Cuando creé el diseño de cribado definitivo de cuatro factores discutido en mi anterior entrada de blog , Estaba emocionado de probar la nueva técnica que Bradley Jones presentado en el JMP Discovery Summit . Al observar los autos teñidos, noté algunos resultados prometedores y una amplia gama de colores.
La nueva técnica consiste en ajustar un modelo de efectos principales y utilizar los efectos principales para los factores "falsos" que se utilizan para crear el diseño pero no los factores modificables reales (en este caso, hubo dos, ya que el diseño se basó en un factor definitivo de seis factores). diseño de pantalla) para proporcionar una estimación del error puro. Se guardará un análisis más detallado con este método para otro día, ya que tuve un efecto significativo: control de temperatura . Sin embargo, parecía que había demasiado ruido basado en mis experimentos pasados, y el vinagre Eso era tan prometedor en el último experimento que ya no estaba allí. Eché un vistazo rápido con Graph Builder y no me sorprendió que no hubiera un efecto principal para el vinagre:
Esto se vuelve aún más pronunciado cuando se observan los residuos (de ajustar el ajuste de calor y el bloqueo) en comparación con el vinagre:
Normalmente, cuando estoy ajustando un modelo de un experimento diseñado, sigo El principio de efecto hereditario. , lo que significa que no agregaré un término de segundo orden a menos que los componentes del efecto principal sean significativos. Sin embargo, eso no parece ser válido para estos datos. Si observas la clasificación frente al ajuste de calor y superpones el vinagre, también parece haber una interacción con el ajuste de calor y la cantidad de vinagre:
Hice otra investigación con otros efectos, particularmente con el tiempo. Esto se debe a que, dado que el ajuste de calor es tan significativo (y sugiere calor alto), el tiempo debe tenerse en cuenta. Después de todos los modelos que encajé, en el modelo final, el tiempo fue significativo. También mantuve los efectos cuadráticos del tiempo y el vinagre, ya que eran marginalmente significativos:
Te darás cuenta que hora Se muestra como significativo en el modelo final. La estimación en sí misma no cambia con respecto al modelo de solo efectos principales, ya que los efectos principales son ortogonales a todos los efectos principales y efectos de segundo orden. Sin embargo, el error estándar se ha reducido porque la variación en la calificación proviene de los términos de segundo orden en el modelo.
Confirmando el experimento
Ahora que tenía el modelo final, necesitaba ver cómo funciona bien. Usando la opción Maximizar la conveniencia del menú del triángulo rojo en el Perfilador, parece que 50% de vinagre durante 23 minutos en la configuración de calor 3 es lo mejor.
Resulta que puedo teñir varios autos dentro de un lote de líquido (hmm ... eso suena como los cimientos de un diseño de parcela dividida en el futuro). Utilicé un 50% de vinagre con el ajuste de calor 3 y la menor cantidad de tinte para tres autos, eliminándolos a los 10, 20 y 30 minutos. El pensamiento era que los 20 minutos deberían ser ideales. De izquierda a derecha, los autos aquí son sin teñir, 30 minutos, 20 minutos y 10 minutos:
Esperaba que los autos de 20 y 30 minutos se vieran bien, y estaba feliz con los resultados. De hecho, prefiero el automóvil de 20 minutos, ya que 30 minutos a fuego alto hace que el plástico del automóvil comience a derretirse.
Pensamientos finales
Si bien el principio de la herencia del efecto se basa en estudios empíricos, a veces no es válido y hay que comenzar a investigar si se han perdido algunos efectos de segundo orden. El diseño de pantalla definitivo funcionó muy bien en este caso. Esto se debe a que, a diferencia del uso de puntos centrales, no solo pude detectar la posibilidad de efectos cuadráticos, sino que también podría estimarlos.
Si comparas los resultados de los autos rojos en el primer experimento, es increíble ver la diferencia después de dos experimentos de seguimiento. También tengo una mejor sensación de obtener otros colores, especialmente con el Profiler. Por ejemplo, si quiero colores medios, no puedo usar vinagre ni calor, mientras que los colores más claros no involucran calor con algo de vinagre. (Si te perdiste alguno de estos experimentos, revisa el Toda la serie sobre teñido de autos fundidos. .)
Todavía quiero un diseño de pantalla definitivo para probar la nueva técnica de análisis. ¿Alguna sugerencia? ¡Gracias por leer!
Ryan Lekivetz escribió:
Hola richard
Se publicará el artículo que describe el análisis de Bradley Jones y Christopher Nachtsheim.
El problema que terminé teniendo fue que el análisis asume la herencia del efecto: busca los efectos principales importantes en el primer paso y el segundo busca los efectos de segundo orden a partir de los efectos principales importantes. En este ejemplo, el vinagre y el tiempo tuvieron efectos cuadráticos, pero los efectos principales no fueron lo suficientemente grandes como para ser detectados en el primer paso. De hecho, el efecto principal para el vinagre es casi 0.
Para 3 factores continuos y un bloque, debe ser capaz de usar 3 factores falsos y aún permanecer en 14 ejecuciones. Esos 3 factores falsos proporcionan 3 df para estimar el error en el primer paso.
De los videos, has notado la idea de particionar la respuesta. Para su caso, los efectos principales de los 3 continuos (y los 3 factores falsos) van en el espacio impar, mientras que el bloque y los efectos de segundo orden en el espacio nivelado. El primer paso utiliza una estimación de error con los 3 df de los factores falsos para buscar los efectos principales. Cualquier efecto principal no seleccionado en el primer paso se agrega al error (estimación y grados de libertad) utilizado en el segundo paso.
Hemos estado trabajando para arreglar el complemento, pero si tiene una versión de uno de los eventos, todo lo que debe especificar son los 3 factores continuos y el bloque. Recomendaría simular algunos datos creando una columna de fórmula y probando algunos modelos en el complemento. En el documento que mencioné anteriormente, hay excelentes resultados con respecto a la potencia cuando existen todos los factores continuos en comparación con otras selecciones de modelos. Estamos trabajando en más simulaciones cuando hay factores categóricos y de bloqueo, pero todo se ve bien.
¡Espero que ayude!
Ryan
Richard Steger escribió:
Dr. Lekivetz: He leído sus publicaciones de blog recientes sobre DSD utilizando factores falsos. Tengo curiosidad por saber si progresó o publicó algo sobre el análisis más detallado "Se guardará un análisis más detallado con este método para otro día, ya que tuve un efecto importante: la configuración de calor".
Estoy trabajando en un DSD y creo que usar factores falsos sería útil. Estamos experimentando con aditivos de asfalto a diferentes niveles de dosis y midiendo los efectos utilizando pruebas estándar de mezcla de asfalto. Encuentro que puedo obtener una mayor eficiencia de D (~ 78.6) al usar 3 factores continuos, 2 factores falsos y un bloque. Esto suma hasta 14 carreras. Sin embargo, me gustaría encontrar más información sobre cómo analizar este diseño utilizando factores falsos antes de comenzar el experimento.
Asistí al taller Jones DSD en Houston en la conferencia técnica en octubre de 2015 e intenté leer lo más posible sobre este enfoque de diseño. También he visto el video publicado desde la Cumbre en San Diego.
Gracias,
Ricardo
Gracias por compartir los resultados de su estudio. Si te interesan los coches, y los coches eléctricos en particular. Esto será de interés para ti y tus lectores: https://trustedbrokers.com/uk/stocks/NIO/ . El precio de las acciones de NIO ha estado en una montaña rusa y es difícil saber qué pensar al respecto.
