Ich benötige Unterstützung bei der Analyse eines DSD und dem Übergang zu einem RSM-Modell.Hallo zusammen,
Ich hoffe, es geht dir gut.
Ich habe eine Frage zu DSD in der JMP-Benutzercommunity gestellt, aber sie wurde aus irgendeinem Grund als Spam gemeldet. Ich poste sie hier erneut in der Hoffnung, dass mir jemand helfen kann.
Ich bin Masterstudent und arbeite an einem Forschungsprojekt, in dem ich ein Definitive Screening Design (DSD) in JMP zur Optimierung einer Vertikalachsen-Windkraftanlage (VAWT) verwende. Ich habe alle 22 Läufe für mein 8-Faktoren-DSD abgeschlossen, habe aber Schwierigkeiten mit der Analyse und den nächsten Schritten.
Die Abgabefrist für meine Dissertation ist in zwei Wochen, und ich bin ziemlich ratlos, ob es korrekt ist, meine DSD-Ergebnisse ohne weitere Augmentierung in RSM umzuwandeln.
Jede kurze Einsicht oder Empfehlung einer Ressource wäre hilfreich!
Vielen Dank!
Grüße,
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo @Mohnasre ,
Ja, manchmal ist die automatische Filterung in der Community etwas schwierig, daher wurde Ihre Nachricht möglicherweise fälschlicherweise als "Spam" gekennzeichnet.
Zu Ihrem Thema und Ihrer DSD-Analyse gibt es nur sehr wenige hilfreiche Informationen, und insbesondere gehen Sie nicht auf den Kontext der Studie, das Ziel der Studie und Ihre Erfahrungen mit DoE ein.
Definitive Screening-Designs sind in erster Linie Screening-Designs (wie der Name schon sagt), können aber auch starke Interaktions- und quadratische Effekte aufdecken. Weitere Informationen zu ihrer Leistungsfähigkeit und ihren Detektionsfähigkeiten (sowie zur Möglichkeit, daraus ein vollständiges RSM-Modell zu erstellen) finden Sie hier . Ob sich aus Ihrem Design ein vollständiges RSM-Modell erstellen lässt, hängt von der Anzahl der Durchläufe (hier 22, einschließlich der 4 zusätzlichen Durchläufe für 8 Faktoren) und der Anzahl der detektierten aktiven Haupteffekte ab. Laut JMP-Hilfedokumentation können Sie ein RSM-Modell auf Ihre Daten anwenden, wenn Sie weniger als 4 signifikante Haupteffekte (von Ihren 8 Faktoren) haben.
Bezüglich der Analyse würde ich empfehlen, mit Folgendem zu beginnen:
Die Fit Definitive Screening-Plattform ist die Standardplattform für die DSD-Analyse. Ein Skript zur Durchführung dieser Analyse ist in der Datentabelle enthalten, die beim Erstellen dieses Designs erstellt wurde.
- Zweistufiges Screening Plattform, die sowohl Haupteffekte als auch Interaktions- und quadratische Effekte effektiv erkennen kann.
Auf der Fit Model-Plattform stehen weitere Schätzmethoden zur Verfügung, um Modelle der kleinsten Quadrate sowie verallgemeinerte Regressionsmodelle (mit JMP Pro) unter Verwendung von Two Stage Forward Selection oder Pruned Forward Selection Schätzmethoden anzupassen.
Vergleichen Sie die von diesen Plattformen gefundenen Modelle und ermitteln Sie Übereinstimmungen und Unterschiede. Falls die Modelle voneinander abweichen, überprüfen Sie anhand der Residuenanalyse, ob die Regressionsmodelle die Regressionsannahmen erfüllen, bevor Sie ihre Leistungsfähigkeit hinsichtlich Erklärungsvermögen (maximal mit dem R²-Wert und dem korrigierten R²- Wert, wobei die Differenz zwischen beiden so gering wie möglich sein sollte) und Vorhersagevermögen (minimiert mit dem RMSE -Wert) sowie der Modellkomplexität (minimiert mit Informationskriterien wie AICc und BIC ) vergleichen.
