Tra gli altri tipi di fattori, il Custom Designer in JMP ha un meccanismo per aggiungere fattori con valori che non sono controllabili ma che sono noti prima della sperimentazione. Chiamo questi fattori covariati, anche se nell'analisi di regressione le covariate hanno un significato leggermente diverso.
Puoi fornire un esempio realistico?
Immagina di avere molti materiali e misurazioni di alcune variabili importanti su ciascun lotto. Vuoi utilizzare gli articoli di questi lotti come unità per un esperimento. Hai intenzione di elaborare diverse unità in modo controllato usando un esperimento di design . Le variabili misurate su ogni lotto non sono qualcosa che puoi cambiare, quindi sono fattori covariati. Desiderate progettare l'esperimento in modo tale da ottenere la maggior parte delle informazioni sugli effetti dei fattori che voi può controllo.
Peter Goos, professore all'Università di Anversa, e di recente ho descritto un'applicazione simile a quella sopra riportata nel nostro libro, Progettazione ottimale degli esperimenti - Un approccio al caso di studio . Nel caso di studio, un fornitore di produzione automobilistica utilizzava l'incisione al plasma su molti polipropilene per migliorare le sue caratteristiche adesive. C'erano tre caratteristiche misurate su ciascun lotto. Gli investigatori hanno voluto utilizzare questi fattori covariati insieme ai fattori di controllo del plasma etch in un esperimento.
Come si imposta un esperimento che coinvolge più fattori covariati in JMP?
In JMP 9, questo processo era un po 'noioso, specialmente se c'erano molti fattori covariati in una tabella di dati JMP. L'interfaccia richiedeva di scegliere ogni fattore covariate uno alla volta.
Ora puoi inserire tutti i fattori della covariata contemporaneamente usando la finestra di dialogo seguente. Il colore di sfondo giallo indica che ho selezionato tutti e tre i fattori.
La tabella dati era chiamata Covariate in polipropilene e aveva tre colonne: EPDM, PP e Colore. EPDM e PP sono due misurazioni continue e Color è stato categoriale con due livelli. La tabella ha 40 righe - vedi Tabella 1.
Cosa fai dopo aver definito i fattori covariati?
Aggiungi i fattori che puoi controllare. In questo caso, sono Flow Rate, Power e Time. La tabella 2 mostra i fattori dopo questo passaggio.
Dato che ci sono 40 lotti di materiale, il prossimo passo è decidere quanti di questi lotti usare nell'esperimento. Il numero minimo dipenderà dal numero di termini nel modello. Certo, il massimo è 40 perché è tutto il materiale che hai a portata di mano.
Supponiamo che voglio i principali effetti dei fattori e sono disposto a fare 12 analisi. Cosa succederà?
Digitare 12 nella casella di modifica Numero di esecuzioni. Quindi, per generare il design, il Custom Designer deve fare due cose. Per prima cosa, deve scegliere i migliori 12 lotti tra i 40 lotti che hai. Quindi, deve scegliere le impostazioni di portata, potenza e tempo che massimizzano le informazioni su tutti e sei gli effetti dei fattori. La tabella seguente mostra il design risultante.
Una tabella è necessaria per fornire una ricetta su cosa fare per ogni corsa, ma un grafico dice di più. Ho usato Graph Builder per capire come il Custom Designer ha scelto i 12 lotti per i fattori di covariata. I punti neri nella Figura 1 mostrano i 12 valori di lotto scelti di EPDM e PP suddivisi per Colore.
Come faccio a sapere che questo è un buon design?
Si valutano i progetti utilizzando fattori covariati utilizzando la stessa diagnostica di qualsiasi altro progetto. La Figura 2 mostra la mappa dei colori di correlazione delle colonne. La correlazione che è più grande in grandezza è 0,12 - non è un problema.
Gerd Kopp ha scritto:
Brad,
grazie per la tua rapida risposta! Sono abbastanza nuovo di JMP e non avevo ancora usato il profiler nel menu grafico.
Questo e 'esattamente quello che stavo cercando. Molte grazie!
Gerd
Bradley Jones ha scritto:
Gerd,
Sembra che ho bisogno di postare su come rendere un processo robusto per i fattori di rumore - in questo caso le covariate. Fino ad allora, ecco la risposta breve. Sei sulla strada giusta, compresi gli effetti di interazione dei fattori di controllo con le covariate nel modello. Una volta ottenuto un modello adattato con questi termini, salvare la formula di previsione utilizzando il menu a triangolo rosso nella piattaforma Fit Model. Quindi, apri la piattaforma Profiler nel menu Grafico. Aggiungi i tuoi fattori covariate all'elenco dei fattori di rumore. Questo crea nuove pseudo risposte che sono la derivata della risposta rispetto a ciascun fattore di rumore. Quando si ottimizza l'uso di Maximize Desirability, si ottiene un'ottimizzazione a risposta multipla che tenta di azzerare le derivate citate in precedenza e di mettere contemporaneamente la risposta sul target. Voila: impostazioni di processo affidabili ...
Per rispondere al tuo poscritto, l'ordine in cui inserisci i fattori non è importante. Puoi inserire le covariate prima, ultima o nell'ordine desiderato.
Felice sperimentazione,
chiodo senza testa
Gerd Kopp ha scritto:
Caro Brad, grazie per aver semplificato il processo di inclusione delle covariate in JMP 10!
Ora supponiamo che non voglio solo valutare l'effetto che fattori e covariate hanno sulla risposta, ma voglio trovare solide impostazioni dei fattori, nel senso che le impostazioni delle covariate influenzano la risposta il meno possibile. Di solito includo effetti di interazione di fattori e covariate nel modello e uso i fattori che hanno interazioni significative con le covariate per cercare di minimizzare gli effetti covariati. Per trovare queste impostazioni, uso il profiler, che è ottimo, ma nei casi in cui ci sono diverse covariate che possono interagire tra loro, questo processo manuale è difficile e non si può essere sicuri se si trova l'impostazione ottimale dei fattori nel senso di raggiungere la robustezza. C'è un modo in JMP per trovare queste impostazioni oltre che graficamente, forse simile all'utilizzo di massimizzare la desiderabilità - massimizzare la robustezza? Grazie in anticipo, Gerd
PS nella tua descrizione sembrava che l'ordine di includere le covariate e i fattori controllabili fosse importante. È questo il caso o potrei anche includerli il contrario?
