Follow-up del DoECaro,
Ho eseguito un primo DoE (i-ottimale) con 6 fattori (effetti principali, effetti quadratici, interazioni).
Tra questi fattori, la temperatura ha un effetto importante e vorrei aggiungere nuovi esperimenti per testare gli altri fattori in un intervallo di temperatura più ristretto.
Le condizioni iniziali testate per la temperatura erano comprese tra 35 e 80°C. Vorrei aggiungere solo prove nell'intervallo 70-80°C.
L'obiettivo di questo esperimento di follow-up è quello di aumentare la potenza statistica per rilevare l'effetto degli altri fattori in questo intervallo di temperatura.
Come dovrei procedere in JMP?
Grazie per l'aiuto!
Progettazione degli esperimentiRe: Follow-up del DoECiao @PYS ,
Puoi farlo molto facilmente utilizzando la piattaforma Progetti di potenziamento.
Una volta specificati i fattori e le risposte, puoi modificare gli intervalli dei fattori per ridurre (o aumentare) gli intervalli dei fattori:
Non so quanto questa opzione possa essere rilevante e possibile, ma hai preso in considerazione l'idea di ampliare la gamma degli altri fattori?
Spero che questa risposta ti aiuti,
Re: Follow-up del DoECaro Victor,
Grazie per la risposta.
Il fatto è che sospettiamo che (per ragioni tecniche) siano validi solo i dati ad alta temperatura.
Pertanto vorremmo migliorare le nostre conoscenze a queste alte temperature senza perdere le informazioni raccolte.
Forse l'aumento non è l'opzione corretta? Se decidiamo di eseguire un altro DoE con temperatura in un intervallo più ristretto (70-80), possiamo aggiungere le esecuzioni precedenti che abbiamo eseguito a soli 80°C?
Il prossimo DoE conterrà diversi blocchi casuali (possiamo eseguire solo 3 esperimenti al giorno), come dovrei gestire gli esperimenti precedenti (che sono stati ottenuti anche in diversi blocchi casuali). Dovrei creare due variabili casuali (1 per i blocchi giornalieri e 1 per i blocchi "DoE")?
Sono un po' perso
PY
Re: Follow-up del DoEOk, ho capito meglio.
Penso che ampliare la progettazione sia comunque un'idea migliore che ripartire da zero, poiché alcune informazioni precedenti sull'influenza dei fattori possono essere sfruttate e contribuire a ridurre il numero di esperimenti richiesti.
Quando si aumenta, è possibile selezionare " Raggruppa nuove esecuzioni in blocchi separati ". Consiglio vivamente di selezionare questa opzione come misura di salvaguardia , poiché aiuta a tenere in considerazione e mitigare i rischi di avere spostamenti o differenze di varianza per le risposte tra il set iniziale di esperimenti e quello aumentato.
Quindi, se vuoi aggiungere blocchi al tuo progetto aumentato, potrebbe essere possibile ma non semplice:
- Ampliare il progetto con il numero totale di esecuzioni previste (un multiplo di 3, nell'esempio ricreato qui, sono partito da un progetto RSM I-ottimale da 34 esecuzioni e aggiungo 12 esecuzioni grazie alla piattaforma di progettazione di aumento):
- Nella tua tabella dati, crea una tabella con solo le tue esecuzioni aumentate con l'opzione Crea una tabella dati di sottoinsieme :
- Utilizzando la piattaforma Progettazione personalizzata sulla tua tabella di sottoinsieme, usa l'opzione "Select Covariate Factors" per inserire i tuoi fattori dalla tabella di sottoinsieme (ma non il fattore Block se hai selezionato l'opzione "Group new runs into separate blocks" poiché l'unico valore sarà 2 e riorganizzerai queste run aumentate in blocchi casuali di 3 run). Le run aumentate saranno usate come un set Candidate. Puoi quindi aggiungere un fattore di blocco (3 run per blocco) nel tuo elenco di fattori:
Puoi anche selezionare l'opzione "Includi tutte le righe di covariate selezionate nel design" per assicurarti che le esecuzioni aumentate create in precedenza siano tutte considerate e utilizzate. Questo passaggio è utilizzato solo per riorganizzare l'ordine delle tue esecuzioni aumentate in blocchi casuali rispettando i tuoi vincoli sperimentali.
- Se necessario, puoi quindi modificare la proprietà Ruolo di progettazione del fattore di blocco in "Blocco casuale" (puoi anche modificarla quando imposti il modello per l'analisi nella piattaforma Adatta minimi quadrati utilizzando le opzioni Attributi ) e copiare e incollare il progetto con le esecuzioni aumentate dal progetto personalizzato (con l'ordine dall'effetto blocco casuale) nella tabella dati originale del progetto completo aumentato per sostituire l'ordine delle esecuzioni aumentate:
Ti consiglierei di non combinare i "fattori di blocco" in una colonna, poiché hai obiettivi diversi e li utilizzi per:
- Il blocco dell'aumento è utile per valutare se ci sono differenze di spostamento o varianza nelle risposte dal primo al secondo set di esperimenti (potrebbero essere omessi nell'analisi se non sono statisticamente e praticamente significativi/significativi),
- Il blocco casuale dal vincolo sperimentale potrebbe non essere utilizzato direttamente nell'analisi, ma aiuta a mitigare il rischio che un effetto possa essere confuso/aliasato con il giorno degli esperimenti ("randomizzazione sfortunata"). Se hai già un blocco casuale dal tuo primo set di esperimenti, puoi quindi espandere l'uso al nuovo set e utilizzarlo nell'analisi.
Potrebbe esserci un'opzione più elegante per tenere in considerazione i vincoli sperimentali, ma questa soluzione pratica dovrebbe funzionare per il tuo caso d'uso.
Spero che questo abbia senso per te e possa aiutarti,
