Interpretazione di uno studio sulla miscela di miscelePosso avere aiuto nell'interpretazione dei risultati del mio studio sulle miscele di miscele? Sto studiando l'attrito dell'asfalto, in particolare gli effetti del tipo di aggregato, dei rapporti di miscelazione degli aggregati nelle frazioni grossolane e fini e del tipo di granulometria dell'asfalto.
Tipi di aggregati , 6 in totale:
- Classe A (alta qualità): A1, A2, A3
- Classe B (bassa qualità): B1, B2, B3
Miscelazione aggregata (porzioni grossolane e fini)
- Percentuale di miscela di Grossolano Aggregato di classe A e B nella miscela totale: da 0 a 50%
- Percentuale di miscela di Bene Aggregato di classe da A a B nella miscela totale: da 0 a 50%
- Totale di grana grossa e fine = 100%
Tipo di gradazione , 2 tipi
- Tipo C
- Tipo D
In allegato il file .jmp del mio studio. Mi trovo bene con l'analisi di regressione multivariata, ma questa faccenda delle miscele mi sta creando qualche problema. Qualsiasi consiglio per iniziare è ben accetto. Grazie!
Modellazione statistica avanzataAnalisi e modellazione dei dati di baseEsplorazione e visualizzazione dei datiRe: Interpretazione di uno studio sulla miscela di misceleSemplicemente non ci sono abbastanza informazioni fornite sulla situazione sperimentale per dare consigli validi (ad esempio, conosci l'errore del sistema di misurazione? Quanto conta una variazione di attrito? Cos'è un'unità sperimentale? Come è stata misurata?...). Non sono sicuro di aver capito perché lo chiami un progetto di miscela? Due fattori (non sembra che Aggregato e tipo di gradazione siano fattori di miscela) e poiché hai calcolato i rapporti anziché le quantità indipendenti di fine e grossolana, hai effettivamente un'alternativa a un progetto di miscela (né buona né cattiva). Analizza come un tipico progetto fattoriale frazionario partendo dal modello che hai utilizzato per progettare l'esperimento e usa il modello di adattamento.
Ok, ho dato un'occhiata alla tabella dei dati, ma sono ancora confuso. Sembra che tu abbia incluso i tipi di aggregati nel tuo progetto di miscela a 4 componenti? Sembra che tu abbia confuso quei tipi di aggregati con i componenti della miscela?
Re: Interpretazione di uno studio sulla miscela di miscelePotrebbe essere utile uno studio di caso nella libreria JMP di Marie Guard
https://community.jmp.com/t5/JMP-Sample-Data/Design-of-Experiments-Example-A-Mixture-of-Mixtures-Design/ta-p/22788
Re: Interpretazione di uno studio sulla miscela di misceleGrazie per i tuoi commenti. Il mio studio ha sia componenti fattoriali che miste.
Ci sono tre fattori categoriali:
- Agg Type-Class A (Livelli: A1, A2, A3)
- Agg Tipo-Classe B (Livelli: B1, B2, B3)
- Tipo di gradazione (livelli: tipo C, tipo D)
Poi ci sono due miscele, ciascuna delle quali è una miscela a due componenti.
- AggBlend, Grossolano (A_Grossolano + B_Grossolano = 0,5)
- AggBlend, Fine (A_Fine + B_Fine = 0,5)
Puoi chiarire cosa intendi con "hai fatto i rapporti anziché le quantità indipendenti di grana grossa e fine?" Credo di non aver fatto i rapporti.
- Grossolana (A=0,2, B=0,3) + Fine (A=0, B=0,5) = 1,0
Poiché si tratta solo di due componenti, stai dicendo che avrei potuto trasformare le 4 variabili di miscela in 2 variabili di rapporto continuo? (Rapporto di A/B_Coarse e Rapporto di A/B_Fine). Quando l'ho fatto in passato, ho riscontrato problemi con l'analisi delle interazioni AggType * AggRatio. (Posso approfondire questi problemi se necessario).
Ecco come si è svolto il dialogo con il DOE.
Non so come sono arrivato a questo punto con il modello, ma credo che ci siano dei problemi. (1) Mi mancano gli effetti principali di AggType. (2) Alcuni termini di interazione non hanno senso logico.
- La prima interazione, AggType, Classe A * AggBlend, Coarse_Class A , mostra come il tipo Agg di Classe A varia in base alla sua quantità nella miscela. E per le esecuzioni di test in cui la Classe A non è presente nella miscela (Blend Classe A = 0), il suo effetto non viene considerato. Ma l'interazione successiva, AggType, Classe A * AggBlend, Coarse_Class B , sembra osservare esattamente la stessa cosa, ma l'inverso. I vincoli di miscela indicano che B Blend = 0,5 - A Blend.
- L'interazione AggBlend, Coarse_Class A * AggBlend, Coarse_Class B non sembra affatto utile. Questa è solo l'interazione tra A Blend e 0.5-A Blend.
Se costruisco il modello in modo intuitivo, ottengo quanto segue. Sembra valido?
Re: Interpretazione di uno studio sulla miscela di misceleGrazie. Ottima lettura. L'esempio riguarda rigorosamente le miscele, mentre la mia situazione riguarda sia variabili categoriche che miste. È qui che inciampo.
