DoE-NachverfolgungLieb,
Ich habe einen ersten DoE (i-optimal) mit 6 Faktoren (Haupteffekte, quadratische Effekte, Interaktionen) durchgeführt.
Unter diesen Faktoren hat die Temperatur einen großen Einfluss und ich würde gerne neue Experimente hinzufügen, um die anderen Faktoren in einem engeren Temperaturbereich zu testen.
Die anfänglich getesteten Temperaturbedingungen lagen zwischen 35 und 80 °C. Ich möchte nur Läufe im Bereich von 70-80 °C hinzufügen.
Das Ziel dieses Folgeexperiments besteht darin, die statistische Aussagekraft zu erhöhen, um die Auswirkungen der anderen Faktoren in diesem Temperaturbereich zu erkennen.
Wie mache ich das in JMP?
Ich danke Ihnen für Ihre Hilfe!
VersuchsplanungBetreff: DoE-NachverfolgungHallo @PYS ,
Dies ist ganz einfach mit der Plattform Augment Designs möglich.
Nachdem Sie Ihre Faktoren und Antworten festgelegt haben, können Sie die Bereiche Ihrer Faktoren ändern, um sie zu verringern (oder zu erweitern):
Ich weiß nicht, wie relevant und möglich diese Option sein kann, aber haben Sie darüber nachgedacht, die Bereiche der anderen Faktoren zu erweitern?
Hoffe, diese Antwort wird Ihnen helfen,
Betreff: DoE-NachverfolgungLieber Victor,
Vielen Dank für Ihre Antwort.
Wir vermuten jedoch, dass (aus technischen Gründen) nur die Daten bei hohen Temperaturen gültig sind.
Daher möchten wir unser Wissen über diese hohen Temperaturen verbessern, ohne die gesammelten Informationen zu verlieren.
Vielleicht ist die Erweiterung nicht die richtige Option? Wenn wir uns entscheiden, einen weiteren DoE mit einer Temperatur in einem engeren Bereich (70-80) durchzuführen, können wir dann die vorherigen Läufe hinzufügen, die wir nur bei 80 °C durchgeführt haben?
Das nächste DoE wird verschiedene Zufallsblöcke enthalten (wir können nur 3 Experimente pro Tag durchführen). Wie soll ich mit den vorherigen Experimenten umgehen (die auch in verschiedenen Zufallsblöcken durchgeführt wurden). Soll ich zwei Zufallsvariablen erstellen (1 für die Tagesblöcke und 1 für die „DoE“-Blöcke)?
Ich bin ein bisschen verloren
PY
Betreff: DoE-NachverfolgungOk, ich verstehe es besser.
Ich denke, dass es immer noch besser ist, das Design zu erweitern, als noch einmal von vorne anzufangen, da einige Vorinformationen über den Einfluss von Faktoren genutzt werden können und so die erforderliche Anzahl von Experimenten reduziert werden kann.
Beim Erweitern können Sie „ Neue Durchläufe in separate Blöcke gruppieren “ aktivieren. Ich empfehle Ihnen dringend, diese Option als Sicherheitsmaßnahme zu aktivieren, da Sie damit das Risiko von Verschiebungen oder Varianzunterschieden bei Ihren Antworten zwischen dem anfänglichen und dem erweiterten Versuchssatz berücksichtigen und verringern können.
Wenn Sie dann Blöcke zu Ihrem erweiterten Design hinzufügen möchten, ist dies möglicherweise möglich, aber nicht ganz einfach:
- Erweitern Sie das Design mit der Gesamtzahl der erwarteten Durchläufe (ein Vielfaches von 3; im hier nachgebildeten Beispiel bin ich von einem I-optimalen RSM-Design mit 34 Durchläufen ausgegangen und füge dank der Erweiterungsdesignplattform 12 Durchläufe hinzu):
- Erstellen Sie in Ihrer Datentabelle mit der Option „Eine Teilmengen-Datentabelle erstellen“ eine Tabelle, die nur Ihre erweiterten Läufe enthält:
- Verwenden Sie die Plattform „Benutzerdefiniertes Design“ für Ihre Teilmengentabelle und geben Sie mit der Option „Kovariatenfaktoren auswählen“ Ihre Faktoren aus der Teilmengentabelle ein (aber nicht den Blockfaktor, wenn Sie die Option „Neue Läufe in separate Blöcke gruppieren“ aktiviert haben, da der einzige Wert 2 sein wird und Sie diese erweiterten Läufe in zufällige Blöcke von 3 Läufen umordnen werden). Die erweiterten Läufe werden als Kandidatensatz verwendet. Sie können dann einen Blockierungsfaktor (3 Läufe pro Block) zu Ihrer Faktorenliste hinzufügen:
Sie können auch die Option „Alle ausgewählten Kovariatenzeilen in das Design einbeziehen“ aktivieren, um sicherzustellen, dass alle zuvor erstellten erweiterten Läufe berücksichtigt und verwendet werden. Dieser Schritt dient nur dazu, die Reihenfolge Ihrer erweiterten Läufe unter Berücksichtigung Ihrer experimentellen Einschränkungen in zufällige Blöcke umzuordnen.
- Sie können dann bei Bedarf die Designrolleneigenschaft des Blockierungsfaktors in „Zufälliger Block“ ändern (Sie können sie auch ändern, wenn Sie das Modell für die Analyse in der Fit Least Squares-Plattform mithilfe der Attributoptionen festlegen) und das Design mit den erweiterten Läufen aus dem benutzerdefinierten Design (mit der Reihenfolge aus dem Zufallsblockeffekt) in Ihre ursprüngliche vollständige erweiterte Designdatentabelle kopieren und einfügen, um die Reihenfolge der erweiterten Läufe zu ersetzen:
Ich würde empfehlen, die „Blockfaktoren“ nicht in einer Spalte zusammenzufassen, da Sie unterschiedliche Ziele haben und dafür Folgendes verwenden:
- Der Block aus der Erweiterung ist nützlich, um zu beurteilen, ob es in Ihren Antworten zwischen der ersten und der zweiten Versuchsreihe Verschiebungen oder Varianzunterschiede gibt (diese können bei der Analyse weggelassen werden, wenn sie nicht statistisch und praktisch signifikant/bedeutend sind),
- Der Zufallsblock aus der experimentellen Einschränkung wird möglicherweise nicht direkt in der Analyse verwendet, hilft aber dabei, das Risiko zu verringern, dass ein Effekt mit dem Tag der Experimente verwechselt/verfälscht wird („unglückliche Randomisierung“). Wenn Sie bereits einen Zufallsblock aus Ihrer ersten Experimentreihe hatten, können Sie die Verwendung auf die neue Reihe ausweiten und ihn in der Analyse verwenden.
Es gibt möglicherweise elegantere Optionen, um Ihre experimentellen Einschränkungen zu berücksichtigen, aber dieser praktische Workaround sollte für Ihren Anwendungsfall funktionieren.
Ich hoffe, das ist für Sie verständlich und kann Ihnen helfen,