Anhand der Anzahl der im Modell festgestellten Haupteffekte und der Genauigkeit des Modells können Sie beurteilen, ob Sie Ihr Ziel durch dieses DSD mit einem nützlichen und relevanten Modell ausreichend erreicht haben oder ob eine Erweiterungsphase erforderlich sein könnte, um ein vollständigeres und präziseres Modell zu erstellen.
Ich hoffe, diese Vorschläge helfen Ihnen weiter. Für genaueres Feedback und Unterstützung können Sie weitere Informationen und Kontext bereitstellen und/oder Ihre (anonymisierte) Datentabelle teilen.
Am besten,
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellVielen Dank @Victor_G für die ausführliche Antwort!
Ziel der Arbeit ist die Verbesserung des Wirkungsgrades der Vertikalachsenwindkraftanlage (VAWT). Dies soll durch die Optimierung der Parameter von Spitzenvorrichtungen an den Rotorblattspitzen erreicht werden. Da es anfänglich sehr viele Parameter gab, mussten einige fixiert werden, sodass acht Parameter übrig blieben (sieben kontinuierliche und ein kategorialer). Der erste Ansatz bestand darin, ein Screening-Design anzuwenden, um die Anzahl der Parameter zu reduzieren und diese anschließend mithilfe der Response-Surface-Methodik (RSM) zu optimieren. Das DSD-Design ist anderen Screening-Designs überlegen, insbesondere da es die vollständige Anpassung der RSM bei maximal vier Parametern ermöglicht. Aus diesem Grund wurde dieses Design gewählt.
Ich kenne mich mit DOE und DSD nicht besonders gut aus, habe aber durch das Lesen einiger Webinar-Folien ein paar Dinge gelernt.
Wenn ich meine Ergebnisse noch einmal durchsehe, habe ich Folgendes festgestellt:
- Bei der Anpassung des DSD mit einem 95%-Konfidenzintervall (p = 0,05) erhalte ich nur zwei Hauptfaktoren (nennen wir sie A und B, wobei B der kategoriale Faktor ist). Das Bestimmtheitsmaß R² beträgt 0,56 und das korrigierte R² 0,45.
- Bei der Anpassung des DSD mit einem 90%-Konfidenzintervall (p=0,1) erhalte ich vier Hauptfaktoren (A, B, C, D). Das Bestimmtheitsmaß R² beträgt 0,89, das korrigierte R² 0,82.
In beiden Fällen scheint keine weitere Optimierung der Parameter erforderlich zu sein.
Meine Fragen lauten aber:
- Soll ich die zweite Option wählen, bei der p = 0,1 ist?
- Und wie passe ich anschließend RSM an? Benötige ich eine andere Plattform als DSD, auf der ich die ermittelten Hauptfaktoren verwende? Oder gibt es eine Möglichkeit, dies direkt über die DSD-Plattform zu tun?
- Angenommen, ich habe die RSM-Anpassung abgeschlossen und die optimierten Werte für die Parameter (A, B, C, D) erhalten. Wenn ich den vorhergesagten Leistungsbeiwert (die Antwortfunktion) durch einige weitere CFD-Simulationen in ANSYS überprüfen möchte, welche Werte sollte ich für die übrigen Parameter (E, F, G, H) wählen? Sollte ich für diese Parameter die Mittelwerte verwenden? (Ich benötige alle 8 Parameter, um die Flügelspitzen der Vertikalachsen-Windkraftanlagen zu berechnen.)
Nochmals vielen Dank für Ihre Hilfe, ich weiß das sehr zu schätzen!
Beste grüße,
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellSie können die beiden von mir genannten Plattformen ausprobieren, um zu sehen, ob Sie weitere Modellvorschläge erhalten.
Bezüglich des Fit Definitive Screening und der beiden von Ihnen getesteten Einstellungen für die Schwelle der statistischen Signifikanz finden Sie möglicherweise hilfreiche Informationen in dieser Diskussion: „Einstellung des p-Werts in Phase 1 der DSD-Analyse auf ein hohes Niveau zur Erkennung aktiver Effekte“.
AICc und BIC sind Informationskriterien, die den Kompromiss zwischen der Komplexität eines Modells und seiner Genauigkeit bewerten. Sie sind hilfreiche Metriken beim Vergleich mehrerer Modelle, um diejenigen zu finden, die eine gute Anpassung bei geringer Komplexität (niedriger AICc-/BIC-Wert) aufweisen.
