使用壓鑄車數據分析4因素最終篩選設計
當我創建了中討論的四因素最終篩選設計時我以前的博文我很高興嘗試布拉德利瓊斯的新技術在JMP Discovery峰會上發表 。看著染色的汽車，我注意到了一些有希望的結果和各種各樣的顏色。
新技術涉及擬合主效應模型，並使用主效應用於創建設計但不是實際可變因素的“假”因素（在這種情況下有兩個，因為設計基於六因素確定性篩選設計）提供估計純誤差。使用此方法的更詳細分析將保存一天，因為我有一個顯著的影響： 熱定型 。然而，根據我過去的實驗，似乎有太多的噪音尖酸刻薄在上一次實驗中如此有希望的不再存在。我快速瀏覽了圖形生成器，並且對醋沒有主要影響並不感到驚訝：
當觀察殘留物（來自熱設置和阻塞）與醋相比時，這變得更加明顯：
通常，當我從設計的實驗中擬合模型時，我會遵循效果遺傳原則 ，這意味著我不會添加二階術語，除非主要效果成分是重要的。但是，這似乎並不適用於這些數據。如果你看一下評級與熱量設置和覆蓋醋，也會出現與熱定型和醋量的相互作用：
我做了一些其他效果的調查，特別是隨著時間的推移。這是因為，由於熱量設定如此顯著（並且表明高溫），應該考慮時間。在我適合的所有模型之後，在最終模型中，時間非常重要。我還保留了時間和醋的二次效應，因為它們有點顯著：
你會注意到的時間在最終模型中顯示出顯著性。由於主效應與所有主效應和二階效應正交，因此估計本身不會從僅主效應模型改變。但是，標準誤差已經降低，因為評級的變化來自模型中的二階項。
確認實驗
現在我有了最終的模型，我需要看看它的工作原理。使用Profiler中紅色三角形菜單中的“最大化合意性”選項，它在熱定型3上看起來像50％醋23分鐘是最好的。
事實證明，我可以在一批液體中染色多輛汽車（嗯......這聽起來像是未來裂縫設計的材料）。我使用了50％的醋，熱定型3和三種車的最低染料量，在10分鐘，20分鐘和30分鐘時取出。想到的是20分鐘應該是理想的。從左到右，這裡的車輛都是未著色的，30分鐘，20分鐘和10分鐘：
我期待20分鐘和30分鐘的車看起來很好，我對結果很滿意。事實上，我更喜歡20分鐘的汽車，因為30分鐘的高溫使汽車中的塑料開始融化。
最後的想法
雖然效果遺傳的原理是基於實證研究，但有時它不成立，你必須開始調查你是否錯過了一些二階效應。在這種情況下，最終的篩選設計很好地完成了。這是因為，與使用中心點不同，我不僅可以檢測到二次效應的可能性，而且還可以估計它們。
如果您在第一個實驗中比較紅色汽車的結果，那麼在兩個後續實驗後看到差異是令人難以置信的。我對獲得其他顏色的感覺要好得多，尤其是使用Profiler。例如，如果我想要中等顏色，我可以不使用醋和熱量，而較淺的顏色不需要加熱醋。（如果你錯過了這些實驗，請查看全系列染色壓鑄車 。）
我仍然想要一個明確的篩選設計來嘗試新的分析技術。有什麼建議？謝謝閱讀！
Ryan Lekivetz寫道：嗨理查德，這篇論文描述了...... Ryan Lekivetz 中寫道：
嗨理查德，
描述Bradley Jones和Christopher Nachtsheim分析的論文即將出版。
我最終得出的問題是分析假設有效遺傳 - 它在第一步中尋找重要的主效應，第二步從重要的主效應中尋找二階效應。在這個例子中，醋和時間，具有二次效應，但主要影響不夠大，無法在第一步中獲取。事實上，醋的主要作用幾乎為0。
對於3個連續因子和一個塊，您應該能夠使用3個假因子並且仍然保持14次運行。這3個假因子提供3 df來估計第一步中的誤差。
從視頻中，您已經註意到了分區響應的想法。對於你的情況，3連續（和3個假因子）的主效應進入奇數空間，而塊和二階效應進入偶數空間。第一步使用誤差估計與假因子中的3 df來尋找主效應。在第一步中未選擇的任何主效果被添加到第二步中使用的誤差（估計和自由度）。
我們一直在努力修復加載項，但是如果你有一個來自其中一個事件的版本，你需要指定的是3個連續因子和塊。我建議通過創建公式列並在加載項中嘗試一些模型來模擬一些數據。在我上面提到的論文中，當存在與其他模型選擇相比的所有連續因素時，在功率方面存在優異的結果。當存在分類和阻塞因素時，我們正在進行更多模擬，但一切看起來都很好。
希望有所幫助！
瑞安
Richard Steger寫道：Lekivetz博士 - 我讀過你的評論......理查德斯蒂格中寫道：
Lekivetz博士 - 我已經使用虛假因素閱讀了您最近關於DSD的博客文章。我很想知道你是否取得了進展或發表了更詳細的分析“使用這種方法的更詳細的分析將在另一天保存，因為我有一個重要的影響：熱定型。”
我正在研究DSD並認為使用假因子會很有用。我們正在嘗試不同劑量水平的瀝青添加劑，並使用標準瀝青混合料測試來測量效果。我發現當使用3個連續因子，2個假因子和一個塊時，我可以獲得更高的D效率（~78.6）。這最多可累計14次。但是，我想在開始實驗之前找到有關如何使用假因子分析此設計的更多信息。
我在2015年10月的技術會議上參加了休斯頓的Jones DSD研討會，並試圖盡可能地閱讀這種設計方法。我還觀看了聖地亞哥峰會發布的視頻。
謝謝，
理查德
回复：使用壓鑄汽車數據分析四因素最終篩選設計感謝您分享學習結果。 如果您對汽車特別是電動汽車感興趣。 您和您的讀者將對此感興趣： https://trustedbrokers.com/cn/stocks/NIO/ 。 蔚來汽車的股價過山車，很難弄清楚它的想法。
