最適化のための最終的なスクリーニング設計

[#1]

コミュニティメンバーの皆さん、こんにちは。

私は最終的なスクリーニング設計について検索し、JMP でこのトピックについてたくさん読みました。

モデル内の有効な主、二次検出力、および 2 因子交互作用を決定するために決定的スクリーニング計画が使用されることを学びました。

パラメータは 10 個あり、メールの目標は最適化することです。 最初のステップで、RSM または主効果 + 二次パワー + 2 因子交互作用効果を含むモデルを使用したカスタム設計を使用すると、非常にコストがかかります。 だからこそ、最初の段階でモデル内の重要なパラメーターを見つける必要があると考えています。 したがって、明確なスクリーニング設計を適用する必要があります。 フィット最終スクリーニング プラットフォームを使用して有効なパラメーターを見つけた後、有効なパラメーターを使用して OLS モデルを構築します。 OLS モデルを見つけたとき、このモデルを最適化に安全に使用できますか?

はい、最適化に使用できると思われる場合、なぜ DSD の目的は有効な係数を決定することであるのか、それは最適化にも適していますよね?

敬具。

[#2]

データを確認し、固有のプロセス知識を使用し、研究対象のシステムを理解する前に、「安全に」という質問にある程度の自信を持って答える方法はありません。 最適化タイプの問題には、最終的な問題解決に至るまでのさまざまな経路が存在します。 総じて、最終的なスクリーニング設計から始めるというあなたの考え方が好きです。 私の提案は、問題解決プロセスのその段階を経ることです。 立ち止まって、それまでに学んだことを振り返ってください。 それらの反省を次のステップに導きましょう。 問題とシステム、データ、分析、結論の説明を添えて、DSD 実験をここで共有してください...そして、私たちの何人かは私たちの考えを提供できるかもしれません。

[#3]

バーテルさん、ご提案ありがとうございます。

1回の実験には3時間かかります。 DSD は 10 因子に対して最小実行数 28 を提供しますが、これもコストがかかります。 つまり、間違った決定を下す可能性はありません。

以下で述べたように、私は検索結果からすると DSD に近いと考えていますが、私のもう 1 つの意見は、メインパワーと 2 次パワーを備えた最適なカスタムデザインを選択するか、ということです。 次に、結果に応じて、2 要素の相互作用でそれを拡張できます。

しかし、どれがより効果的な方法なのかわかりません。 私は DSD に近づいていますが、これまで使用したことがなく、n/2 を超えるアクティブな因子がある場合の使用は推奨されておらず、n/2 を超えるアクティブな因子があるかどうかわからないため、疑問があります。ない。

敬具。

[#4]

エラ、響き渡る@P_Bartel , あなたの質問に関していくつか追加の考えがありますが、あなたの状況がどのようなものであるかまったくわかりません（そして、すべてではないにしても、ほとんどのアドバイスは状況に依存します）。 最初の質問: どういう意味ですか最適化? これは継続的な改善という考えに反するものであるため、常に興味深い質問です。

あなたの状況は多変的ですか? 応答変数は何ですか? それらは関心のある現象を明確に説明していますか? すべての Y を同時に最適化するのは困難です。 通常、改善には妥協が必要です。

10 個の設計要素を特定しましたが、残りの変数 (ノイズ変数または迷惑変数) はどうなるのでしょうか? 「山の麓を地図に描く」ことは何の役にも立ちません。 あなたがほのめかした戦略には、ノイズ（周囲条件、原材料の変動性、測定の不確実性など）を処理するための戦略が含まれていません。  

あなたが私たちに話した状況を考慮すると、最も効率的または効果的なアプローチについて一般化するのは時期尚早です。 (多くの状況において) 合理的な一次モデルを特定し、このモデルが条件の変化に対して繰り返されるかどうかを判断し、空間を拡張することは理にかなっていると思われます。 合理的なモデルがあるからといって、それが複雑である必要があるというわけではありません。 実際、シンプルでノイズに強いモデルを目指す必要があります (おそらくこれが特徴です)最適化手段）。  

[#5]

こんにちは、スタットマンです。
私は、「ある範囲内の流量」を指定しながら「音響パワー」を最小限に抑えるという応答目標を達成するための最適な係数レベルを見つけようとしています。
10 個の連続因子があり、それらはすべて制御可能です。 エフェクトが応答する要因はすべてこの 10 要因であり、ノイズや迷惑要因はありません。
私には因子が応答に曲率効果をもたらす可能性があるというエンジニアリングの知識があるため、主力効果と 2 次力効果を持つモデルから始める予定でした。