Da Sie sich in Ihrer Situation in der Screening-Phase befinden, würde ich das zweite Modell als nützlicher als das erste betrachten, da die korrigierten R²-Werte höher sind und der Unterschied zwischen den beiden gering erscheint, was auf ein gut angepasstes Modell hindeutet.
Aus einer eher praktischen Perspektive und als Antwort auf Ihre Frage:
- Sie können das durch die endgültige Modellprüfung gefundene Modell anpassen, indem Sie in den „Kombinierten Modellparameterschätzungen“ auf „ Modell ausführen “ klicken. Eine ähnliche Option steht Ihnen auch in der Plattform „Zweistufiges Modell anpassen“ zur Verfügung, um das Modell mit den ermittelten Effekten zu erstellen oder auszuführen . Nach der Ausführung des Modells können Sie überprüfen, ob die Regressionsannahmen erfüllt sind.
- Es gibt keine eindeutige Antwort auf diese Frage. Sie können die Werte so wählen, dass sie für die praktische Anwendung am besten geeignet sind, also mittlere oder niedrige Werte (falls diese niedrigen Werte beispielsweise bei 0 liegen und dies die CFD-Berechnungen vereinfachen kann). Sobald Sie die optimalen Einstellungen für Ihre Faktoren gefunden haben, führen Sie die CFD-Simulationen durch, um zu überprüfen, ob die Einstellungen Ihr Optimum tatsächlich widerspiegeln und Ihr Modell das Optimum präzise vorhersagen kann.
Viel Spaß !
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellInteressanter Fall! Toll, dass Sie vier Haupteffekte identifiziert haben, um ein RSM anzupassen. Sind alle Interaktionseffekte und quadratischen Effekte signifikant? Ich würde schwache Interaktionen und Potenzen eliminieren, um Überanpassung zu vermeiden. Weitere Läufe mit Datenerweiterung sind erforderlich, um diese Effekte zu validieren. Viel Erfolg mit Ihrer Masterarbeit!
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellIch hatte einen DSD-Fall mit 7 Faktoren, bei dem ich den Schwellenwert für den p-Wert auf 0,4 (!) erhöhen musste, um die Haupteffekte herauszufiltern. Ich habe die Zuverlässigkeit dieses Screenings mit dem von Victor erwähnten zweistufigen Fit-Screening überprüft, und die Ergebnisse waren identisch; daher war ich vom ersten DSD-Screening überzeugt. Leider ergaben sich 5 aktive Faktoren, weshalb ich mein DSD-Modell um 4 zusätzliche Läufe erweitern musste, um Interaktionseffekte zu de-Aliasing zu entfernen und das Modell auf RSM zu aktualisieren. Das hat gut funktioniert!
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellVielen Dank @Victor_G für Ihre wertvolle Hilfe! Ihre Unterstützung wird sehr geschätzt!
Ich werde mir heute auf jeden Fall alle von Ihnen genannten Links ansehen.
Eine letzte Frage bitte: Ist die Box-Cox-Transformation in meinem Fall relevant? Sie zeigt mir, dass λ = -2 der beste Wert zur Reduzierung der Summe der quadrierten Fehler (SSE) ist, wie im beigefügten Screenshot dargestellt. Ich habe es ausprobiert und folgende Werte erhalten: R² = 0,92 und R²adj = 0,85.
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo @frankderuyck ,
Nein, nicht alle Interaktionen sind im zweiten Modell, das ich ausprobiert habe (p=0,1), verfügbar. Es gibt nur 2 Interaktionen und 2 quadratische Terme (A*B, B*C, B^2 , C^2) mit den 4 Hauptfaktoren (A,B,C,D).
Da ich 3 kontinuierliche Faktoren (A, C, D) und 1 kategorialen Faktor (B) erhalten habe, denke ich, dass keine Erweiterung erforderlich ist, um ein RSM anzupassen. Der hohe Wert (+1) des kategorialen Faktors B ist in allen von mir getesteten Fällen deutlich besser als der niedrige Wert (-1).
