841509_de-DE

liliconcom

Wie konzentriere ich mich auf den Blockfaktor in einem DSD, wenn dieser mein Hauptinteresse gilt?

Ich habe einen Prozess mit 6 Parametern, alle davon sind kontinuierliche Faktoren. Wir wissen, wie man ein DSD ausführt und optimale Einstellungen für diese Faktoren findet. Aber jetzt ist die Frage: Wir vermuten, dass der Hardware-Bearbeitungsfehler ebenfalls wichtig ist, und wir möchten die Auswirkungen davon bewerten.

Unsere Idee ist also, 2 Hardware-Geräte vorzubereiten, die bis auf einen gewissen Grad an Bearbeitungsfehlern gleich sein sollten, und wir werden ein DSD-Design ausführen: X1~X6 + 2 Blöcke mit 14 Durchläufen (mittleren Durchlauf hinzufügen, um quadratischen Effekt abzuschätzen). 7 Durchläufe werden also mit der 1. Ausrüstung durchgeführt, während die anderen 7 mit der 2. Ausrüstung durchgeführt werden.

Frage wie folgt:

1. Wenn wir eine Modellanpassung durchführen, wählen wir die Antwortfläche, um alle Terme 1. und 2. Ordnung für X1 bis X6 abzuschätzen. Wie wäre es mit dem Blockfaktor? Soll nur der Haupteffekt abgeschätzt werden, oder können auch quadratische und interaktive Terme abgeschätzt werden? (Wir wissen derzeit nicht, ob sie existieren oder nicht, aber es ist möglich.)
2. Unsere Idee ist, aus dem Modell eine Zahl zu erhalten, die besagt: Der Bearbeitungsfehler macht x % des Modells aus. Können wir solche Informationen aus dem Modell erhalten? (Normalerweise verwenden wir die Funktion „Zugriff auf Variablenbedeutung“, um den Beitrag jedes Faktors anzuzeigen, aber dies schließt den Blockfaktor nicht ein.)
3. Im nächsten Schritt messen wir alle Eigenschaften der Hardware und versuchen herauszufinden, welcher Bearbeitungsfehler der Schlüssel zu Prozessabweichungen ist. Gibt es einen Kommentar zu diesem gesamten Verfahren? Auch hier besteht das Ziel darin, die Auswirkungen von Bearbeitungsfehlern auf den Prozess zu bewerten.

VersuchsplanungBetreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Hallo @BayesRabbit7133 ,

Als Erstes müssen Sie die Art des Sperreffekts beurteilen, den Sie berücksichtigen möchten: fest oder zufällig.

• Feste Sperrfaktoren sind Faktoren, von denen Sie erwarten, dass sie einen Einfluss auf die mittlere Antwort haben und deren Niveaus definiert und „fest“ sind (in Ihrem Fall nur 2 Geräte). Das bedeutet auch, dass Sie je nach gewähltem Gerät unterschiedliche vorhergesagte Werte haben können.
• Zufällige Sperrfaktoren sind Faktoren, von denen Sie erwarten, dass sie einen Einfluss auf die Varianz der Antwort haben und deren Niveaus nur eine Teilmenge aller möglichen Niveaus (Population) sind. In Ihrem Fall könnten Sie an der Änderung der Varianz in Abhängigkeit von der Ausrüstung interessiert sein, und diese beiden Maschinen sind nur eine Teilmenge aller verfügbaren Maschinen.

Zu Ihren Fragen:

• Blockierende Faktoren sind nicht an Interaktionen oder quadratischen Effekten beteiligt, sie sollen nur einen Einfluss auf den Achsenabschnitt oder die Varianz des Modells haben, daher können Sie für den blockierenden Faktor nur den Haupteffekt hinzufügen. Die ausführlichere Antwort von @Mark_Bailey finden Sie hier: Gelöst: Re: Blockeffekte in JMP – JMP-Benutzergemeinschaft
• Ja, wenn Ihr Sperreffekt als zufällig betrachtet wird, können Sie den Prozentsatz der Varianz prüfen, der durch Ihren Sperreffekt verursacht wird. Diese Information wird Ihnen beim Anpassen eines gemischten Modells im Bereich „ REML-Varianzkomponenten “ angezeigt (siehe „Prozent des Gesamtwerts“):
  

