에서 논의 된 4 가지 요소의 최종 스크리닝 디자인을 만들었을 때 내 이전 블로그 게시물 , 브래들리 존스 (Bradley Jones)라는 새로운 기술을 시험해보고 싶었습니다. JMP 디스커버리 서밋에서 발표 . 염색 된 자동차를 보면서 몇 가지 유망한 결과와 다양한 색상을 발견했습니다.
새로운 기술은 주 효과 모델을 피팅하고 실제 변화 가능한 요소가 아닌 디자인을 만드는 데 사용되는 "가짜"요소에 대한 주 효과를 사용하는 것과 관련이 있습니다 (이 경우 디자인은 6 가지 요소를 기반으로했기 때문에 두 가지가있었습니다. 선별 디자인)을 사용하여 순수 오차를 추정합니다. 한 가지 중요한 효과가 있었기 때문에이 방법을 사용한보다 자세한 분석은 다른 날 저장됩니다. 열 설정 . 그러나 과거의 실험을 토대로 한 소음이 너무 많았던 것처럼 보였습니다. 식초 마지막 실험에서 그렇게 유망한 것은 더 이상 존재하지 않았습니다. Graph Builder를 사용하여 신속하게 살펴본 결과 식초에 대한 주요 효과가 없다는 사실에 놀라지 않았습니다.
식초 대 잔류 물 (열 설정 및 블록 맞춤)에서 볼 때 이것은 더욱 두드러집니다.
일반적으로 설계된 실험에서 모델을 피팅하면 효과 유전의 원리 이는 주 효과 구성 요소가 중요하지 않으면 2 차 항을 추가하지 않을 것임을 의미합니다. 그러나이 데이터는 유지되지 않습니다. 열량 대 열전도도 및 식초 오버레이를 보면 열 설정 및 식초 양과의 상호 작용이있는 것으로 보입니다.
다른 효과들, 특히 시간에 대한 조사를했습니다. 이것은 열 설정이 너무 중요하고 (높은 열을 시사하는) 시간을 고려해야하기 때문입니다. 최종 모델에서 내가 맞은 모든 모델이 완성 된 후에 시간이 중요했습니다. 나는 또한 시간과 식초에 대한 이차 효과를 유지했다.
당신은 시각 최종 모델에서 중요한 것으로 나타납니다. 주 효과는 모든 주 효과와 2 차 효과와 직교하기 때문에 견적 자체는 주 효과 만있는 모델에서 변경되지 않습니다. 그러나 등급의 변동은 모델의 2 차 조건에서 비롯되기 때문에 표준 오차가 줄어 들었습니다.
실험 확인하기
이제 최종 모델을 완성 했으므로 어떻게 잘 작동하는지 확인할 필요가있었습니다. 프로파일 러의 빨간색 삼각형 메뉴에서 최대화 바람직 함 옵션을 사용하면 열 설정 3에서 최상의 식초로 50 % 식초처럼 보입니다.
내가 액체의 배치 내에서 여러 대의 차를 염색 할 수있는 것은 나온다 (헴. .. 그것은 미래에 쪼개진 계획의 디자인과 같게 들린다). 나는 열 셋팅으로 50 % 식초를 사용했고, 3 차에 가장 낮은 염료 량을 사용하여 10, 20, 30 분에 색소를 꺼내었다. 20 분이 이상적이어야한다고 생각했습니다. 왼쪽에서 오른쪽으로, 여기의 자동차는 30 분, 20 분, 10 분이 지나지 않은 상태입니다.
나는 20-30 분짜리 자동차가 좋아 보이기를 기대하고 있었고 결과에 만족했다. 사실, 나는 20 분짜리 차를 좋아한다. 고열로 30 분이면 자동차의 플라스틱이 녹기 시작한다.
마지막 생각들
효과 유전의 원리는 경험적 연구를 기반으로하지만 때로는 유지되지 않으며 일부 2 차 효과를 놓친 경우 조사를 시작해야합니다. 이 경우에는 최종 선별 검사가 잘 진행되었습니다. 그것은 중심점을 사용하는 것과는 달리 2 차 효과의 가능성을 감지 할 수있을뿐만 아니라 2 차 효과의 가능성을 감지 할 수있을뿐만 아니라이를 평가할 수도 있기 때문입니다.
