Lorsque j’ai créé le schéma de dépistage définitif à quatre facteurs décrit dans mon précédent blog , J’étais ravi d’essayer la nouvelle technique de Bradley Jones présenté au JMP Discovery Summit . En regardant les voitures teintes, j'ai remarqué des résultats prometteurs et un large éventail de couleurs.
La nouvelle technique consiste à adapter un modèle d’effets principal et à utiliser les effets principaux pour les «faux» facteurs utilisés pour créer le modèle, mais non pour les facteurs modifiables (dans ce cas, il y en avait deux, car la conception était basée sur un critère définitif à six facteurs). dépistage) pour fournir une estimation de l’erreur pure. Une analyse plus détaillée utilisant cette méthode sera enregistrée pour un autre jour, car j'ai eu un effet significatif: réglage de la chaleur . Cependant, il semblait y avoir trop de bruit basé sur mes expériences passées, et le le vinaigre c'était tellement prometteur dans la dernière expérience n'était plus là. J'ai jeté un coup d'œil à Graph Builder et je n'ai pas été surpris qu'il n'y ait pas d'effet principal sur le vinaigre:
Cela devient encore plus prononcé lorsque l’on examine les résidus (lors du réglage du réglage de la chaleur et du blocage) par rapport au vinaigre:
En général, lorsque je monte un modèle à partir d’une expérience conçue, je suis le principe de l'hérédité d'effet ce qui signifie que je n’ajouterai pas de terme de second ordre à moins que le ou les composants d’effet principaux soient significatifs. Cependant, cela ne semble pas être valable pour ces données. Si vous examinez la valeur nominale en fonction du réglage de chaleur et le vinaigre superposé, il semble également y avoir une interaction avec le réglage de chaleur et la quantité de vinaigre:
J'ai fait d'autres recherches avec d'autres effets, en particulier avec le temps. En effet, le réglage de la chaleur étant si important (et suggérant une chaleur élevée), le temps doit être pris en compte. Après tous les modèles que j’ai adaptés, dans le modèle final, le temps était significatif. J'ai également conservé les effets quadratiques pour le temps et le vinaigre, car ils étaient légèrement significatifs:
Vous remarquerez que temps apparaît comme significatif dans le modèle final. L'estimation elle-même ne change pas par rapport au modèle comprenant uniquement les effets principaux, car les effets principaux sont orthogonaux par rapport à tous les effets principaux et les effets de second ordre. Cependant, l'erreur type a été réduite car la variation de la notation provient des termes de second ordre du modèle.
Confirmer l'expérience
Maintenant que j'avais le modèle final, il me fallait voir comment cela fonctionnait bien. En utilisant l'option Maximiser l'opportunité dans le menu triangle rouge du profileur, il semble que 50% de vinaigre pendant 23 minutes avec le réglage de chaleur 3 est préférable.
Il s'avère que je peux teindre plusieurs voitures dans un lot de liquide (hmm… cela ressemble à ce qui se prépare dans le futur pour une conception en parcelles divisées). J'ai utilisé 50% de vinaigre avec réglage de chaleur 3 et la quantité de teinture la plus faible pour trois voitures, en les retirant à 10, 20 et 30 minutes. L'idée était que les 20 minutes devraient être idéales. De gauche à droite, les voitures ne sont pas teintées, 30 minutes, 20 minutes et 10 minutes:
Je m'attendais à ce que les voitures de 20 et 30 minutes aient fière allure et j'étais satisfait du résultat. En fait, je préfère la voiture de 20 minutes, car 30 minutes de chaleur élevée ont fait fondre le plastique de la voiture.
Dernières pensées
Bien que le principe de l'hérédité d'effet repose sur des études empiriques, il ne tient parfois pas la route et vous devez commencer à rechercher si vous avez omis certains effets de second ordre. La conception de dépistage définitive a bien fonctionné dans ce cas. En effet, contrairement à la simple utilisation de points centraux, je pouvais non seulement détecter la possibilité d'effets quadratiques, mais aussi les estimer.
