设为首页收藏本站

JMP数据分析论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 1535|回复: 2

D optimal efficiency 和power analysis

  [复制链接]
发表于 2019-7-29 15:12:23 | 显示全部楼层 |阅读模式
大家好,我在做DOE 定制设计,我的设计是6个连续变量,但是用了线性约束使得变量x1,x2,x3,x4 的总和不超过一定的值,设计后看到了D efficiency 是60多,而且power analysis里面的有的因子的值不是很高0.5.而且加中心点比不加中心点D 值低。 我不清楚这样的设计是否合理。我理解D和power analysis值越大越好大于90%。请高人指点,谢谢!
回复

使用道具 举报

发表于 2019-8-3 17:16:48 | 显示全部楼层
本帖最后由 xuzhan 于 2019-8-3 17:17 编辑

1. D效率等解释起来会比较晦涩,其后台的数学原理主要基于线性代数,实事求是地说,个人也没深入研究过,但其实不大影响DOE平台的理解和使用;功效(Power)的话则与假设检验的基本原理有关,一两句话也不大容易说清楚;因此,还是建议查阅《DOE Guide》手册中的“评估设计”章节和相关索引系统了解

2. 需要指出的是,这些指标更适宜的场景是在同等资源约束的条件下、实现同等目标的前提下,“不同”实验设计方案之间的优劣比较,即不同实验设计方案间、同等经验设置下的同一指标的相对大小更有意义,绝对大小也有意义但反而次要。限于篇幅就不展开了,如果您有兴趣进一步了解,2019 JMP DS上应用材料的嘉宾分享其实已经体现了该层思想,链接如下(也许和您行业不同,但道理互通)
带约束的实验设计方案及设计方法评估在PECVD BKM工艺开发及其预测模型建立中的应用_潘燕琦(Christy Pan)

3. 最后,简单说下对您的问题的理解:
(1) 关于D optimal efficiency
即根据D最优性准则,当前设计相对理想正交设计的效率。而由于您的设计X1~X4存在其他线性约束,也就是说您的设计显然不大可能是正交设计,那么,D efficiency不高应是正常现象

(2) 关于Power
功效取决于显著性水平、系统随机误差的经验取值和被评估效应本身的效应大小(某种程度上也就是显著性大小),设置不同功效也就不同,因此,如果您的经验并不准确可靠,这个值的绝对大小其实没有任何意义,但是,但是,但是... ...同等设置下,不同实验方案的相对大小是有意义的



以上,供参考~



本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-8-6 13:21:45 | 显示全部楼层
非常感谢您详细的解释,只有和不同设计方案比较时,d和power才能有意义。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|JMP数据分析论坛 ( 沪ICP备13022603号-2 )  

GMT+8, 2024-3-29 23:14 , Processed in 0.386381 second(s), 17 queries .

Powered by Discuz! X3

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表