Vielen Dank für Ihre aufschlussreiche Antwort! Ich weiß das sehr zu schätzen.
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellSie können die Box-Cox-Transformation mit λ = -2 ausprobieren und das ursprüngliche und das transformierte Modell vergleichen, um zu sehen, welches die Regressionsannahmen besser erfüllt: Stellen Sie die Ist-Werte den Soll-Werten gegenüber und analysieren Sie die Residuen, um zu prüfen, ob die Residuen ein zufälliges und normalverteiltes Muster mit homogener Varianz (Homoskedastizität) aufweisen. Anschließend können Sie die Leistungsfähigkeit der Modelle vergleichen.
Transformationen sind hilfreich, um die Modelle besser an die Regressionsannahmen anzupassen und sie zu vereinfachen.
Bei einem Lambda-Wert von -2 entspricht dies der Transformation von Y in 1/Y²: https://www.statisticshowto.com/probability-and-statistics/normal-distributions/box-cox-transformation/
Ich hoffe, diese Antworten helfen Ihnen bei der Analyse Ihrer Ergebnisse!Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo nochmal @Victor_G ,
Ich habe die Box-Cox-Transformation ausprobiert und sie lieferte bessere Ergebnisse in Bezug auf R^2, R^2 adj, RMSE, AICc und BIC.
Nun möchte ich das RSM anpassen. Wenn ich auf „Analysieren“ → „Modell anpassen“ gehe, welche Variable soll ich als y- Variable auswählen? Soll ich den ursprünglichen Leistungskoeffizienten aus den CFD-Simulationen verwenden? Oder den vorhergesagten Ausdruck aus dem Box-Cox-Modell?
Ich bin Ihnen sehr dankbar für Ihre Hilfe und Unterstützung! Ich weiß nicht, was ich ohne Ihre Hilfe getan hätte 
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo @Mohnasre ,
Okay, es klingt so, als ob die Transformation in Ihrem Fall hilfreich sein könnte. Hat sie die Residuen positiv beeinflusst (Zufallsmuster, Homoskedastizität, Normalverteilung der Residuen)?
Ich bin mir nicht sicher, ob ich Ihre Frage richtig verstanden habe. Nachdem Sie die Terme in Ihrem Modell mithilfe der Plattformen „Fit Definitive Screening“ und/oder „Fit Two Levels Screening“ ermittelt haben, können Sie das Modell direkt über die integrierte Plattform „Fit Model“ erstellen oder ausführen. Dort können Sie den optimalen Lambda-Wert für die Box-Cox-Transformation bestimmen und die Option „Ersetzen durch Transformieren“ wählen. Nun sollte Ihr endgültiges Modell vorliegen. Anschließend können Sie die Vorhersageformel speichern, um die Gleichung direkt in Ihre Datentabelle einzufügen. Beachten Sie, dass keine Rücktransformation erforderlich ist, da JMP dies bereits beim Speichern der Vorhersageformel durchführt. Auch im Vorhersageprofiler wird dies automatisch erledigt. In Ihrem Fall sehen Sie in der Spalte „Vorhersageformel“, dass JMP bei einem Lambda-Wert von -2 den Term „1/Quadrat(Ausdruck)“ (oder einfach Quadrat(Ausdruck) mit Exponent -2) vor die Gleichung einfügt, um die Rücktransformation in die ursprünglichen Einheiten durchzuführen.
Wenn Sie die in Fit Model verfügbare Vorhersageausdruck anzeigen erwähnen, handelt es sich bei dieser Gleichung um die Gleichung, die nach der Transformation an die Daten angepasst wurde. Wenn Sie sie also verwenden möchten, vergessen Sie nicht, sie in Ihre ursprüngliche Einheit zurückzutransformieren.
Ich hoffe, diese Antwort hilft Ihnen bei der endgültigen Themenwahl.
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo @Victor_G ,
Ja, die Transformation verbesserte auch das Restverhalten.
Okay, nur um das klarzustellen: Die Fit Model-Plattform muss nicht mit den RSM-Makros verwendet werden , richtig?
Ich war der Ansicht, dass die DSD-Plattform hauptsächlich für das Screening gedacht ist und dass ich nach der Identifizierung der aktiven Faktoren ein separates RSM-Modell mit Hilfe von „ Analysieren → Modell anpassen“ und dem Makro „Antwortfläche“ erstellen müsste.