• Eine Möglichkeit könnte darin bestehen, alle Prozessparameter Ihrer Maschine zu berücksichtigen (Ihre Ausrüstung vollständig als System mit allen Ein-/Ausgaben abzubilden/zu beschreiben) und Datenanalysen auf historischen Daten durchzuführen (Data-Mining-Ansatz) und/oder ein DoE zu erstellen, um besser beurteilen zu können, wie jeder Maschinenfaktor zur Varianz und zum Durchschnittsergebnis beiträgt (dies kann auch hilfreich sein, um die Ergebnisse des Data Mining zu validieren). Möglicherweise müssen Sie die Messungen für jede Bedingung wiederholen, um die Durchschnitts- und Varianzreaktion zu modellieren/analysieren.

  
  
  

Hoffe, diese Antwort wird Ihnen helfen,

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Ich habe einige Fragen, Anmerkungen und Klarstellungen.

„Wir wissen, wie man ein DSD betreibt und optimale Einstellungen für diese Faktoren findet“

DSD ist ein Screening-Design und nicht dazu gedacht, „optimale Einstellungen“ zu bestimmen.

"wir vermuten, dass auch der Hardware-Bearbeitungsfehler wichtig ist". Mich verwirrt dieser Satz. Was meinen Sie mit Hardware-Bearbeitungsfehler? Wenn Sie wissen, dass es sich um einen Fehler handelt, warum gehen Sie dann nicht weiter, um ihn zu verstehen und vielleicht zu "beheben"? Handelt es sich hierbei um einen mechanischen Bearbeitungsvorgang? Nennen Sie die Variation bei diesem Vorgang einen Fehler? Wie legen Sie sie auf verschiedene Ebenen fest? Warum finden Sie nicht heraus, welche Faktoren diese Variation beeinflussen? Dazu müssen Sie die Variation modellieren, nicht den Mittelwert.

Die Verwendung des Begriffs Block kann zu Verwirrung führen. Wie Victor anmerkt, kann der Block als fester oder zufälliger Effekt behandelt werden. Der Unterschied zwischen diesen Bezeichnungen besteht darin, inwieweit Sie verstehen, was mit dem Block vermengt ist. Wenn Sie alle mit dem Block vermengten Faktoren identifiziert haben, wäre es sinnvoll, den Block als festen Effekt zu behandeln. Entscheidend ist, dass die mit dem Block vermengten Faktoren für den Ermittler als Rauschen betrachtet werden. Das heißt, Faktoren, die man NICHT handhaben möchte (aus technologischen, wirtschaftlichen oder praktischen Gründen). Wenn Sie die Faktoren dem Block nicht zugewiesen haben, wird der Block normalerweise als zufälliger Effekt betrachtet. Ich bin davon überzeugt, dass Sie Ihren Prozess und Ihre Robustheit (das Fehlen von Rauschen durch Faktorinteraktionen) effektiver und effizienter verstehen können, wenn Sie das Rauschen in den Blöcken sorgfältig zuordnen und vermengen.

„Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können“ GEP Box

„Sollte nur der Haupteffekt geschätzt werden, oder können auch quadratische und interaktive Terme geschätzt werden?“

Es ist unsinnig, einen nichtlinearen Term zu schätzen, der mit dem Block verknüpft ist. Er ähnelt einem kategorialen Faktor und da er nicht kontinuierlich ist, ergibt ein quadratischer Term keinen Sinn (es gibt keinen Mittelpunkt). Eine Block-Faktor-Interaktion ist jedoch tatsächlich möglich. Dies ist tatsächlich eine sehr wichtige Erkenntnis. Sie beantwortet die Frage: Sind die Designfaktoreffekte bei sich änderndem Rauschen (dargestellt durch den Block) konsistent? Dies ist eine sehr effektive Methode, um die Robustheit des Produkt- oder Prozessdesigns zu untersuchen.

