Bei der Erstellung des endgültigen Vier-Faktoren-Screening-Designs, das in beschrieben wurde mein vorheriger Blogeintrag Ich war begeistert, die neue Technik von Bradley Jones auszuprobieren auf dem JMP Discovery Summit vorgestellt . Bei den gefärbten Autos habe ich einige vielversprechende Ergebnisse und eine große Auswahl an Farben festgestellt.
Die neue Technik umfasst das Anpassen eines Haupteffektmodells und die Verwendung der Haupteffekte für „falsche“ Faktoren, die zur Erstellung des Designs verwendet werden, nicht jedoch für tatsächlich veränderliche Faktoren (in diesem Fall gab es zwei, da das Design auf einem Sechs-Faktor-Definitiv beruhte Screening-Design), um den reinen Fehler abzuschätzen. Eine detailliertere Analyse mit dieser Methode wird für einen anderen Tag gespeichert, da ich einen wesentlichen Effekt hatte: Wärmeeinstellung . Es schien jedoch, als ob es zu viel Lärm gab, basierend auf meinen früheren Experimenten und dem Essig das war so vielversprechend im letzten versuch war nicht mehr da. Ich habe kurz mit Graph Builder nachgesehen und war nicht überrascht, dass es keinen Haupteffekt für Essig gab:
Dies wird noch deutlicher, wenn man sich die Residuen (vom Einbauen der Hitzeeinstellung und des Blocks) gegenüber Essig betrachtet:
Wenn ich ein Modell aus einem entworfenen Experiment anpasse, folge ich normalerweise das Prinzip der Effektvererbung Das heißt, ich füge keinen Begriff zweiter Ordnung hinzu, es sei denn, die Haupteffektkomponente (n) ist signifikant. Dies scheint jedoch für diese Daten nicht zu gelten. Wenn Sie sich die Bewertung gegenüber der Hitzeeinstellung und dem Essig überlagern, scheint es auch eine Wechselwirkung mit der Hitzeeinstellung und der Essigmenge zu geben:
Ich habe einige andere Untersuchungen mit anderen Auswirkungen durchgeführt, insbesondere mit der Zeit. Dies liegt daran, dass bei einer so signifikanten Wärmeeinstellung (die auf hohe Wärme schließen lässt), die Zeit berücksichtigt werden sollte. Nach allen Modellen, die ich im Endmodell einbaute, war die Zeit signifikant. Ich habe auch die quadratischen Effekte für Zeit und Essig beibehalten, da sie geringfügig signifikant waren:
Das wirst du merken Zeit erscheint im endgültigen Modell als signifikant. Die Schätzung selbst ändert sich nicht vom Main-Effects-Only-Modell, da die Haupteffekte orthogonal zu allen Haupteffekten und Effekten zweiter Ordnung sind. Der Standardfehler wurde jedoch reduziert, da die Bewertungsunterschiede von den Termen zweiter Ordnung im Modell abhängen.
Bestätigung des Experiments
Nun, da ich das endgültige Modell hatte, musste ich sehen, wie es funktioniert. Wenn Sie die Option "Maximize Desirability" aus dem roten Dreieck-Menü des Profilers verwenden, sieht es aus, als wäre 50% Essig für 23 Minuten, bei Hitze 3 ist es am besten.
Es stellt sich heraus, dass ich mehrere Autos in einer Charge Flüssigkeit färben kann (hmm… das hört sich an, als würde sich ein Split-Plot-Design in der Zukunft entwickeln). Ich habe 50% Essig mit Hitzeeinstellung 3 und die niedrigste Farbstoffmenge für drei Autos verwendet und sie nach 10, 20 und 30 Minuten herausgenommen. Der Gedanke war, die 20 Minuten sollten ideal sein. Von links nach rechts sind die Autos hier 30 Minuten, 20 Minuten und 10 Minuten ungefärbt:
Ich hatte erwartet, dass die 20- und 30-Minuten-Autos gut aussehen werden, und ich war mit dem Ergebnis zufrieden. Tatsächlich bevorzuge ich das 20-Minuten-Auto, da der Kunststoff im Auto nach 30 Minuten bei hoher Hitze zu schmelzen begann.
Abschließende Gedanken
Während das Prinzip der Effektvererbung auf empirischen Studien beruht, trifft dies manchmal nicht zu, und Sie müssen zu untersuchen beginnen, ob Sie Effekte zweiter Ordnung übersehen haben. Das definitive Screening-Design hat in diesem Fall gut funktioniert. Anders als beim Verwenden von Mittelpunkten konnte ich nicht nur die Möglichkeit von quadratischen Effekten erkennen, sondern auch schätzen.
