F: Worin unterscheiden sich die verschiedenen Optimalitätstypen (I, D, A und G)?
A: Die verschiedenen Optimalitätskriterien decken den Designraum unterschiedlich ab. Einen Vergleich der optimalen Abdeckung des Designraums durch die Kriterien D und I finden Sie in der folgenden Abbildung:
A: In einem Design mit festgelegten Modelltermen können Sie nichtlineare Mischungseffekte mit Wechselwirkungen abschätzen und
Scheffé-kubische Terme. F: Wie berücksichtigen wir Unterkomponenten eines Rohstoffs bei der Mischungsentwicklung? Zum Beispiel einen Rohstoff, der aus zwei Unterkomponenten besteht?
A: Es gäbe verschiedene Möglichkeiten, dies in ein Modell einzubeziehen. Wenn man beispielsweise eine Mischungskomponente A hätte, die aus den Komponenten a1 und a2 bestünde, könnte man einen kontinuierlichen Faktor einbeziehen, der das Verhältnis von a1/a2 beschreibt.
F: Benötigen Sie im Beispiel auch den Haupteffekt der Korrekturzeit?
A: Wenn Sie eine Wechselwirkung zwischen Prozessfaktor und Mischungsfaktor einbeziehen, wird der Haupteffekt des Prozessfaktors aus dem Modell entfernt.
F: Könnten Sie bitte die Analysemodelle erläutern, die für die raumfüllende Funktion und die Scheffé-Kubikfunktion verwendet werden? Ich hatte den Eindruck, dass Standard-Linearmodelle nicht funktionieren und wir Gaußsche oder andere Modelle verwenden müssen.
A: Wenn Sie in Ihrem Versuchsplan Modellterme (einschließlich Zwei-Wege-Interaktionen oder kubischer Scheffé-Funktionen) spezifizieren, können Sie Standardmethoden der linearen Ausgleichsrechnung verwenden. Bei einem raumfüllenden Versuchsplan benötigen Sie möglicherweise andere Modelle, wie z. B. Gaußsche oder neuronale Netze, oder spezielle Modelle der generalisierten Regression.
F: Gibt es eine einfache Möglichkeit, zu erkennen, wie sich eine Erhöhung meines Testbudgets auf die statistische Strenge oder die Aussagekraft des Modells auswirken würde?
A: Die Leistungsfähigkeit von Mischungsdesigns ist aufgrund der korrelierten Faktoren schwer abzuschätzen. Die Abdeckung des Versuchsraums visualisiert dies. Sie zeigt an, ob die Punkte Ihres Versuchsdesigns in den gewünschten Bereichen gleichmäßig verteilt sind.
F: Führt JMP intern Pseudocode durch, oder muss man das irgendwo angeben?
A: JMP kann das. Unter „Spalteninformationen“ können Sie den Typ der Pseudocodierung festlegen. Wenn Sie ein Experiment analysieren, das nicht in JMP durchgeführt wurde, müssen Sie sicherstellen, dass die Spalteneigenschaften korrekt eingestellt sind.
Pseudocodierung wird von JMP.JPG übernommen.
F: Wie haben Sie die Software angewiesen, die Faktoren auszuwählen, die zum höchsten Brot führen?
A: Unterhalb des roten Dreiecks im Prediction Profiler lege ich die Wünschenswerte fest und maximiere dann die Wünschenswerte aus dem roten Dreieck heraus.
F: Warum behalten Sie Interaktionen mit einem p-Wert von 0,7 in der Effektzusammenfassung bei?
A: Wir arbeiten mit dem vorgegebenen Modell, ohne es zu reduzieren. Sie könnten natürlich Terme hinzufügen oder entfernen, um zu sehen, wie sich das auf Ihre Analyse auswirkt.
Da die Modellterme jedoch stark korreliert sind, könnten Sie sich dafür entscheiden, diejenigen Modellterme beizubehalten, die nicht signifikant erscheinen, und diese mit Bestätigungsexperimenten zu validieren.
F: Wie visualisiert man Mischungsdesignräume mit mehr als drei Komponenten?
A: Diese werden üblicherweise in ternären Diagrammen visualisiert, wobei zwei der drei Eckpunkte die einzelnen Komponenten und der dritte Eckpunkt die Summe aller übrigen Komponenten darstellt. Hier ist ein Beispiel aus dem Experiment zur Schmierstoffformulierung aus „Strategies for Formulations Development, A Step-by-Step Guide Using JMP“ (Snee und Hoerl, 2016). Betrachten Sie das erste ternäre Diagramm oben: Sonstige = % Säure B + % Säure C.
Ternary Plot Example Snee and Hoerl Ternäres Diagramm Beispiel Snee und Hoerl Ternäres Diagramm Beispiel Snee und Hoerl
Hier ist ein kurzes Video, das erklärt, wie man Gestaltungsräume für Mischungen mit mehr als drei Komponenten visualisieren kann.
Ressourcen
Versuchsplanung