„Unsere Idee besteht darin, aus dem Modell eine Zahl zu erhalten, die besagt: Die Bearbeitungsfehler machen x % des Modells aus. Können wir solche Informationen aus dem Modell erhalten?“

Ich bin mir nicht sicher, ob man den Prozentsatz, den der Bearbeitungsfehler beiträgt, direkt berechnen kann, aber man könnte R-Quadrat-Adj mit den Block- und Block-Faktor-Interaktionen im Modell und wenn sie nicht im Modell sind, berechnen und vergleichen. Aber warum sollte man das tun? Wenn der Block signifikant ist, was wird man tun? Den Bearbeitungsfehler genauer untersuchen... Wenn es Block-Faktor-Interaktionen gibt, was wird man tun? Dies ist ein Hinweis darauf, dass Faktoreffekte vom Bearbeitungsfehler abhängen; diese müssen weiter untersucht werden.

Wenn die Block- oder Block-Faktor-Interaktionen nicht signifikant sind, untersuchen Sie den Bearbeitungsfehler trotzdem?

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Nehmen wir an, ich führe eine chemische Reaktion in einem sehr kleinen Reaktor durch. Die Prozessparameter umfassen das Gewicht der Reaktanten A, B, C, Temperatur, Reaktionszeit und UV-Lichtintensität. Insgesamt gibt es also 6 Faktoren.

Der Reaktor ist auf eine Größe von 1 ml ausgelegt, aber der tatsächliche Reaktor, den ich habe, hat vielleicht 0,9 ml oder 1,1 ml oder jede andere mögliche Größe um 1 ml herum. Theoretisch ist die Reaktorgröße also eine fortlaufende Zahl, aber es ist teuer und wir haben im Moment nur 2, 3 Reaktoren zur Hand, also werde ich es als Blockfaktor angeben.

Während des gesamten komplexen chemischen Reaktionsprozesses findet in der Mitte eine Gasphasenreaktion statt, sodass die Größe des Reaktors Einfluss auf die Gaskonzentration haben sollte und sich letztendlich auf die endgültige Ausbeute auswirken kann. Deshalb vermuten wir, dass es eine Wechselwirkung zwischen Block- und Prozessparametern geben könnte.

Wenn der kleine Größenunterschied wichtig ist, möchten wir die Größe genauer steuern, z. B. +/- 0,01 ml statt +/- 0,1 ml. Dies wird nicht leicht zu erreichen sein, daher müssen wir sicherstellen, dass es wichtig ist, bevor wir fortfahren.

Je nach Anwendung verwenden wir unterschiedliche Reaktorgrößen, und das erforderliche Prozessfenster ist nicht dasselbe. Daher kann die Empfindlichkeit der Reaktorgröße in jedem Fall unterschiedlich sein. Wenn es sich beispielsweise um einen Reaktor der Größe 10 ml handelt, sollte +/- 0,1 ml keine Rolle spielen. Aber wie sieht es bei einem Reaktor der Größe 2 ml aus? Wann wird es wichtig genug, dass wir anfangen sollten, es besser zu kontrollieren?

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

So wie Sie das Volumen des Reaktors beschreiben, scheint es sich dabei um einen kontrollierbaren Faktor zu handeln (obwohl es kostspielig sein kann). Ich bin mir nicht einmal sicher, warum Sie es Fehler nennen?

Blöcke sind für Rauschfaktoren vorgesehen (Faktoren, die Sie NICHT langfristig und in Zukunft verwalten möchten). Der Zweck von Blöcken besteht darin, gleichzeitig den Inferenzraum zu vergrößern (durch Variieren des Rauschens, um es repräsentativer für zukünftige Bedingungen zu machen) und die Präzision des Designs zu verbessern (durch Partitionieren und Zuweisen des Rauschens und damit Senken des MSE). Wenn Sie einen RCBD ausführen, erhöht die Vermischung des Volumens mit dem Block die Auflösung der Blockeffekte und vermischt das Volumen mit anderem Rauschen (Reaktor-zu-Reaktor, Aufbau, Charge-zu-Charge der Rohmaterialien usw.). Warum nicht einfach das Volumen als Designfaktor einbeziehen?

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Die Größe des Reaktors ist kein steuerbarer Faktor. Er ist aus bestimmten Gründen (die nicht prozessbezogen sind) auf 1 ml ausgelegt und wir können ihn nicht ändern.

