때로 실행 순서, 재료 또는 설정으로 인해 제한 라인이 있습니다. 따라서 사용자 정의 디자인에서 변경하기 어려운 것들을 시도하려는 동기가 있습니다.
안녕하세요 @awelsh ,
실제로 교과서나 특정 사례 연구에서와 정확히 동일한 디자인을 생성하는 것은 약간 까다로울 수 있습니다.
귀하의 요구 사항(분석 재생성 및/또는 설계 생성)에 따라 설계 생성 및 분석의 재현성을 개선하는 데 도움이 되는 몇 가지 해결 방법이 있을 수 있습니다.
- 교육을 위해 Custom 디자인 플랫폼을 사용하면 모든 학생이 동일한 디자인을 얻을 수 있도록 랜덤 시드를 고정할 수 있습니다. DOE 생성을 재현 가능하게 만들 수 있을까요?를 참조하세요.
- 당신이 언급한 구체적인 예에 대해서는 모르겠지만, 분할 플롯 부분에 고전적 분수 요인 설계를 사용하여 설계를 재생산하는 것이 여전히 가능할 수 있습니다(생성기와 앨리어싱을 완전히 제어하기 위해). 그리고 이 부분을 여러 개의 전체 플롯으로 복제합니다. 관심이 있다면 설계를 공유해 주시면 제가 재생산해 볼 수 있을 것입니다.
- 또 다른 옵션은 소스(교과서, Excel 등)에서 설계 표를 복사하여 JMP에 붙여넣고 요인 에 대한 올바른 열 속성을 설정하는 것입니다.이렇게 하면 전체 플롯과 분할 플롯 부분 간의 ANOVA에 대한 올바른 자유도로 분석을 재생성할 수 있습니다.여기에 제공된 예제를 확인하고 테스트할 수 있습니다. 분할 플롯 설계 분석 예제 및 분할 플롯 실험 예제 .이 직접 분석은 요인이 올바르게 설정되면 도움이 될 수 있으며 두 개의 다른 표와 연관된 분석 대신 더 간단한 분석을 만들 수 있습니다.
마지막으로, 문헌에서 디자인을 정확히 재현하는 데 국한되지 않는다면 Coordinate-Exchange 알고리즘을 작동시키고 Compare Designs 플랫폼 덕분에 결과 디자인을 교과서에서 얻은 디자인과 비교할 수도 있습니다. 두 디자인 간에 디자인 성능이 비슷해야 함을 알 수 있습니다.
이 보완적인 답변이 도움이 되기를 바랍니다.
고맙습니다. 저는 가르치고 있기 때문에 랜덤 시드 고정이 유용할 수 있습니다.
궁금하시다면 저는 실험 설계 및 분석 8판 639페이지 14.3을 보고 있습니다. 정말 환상적인 교과서입니다. 2^5-1 플라스마 에칭 시나리오입니다. 저는 많은 학생들이 DOE를 막 배우고 있고 ANOVA 표를 완전히 이해하지 못하기 때문에 이것이 그래픽 분석 예제인 것을 좋아합니다. JMP는 ABCDE에 대한 폴드오버 식별자를 제공했습니다. 교과서는 1이고 JMP는 모두 -1을 제공했습니다.
안녕하세요 @awelsh ,
실제로 훌륭한 책이고 좋은 사례 연구입니다. 동일한 디자인을 만들려면 여러 단계(그리고 수동 미세 조정/사양)가 필요할 수 있습니다.
- 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 증강 디자인, 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.
참고로 "실용적인" 고려 사항으로, Custom Design 플랫폼을 사용하면 동일한 성능(전력 및 예측 분산 측면에서)을 가진 디자인을 직접 만들 수 있습니다.
하지만 다른 앨리어싱 구조(완전한 혼동을 피하기 위해):
JMP에서 생성하는 방법은 다음과 같습니다(사용자 정의 디자인을 위한 데이터 테이블도 첨부됨):
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}
);
이 답변이 도움이 되길 바랍니다.
