Ich habe ein DOE, in dem ich die Läufe monatsweise blockiere – ich kann 4 Läufe pro Monat durchführen, also insgesamt 12 Läufe über 3 Monate.
Gibt es eine Möglichkeit, meinen Entwurf zu retten, wenn einer der Abschnitte in einem Block aufgrund von äußeren Umständen ausfällt, die nicht mit den DOE-Faktoren zusammenhängen?
Beispielsweise musste Versuchsdurchlauf Nr. 4 in meinem ersten Versuchsblock aufgrund eines Problems mit einem Rohstofflieferanten vorzeitig abgebrochen werden, sodass dieser Block nur 3 Durchläufe umfasst. Gibt es eine Möglichkeit, das Versuchsdesign so anzupassen, dass der erste Block nur 3 Durchläufe, der zweite Block 4 Durchläufe und der dritte Block ebenfalls 4 Durchläufe enthält, oder sollte ich einfach von vorne beginnen (was mich etwa einen Monat kosten würde)?
Was wäre, wenn ich stattdessen einen Block mit 3 Läufen, dann einen mit 5 Läufen und anschließend einen mit 4 Läufen durchführen könnte? Mich interessiert, wie andere in dieser Situation vorgehen würden und wie ich die Daten aus diesen 3 abgeschlossenen Läufen nutzen kann, ohne von vorne beginnen zu müssen – sollte ich die Anzahl der Faktoren reduzieren und einfach Blöcke mit 3 Läufen und weniger Faktoren durchführen usw.?
Ich würde nicht sagen, dass das Experiment „gescheitert“ ist. Es besteht noch die Möglichkeit, aus den verbleibenden Daten zu lernen.
Es ist äußerst schwierig, mit den wenigen gegebenen Informationen konkrete und hilfreiche Ratschläge zu geben. Könnten Sie die Tabelle mit den Versuchsdaten bereitstellen? Sie scheinen jedem Block vier Behandlungen zugeordnet zu haben. Welche Faktoren sind mit dem Block verbunden (z. B. welches Rauschen)? Haben Sie Vorhersagen getroffen? Wie lautet die vorhergesagte Rangfolge der Modelleffekte? Wie groß ist die vorhergesagte Effektstärke der Blöcke? Welche Auflösung hat die Versuchsplanung? usw.
Es gibt mehrere Möglichkeiten, die fehlenden Daten zu ersetzen, deren Nutzen jedoch aufgrund der Systemstruktur eingeschränkt ist. Hier einige Ersatzoptionen:
1. Verwenden Sie den Mittelwert der Reaktionen der verbleibenden 11 Behandlungen (oder den Mittelwert der 3 Behandlungen innerhalb dieses Blocks). Dadurch wird der Einfluss dieser Behandlung tendenziell reduziert.
2. Verwenden Sie Ihre vorhergesagten Werte (dies setzt voraus, dass Sie vor der Durchführung des Experiments Vorhersagen getroffen haben).
3. Führen Sie eine Regression mit den verbleibenden 11 Behandlungen durch, wobei ein Freiheitsgrad (DF) aus dem geplanten Modell ausgelassen wird (üblicherweise der Effekt höchster Ordnung oder der Effekt mit dem voraussichtlich kleinsten Wert). Speichern Sie die Vorhersageformel; der vorhergesagte Wert für die fehlende Behandlung wird in der JMP-Tabelle ergänzt. Hinweis: Es empfiehlt sich, vor der Berechnung der Vorhersageformel die Blockgröße zu überprüfen und die Werte entsprechend anzupassen.
4. Führen Sie alle oben genannten Schritte durch, analysieren Sie die Ergebnisse und bestimmen Sie, wie stark die fehlende Behandlung die Ergebnisse beeinflusst. Bei allgemeiner Übereinstimmung können Sie schlussfolgern, dass der Verlust der Behandlung keine große Rolle spielt. Bei Uneinigkeit benötigen Sie wahrscheinlich weitere Daten. Die Frage ist also: Sollten Sie die fehlende Behandlung erneut durchführen? Sollten Sie dies im selben Versuchsraum (oder im prognostizierten Versuchsraum) tun? Wenn Sie die Behandlung erneut durchführen, führen Sie einen vierten Blockeffekt ein. Sollten Sie daher zusätzlich eine weitere Behandlung erneut durchführen, um den Blockeffekt zu „kalibrieren“?