Ich habe zuvor erwähnt, dass es Reaktoren unterschiedlicher Größe gibt. Diese sind für unterschiedliche Anwendungen/Produkte gedacht und können, genau wie der 1-ml-Reaktor, nicht als Prozessfaktor behandelt werden. Die Größe ist in jedem Fall immer festgelegt.

Zurück zum 1-ml-Gehäuse: Es ist für 1 ml ausgelegt, aber die Fertigungsabweichung dieses Reaktors beträgt derzeit +/- 0,1 ml, also nennen wir es Fehler. Wir möchten die Auswirkungen dieser Hardwareabweichung bewerten. Wenn es wichtig ist, müssen wir möglicherweise Ressourcen aufwenden, um die Fertigungsabweichung auf beispielsweise +/- 0,01 ml zu verbessern.

Und noch etwas: Der Reaktor ist extrem teuer. Jeder Reaktor kann unser gesamtes Jahresbudget verschlingen. Man kann also unmöglich viele Reaktoren bekommen und ein Prozessfenster für ihre Größe bilden.

Was die von Ihnen erwähnten Störfaktoren betrifft: Ja, es wird andere reaktorbezogene Störfaktoren geben, die mit der Reaktorgröße ( Reaktor zu Reaktor, Aufbau usw.) in Zusammenhang stehen. Viele davon sind nicht messbar, aber die Größe ist messbar und sollte nach unserem Kenntnisstand der wichtigste sein. Daher ignorieren wir derzeit einfach die Störfaktoren.

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Es tut mir leid, dass ich so viele Fragen habe. Es ist extrem schwierig, spezifische Ratschläge zu geben, wenn die Technik oder Wissenschaft nicht ausreichend beschrieben ist, was, wie ich vollkommen verstehe, über den Rahmen dieses Forums hinausgeht. Die meisten Gleichungen, nach denen ich frage, müssen hier nicht beantwortet werden, sondern sind für Ihre eigenen Denkprozesse gedacht. Einerseits führen Sie ein DSD durch, das per Definition ein Screening-Design ist, das aktive Faktoren/Wechselwirkungen für weitere Untersuchungen identifizieren soll. Diese verwenden normalerweise fette Pegeleinstellungen, um Faktoreffekte zu übertreiben. Ihr Reaktorproblem klingt herausfordernd, weil Sie den Volumeneffekt nicht übertreiben können (oder können Sie das?). Da das DSD-Experiment die relative Wirkung der Designfaktoren betrachtet und ihre Pegel übertrieben sind, kann es schwierig sein, die relative Wirkung eines Faktors mit einer viel engeren Pegeleinstellung zu vergleichen. In diesem Zusammenhang kann der Vergleich verzerrt sein.

Ich werde mit den Schlägen so lange fortfahren, bis sich die Moral verbessert …

Diese Reaktoren sehen aus wie Mikroreaktoren. Sind sie für die Produktion oder Entwicklung gedacht? Ist die Reaktion thermisch oder thermisch end? Wie wird die Temperatur geregelt? Wie wirkt sich das Reaktorvolumen auf die Leistungskennzahlen des im Reaktor hergestellten Materials aus? Wie viel Platz wird für die Reaktion benötigt? Findet die Reaktion an allen Stellen im Reaktor gleichzeitig statt? Haben Sie die Abweichungen innerhalb des Reaktors bewertet/gemessen? Warum sollten Sie Geld ausgeben, um das Problem der Abweichungen im Reaktor des Lieferanten zu beheben? Ist es möglich, für jeden Reaktor unterschiedliche Verarbeitungsfaktoren und -stufen festzulegen?

„ Die Fertigungsabweichung dieses Reaktors beträgt +/- 0,1 ml“. Was ist +/-, ist das die Gesamtverteilung oder 1 Standardabweichung? Was ich nicht verstehe, ist, dass sich das „Volumen“ für jeden Reaktor nicht ändert, richtig? Nur dass Sie zusätzliche Reaktoren haben, hat einen potenziellen Effekt des Volumens, richtig? In Ihrem ersten Experiment (dem DSD) haben Sie diese Behandlungen also in einem Reaktor durchgeführt , richtig?