Wenn ich Sie richtig verstehe, besitze ich nach Anwendung der Box-Cox-Transformation in der DSD-Plattform und Annahme des transformierten Modells bereits das Äquivalent eines „RSM-Modells“ für meine aktiven Faktoren, und es ist kein zusätzlicher RSM-Anpassungsschritt erforderlich?
Entschuldigung für die einfache Frage, ich möchte nur sichergehen, dass ich den korrekten Arbeitsablauf vollständig verstanden habe.
Nochmals vielen Dank für Ihre wertvolle Hilfe!
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellÜbrigens habe ich versucht, mit RSM-Makros das Modell über „Analysieren“ → „Modell anpassen“ anzupassen. Als y- Wert habe ich die „vorhergesagte Antwort“ aus der Box-Cox-Transformation verwendet.
Dieses angepasste Modell wies zwei weitere aktive Interaktionsterme auf (verglichen mit dem endgültigen DSD-Modell) und erzielte höhere Werte für R^2 und R^2 adj sowie niedrigere Werte für AICc, BIC und RMSE.
Ich hatte jedoch das Gefühl, dass etwas nicht stimmt, wenn die „vorhergesagte Antwort“ erneut als Y-Variable vorhergesagt wird. Deshalb fragte ich Sie, ob es notwendig ist, RSM nach der Box-Cox-Transformation auf einer anderen Plattform anzuwenden.
Danke
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellHallo @Mohnasre ,
Die Plattform „Modell anpassen“ mit dem RSM-Makro startet die Anpassung eines Modells mit allen Haupteffekten, Interaktionseffekten und quadratischen Effekten der vorhandenen Faktoren. Falls Sie die Identifizierung der aktiven Terme bereits über eine andere Plattform durchgeführt haben, ist die erneute Termidentifizierung/-filterung und Modellanpassung nicht erforderlich. Sie können jedoch mehrere Plattformen parallel testen, um die Übereinstimmungen und Unterschiede der Modelle zu vergleichen.
Ja, DSD dient hauptsächlich dem Screening, aber in Situationen, in denen Sie eine relativ geringe Anzahl aktiver Effekte und/oder eine hohe Anzahl zu screenender Faktoren haben, kann DSD ausreichend sein, um ein benutzerdefiniertes RSM-Modell auf die wichtigsten Faktoren abzustimmen.
Um Ihre Frage direkt zu beantworten: Ja, es ist kein zusätzlicher RSM-Anpassungsschritt erforderlich, sobald Sie Ihr benutzerdefiniertes Modell über eine andere Plattform erstellt haben. Die Verwendung anderer Plattformen wie Fit DSD oder Fit Two Level zur Modellanpassung ist in bestimmten Konstruktionssituationen sinnvoller oder einfacher.
Zu Ihrer zweiten Nachricht: Ich würde nicht versuchen, eine vorhergesagte Reaktion zu modellieren, da Sie damit die Variabilität aus den CFD-Berechnungen nicht abbilden. Sie könnten also ein scheinbar besseres Modell erhalten, da Sie ein Modell an eine vorhergesagte, „perfekte“ Reaktion anpassen, die bereits aus einem anderen Modell stammt. Man kann jedoch nicht ein Modell vergleichen, das eine „rein“ perfekte, vorhergesagte Reaktion prognostiziert, mit einem Modell, das eine aus CFD-Berechnungen gemessene Reaktion prognostiziert. Sie können weiterhin eine andere Modellierungsplattform verwenden (haben Sie „Fit Two Levels“ verwendet? Diese ist sehr effektiv bei der Identifizierung von Interaktions- und quadratischen Effekten), um zu prüfen, ob Sie beim Modellaufbau Terme übersehen haben.
Ich hoffe, diese Antwort hilft Ihnen, Ihr Endergebnis zu erzielen.
Betreff: Benötige Hilfe bei der Analyse eines DSD und dem Übergang zu einem RSM-ModellVielen Dank für Ihre Zeit und Unterstützung!
Ich schätze es!
Schönen Tag noch, @Victor_G!
