DoE 및 반복 분석 입력

[#1]

안녕,

설계된 대로 DoE를 수행했지만 각 조건에 대한 반응에 반영되는 복제 분석 데이터를 평가하는 방법을 알고 싶습니다.

평소에는 분석부서에서 제공하는 분석 데이터를 활용하고 있으나, 향후 활용을 위한 신속한 분석 도구를 연구하고 있습니다. 이 도구는 유용하지만 반복 분석을 수행한 다음 평균을 구하여 평균을 얻을 때 가장 정확해 보입니다. 일반적으로 우리는 수동으로(그리고 판단 호출을 통해) 이상값 응답 데이터를 제거하지만, 저는 이 데이터가 JMP DoE 플랫폼에 입력되어 자동으로 이상값을 결정할 수 있기를 바랐습니다.

이 반복 데이터를 입력하려면 어떻게 해야 합니까? 단, JMP가 이것이 동일한 조건에 대한 단순한 반복 분석이 아니라 실제 반복이라고 믿지 않도록 합니까? 그렇지 않으면 제가 잘못 이해하고 있는 것이 아니라면 JMP가 "과도하게 자신감 있는" 프로필을 제공할 것이라고 가정합니다.

[#2]

나는 당신의 용어에 약간 빠져 있습니다. 나는 분석 데이터가 실험의 치료법과 관련하여 반복된다고 믿습니다.

디자인에 반복을 추가하는 한 가지 방법은 각 반복에 대해 추가 열을 추가하는 것입니다. 이러한 열이 채워지면 해당 열을 쌓습니다. 그런 다음 처리 내 변동을 그래프로 표시하고, 처리 내 변동의 일관성을 평가하고, 반복 측정(예: 평균, 로그 표준 편차 등)을 요약하는 적절한 통계를 결정할 수 있습니다.

[#3]

안녕하세요, 스텟맨님,

제가 묻고 싶은 것은 JMP에서 실행 데이터를 복제하는 대신 분석 데이터를 복제하도록 행을 정의하는 방법이 있느냐는 것입니다.

예를 들어, DoE에서 12번의 실행을 수행하고 각각 10번 분석하면 120개의 응답을 얻게 됩니다. 이 12개의 실행을 10x로 쌓고 각 반복 응답을 적용하면 데이터를 모델링할 수 있지만 JMP는 이를 반복 분석이 아닌 반복 실행으로 간주합니다.

JMP는 이 데이터를 잘못 보고 프로세스 분산이 낮다고 가정하여 신뢰 구간을 부적절하게 축소합니까(이 시점에서는 분석 분산만 있으므로)?

[#4]

building on what have already being commented,

I believe you are doing repeats (repeated measurements, which do not add degrees of freedom) not replicates (independent events, meaning redoing the setup of factor in each run, which add degrees of freedom).

What I would do is to summarize the 120 rows table taking the average of your each of your treatments ending up with a table with only 12 rows (each row represents the average of 10 measurements) and use this table to fit your model. 

You can use the average to look for factor which may be active to control the mean position (location factors) and storing also any dispersion metric (range, std dev or variance), usually log transformed, you can build another model to look for factors that may be active to reduce the process dispersion (dispersion factors).

Please let me know if you need any clarification,

[#5]

안녕하세요 @MetaLizard62080 : 또 다른 옵션은 설명대로 데이터를 쌓는 것입니다. 그런 다음 DoE의 다른 고정 요인과 함께 모델에 무작위 효과로 "실행"을 포함합니다. 결과는 @gonzaef 및 @Steffen_Bugge가 제안한 대로 평균 분석과 동일하지만 실행 간 변동성 및 실행 내 변동성에 대한 추가 정보를 얻을 수 있습니다.

편집: DoE에는 몇 개의 설계 요소가 있습니까?

[#6]

안녕하세요 @MetaLizard62080

아마도 이 데모를 통해 몇 가지 정보를 얻을 수 있을 것입니다: https://www.youtube.com/watch?v=zagpxGbfuiA&t=358s

각 분석 반복 시리즈에 대해 별도의 열이 있는 경우 평균과 표준 편차를 계산하고 둘 다 모델링할 수 있습니다.

[#7]

안녕하세요 메탈리자드님...

동일한 실험 실행의 반복 측정은 시작 물질, 요인 설정 준수 등 모든 가변성 소스를 포괄하는 반복의 "새" 반복과 다릅니다. 이전 커뮤니티에 동의합니다. 이에 대한 입력.

귀하의 초기 질문은 DOE에서 응답 측정의 일부로 반복 측정 평균화/이상치 감지 및 제외라는 두 부분으로 구성되었습니다.

JMP는 두 부분 모두에 도움을 줄 수 있지만 개별적으로 해결됩니다.

나는 또한 다른 커뮤니티 회원의 제안에 동의합니다. 내 본능은 별도의 데이터 테이블에 집계한 다음 요약하는 것입니다.

"신속한 측정 시스템(이상값이 발생하기 쉬우며 수동으로 식별하고 제외할 수 있음)"을 사용하여 시간/비용을 절약하는 것과 "분석 부서 측정값"을 사용하는 것이 상황에 따라 좋은 선택이 될 수 있지만 몇 가지 주의 사항이 있습니다.
이 두 측정 시스템은 오프셋, 기울기 또는 선형성 차이가 있는 순 결과를 제공할 수 있습니다.

JMP에는 측정 시스템 평가를 위한 훌륭한 도구도 있습니다.

• 실험의 목표가 반응을 최대화하거나 최소화하는 요인 설정을 결정하는 것이라면 측정 시스템의 차이는 아마도 중요하지 않을 것입니다.

*하지만*

• 목표가 특정 목표(분석 부서에서 측정)를 달성하기 위한 요소 설정을 결정하는 것이라면... 또는
• 요인 작동 범위 설정의 일부로 피해야 하는 반응(역시 "분석 부서에서 측정한")에 대한 사양 한계가 있는 경우... 또는
• 목표가 미래의 요인 설정 세트를 고려하여 결과를 예측하는 모델을 구축(및 게시)하는 것인 경우(입력 X의 경우 Y의 값을 예상함)

.....그러면 측정 시스템 간을 변환하는 수단이 더욱 적합해집니다.

이상치 검출/제외에 대하여

JMP에는 이러한 노력을 지원하는 다양한 도구가 있습니다. 그들은 당신의 "수동/판단 요청"과 똑같은 결정을 내립니까... "상황에 따라 다릅니다". 여러 행을 요약하는 제안 아키텍처는 이상치 행을 검토하고 선택적으로 제외하는 단계와 함께 작동합니다. 또한 비정상적인 것으로 간주되는 행을 선택적으로 제외(조건부 "누락")하는 열 수식에 일부 이상값 선별이 포함될 수도 있습니다.