Si vous comparez les résultats pour les voitures rouges dans la première expérience, il est incroyable de voir la différence après deux expériences de suivi. J'ai également une bien meilleure perception des autres couleurs, en particulier avec le profileur. Par exemple, si je veux des couleurs moyennes, je ne peux utiliser ni vinaigre ni chaleur, alors que les couleurs plus claires ne nécessitent pas de chaleur avec du vinaigre. (Si vous avez manqué une de ces expériences, consultez le série entière sur la teinture des voitures moulées .)
Je veux toujours un plan de dépistage définitif pour essayer la nouvelle technique d'analyse. Aucune suggestion? Merci d'avoir lu!
Ryan Lekivetz a écrit:
Salut richard
Le document décrivant l'analyse de Bradley Jones et Christopher Nachtsheim est à paraître.
Le problème que j'ai finalement rencontré est que l'analyse suppose l'hérédité des effets - elle recherche les effets principaux importants dans la première étape et la seconde étape recherche les effets de second ordre à partir des effets principaux importants. Dans cet exemple, le vinaigre et le temps ont eu des effets quadratiques, mais les effets principaux n'étaient pas assez importants pour être détectés dans la première étape. En fait, l'effet principal du vinaigre est presque égal à 0.
Pour 3 facteurs continus et un bloc, vous devriez pouvoir utiliser 3 faux facteurs et rester à 14 analyses. Ces 3 facteurs factices fournissent 3 df pour estimer l'erreur dans la première étape.
Dans les vidéos, vous avez noté l’idée de partitionner la réponse. Pour votre cas, les effets principaux des 3 facteurs continus (et des 3 facteurs factices) vont dans l’espace impair, alors que les effets de bloc et de second ordre s’appliquent à l’espace pair. La première étape utilise une estimation d'erreur avec les 3 df à partir des faux facteurs pour rechercher les principaux effets. Tous les effets principaux non sélectionnés à la première étape sont ajoutés à l'erreur (estimation et degrés de liberté) utilisée à la deuxième étape.
Nous avons travaillé sur la correction du complément, mais si vous avez une version de l'un des événements, il vous suffit de spécifier les 3 facteurs continus et le blocage. Je recommanderais de simuler certaines données en créant une colonne de formule et en essayant quelques modèles dans l'add-in. Dans l'article que j'ai mentionné ci-dessus, il existe d'excellents résultats en ce qui concerne la puissance lorsqu'il existe tous les facteurs continus par rapport aux autres sélections de modèles. Nous travaillons à plus de simulations lorsqu'il y a des facteurs catégoriques et bloquants, mais tout est beau.
J'espère que cela pourra aider!
Ryan
Richard Steger a écrit:
Dr. Lekivetz - J'ai lu les récents articles de votre blog sur DSD en utilisant de faux facteurs. Je suis curieux de savoir si vous avez progressé ou si vous avez publié quelque chose sur l'analyse plus détaillée "Une analyse plus détaillée utilisant cette méthode sera conservée pour un autre jour, car j'avais un effet significatif: le réglage de la chaleur."
Je travaille sur un DSD et pense que l'utilisation de faux facteurs serait utile. Nous expérimentons des additifs d'asphalte à différents niveaux de dose et en mesurons les effets à l'aide d'essais classiques sur les mélanges d'enrobés. Je trouve que je peux obtenir une efficacité D supérieure (~ 78,6) avec 3 facteurs continus, 2 faux facteurs et un bloc. Cela ajoute jusqu'à 14 pistes. Cependant, j'aimerais trouver plus d'informations sur la manière d'analyser cette conception en utilisant de faux facteurs avant de se lancer dans l'expérience.
J'ai assisté à l'atelier Jones DSD à Houston lors de la conférence technique d'octobre 2015 et j'ai essayé de lire autant que possible cette approche de la conception. J'ai aussi regardé la vidéo postée du Sommet de San Diego.
Merci,
Richard
Merci d'avoir partagé les résultats de votre étude. Si vous vous intéressez aux voitures, et en particulier aux voitures électriques. Cela vous intéressera ainsi que vos lecteurs: https://trustedbrokers.com/uk/stocks/NIO/ . Le cours de l'action de NIO a connu un tour de montagnes russes et il est difficile de savoir quoi en penser.