ちなみに、カスタム計画と DSD のどちらで研究を開始するかを選択するために、10 因子に対して両方のタイプの計画を作成し、応答をシミュレートして OLS モデルの推定を試みました。これを 3 回実行し、常に開始が観察されました。カスタム設計を使用すると、同じモデルをより正確に予測できます。 だからこそ、私はカスタムデザインを始めることにしました。

敬具

[#6]

DSD は上映状況を目的としていることだけを付け加えておきたいと思います。 これは、最適化ではなく、スクリーニングの共通の重要な原則に依存しています。 これらの重要な原則の 1 つは、「効果の希薄さ。」 設計は、最適化ではなく、いくつかの要素の重要性を判断する機能と引き換えに、非常に経済的であることを目的としています。

したがって、10 個の要素のほとんどが重要であると予想される場合、DSD は良い選択ではありません。 有効な因子を見つけるにはデータが不十分です。 一方、この研究が真のスクリーニングケースである場合 (最終的に重要なのは 10 件のうち半分未満)、それは良い選択です。

[#7]

アクティブな因子数がn/2未満の場合に有効ではないでしょうか? それとも因数/2のときでしょうか？

sthg をミスしたかどうかはわかりませんが、シミュレーション研究で、DSD 設計と DSD プラットフォームの適合ではすべてのアクティブな要素を予測できないことがわかりました。 実験の数を増やす必要があるかもしれませんが、私の最終目標は最適化をマスクすることです。カスタム設計から始める方が安全だと感じました。

実験が終わった後も、もっと安心できるといいのですが

敬具

[#8]

@エラ注意してください@Mark_Baileyさんの返事。 あなたは返信の 1 つで、10 の要素すべてが反応に影響を与えることを知っていると述べています。 これは上映状況ではありません。 私は、最終的なスクリーニング設計ではなく、最適な DOE 戦術を使用することを考えています。

[#9]

こんにちは@P_Bartelそして@Mark_Bailey 、

10 個の要因がありますが、そのすべてが反応に重大な影響を与えるか正確には分からないことを訂正する必要があります。

もちろん、私が知っていたとしても、DSD がこのケースには適していないことに同意します。

どのデザインが自分に適しているかを判断するために、ケーススタディを作成しました。

実際の応答モデルは次のとおりであると仮定しました: Y= X1+ 2*X2 + 3*X3^2 + 4*X4*X5

まず DSD を使用し、25 回の実験を実行し、上記の関数に従って応答をシミュレートしました。

次に、遺伝オプションをクリックしないでフィット最終スクリーニングを使用します。

結合されたモデル パラメーターは X1、X2、および X7 です。

2 番目のステップでは、モデルの主効果と 2 乗を使用して 10 因子のカスタム設計を使用し、上記の関数に従って応答を再度シミュレートしました。 (実行数=28)

次に、OLS モデルを構築しました。 有効なパラメータ: X1、X2、X3^2、および X10 を予測します。

私のケーススタディによれば、カスタム設計により、より近い結果が得られました。 しかし、DSDのsthgを見逃しているかどうかはまだわかりません。 両方の設計の使用目的を見ると、DSD の方が実験の初期段階に適しているように見えるからです。 しかし、同意します。ケーススタディでは、初期段階であっても、カスタム設計はうまく機能します。 DSD の stgh を見逃している場合は、それを学ぶことができてうれしいです。

(なぜかというと、さらに 27 回の実行で 2 因子相互作用効果を含めてカスタム設計を強化すると、OLS は想定モデルを正確に見つけ出します。)

あなたが私だったら、どのデザインを選びますか？

敬具。

[#10]

@エラこのスレッドに対する私の最後で最後の投稿は、私と私へのあなたの最新の返信に焦点を当てます。 @Mark_Bailey最後の質問は「あなただったらどのデザインを選びますか?」

私の返信、そして私だけの返信: 議論や難しいことを言うつもりはありませんが、このスレッドに沿ってあなたが行った誤った方向、矛盾、矛盾する入力/発言が多すぎるため、推奨はしません。あなたの特定の状況や実験の目標や目的については何の手がかりもありません。

もう 1 つの例: 「迷惑要因や騒音要因は存在しない」と述べています。 いかなる実証的調査にも、常にノイズや迷惑要因が存在します。 それらを無視するか、その存在を否定することを選択することもできます...しかし、それらは存在します。 ジョージ ボックスの最も有名な言葉の 1 つが「ブロックできるものはブロックし、残りはランダム化する」であるのはなぜだと思いますか?