Re: Interpretazione di uno studio sulla miscela di misceleMi dispiace, ma non sono un esperto dei fattori sperimentali che stai prendendo in considerazione. Il mio ragionamento mi farebbe chiedere se dovresti provare a fare tutto questo in un unico esperimento o se un approccio sequenziale sia migliore. Se vuoi incorporare un disegno misto in un disegno fattoriale, ti consiglio di leggere:
Cornell, John A., 1990 "Incorporamento di esperimenti di miscela all'interno di esperimenti fattoriali", Journal of Quality Technology, Vol. 22, No./4, ottobre 1990.
Re: Interpretazione di uno studio sulla miscela di misceleCome probabilmente accade troppo spesso, il tempo per la progettazione sperimentale è ormai scaduto. I dati sono stati raccolti e coprono in modo soddisfacente lo spazio di progettazione. Ma devo dargli un senso. Faccio fatica a impostare correttamente le variabili/interazioni del modello in JMP per il mio scenario.
Grazie per il tuo aiuto. Ho richiesto l'articolo alla nostra bibliotecaria.
Re: Interpretazione di uno studio sulla miscela di misceleNon posso e non voglio commentare la progettazione e l'adeguatezza del progetto. Ho semplicemente considerato questo come un set di dati che necessita di essere analizzato. Potrei aver fatto delle ipotesi inappropriati, in tal caso sentitevi liberi di ignorare questo post.
Poiché si hanno due miscele diverse, ciascuna con due componenti, è possibile semplificare il problema. Anziché analizzare con il totale di quattro componenti della miscela (due per ciascuna miscela), ho ignorato i fattori AggBlend, Course_Class B e AggBlend, Fine_Class B. Conoscendo Coarse_Class A e Fine_Class A, possiamo determinare gli altri. Questo semplificherà notevolmente l'analisi perché ora possiamo trattare tutti i fattori come continui. Ho quindi modificato la tabella dati per tenerne conto. La tabella è allegata qui.
Ora ho provato a fare l'analisi. Credo che volessi un modello con interazioni, quindi ho specificato i 5 fattori con tutte le interazioni a 2 vie e ho usato la regressione Forward Stepwise (utilizzando l'AICc minimo come criterio di selezione) per trovare un modello. I dati non supportavano un modello con tutte le interazioni a 2 vie, ecco perché ho usato Forward Stepwise. Nelle mie esplorazioni, ho visto una possibile varianza non costante per l'attrito, quindi ho creato e usato il log(attrito) come risposta (prova ad adattare questi modelli con l'attrito come risposta e dovresti vedere la possibile varianza non costante). Vedi lo script Starting Model ... nella tabella dati per vedere il punto di partenza.
Detto questo, ho trovato un modello che SEMBRA decente. Vedi lo script del "Possibile Modello Finale". È davvero valido? Non lo so. Non conosco nessuno dei retroscena di questa raccolta dati o i principi scientifici alla base di questa situazione. Tuttavia, la cosa fondamentale che credo di aver fornito è un modo diverso di pensare a questo problema e possibilmente arrivare a un risultato facilmente interpretabile, dato che si tratta solo di una tipica analisi di regressione (niente di speciale con un modello di miscela di Scheffe).
Re: Interpretazione di uno studio sulla miscela di misceleOttima soluzione @Dan_Obermiller !
Leggendo i messaggi qui, mi chiedo se fosse davvero necessario un design della miscela, dato che il problema sembra coinvolgere solo due componenti della formulazione, ciascuna con due materie prime. Quindi l'uso di fattori e rapporti continui dovrebbe essere sufficiente per definire il design.
La metodologia di analisi da voi proposta è molto simile a:
Codifica con variabili continue e miste per esplorare più a fondo lo spazio di input (2022-US-45MP-1103) : https://community.jmp.com/t5/Abstracts/Coding-with-Continuous-and-Mixture-Variables-to-Explore-More- ...: Questa presentazione mostra come il passaggio da fattori categoriali a continui nella definizione dello spazio di progettazione consenta di avere uno spazio di inferenza più ampio in cui è possibile trovare soluzioni.
Penso che la tua soluzione abbia un approccio simile, in quanto consente di semplificare il modello considerando i rapporti tra i fattori invece di utilizzare fattori di miscela e un modello di miscela (complesso). Se il modello può essere validato da @bryantw , dal punto di vista di un esperto del settore e con la realizzazione di esecuzioni di validazione, ciò aumenterebbe ulteriormente la fiducia e l'affidabilità del modello trovato.
Re: Interpretazione di uno studio sulla miscela di misceleCiao Dan,
Grazie mille per la risposta. Sono un sostenitore della semplificazione dell'analisi. La mia più grande esitazione nell'abbandonare l'approccio basato sulla miscela riguarda l'interpretabilità ai confini. Ad esempio, nella seconda riga di dati, la miscela Agg per la miscela grossolana e fine è entrambe pari a 0,0, il che significa che non c'è alcun aggregato di Classe A nella miscela, ma è tutta di Classe B. Tuttavia, la riga riporta l'AggType, Classe A, come "A1". Anche se questa miscela NON contiene A1, il modello sarà influenzato dal tipo di Classe A nel termine degli effetti principali e in un'interazione. L'aggregato assegnato avrebbe potuto essere A1, A2 o A3, e la previsione del modello sarebbe cambiata, anche se la miscela effettiva non è cambiata.
Penso che un modello misto sia ancora appropriato.