첫 번째 실험에서 빨간색 자동차의 결과를 비교하면 두 번의 후속 실험을 통해 차이를 확인할 수 있습니다. 특히 Profiler를 사용하면 다른 색상을 사용하는 것이 훨씬 더 좋습니다. 예를 들어, 중간 색을 원하면 식초와 열을 사용할 수없고 밝은 색은 일부 식초와 함께 열을주지 않습니다. (이 실험을 놓친 경우에는 다이 캐스트 자동차를 염색하는 전체 시리즈 .)
나는 여전히 새로운 분석 기술을 시도하기위한 최종 심사 디자인을 원합니다. 어떤 제안? 읽어 주셔서 감사합니다!
라이언 리키 베츠 쓴 :
하이 리차드,
브래들리 존스 (Bradley Jones)와 크리스토퍼 나츠 하임 (Christopher Nachtsheim)의 분석을 설명하는 논문이 곧 나옵니다.
제가 결론을 내리는 문제는 분석이 효과 유전을 가정한다는 것입니다. 첫 번째 단계에서 중요한 주 효과를 찾고 두 번째 단계는 중요한 주 효과에서 2 차 효과를 찾습니다. 이 예에서는 식초와 시간에 2 차 효과가 있지만 주 효과는 첫 번째 단계에서 선택하기에 충분하지 않았습니다. 사실, 식초의 주요 효과는 거의 0입니다.
3 개의 연속 요소와 블록의 경우 3 개의 위조 요소를 사용할 수 있어야하고 14 개의 실행을 유지해야합니다. 이 3 개의 가짜 인자는 첫 번째 단계에서 오류를 추정하기 위해 3 df를 제공합니다.
비디오에서 응답을 분할하는 아이디어를 발견했습니다. 당신의 경우에있어서, 3 개의 연속적인 (그리고 3 개의 가짜 인자들) 주요 효과들은 홀수 공간으로 들어가는 반면, 블록과 2 차 순서는 짝수 공간에 영향을 미친다. 첫 번째 단계에서는 주 효과를 찾기 위해 가짜 요인의 3df와 함께 오류 추정을 사용합니다. 첫 번째 단계에서 선택되지 않은 주 효과는 두 번째 단계에서 사용 된 오류 (추정치 및 자유도)에 추가됩니다.
우리는 추가 기능을 수정하려고 노력했지만, 이벤트 중 하나의 버전이있는 경우 3 개의 연속 요소와 블록 만 지정하면됩니다. 수식 열을 만들고 추가 기능에서 몇 가지 모델을 사용해 일부 데이터를 시뮬레이트하는 것이 좋습니다. 위에서 언급 한 논문에서 다른 모델 선택과 비교하여 모든 연속 요인이있을 때 권력과 관련하여 훌륭한 결과가 있습니다. 카테고리 및 차단 요인이있을 때 더 많은 시뮬레이션 작업을하고 있지만 모든 것이 좋게 보입니다.
희망이 도움이됩니다!
라이언
리차드 스테 거 쓴 :
Dr. Lekivetz - 가짜 요인을 사용하여 DSD에 대한 최근 블로그 게시물을 읽었습니다. 나는 진보를 만들었는지, 아니면 더 자세한 분석에 대한 것을 발표했는지 궁금하다. "이 방법을 사용한 더 자세한 분석은 다른 설정으로 저장 될 것입니다.
저는 DSD에서 일하고 있는데 가짜 인자를 사용하는 것이 유용 할 것이라고 생각합니다. 우리는 아스팔트 첨가제를 다양한 복용량 수준으로 실험하고 표준 아스팔트 혼합물 테스트를 사용하여 효과를 측정합니다. 나는 3 개의 연속적인 요인, 2 개의 가짜 요인 및 블록을 사용할 때 더 높은 D 효율 (~ 78.6)을 얻을 수 있음을 발견했습니다. 이것은 최대 14 회까지 추가됩니다. 그러나, 나는 실험에 착수하기 전에 가짜 요인을 사용하여이 디자인을 분석하는 방법에 대한 자세한 정보를 찾고 싶습니다.
나는 2015 년 10 월의 기술 컨퍼런스에서 Houston의 Jones DSD 워크샵에 참석하여 가능한 한이 디자인 접근 방법에 대해 읽으려고했습니다. 샌디에고 정상 회의에서 올린 비디오도 보았습니다.
감사,
리차드
연구 결과를 공유해 주셔서 감사합니다. 특히 자동차, 전기차에 관심이 있다면. 이것은 당신과 당신의 독자들에게 흥미로울 것입니다. https://trustedbrokers.com/uk/stocks/NIO/ . NIO의 주가는 롤러 코스터를 타고 있었고 어떻게 생각할지 결정하기가 어렵습니다.