Befürchten Sie, dass sich die Auswirkungen der Faktoren in Ihrem anfänglichen DSD-Experiment ändern, wenn sich das Reaktorvolumen ändert? (Dies ist übrigens eine Wechselwirkung zwischen Reaktor- und Designfaktoren.)

So wie ich das sehe, gibt es hier einige Optionen für Sie:

1. Führen Sie die zweite Wiederholung des ersten DSD mit dem zweiten Reaktor aus (stellen Sie sicher, dass alle in der ersten Wiederholung festgelegten Ebenen „identisch“ sind). Mittelpunkte sind nicht erforderlich, da der Reaktor keine kontinuierliche Variable ist. Modellieren Sie die Designfaktoreffekte, den Reaktor und den Designfaktor 2. Ordnung anhand der Reaktoreffekte.

2. Notieren Sie für jede Behandlung des ersten DSD das tatsächliche Reaktorvolumen, führen Sie eine Replik des DSD mit dem zweiten Reaktor durch und notieren Sie den tatsächlichen Volumenwert. Behandeln Sie das Volumen in Ihrer Analyse als Kovariate.

3. Behandeln Sie den Reaktor als Gesamtplot-Faktor und die DSD als Teilplot eines Split-Plot-Designs.

4. Nehmen Sie die Ergebnisse Ihres ersten DSD und testen Sie diese „bevorzugten Einstellungen“ über mehrere Reaktoren, wobei innerhalb des Reaktors innerhalb der Untergruppe und zwischen den Reaktoren zwischen den Untergruppen liegt.

"Daher ignorieren wir derzeit einfach die Störfaktoren."

Ich rate Ihnen, Störfaktoren niemals zu ignorieren, sondern sie zu identifizieren. Wenn die Störfaktoren konkret identifiziert sind, lassen sich leichter Strategien zur Beseitigung dieser Störfaktoren finden.

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Ich verstehe vollkommen, dass diese Fragen nur ein Hilfsversuch sind, und bin für jede Hilfe dankbar. Wir werden für dieses Experiment die kontinuierlichen Faktoren in einem kleineren Bereich festlegen, sodass wir den Einfluss des Reaktorfaktors beobachten können.

„Die Fertigungsabweichung dieses Reaktors beträgt +/- 0,1 ml“. Was ist +/-, ist das die Gesamtverteilung oder 1 Standardabweichung? Was ich nicht verstehe, ist, dass sich das „Volumen“ für jeden Reaktor nicht ändert, richtig? Nur dass Sie zusätzliche Reaktoren haben, hat einen potenziellen Effekt des Volumens, richtig? In Ihrem ersten Experiment (dem DSD) haben Sie diese Behandlungen also in einem Reaktor durchgeführt, richtig?

+/- 0,1 ml ist die Gesamtabweichung. Und die Antwort auf alle folgenden Fragen im Teil lautet ja

Wir haben in der Vergangenheit viele DSDs durchgeführt und dies ist die einzige DOE-Methode, die wir gelernt haben. Daher sind die folgenden Fragen möglicherweise ziemlich grob. Darüber hinaus kann unser Firmencomputer keine Dateien in das Forum hochladen. Das tut uns leid.

Führen Sie die zweite Replik des ersten DSD mit dem zweiten Reaktor aus (stellen Sie sicher, dass alle im ersten Replikat eingestellten Werte „identisch“ sind).

Ich verstehe das Experiment, das Sie hier vorgeschlagen haben, nicht ganz. Mein ursprünglicher Plan war, eine DSD-Tabelle mit 13+1 Durchläufen zu erstellen, und zwar 7 davon beim 1. Reaktor und die anderen 7 beim 2. Reaktor. Ihr Vorschlag scheint zu sein, alle 13 DSD-Durchläufe im 1. Reaktor und alle 13 Durchläufe noch einmal im 2. Reaktor durchzuführen? Und alle eingestellten Werte sind identische Mittelwerte, z. B. sind alle 6 kontinuierlichen Faktoren +/-10 %? (Wir legen in unseren vorherigen DSDs normalerweise unterschiedliche Bereiche für jeden Faktor fest, z. B. Faktor A +/-10 %, Faktor B +/-20 % usw.)