Wenn Sie die Ergebnisse für die roten Autos im ersten Experiment vergleichen, ist es unglaublich, den Unterschied nach zwei Folgeversuchen zu sehen. Ich habe ein viel besseres Gefühl, auch andere Farben zu erhalten, insbesondere mit dem Profiler. Wenn ich zum Beispiel mittlere Farben haben möchte, kann ich keinen Essig und keine Hitze verwenden, während die helleren Farben keine Hitze mit etwas Essig enthalten. (Wenn Sie eines dieser Experimente verpasst haben, überprüfen Sie die ganze Serie über das Färben von Diecast-Autos .)
Ich möchte immer noch ein definitives Screening-Design, um die neue Analysetechnik auszuprobieren. Irgendwelche Vorschläge? Danke fürs Lesen!
Ryan Lekivetz schrieb:
Hi Richard,
Das Papier, das die Analyse von Bradley Jones und Christopher Nachtsheim beschreibt, ist in Vorbereitung.
Am Ende hatte ich das Problem, dass die Analyse von der Vererbung ausgeht. Im ersten Schritt werden wichtige Haupteffekte und im zweiten Schritt die Effekte zweiter Ordnung anhand der wichtigen Haupteffekte untersucht. In diesem Beispiel hatten Essig und Zeit quadratische Auswirkungen, aber die Haupteffekte waren nicht groß genug, um im ersten Schritt erfasst zu werden. In der Tat ist der Haupteffekt für Essig fast 0.
Für 3 kontinuierliche Faktoren und einen Block sollten Sie 3 falsche Faktoren verwenden können und trotzdem bei 14 Durchläufen bleiben. Diese 3 Fälschungsfaktoren liefern 3 dB, um den Fehler im ersten Schritt abzuschätzen.
In den Videos haben Sie die Idee bemerkt, die Antwort zu partitionieren. In Ihrem Fall gehen die Haupteffekte der 3 stetigen (und der 3 gefälschten Faktoren) in den ungeraden Raum, während die Block- und die zweite Ordnung den geraden Raum beeinflussen. Der erste Schritt verwendet eine Fehlerschätzung mit 3 dB aus den gefälschten Faktoren, um nach Haupteffekten zu suchen. Alle im ersten Schritt nicht ausgewählten Haupteffekte werden zu dem im zweiten Schritt verwendeten Fehler (Schätzung und Freiheitsgrade) addiert.
Wir haben an der Korrektur des Add-Ins gearbeitet. Wenn Sie jedoch eine Version eines Ereignisses haben, müssen Sie nur die 3 kontinuierlichen Faktoren und den Block angeben. Ich würde empfehlen, einige Daten zu simulieren, indem Sie eine Formelspalte erstellen und einige Modelle im Add-In ausprobieren. In dem oben genannten Artikel gibt es ausgezeichnete Ergebnisse in Bezug auf die Leistung, wenn alle kontinuierlichen Faktoren im Vergleich zu anderen Modellauswahlen vorhanden sind. Wir arbeiten an mehr Simulationen, wenn es kategoriale und blockierende Faktoren gibt, aber alles sieht gut aus.
Hoffentlich hilft das!
Ryan
Richard Steger schrieb:
Dr. Lekivetz - Ich habe Ihre letzten Blogeinträge zu DSD mit falschen Faktoren gelesen. Ich bin neugierig zu wissen, ob Sie Fortschritte gemacht haben oder etwas zur detaillierteren Analyse veröffentlicht haben.
Ich arbeite an einer DSD und denke, dass die Verwendung gefälschter Faktoren nützlich sein würde. Wir experimentieren mit Asphaltzusätzen in unterschiedlichen Dosierungen und messen die Auswirkungen mit Standardtestverfahren für Asphaltmischungen. Ich finde, dass ich eine höhere D-Effizienz (~ 78,6) erreichen kann, wenn ich 3 kontinuierliche Faktoren, 2 falsche Faktoren und einen Block verwende. Dies ergibt 14 Läufe. Ich möchte jedoch weitere Informationen zur Analyse dieses Entwurfs anhand gefälschter Faktoren erhalten, bevor Sie mit dem Experiment beginnen.
Ich besuchte den Jones DSD-Workshop in Houston auf der Technischen Konferenz im Oktober 2015 und versuchte, so viel wie möglich über diesen Entwurfsansatz zu lesen. Ich habe mir auch das vom Summit in San Diego gepostete Video angesehen.
Vielen Dank,
Richard
Vielen Dank, dass Sie die Ergebnisse Ihrer Studie geteilt haben. Wenn Sie Interesse an Autos und insbesondere an Elektroautos haben. Dies wird Sie und Ihre Leser interessieren: https://trustedbrokers.com/uk/stocks/NIO/ . Der Aktienkurs von NIO war auf einer Achterbahnfahrt und es ist schwer zu erkennen, was man davon halten soll.