2. Notieren Sie für jede Behandlung des ersten DSD das tatsächliche Reaktorvolumen, führen Sie eine Replik des DSD mit dem zweiten Reaktor durch und notieren Sie den tatsächlichen Volumenwert. Behandeln Sie das Volumen in Ihrer Analyse als Kovariate.

Behandeln Sie das Volumen als Kovariate. Was soll ich dann in JMP tun?

3. Behandeln Sie den Reaktor als Gesamtplot-Faktor und die DSD als Teilplot eines Split-Plot-Designs.

Ich habe mir das Split-Plot-Design in der JMP-Hilfe angesehen. Es scheint, dass dies aus einem benutzerdefinierten Design mit sehr schwer zu ändernden Faktoren erstellt wurde. Wie können wir ein DSD in ein benutzerdefiniertes Design integrieren?

4. Nehmen Sie die Ergebnisse Ihres ersten DSD und testen Sie diese „bevorzugten Einstellungen“ über mehrere Reaktoren, wobei innerhalb des Reaktors innerhalb der Untergruppe und zwischen den Reaktoren zwischen den Untergruppen liegt.

Nicht sicher, welche Operation in JMP für diesen Kommentar tatsächlich erforderlich ist.

Betreff: Wie konzentriere ich mich in einem DSD auf den Blockfaktor, wenn dieser mein Hauptinteresse ist?

Mein ursprünglicher Plan bestand darin, eine DSD-Tabelle mit 13+1 Läufen zu erstellen, und zwar 7 davon beim 1. Reaktor und die anderen 7 beim 2. Reaktor.

OK, entschuldigen Sie meinen ersten Vorschlag, mir war nicht klar, dass Sie Ergebnisse für beide Reaktoren hatten. Ich bin nicht sicher, ob Sie über genügend DFs verfügen, um den Reaktor zum Modell hinzuzufügen. Ohne die Datentabelle kann ich nur raten ... Stellen Sie sicher, dass Sie eine Spalte mit der Bezeichnung „Reaktor“ haben, und geben Sie eine 1 für einen Reaktor und eine 2 für den anderen ein. Sie könnten versuchen, die Designfaktoren des DSD zu analysieren, die unbedeutenden Terme zu entfernen und das Modell erneut auszuführen, wobei Sie dem Modell einen Reaktor hinzufügen.

Behandeln Sie das Volumen als Kovariate. Was soll ich dann in JMP tun?

Wenn Sie das Experiment mit mehreren unterschiedlichen Reaktorvolumina durchgeführt hätten, könnten Sie das Volumen als Teil eines gemischten Modells analysieren. Die DSD-Faktoren gelten als Fixeffekte und das Reaktorvolumen wäre der Zufallseffekt. Fahren Sie mit der typischen Kovariatenanalyse fort.

Ich habe mir das Split-Plot-Design in der JMP-Hilfe angesehen. Es scheint, dass dies aus einem benutzerdefinierten Design mit sehr schwer zu ändernden Faktoren erstellt wurde. Wie können wir ein DSD in ein benutzerdefiniertes Design integrieren?

Tatsächlich gibt es verschiedene Gründe, Split-Plot-Designs zu verwenden, von denen nur einer die Schwierigkeit ist, Faktorstufen zu ändern. Aber unabhängig davon würden Sie den Reaktor als den schwer zu ändernden Faktor zuweisen und ihn so in das gesamte Diagramm einfügen. Die Designfaktoren wären im Unterdiagramm. Um ehrlich zu sein, bin ich mir nicht sicher, ob JMP dies angemessen handhabt. Ich denke, Sie könnten damit auskommen, den Reaktor als kategorischen Faktor hinzuzufügen, eine Tabelle zu erstellen und nach dem kategorischen Faktor zu sortieren. Die Analyse wird etwas Hilfe erfordern.

Nicht sicher, welche Operation in JMP für diesen Kommentar tatsächlich erforderlich ist.

Es handelt sich nicht um eine Operation in JMP, sondern um einen iterativen Plan zur Untersuchung des Prozesses.